- Vom US-Marktforschungsinstitut CB Insights am 21. Juni veröffentlichte Studie
- Legacy-Unternehmen für Machine Learning verlieren an Dynamik
- Enterprise-Plattformen für die Machine-Learning-Entwicklung wie DataRobot und Dataiku leiden in einem überfüllten Markt
- Dataiku hatte im Dezember 2022 eine Down Round, DataRobot führte mehrfach Restrukturierungen durch
- Unternehmen nutzen den Schwung von Generative AI
- Unternehmen wie Scale, Hugginf Face und Databricks gewinnen mit Generative AI an Dynamik und liegen bei Personalaufbau sowie Finanzierung vorn
- Databricks übernahm im Juni 2023 das LLMOps-Startup MosaicML für 1,3 Milliarden US-Dollar, um Produktfunktionen auszubauen, und ein Jahr später das Datenmanagement-Startup Tabular für mehr als 1 Milliarde US-Dollar
- Big-Tech-Unternehmen wachsen gemeinsam mit neuen Startups
- Big Tech baut Produktportfolios für das Zeitalter von Generative AI auf
- Google erweiterte die Entwicklungsplattform Vertex AI, um Zugriff auf Gemini-Modelle sowie Third-Party- und Open-Source-Modelle zu ermöglichen
- AWS kündigte mit Amazon Bedrock einen Managed Service für die Entwicklung von Generative AI an
- ROI-Bewertung
- Durch Interviews mit Unternehmenskunden von Anbietern von AI-Entwicklungsplattformen wurde untersucht, wie ROI bewertet wird: Produktivitätssteigerung und Kostensenkung
- Käufer betrachten konkrete Kennzahlen, um Produktivitätssteigerungen zu messen, etwa mehr Output (Anzahl veröffentlichter Funktionen), Arbeitstempo und die allgemeine Teameffizienz
- Eng mit Produktivitätssteigerungen verbunden sind direkte Kosteneinsparungen durch AI-Tools
- Zukunft der Enterprise-AI-Entwicklung
- Generative AI befindet sich in Unternehmen noch in einer frühen Einführungsphase
- Die häufigsten Anwendungsfälle: Content-Erstellung, Assistenz im Enterprise-Support, Natural-Language-Suche, Design- und Datengenerierung, Codegenerierung und Dokumentenautomatisierung
- Sechs Erkenntnisse auf Basis von CB-Insights-Daten und Käuferinterviews
- Die Nutzung proprietärer Daten ermöglicht differenzierte Anwendungsfälle
- Vorteile von Big-Tech-Unternehmen: Größenordnung, Infrastruktur und bestehende Kundenbeziehungen
- Unternehmen stehen unter Druck, Open-Source-Modelle zu prüfen
- Die Einführung aufgabenspezifischer Modelle nimmt zu
- Small Language Models (SLM) lassen sich schneller trainieren und sind im Betrieb günstiger als allgemeine Modelle
- Für den Einsatz nur in bestimmten Aufgaben ist ihre Leistung für Unternehmen ausreichend und kann in manchen Fällen sogar besser als die von LLMs sein
- Sie haben Potenzial für mehr Datenschutz und Sicherheit
- Mit der Reifung des Bereichs Generative AI rückt Konsolidierung näher (z. B. M&A)
-
Enterprise-AI-Ausgaben werden strenger kontrolliert
Noch keine Kommentare.