مهندس آشکار Front: برای کار در B2B چه کاری لازم است. اما آیا آنها برای SMB کار می کنند؟

اقتصاد چالش برانگیز که AI در واقع در دنیای واقعی امروز در B2B کار می کند – و اینکه چرا داغترین کار در این شرکت می تواند یک SMB لوکس باشد.

چرا AIS فروش Saaster برای فروش + GTM در واقع کار می کند (و بیشتر آنها امروز این کار را نمی کنند)

قبل از اینکه خود را در بحث FDE غوطه ور کنیم ، بیایید با بررسی واقعیت تجربه خودمان شروع کنیم. AI SDR SAAST شماره 1 است که AI را با تأمین کننده خروجی ما انجام می دهد. خود Saaster.ai با سوالات B2B خود به بیش از 40،000 بنیانگذار کمک کرده است. چرا هوش مصنوعی ما در حالی که بیشتر شرکت ها در حال جنگ هستند ، نتیجه می گیرند؟

زیرا ما آنها را آموزش دادیم. بسیاری بیش از 95 ٪ از SMB ها هرگز هوش مصنوعی خود را آموزش می دهند. و نه تنها هفته ها تمرین در جلو ، بلکه هر روز بعد از آن تمرینات روزانه.

آیا واقعاً بیشتر مشاغل کوچک می توانند این کار را انجام دهند؟

بیشتر SMB دارای افراد فناوری اطلاعات یا منابع فنی اضافی نیست. آنها لاغر کار می کنند ، بر روی عملیات تجاری اساسی متمرکز شده اند و امید AI “فقط” از جعبه کار می کند. در Saast ، ما مهندسین غیرقانونی خودمان هستیم. اما این برای 98 ٪ SMB عملی نیست.

این راز کثیف موفقیت هوش مصنوعی است که هیچ کس در مورد آن صحبت نمی کند: شرکت هایی که آنها با AI برنده می شوند فقط به این دلیل که ابزارهای بهتری خریداری کرده اند ، برنده نمی شوند. آنها درآمد کسب می کنند زیرا آنها در ساخت این ابزارها در واقع برای استفاده خاص خود سرمایه گذاری کرده اند. و این ما را به قلب بحث امروز می رساند – نقشی که برای موفقیت شرکت هوش مصنوعی ضروری شده است ، اما می تواند از نظر اقتصادی برای تجارت که بیشترین نیاز را دارد غیرممکن باشد. حداقل در حال حاضر ، حداقل برای امروز.

tl ؛ دکتر

مهندسان قبلی Unleashed (FDE) به سلاح مخفی موفقیت شرکت هوش مصنوعی تبدیل شده اند ، و مبلغ 135 کیلو دلار- 200K $+ حقوق را برای تعبیه مشتریان و تبدیل وعده های هوش مصنوعی به واقعیت تولید تبدیل کرده اند. در مرحله بعد ، مستقیماً با مشتریان با استراتژی و اجرای ژنرال هوش مصنوعی کار کنید ، با مسئولیت های مشابه با CTO عملی برای شروع هوش مصنوعی ، در حالی که دامنه تخمین زده شده 135،000-200،000 دلار در سال است. اما در حالی که FDE اجرای شرکت AI را در Palantir به اوپای برای تازه واردان تازه واردان مانند Artisan و Clay و واجد شرایط تبدیل کرده است (هرچند که گاهی اوقات با نام های مختلف (ممکن است اقتصاد برای SMB کار نکند.

حتی پیاده سازی های اساسی اغلب 25 کیلو دلار+ هزینه جلو ، 60K دلار+ معاملات سالانه و یک ماه یا دو یا دو یا دو یا دو مورد از “استقرار رو به جلو” به آموزش و مطالعه و رفتن ، مطالعه و برنامه ها کمک می کند ،

مهندسان در واقع چه کاری انجام می دهند (و چرا آنها متفاوت هستند)

آنچه را که فکر می کنید در مورد راه حل ها یا مشاوران فنی می دانید فراموش کنید. مهندسان آشکار پیشرفته به یکی از استراتژیک ترین دارایی های شرکت های هوش مصنوعی شرکت تبدیل شده اند و بنابراین آنها کاملاً متفاوت هستند:

FDE فقط آن را اعمال نمی کند – آنها می سازند. به عنوان FDE ، شما با مشتریانی که از محصولات شرکت شما در کنار هم استفاده می کنند ، همکاری می کنید تا به آنها کمک کنید تا از ارزش خود از پلتفرم شما حداکثر استفاده کنند. آیا نیاز به بهینه سازی معماری مدل عملکرد دارید؟ ایجاد خط لوله برای گفتار برای متن؟ برای یک سیستم AI جدید با خط لوله CI/CD مشورت کنید؟ آنها یک کد تولید می نویسند ، نه فقط پیکربندی سیستم های موجود.

آنها مشتریان را جاسازی کردند ، نه فقط از آنها بازدید کنند. مهندسان AI جلو به طور مستقیم با مشتریان با استراتژی و اجرای ژنرال AI اداره می شوند. شما هر روز از انتهای تا انتها فرآیندهای کاری ایجاد خواهید کرد ، آنها را برای تولید و حل مشکلات در دنیای واقعی در بزرگترین مقیاس قرار می دهید. این مربوط به بررسی های سه ماهه تجاری نیست – این در مورد حضور در سنگرها هر روز است.

آنها به جای ویژگی ها نتیجه دارندحرف B2B Business نرم افزاری را عرضه نمی کند ، بلکه نتایج و “نحوه ادغام ، ادغام و بهره برداری از آن ، به یک خندق تبدیل می شود”. بهترین FDE موفقیت شاخص های کسب و کار مشتری را اندازه گیری می کند ، نه مراحل فنی.

آنها را به عنوان “همکار فنی پروژه های AI خود” فکر کنید ، همانطور که یک FDE BASETEN بیان کرده است. من دوست دارم نقش خود را به عنوان نزدیک به بنیانگذار فنی پروژه های مشتریان خود فکر کنم.

واقعیت اقتصادی: چرا شرکت AI به FDE نیاز دارد

راز کثیف شرکت AI؟ مشاغلی که AI خریداری می کنند مانند مادربزرگ شما هستند که آیفون دریافت می کنید: آنها می خواهند از آن استفاده کنند ، اما باید آن را تنظیم کنند.

این چیزی است که بازار پیدا کرده است: ابزار ابزار به تنهایی تجارت را تغییر نمی دهدفقط به محصولات و اسناد فنی نمایش داده شده توسط شرکتهای پیشرو در برنامه های کاربردی هوش مصنوعی نگاه کنید. آنها بیشتر از صفحات هدف خود مشترک هستند. بخش اعظم تمایز محصول از نحوه استفاده از همان فناوری اساسی و متفاوت در مجموعه های مشتری ناشی می شود.

اعداد داستان را بیان می کنند:

• 21 از 311 نقش باز در صفحه شغلی OpenAi در حال حاضر در این دسته ها قرار دارد – این 7 ٪ از کل استخدام شده در جهت پیشبرد است
• شرکت ها چرخه اجرای سریعتر ، سطح بالاتری از پذیرش و سود قابل اندازه گیری را با مهندسان ساخته شده گزارش می دهند
• تعمیر و نگهداری تمرین همچنین می تواند شرکت های جوان را قادر به پذیرش قراردادهای بزرگتر کند ، به طور بالقوه رشد سریعتر و بادوام در خط بالایی نسبت به رویکردهای لمس سبک تر

اما در اینجا صید وجود دارد: پیاده سازی های فردی می توانند حاشیه های وحشتناکی داشته باشند ، زیرا این یک فعالیت واقعاً تحقیق و توسعه است ، نه دندان. اجرای مشتری ها عمدتاً فرصتی برای ساخت و یادگیری است ، نه جمع آوری پول کوتاه مدت.

SMB Challenge: جایی که مدل شکسته می شود

حال بیایید در مورد چالش دشوارتر صحبت کنیم: آموزش AI SMB. گوش دهید اگر می توانید AI را آموزش دهید ، آسان است. HubSpot به تازگی گزارش جدید هوش مصنوعی را با SMB معرفی کرده است. وی دریافت که 69 ٪ از شرکت های پشتیبانی شده VC تیم AI را برای انجام این کار دارندS با این حال ، بیشتر SMB تیمی ندارد.

https://www.youtube.com/watch؟v=w7yzejblmrq

این کاملاً مشکل اصلی را ضبط می کند. در حالی که مشتریان شرکت می توانند 200K دلار+ FDE را توجیه کنند زیرا دارای هزاران کارمند با میلیون ها دلار است ، SMB ها با اقتصاد واحد وحشیانه برخورد می کنند:

مشکل آموزش

SMB نمی تواند به مزایای FDE دسترسی پیدا کند:

• آنها برای رقابت با شرکت های بزرگتر به هوش مصنوعی احتیاج دارند
• سیستم های هوش مصنوعی توسط داده های تغذیه شده با افراد با افراد ، از جمله سؤالات و تبلیغاتی که از کاربران استفاده می کنند ، آموزش داده می شود. SMB هیچ مهارت و تیمی برای استفاده از این کار ندارد.
• آموزش گران است. 55 ٪ از SMB گزارش می دهد که مهمترین مانع برای پذیرش ابزارهایی با هوش مصنوعی فعال قیمت است

اقتصاد کار نمی کند – امروزحرف در اینجا ریاضیات وحشیانه وجود دارد: اگر FDE در سال 200000 دلار هزینه داشته باشد و بتواند 3-5 حساب شرکت را اداره کند ، سالانه 40،000- 67K دلار برای هر مشتری فقط در هزینه های مهندسی است. سفر ، بالاتر از زمین و حاشیه را اضافه کنید و هزینه های اجرای سالانه 75000 دلار را تماشا کنید.

بیشتر SMB نمی توانند این ریاضیات را توجیه کنند. قیمت برنامه ها ، ادغام آنها و آموزش کارمندان نگرانی است. هنگامی که کل شرکت شما 20-50 کارمند و 2 میلیون دلار درآمد درآمد دارد ، 75K دلار+ برای AI هزینه می کند و 1-4 ٪ از کل درآمد را حتی قبل از خرید ابزارهای واقعی هوش مصنوعی معرفی می کند.

SMB در واقع چه می شود

بنابراین چه اتفاقی می افتد که مدل FDE برای SMB کار نمی کند؟ آنها آنچه را که یک ناظر صنعت آن را “مهندسی فروش درخشان” نامید ، دریافت می کنند – نسخه فرقه بارگذاری حمل و نقل بدون تعهد یا نتیجه.

کشیدن عنوان تیم میدانی خود زیرا به نظر می رسد جالب است یک چیز است – ساختن یک فرهنگ واقعاً “آشکار” دیگر است. این کار بدون تعهد کامل به مزایا و هزینه ها کار نمی کند ، و مگر اینکه شما آماده باشید تا همه آنها را بپذیرید ، درگیر یک تقلید نازک هستید – فقط یک مهندسی فروش درخشان.

SMB به جای مهندسان ساخته شده ، معمولاً دریافت می کند:

• راه حل های از پیش بسته بندی شده با سفارشی سازی محدود
• نگهداری از دور به جای اجرای یک مکان
• جلسات آموزشی به جای درج انتقال دانش
• مستند سازی به جای راه حل عملی برای مشکلات

همانطور که یکی از سرمایه گذاران خاطرنشان کرد: ممکن است برای یک یا دو سال دیگر لازم باشد ، زیرا اگر حتی در مورد سفر Hubspot فکر کنید ، این است که آنچه اتفاق می افتد شرکت های بزرگی هستند که پول زیادی دارند ، در اطراف این واقعیت که آنها از لحاظ ذهنی این برنامه ها را تعریف می کنند و می فهمند که باید باشند.

راه حل هوش مصنوعی قبل از بخت: امید یا فوق العاده؟

وعده SMB این است که هوش مصنوعی “از قبل پخته” تر می شود.

این رویکرد وعده هایی دارد: برای مواردی که در پاسخ به یک تلفن ، فقط ارسال سفارشاتی مبنی بر اینکه یک دسته کامل از پیش از دست رفته ، از قبل پخته شده وجود خواهد داشت ، در اینجا نحوه عملکرد آن ، آقای SMB آورده شده است. فقط آن را روشن کنید و هر دو می توانید مانند یک تماس بزرگ صدا کنید. بنابراین من خوش بین هستم. این در سطح شرکت آموزش نخواهد دید ، اما فکر می کنم ارزش زیادی به الاغ خواهد داد.

اما ما باید در مورد محدودیت ها واقع بین باشیم. راه حل های قبل از بخت برای:

• فرآیندهای کار استاندارد (خدمات مشتری ، اتوماسیون اصلی)
• مواردی برای استفاده معمول (بازاریابی از طریق ایمیل ، برنامه ریزی)
• ادغام (CRM ، نرم افزار حسابداری)

آنها با:

• فرآیندهای تجاری شخصی
• الزامات خاص صنعت
• ادغام داده های پیشرفته
• مزایای رقابتی منحصر به فرد

این برای بازار چه معنی دارد

مدل FDE یک اقتصاد دوتایی هوش مصنوعی ایجاد می کند:

TIR 1: Enterprise (مزیت FDE)

• تبدیل هوش مصنوعی شخصی
• پشتیبانی مهندسی ساخته شده
• آموزش و بهینه سازی خاص تجارت
• خندق های رقابتی از طریق ادغام عمیق
• درصد بالاتری از موفقیت و بازده سرمایه گذاری

سطح 2: SMB (واقعیت خود خدمات)

• راه حل های از پیش بسته بندی شده
• تصور خود با مستندات
• آموزش و پشتیبانی عمومی
• موانع پایین برای ورود ، بلکه تمایز کمتری
• سطح بالاتری از امتناع اما هزینه های پایین تر

سؤال این است که آیا این شکاف باریک خواهد شد یا گسترش می یابد. از آنجا که نوشتن نسخه برداری و نمایندگانی که نرم افزار سفارش داده شده را در روز به روز می کنند -به فرآیندهای کاری روز تبدیل می شوند ، بسیاری از افراد شروع می شوند و باید یک رویکرد متداول تر را اتخاذ کنند یا با دید مشتری روبرو شوند تا بتوانند خودشان را بسازند.

خط پایین برای بنیانگذاران

اگر در حال ساخت هوش مصنوعی برای شرکت هستید ، FDE اختیاری است – آنها در جدول شرط بندی می کنند. مدلهای با دوام تر و یکپارچه تر به طور مداوم از نوعی پشتیبانی عملی مانند مهندس جلوی یا مهندس محلول برخوردار هستند.

اما اگر SMB بازار هدف شماست ، به یک کتاب بازی متفاوت نیاز دارید:

برای هوش مصنوعی با محوریت SMB شروع شد:

1. طراحی خودآزمایی از روز اول
2. ایجاد الگوهای خاص صنعت ساختارهای سفارشی نیست
3. به شدت در هیئت UX سرمایه گذاری کنید و آموزش خودکار
4. تعمیر و نگهداری را که توسط جامعه اداره می شود به جای رابطه 1: 1

برای مشاغل مشاهده مدل FDE:

1. بودجه ای برای هزینه های واقعی “این فقط حقوق نیست
2. کاملاً درگیر یا اصلاً این کار را نکنید
3. نتایج اندازه گیری تجارتبدون شاخص های فنی
4. برنامه مقیاس بندی فراتر از آن آشکار می شود

جلو فقط یک عنوان شغلی نیست – این یک انتخاب استراتژیک برای نحوه ارائه ارزش هوش مصنوعی است. اطمینان حاصل کنید که مدل مناسب را برای واقعیت بازار خود انتخاب کرده اید.

https://www.youtube.com/watch؟v=erqu-vcbume