Jorge Penalva, CEO da Lang.ai, revela uma nova estrutura de IA para equipes GTM

Se você faz parte de uma equipe de liderança, provavelmente terá uma das decisões mais importantes da última década: como implementar IA em seu negócio. Quais são os maiores desafios que a IA pode resolver?

Depois de identificar esses desafios, qual é a sua estratégia de IA? Como você escolhe parceiros ou fornecedores estratégicos quando tudo muda tão rápido?

Sou o CEO da Lang.ai e em parceria com o GTM Fund, construímos a primeira estrutura para implementar IA para equipes GTM. Lang.ai é uma plataforma de IA para experiência do cliente. O Fundo GTM e sua comunidade são compostos por mais de 300 operadores GTM de nível C e VP.

A principal coisa que todos pensam agora é como posso implementar a IA para crescer com mais eficiência ?

Quando Max Altschuler, GP do Fundo GTM, respondeu a essa pergunta, ele compartilhou: “A IA não é uma solução mágica. Nenhuma tecnologia é uma solução mágica. Se o seu movimento GTM não está funcionando hoje, certamente não funcionará com IA. Você provavelmente irá mais rápido na direção errada. Isso acontece com qualquer grande avanço em tecnologia como dispositivos móveis, blockchain e agora IA. As pessoas tendem a se distrair com a própria tecnologia e a perder o controle dos problemas subjacentes que estão realmente tentando resolver.

"Há alguns anos, cada uma de suas equipes teria corrido para comprar a mais recente solução de pontos de IA por causa do FOMO. Agora, eu recomendaria às equipes que voltassem ao básico. Reúna sua equipe de liderança, reavalie cada conjuntura em seu processo GTM, desde a descoberta do cliente até o upsell, e reimagine uma maneira melhor de envolver seus clientes usando esses novos avanços em IA.

“Mapeie esse novo mundo, use uma estrutura como a abaixo para avaliar qual opção de IA é certa para sua organização, conduza alguns testes menores, itere com base nos dados obtidos e, em seguida, implemente-os em uma única unidade de negócios. isso, vai para toda a organização.

“Sem uma estratégia holística como essa, na verdade acho que a IA tem a capacidade de causar mais danos do que benefícios ao seu negócio. Não tenho dúvidas de que a IA nos ajudará a reescrever o atual manual de GTM, mas ainda é o começo. uma daquelas situações em que as empresas precisam desacelerar para acelerar."

Matthew Miller, principal analista do G2 focado em IA, concorda. Sua pesquisa de quase 200 categorias com recursos generativos de IA revela isso. Apesar dos sinos e assobios da tecnologia moderna, a agulha quase não mudou quando se trata de quão bem o software atende aos requisitos dos usuários de software. A determinação das necessidades deve vir primeiro e só então você deve tentar descobrir como usar o melhor software para obter os melhores resultados.

Se você faz parte de equipes de GTM, como vendas, marketing, produto, experiência do cliente ou sucesso do cliente, você pode se beneficiar desta estrutura para tomar as decisões certas quando se trata de estabelecer IA.

3 opções para implementar IA como fornecedor

Atualmente, estão disponíveis três opções principais para implementar IA em uma empresa. Vamos detalhar cada um.

1. Provedores de nuvem ou LLM

Grandes provedores de nuvem , como AWS, Google ou Microsoft, fornecem serviços para implementar IA generativa de forma segura na nuvem. No caso da Microsoft, eles oferecem apenas o modelo Open AI . O Google fornece seu modelo Palm 2 e a Amazon tem várias opções, incluindo AWS Bedrock .

Por outro lado, os fornecedores de grandes modelos de linguagem (LLM) são os novos intervenientes nesta nova onda de IA. Eles ajudam você a executar IA generativa em um ambiente corporativo com seus próprios modelos ( Anthropic e Open AI) ou modelos de código aberto ( Huggingface e H2O.ai ). Você poderá executar o modelo de sua escolha ao hospedá-lo, dependendo se ele é de código aberto ou hospedado pelo provedor.

2. Líderes verticais com novas capacidades de IA

Líderes verticais são plataformas de software que cresceram em uma determinada vertical ou persona, como vendas, suporte ao cliente, CRM ou finanças. Eles normalmente se especializam em uma função ou área de negócios específica. Portanto, eles possuem o conjunto de dados mais abrangente no que diz respeito a essa função, construído ao longo de anos de experiência. Algumas delas já lançaram modelos de IA treinados em todos os dados históricos de seus clientes.

Alguns exemplos de líderes verticais com novas ferramentas de IA:

• Exemplo de vendas: Gong
• Modelo de vendas: Outreach
• Modelo de experiência do cliente (CX): Zendesk
• Modelo para finanças: Intuit

Alguns outros players, como Copy.ai e Jasper.ai, tornaram-se líderes verticais com um novo produto no mercado porque conseguiram acertar o momento certo na nova onda de IA.

3. Startups de IA empresarial

As startups de IA empresarial são empresas focadas na implementação segura de IA para casos de uso específicos da empresa, especialmente privacidade e segurança. As empresas querem saber se seus dados não estão sendo usados ​​para treinar modelos; essas startups atendem a essa necessidade.

Alguns exemplos de startups de IA empresarial incluem:

• Para qualquer aplicação: Scale AI e Dataiku
• Para experiência do cliente: Lang.ai
• Para redação: Writer.com
• Para escritórios de advocacia de elite: Harvey.ai

Uma estrutura para ajudá-lo a escolher entre ferramentas de IA

Com todas essas opções, você pode ver que configurar a IA é uma decisão difícil para as equipes de GTM. Criamos esta estrutura para facilitar a escolha do tipo de fornecedor que funciona para sua empresa e seu caso de uso específico de IA.

Abaixo, abordaremos como usar essa estrutura. Mas antes de mergulharmos nos detalhes, é importante entender o que significam os diferentes eixos.

Restrições do engenheiro: As restrições que existem na sua organização em termos dos engenheiros que trabalham nesta questão. Restrições altas significam que você não pode dedicar engenheiros para esse problema.

IA específica do cliente: a necessidade de personalizar a IA de acordo com seus próprios dados e o caso de uso que você está tentando resolver. IA altamente específica do cliente significa que você precisa de um alto nível de personalização.

Zona de engenharia: baixas restrições de engenharia/alta necessidade de IA específica do cliente

A zona de engenharia é melhor para problemas que são uma operação central da empresa. As empresas normalmente estão dispostas a dedicar recursos internos de engenharia. Eles terão necessidade de customização e privacidade, pois é assim que se diferenciam de seus concorrentes.

Nesse caso, você usa LLMs para construir seus próprios modelos de IA. Você garante risco zero de privacidade de dados hospedando-os e manutenção rápida dedicando uma equipe de engenharia ao modelo.

Exemplos de usos para a zona de engenharia:

• Fraude em uma instituição financeira . Se você é um banco, lidar com fraudes e modelos de fraude é um diferencial competitivo. Aqui está um exemplo com Chase.
• Contabilidade em plataforma de gestão financeira como Ramp. Você constrói internamente porque essa é a essência do seu negócio. Ramp Intelligence se sai bem com isso .

Zona SaaS: altas restrições de engenharia/baixa necessidade de IA específica do cliente

A zona SaaS é melhor para problemas que não fazem parte da operação principal da empresa e para os quais não é possível investir recursos de engenharia. Ao mesmo tempo, os dados que fazem parte desses problemas não são críticos ou de alto risco.

Para resolver esses tipos de problemas, você pode trabalhar com um provedor de SaaS que tenha um “megamodelo” treinado por todos os dados do cliente, inclusive os seus. A vantagem aqui é que o fornecedor possui dados sobre outras empresas e você não precisa investir recursos de engenharia – basta contratar o software com recursos de IA mensal ou anualmente.

Exemplos de casos de uso para a zona SaaS:

• Vendas em uma empresa SaaS. Cada empresa de SaaS tem vendido da mesma maneira nos últimos 10 anos, seguindo princípios previsíveis de saída de receita.

• Suporte ao cliente para um revendedor Shopify/Amazon. Se você revende produtos, seus dados não são exclusivos ou relevantes. A maioria das pessoas vai reclamar da entrega e devolução desses produtos e quando reclamam do produto não dá para consertar.

• Redação para uma startup. Sua equipe de marketing deseja acelerar a rapidez com que produzem conteúdo. Este conteúdo não é crítico e, portanto, você pode usar Copy.ai ou Jasper.ai sem se preocupar com a privacidade desse conteúdo e como ele está sendo usado.

Zona de parceria: altas restrições de engenharia/alta necessidade de IA específica do cliente

A zona de parceria é a mais indicada para processos que podem não ser o foco principal da empresa, por isso não tem disponibilidade de engenharia. Esses procedimentos podem ter necessidades específicas da empresa (devido à privacidade, processos internos ou complexidades) que exigem customização e não apenas modelos genéricos. Ao fazer parceria com uma startup pronta para empresas, você obtém o poder da execução rápida, mantendo a privacidade dos dados e economizando recursos.

Também se aplica quando:

• Não há necessidade de um modelo personalizado para seus dados, mas simplesmente ainda não existe um modelo genérico que funcione.
• É fundamental para sua empresa, mas você não possui os recursos de engenharia.

Exemplos de casos de uso para a zona de parceria:

• Suporte ao cliente em uma empresa de healthtech. Uma empresa de tecnologia da saúde precisa de um alto grau de personalização para seus produtos ou serviços e exige altos padrões de privacidade de dados e controles específicos como o HIPAA. Tudo isso exige IA específica do cliente. Ao mesmo tempo, não faz sentido para a maioria das empresas de tecnologia da saúde investir recursos de engenharia no suporte ao cliente.
• Redação para as marcas mais valiosas. Marcas como Nike, Apple ou Coca-Cola têm uma vantagem competitiva importante como alguns dos nomes mais valiosos do mundo. Eles precisam de IA específica para cada cliente e provavelmente não querem que seu conhecimento seja usado para treinar modelos de linguagem de outros concorrentes.

Ao mesmo tempo, eles não podem dedicar engenheiros à sua marca ou às equipes de marketing. A parceria com uma startup privada específica para o cliente com IA para marketing seria a melhor jogada para essas marcas.

Zona de perigo: baixas restrições de engenharia/baixa necessidade de IA específica do cliente

A zona de perigo é onde as empresas podem encontrar-se se não se adaptarem à mudança exponencial da IA ​​que aconteceu no ano passado. Estar na zona de perigo significa que você está investindo tempo e dinheiro em engenheiros para criar um modelo que não é seu. Este modelo não é específico do cliente, portanto seus dados podem ser usados ​​em vários clientes.

Isso costumava ser comum, pois os modelos de aprendizado de máquina (ML) exigiam muito treinamento e ajustes para resolver um problema, e os provedores precisavam de grandes quantidades de dados para terem sucesso. Por exemplo, era comum pagar por fornecedores de IA que tinham uma equipe interna de engenheiros de ML treinando os algoritmos, mas os dados e o modelo pertenciam ao provedor de serviços, não à empresa que estava comprando o software de IA.

Com os LLMs, não faz sentido estar na zona de perigo do ponto de vista da estratégia de IA. Se estiver, mude de fornecedor ou incentive-os a fornecer modelos de IA de uma forma que não exija que você pague por recursos de engenharia.

Você deve estar fora desta zona para qualquer processo de IA em sua empresa.

Outras variáveis ​​a levar em consideração

A IA e o ecossistema de problemas e empresas que a rodeiam estão a evoluir exponencialmente, por isso, embora tenhamos tentado resumir tudo num quadro simples, existem outras variáveis ​​que também são relevantes para a tomada de decisões, tais como:

• Os dados são o ativo mais valioso de uma empresa. Grandes modelos de linguagem foram treinados com dados disponíveis na Internet, portanto, os dados da sua empresa são inestimáveis ​​para a IA, pois são escassos nesses sistemas. Não divulgue seus dados preciosos para que os concorrentes se beneficiem se você acredita que os dados são relevantes para conquistar o mercado.
• Dados privados. Os modelos específicos do cliente tendem a ser privados. Em geral, a privacidade dos dados é uma variável importante a ter em consideração devido aos riscos de segurança. Se seus dados forem valiosos, certifique-se de que eles não terminem em locais onde possam ser facilmente roubados.
• Dinamismo de dados. Se o problema que você está tentando resolver depende de dados que mudam muito rapidamente, você deve conversar com seu provedor sobre os mecanismos de aprendizagem após os estágios iniciais de treinamento e ajuste fino. Você deve entender como o modelo muda à medida que seus dados evoluem.
• Especificidade dos dados. Se o problema que você está tentando resolver for distinto, poderá achar difícil trabalhar com IA que não esteja focada na personalização. Os LLMs provaram funcionar muito bem para um número quase ilimitado de tarefas, mas isso não significa que possam resolver todos os problemas.
• Custo de construção e manutenção de uma solução internamente. Quanto menos tempo você tiver, mais desejará construir IA internamente. A IA evoluiu drasticamente e agora todos podemos ver seu impacto usando o ChatGPT. Mas lidar com a IA para resolver um problema empresarial ainda é complexo.

IA para equipes mais inteligentes de amanhã

Embora a IA generativa comoditize muitos aspectos da IA, construir uma solução é diferente de implementar uma tecnologia. Temos visto uma pergunta comum sendo feita aos provedores de IA atualmente: “Por que isso é diferente do que posso fazer com ChatGPT/Open AI?”. Queríamos ressaltar que a diferença não vem necessariamente do ponto de vista tecnológico. A verdadeira vantagem é se o seu fornecedor de IA estiver pensando no problema que você está tentando resolver 24 horas por dia, 7 dias por semana e, portanto, tiver a melhor solução ou produto.

Muitas vezes os clientes pressionam para implementar IA, mas é bom dar um passo atrás e entender qual é o problema que você está tentando resolver e qual é a melhor abordagem antes de investir milhares ou milhões de dólares.

Esteja na vanguarda de tudo relacionado à IA ao assinar nosso boletim informativo mensal,   Chá G2 .