Παρά το γεγονός ότι όλες οι θέσεις τους υπόσχονται κάτι νέο, οι νεοσύστατες εταιρείες τεχνητής νοημοσύνης μοιράζονται πολλές από τις ίδιες ερωτήσεις με τις νεοφυείς επιχειρήσεις τα προηγούμενα χρόνια: Πώς ξέρουν πότε έχουν επιτύχει το ιερό δισκοπότηρο της προσαρμογής προϊόντος-αγοράς;
Η προσαρμογή προϊόντος-αγοράς έχει μελετηθεί εκτενώς όλα αυτά τα χρόνια. Ολόκληρα βιβλία έχουν γραφτεί για το πώς να κυριαρχήσεις στην τέχνη. Αλλά όπως συμβαίνει με τόσα πολλά πράγματα, η τεχνητή νοημοσύνη ανατρέπει τις καθιερωμένες πρακτικές.
“Ειλικρινά, απλά δεν θα μπορούσε να είναι πιο διαφορετικό από όλα τα βιβλία παιχνιδιού που όλοι μας έχουν διδαχτεί τεχνολογία στο παρελθόν.” Αν Μπορντέτσκισυνεργάτης στο New Enterprise Associatesείπε σε ένα πλήθος μόνο για όρθια αίθουσα στο TechCrunch Disrupt στο Σαν Φρανσίσκο. «Είναι ένα εντελώς διαφορετικό παιχνίδι με μπάλα».
Στην κορυφή της λίστας είναι ο ρυθμός αλλαγής στον κόσμο της τεχνητής νοημοσύνης. «Η ίδια η τεχνολογία δεν είναι στατική», είπε.
Ακόμα και τώρα, υπάρχουν τρόποι με τους οποίους οι ιδρυτές και οι φορείς εκμετάλλευσης μπορούν να αξιολογήσουν εάν ταιριάζουν με το προϊόν στην αγορά.
Ένα από τα καλύτερα πράγματα για να παρακολουθήσετε, Murali Joshiσυνεργάτης στο Iconiqείπε στο ακροατήριο, είναι «αντοχή της δαπάνης». Η τεχνητή νοημοσύνη βρίσκεται ακόμη νωρίς στην καμπύλη υιοθέτησης σε πολλές εταιρείες, και έτσι μεγάλο μέρος των δαπανών τους επικεντρώνεται στον πειραματισμό και όχι στην ενοποίηση.
«Όλο και περισσότερο, βλέπουμε τους ανθρώπους να απομακρύνονται πραγματικά από τους πειραματικούς προϋπολογισμούς τεχνητής νοημοσύνης στο βασικό γραφείο των προϋπολογισμών CXO», είπε ο Joshi. «Η έρευνα σε αυτό είναι εξαιρετικά κρίσιμη για να διασφαλιστεί ότι αυτό είναι ένα εργαλείο, μια λύση, μια πλατφόρμα που είναι εδώ για να μείνει, έναντι κάτι που απλώς δοκιμάζουν και δοκιμάζουν».
Εκδήλωση Techcrunch
Σαν Φρανσίσκο
|
13-15 Οκτωβρίου 2026
Ο Joshi πρότεινε επίσης στις νεοφυείς επιχειρήσεις να λαμβάνουν υπόψη τις κλασικές μετρήσεις: ημερήσιους, εβδομαδιαίους και μηνιαίους ενεργούς χρήστες. “Πόσο συχνά ασχολούνται οι πελάτες σας με το εργαλείο και το προϊόν για το οποίο πληρώνουν;”
Ο Bordetsky συμφώνησε, προσθέτοντας ότι τα ποιοτικά δεδομένα μπορούν να βοηθήσουν στην παροχή αποχρώσεων σε ορισμένες από τις ποσοτικές μετρήσεις που μπορεί να υποδηλώνουν, αλλά όχι να επιβεβαιώνουν, εάν οι πελάτες είναι πιθανό να παραμείνουν σε ένα προϊόν.
«Αν μιλάτε με πελάτες ή χρήστες, ακόμη και σε ποιοτικές συνεντεύξεις, τις οποίες τείνουμε να κάνουμε πολύ νωρίς, αυτό είναι πολύ ξεκάθαρο», είπε.
Η συνέντευξη με άτομα στην executive σουίτα μπορεί επίσης να είναι χρήσιμη, είπε ο Joshi. “Πού βρίσκεται αυτό στη στοίβα τεχνολογίας;” προτείνει να τους ρωτήσεις. Είπε ότι οι νεοφυείς επιχειρήσεις θα πρέπει να σκεφτούν πώς μπορούν να γίνουν «πιο κολλώδεις ως προϊόν όσον αφορά τις βασικές ροές εργασίας».
Τέλος, είναι σημαντικό για τις νεοφυείς επιχειρήσεις τεχνητής νοημοσύνης να σκεφτούν την προσαρμογή των προϊόντων στην αγορά ως συνέχεια, είπε ο Bordetsky. Η προσαρμογή προϊόντος-αγοράς δεν είναι ένα είδος χρονικής στιγμής», είπε. «Μαθαίνεις να σκέφτεσαι πώς μπορείς να ξεκινήσεις με λίγη προσαρμογή στην αγορά προϊόντων στον χώρο σου, αλλά στη συνέχεια να το ενισχύεις πραγματικά με την πάροδο του χρόνου».
Via: techcrunch.com
