自动驾驶汽车将如何改变我们的生活

如果你已经想象了自动驾驶汽车将如何改变我们的生活，那么想想自驾车公司可以做些什么。我说的是自动执行的企业软件，它在成熟时可以使企业实际上自己运行。自主公司可能不如自动驾驶汽车性感，但它们对社会的影响同样重要。

自动车辆系统从零(无自动化)到五(完全自动驾驶)排名。例如，要求驾驶员至少一只手放在方向盘上的特斯拉的自动驾驶仪就是2级。借用这个规模，今天的商业软件将排在零到一之间 - 动力转向阶段，让我们称之为。目前大多数B2B软件都是基于工作流程的; 也就是说，有助于组织和促进常规任务的软件。例如，云计算公司Salesforce主要是工作流驱动的软件解决方案。为了获得报酬，使用Salesforce的企业的销售代表必须输入他们的活动，这允许主管监控他们的工作并更有效地管理销售渠道。

这种类型的商业软件已经释放出巨大的生产力，而今天大多数价值数十亿美元的B2B软件公司都是某种形式的工作流程解决方案。在接下来的十年中，我相信当AI驱动的业务应用程序达到4/5级自主权时，这些令人印象深刻的结果将会相形见绌。随着技术取代人类的表现，我们对工作的思考方式将从协助人类的机器转向人类辅助机器。

让我们假设一个支持AI的自我驱动的Salesforce 版本。销售活动将自动输入。更有力的是，该系统将获取并优先关闭具有高度关闭可能性的潜在客户; 它将起草这些线索的通信; 它甚至可以通过最合适的渠道(聊天，电子邮件等)与他们联系。然后，Salesforce.ai会与这些潜在客户来回走动，通过销售漏斗驱动他们，只有当机器不确定或是时候把潜在客户带到晚餐时才会与人工代理商联系。

很难夸大这对公司的变革程度。如果Salesforce的软件能够在没有人工努力的情况下找到，确定优先级并接触潜在客户并预测哪些潜在客户最有可能关闭，那么它对客户的效用将会增加几个数量级。因此，Salesforce将业务模式从当前基于订阅的费用转移到为其客户产生的新收入的一定百分比，甚至可能更有利可图。这将改变游戏规则，很难看出非自主公司如何与自动驾驶的Salesforce或NetSuite或SAP竞争。

数据驱动

这些天我们都淹没在数据中。对我来说，这是从我的两只猫的成千上万的自拍到我的巢式摄像机拍摄的数百小时的平静录像。但对企业而言重要的是有意义的独家数据。一家公司是否能够实现自主企业的跨越，取决于一个不可协商的因素：获取高质量的专有 数据。

专有数据集满足以下三个标准中的至少一个：

唯一性。独特数据的一个例子是独特的种群数据，例如异常同质的国家的基因组数据集。但真正独特的数据集越来越少见。

规模。LinkedIn拥有世界上最大的简历之一。每个个人资料都是如此独特吗?不一定，但所有它们的规模是一体的。更重要的是，随着新用户每天加入以及当前更新他们的个人资料，LinkedIn有一种有机的方式来更新和发展这项资产。

重量。Facebook有配置文件，每个配置文件是有趣的，但什么是更有趣的是 体重 的关系-连接如何显著是网络中的人之间。强关系的权重很大，关系较弱则不那么重要。数据网络关系的加权非常重要，因为它有助于更​​准确地训练AI算法，从而实现更好的预测。

加快速度

到目前为止，Facebook，LinkedIn或Salesforce都很好。但是，我们未来的机器人霸主将仅仅是我们现有企业霸主的软件升级吗?那些不是科技巨头的公司如何竞争?在我作为投资者的日常工作中遇到过数百家企业软件公司并与其他几家公司紧密合作的人，我有三条关于AI志向创业公司的建议：

1. 第1天势在必行。B2B创始人明白，开发支持AI的业务应用程序的最大障碍之一就是获取他们自己的专有数据集。但有些人过度认识到这一挑战。一些AI初创公司希望在其初始生命周期中进行数据收集。或者他们计划与将分享其数据的客户进行试点，但在人工智能在六个月到一年内接受培训之前不会收到任何回报。

换句话说，他们太专注于自己积累的数据资产或区分自己作为一个“AI公司”，他们失去的事实，为了建立一个数据为先的经营，你必须建立一个企业，视力第一!像任何创业公司一样，AI企业创业公司必须提供具有引人注目的商业用例的产品，并在第一天为其第一位客户提供显着的增值。

2. 金帐汗国。您获得的每个企业客户都将提供其数据。随着这些额外的数据贡献，您的专有数据集应该变得更加健壮，因为它们会进一步训练您的AI模型。换句话说，构建产品和公司以利用增长的网络效应。

以Mya Systems为例，这是一个由AI负责的招聘人员，我是一名投资人。Mya的初始客户是工业制造领域的英语业务。对于这个第一个客户，Mya的AI必须被教授基本的制造行话。工业制造业的后续客户是法语国家，所以Mya的模特必须学习法语。但它不需要重新制造术语。而现在，Mya的双语会话AI可以用英语和法语与所有现有和未来的客户沟通 - 至少在工业制造方面的主题。

网络效应允许一个客户的信息和经验为所有客户提供更好的解决方案。

3. 良性循环。理想情况下，B2B AI初创公司还将构建一个解决方案，让客户为他们工作。也就是说，设计您的产品以结合客户的持续反馈，以进一步塑造您的AI算法。

例如，另一家人工智能招聘创业公司Teamable使用机器学习和社交网络来推动工作推荐。它适用于Lyft和Spotify等公司。Teamable向一家这样的公司的员工X展示了一份工作，并询问她是否认为这个角色非常适合她的特定朋友。当员工X表示是或否时，她通过帮助构建具有专有权重的数据集来实际上成为Teamable的机械特克，这些数据集训练算法。这个想法是，随着人工智能的学习，Teamable的模型将成为一个更好的预测引擎，候选人将匹配哪些工作。随着时间的推移，随着软件越来越自主，业务将变得越来越自我调节和自我延续。而且，最终，该公司将自己开车。

但我们还没有; 我们只处于动力转向阶段。我们仍然需要天才减速机和速度与激情的驾驶员 - 即企业家 - 让我们超越终点线。但他们拥有地图，燃料来源和未来企业的关键 - 自主企业。所有剩下要说的是，女士们，先生们，开始引擎。

Joanne Chen是Foundation Capital的合伙人，专注于人工智能，企业和女性技术。她有兴趣帮助各种规模的初创公司利用人工智能来自动化现有工作流程或创建新服务，以及人工智能对业务的道德影响。