Jonathan Corbin, ຜູ້ກໍ່ຕັ້ງ & CEO ຂອງ Maven AGI - ຊຸດສໍາພາດ

Jonathan Corbin, ຜູ້ກໍ່ຕັ້ງ & CEO ຂອງ Maven AGI. ກ່ອນຫນ້ານີ້, ໃນຖານະຮອງປະທານຝ່າຍຄວາມສໍາເລັດຂອງລູກຄ້າແລະຍຸດທະສາດທົ່ວໂລກຢູ່ HubSpot, Jonathan ໄດ້ນໍາພາທີມງານຂອງຄວາມສໍາເລັດຂອງລູກຄ້າປະມານ 1,000 ຄົນ, ຄວາມສໍາເລັດຂອງຄູ່ຮ່ວມງານ, ແລະຜູ້ຈັດການສັນຍາໃນທົ່ວພາກພື້ນແລະແນວຕັ້ງ. ຄວາມຮັບຜິດຊອບຂອງລາວລວມມີການຂັບລົດການຮັກສາລູກຄ້າ, ການເຕີບໂຕຂອງລາຍໄດ້, ແລະການສ້າງມູນຄ່າໃຫ້ແກ່ລູກຄ້າຫຼາຍກວ່າ 200,000 ທົ່ວໂລກ, ຕັ້ງແຕ່ການເລີ່ມຕົ້ນຈົນເຖິງວິສາຫະກິດ.

Maven AGI ເປັນການແກ້ໄຂພື້ນເມືອງ AI ທີ່ສົມບູນແບບທີ່ອອກແບບມາເພື່ອຫັນປ່ຽນພູມສັນຖານຂອງການຊ່ວຍເຫຼືອລູກຄ້າ - ໂດຍບໍ່ມີການເຈັບຫົວ. ໃນຂະນະທີ່ຢູ່ໃນຮູບແບບ stealth, ເຕັກໂນໂລຢີຂອງ Maven ໄດ້ແກ້ໄຂແບບອັດຕະໂນມັດຫຼາຍກວ່າ 93% ຂອງການສອບຖາມຂອງລູກຄ້າ, ຕັດຄ່າໃຊ້ຈ່າຍໃນການສະຫນັບສະຫນູນ 81%, ປັບປຸງປະສົບການຂອງລູກຄ້າໂດຍລວມ, ໃນລະດັບ, ຫຼັງຈາກການແກ້ໄຂຫຼາຍລ້ານການໂຕ້ຕອບໃນຫຼາຍກວ່າ 50 ພາສາສໍາລັບລູກຄ້າຕົ້ນໆ.

ກ່ອນໜ້ານີ້ທ່ານເຄີຍເປັນຮອງປະທານຝ່າຍຄວາມສຳເລັດຂອງລູກຄ້າ ແລະ ຍຸດທະສາດທົ່ວໂລກຢູ່ HubSpot, ບ່ອນທີ່ທ່ານໄດ້ນຳພາທີມງານຂອງລູກຄ້າປະມານ 1,000 ຄົນ, ຄວາມສຳເລັດຂອງຄູ່ຮ່ວມງານ ແລະ ຜູ້ຈັດການສັນຍາໃນຫຼາຍຂົງເຂດ ແລະ ແນວຕັ້ງ. ອັນໃດເປັນຈຸດເດັ່ນ ແລະຈຸດເດັ່ນທີ່ສຳຄັນຈາກໄລຍະນີ້ໃນຊີວິດຂອງເຈົ້າ?

ໃນຊ່ວງເວລານັ້ນ, Hubspot ແມ່ນໜຶ່ງໃນຫ້າບໍລິສັດ B2B SaaS ທີ່ເຕີບໂຕໄວທີ່ສຸດທີ່ມີລາຍໄດ້ຫຼາຍກວ່າຕື້ໂດລາ. ມີຄົນຈໍານວນຫນ້ອຍຫຼາຍທີ່ມີໂອກາດທີ່ຈະສ້າງ, ເຕີບໃຫຍ່, ແລະຄຸ້ມຄອງໃນລະດັບທີ່ພວກເຮົາດໍາເນີນການຢູ່. ບໍລິສັດທີ່ເຕີບໂຕໃນຄວາມໄວນີ້ມັກຈະບໍ່ຂະຫນາດນັ້ນ, ແລະບໍລິສັດຂະຫນາດຂອງພວກເຮົາບໍ່ໄດ້ເຕີບໂຕໃນຄວາມໄວນັ້ນ. ຂ້າພະເຈົ້າໄດ້ໃຊ້ເວລາຫຼາຍເພື່ອສຸມໃສ່ການສ້າງວິທີການຂະຫຍາຍການວາງແຜນແລະການຂະຫຍາຍຕົວ, ໃຫ້ແນ່ໃຈວ່າພວກເຮົາກໍານົດຈຸດປະສົງທີ່ຊັດເຈນຫຼາຍ, ສອດຄ່ອງສິ່ງຈູງໃຈໃນທົ່ວອົງການຈັດຕັ້ງເພື່ອສ້າງຜົນໄດ້ຮັບທີ່ພວກເຮົາກໍາລັງຊອກຫາເປັນອົງການຈັດຕັ້ງ, ຮັບປະກັນວ່າພວກເຮົາມີລະບົບ. ສ້າງການເບິ່ງເຫັນກັບສິ່ງທີ່ເກີດຂຶ້ນໃນອົງການຈັດຕັ້ງ, ແລະການວາງແຜນໃນໄລຍະຂອບເຂດຫຼາຍ. ສິ່ງໃດແດ່ທີ່ພວກເຮົາມ້ວນອອກຕ້ອງເຮັດວຽກບໍ່ພຽງແຕ່ສໍາລັບລູກຄ້າໃນປະຈຸບັນຂອງພວກເຮົາເທົ່ານັ້ນ, ແຕ່ຕ້ອງມີຄວາມສາມາດໃນການຮັກສາຢ່າງຕໍ່ເນື່ອງໃນການເຕີບໂຕຂອງຕົວເລກ.

ທ່ານສາມາດແບ່ງປັນຄວາມເຂົ້າໃຈບາງຢ່າງກ່ຽວກັບສິ່ງທີ່ດົນໃຈໃຫ້ທ່ານເປີດຕົວ Maven AGI, ແລະທ່ານຢູ່ໃນໂຫມດ stealth ດົນປານໃດ?

ຂ້ອຍຫຼົງໄຫຼກັບປະສົບການຂອງລູກຄ້າຕັ້ງແຕ່ຕົ້ນໆໃນອາຊີບຂອງຂ້ອຍ ແລະນັ້ນແມ່ນເຫດຜົນທີ່ຂ້ອຍໃຊ້ເວລາຫຼາຍຢູ່ບໍລິສັດຊັ້ນນໍາຂອງອຸດສາຫະກໍາໃນຊ່ອງນີ້ (Adobe, Marketo, Sprinklr, Hubspot, ແລະອື່ນໆ). ກັບໄປໃນປີ 2017, ຂ້າພະເຈົ້າໄດ້ກັບຄືນມາຈາກ swing West Coast, ພົບກັບລູກຄ້າທີ່ຍິ່ງໃຫຍ່ເຊັ່ນ Apple ແລະ Nike, ແລະພວກເຮົາມີການສົນທະນາໃນຄວາມເລິກທີ່ບໍ່ຫນ້າເຊື່ອເຫຼົ່ານີ້ກ່ຽວກັບທ່າແຮງທີ່ຈະປົດລັອກຂໍ້ມູນ siled ແລະສ້າງປະສົບການສ່ວນບຸກຄົນຫຼາຍເຫຼົ່ານີ້ລົງກັບຜູ້ໃຊ້ແຕ່ລະຄົນ. ລະດັບ. ຂ້າພະເຈົ້າບໍ່ໄດ້ເວົ້າກ່ຽວກັບວິທີການແບ່ງສ່ວນຂອງທ່ານເຂົ້າໄປໃນປະເພດອາຍຸນີ້ຫຼືປະຊາກອນ. ບໍ່, ນີ້ແມ່ນຄວາມສາມາດໃນການນໍາໃຊ້ຂໍ້ມູນທັງຫມົດທີ່ທ່ານໄດ້ແບ່ງປັນກັບພວກເຮົາຢ່າງເຕັມທີ່ເພື່ອຄາດຄະເນຄວາມຄາດຫວັງຂອງລູກຄ້າແລະມີສ່ວນຮ່ວມກັບພວກເຂົາຢ່າງຈິງຈັງ. ມີຄວາມຕື່ນເຕັ້ນອັນໃຫຍ່ຫຼວງຈາກລູກຄ້າແຕ່ເຕັກໂນໂລຢີບໍ່ມີຢູ່ແທ້ໆໃນເວລານັ້ນ.

ຜູ້ຮ່ວມກໍ່ຕັ້ງຂອງຂ້ອຍ - Sami Shalabi, Eugene Mann, ແລະຂ້ອຍໄດ້ສົນທະນາສະເຫມີກ່ຽວກັບການປັບແຕ່ງສ່ວນບຸກຄົນໃນລະດັບແລະທ່າແຮງທີ່ transformers ສາມາດມີນັບຕັ້ງແຕ່ການຄົ້ນຄວ້າທໍາອິດອອກມາຈາກ Google. Sami ໄດ້ສ້າງເຄື່ອງຈັກການປັບແຕ່ງສ່ວນບຸກຄົນທີ່ໃຫຍ່ທີ່ສຸດໃນໂລກທີ່ Google News (ຜູ້ໃຊ້ 1B+) ແລະ Eugene ໄດ້ນໍາພາການປັບແຕ່ງສ່ວນບຸກຄົນສໍາລັບມັນ, ດັ່ງນັ້ນພວກເຮົາສະເຫມີມີການສົນທະນາທີ່ເລິກເຊິ່ງ, ເລິກເຊິ່ງກ່ຽວກັບຄວາມເປັນໄປໄດ້ທີ່ພວກເຮົາສາມາດປົດລັອກໄດ້ໃນຂະນະທີ່ເຕັກໂນໂລຢີພັດທະນາ. ຄໍາຮ້ອງສະຫມັກນີ້ກັບສິ່ງທີ່ພວກເຮົາເຮັດໃນເວລານັ້ນແມ່ນວ່າຂ້ອຍກໍາລັງຕໍ່ສູ້ກັບຄວາມສາມາດໃນການສ້າງປະສົບການທີ່ຍິ່ງໃຫຍ່ສໍາລັບຜູ້ໃຊ້ Hubspot ຂອງພວກເຮົາ, Eugene ກໍາລັງຊອກຫາວິທີການຜະລິດຄວາມສາມາດຂອງ LLM ຢູ່ Stripe, ແລະ Sami ກໍາລັງແບ່ງປັນຄວາມເຂົ້າໃຈຂອງລາວ. ກ່ຽວກັບສິ່ງທີ່ເຮັດວຽກໄດ້ດີຢູ່ Google.

ເມື່ອພວກເຮົາໄດ້ຍິນຄັ້ງທໍາອິດກ່ຽວກັບສິ່ງທີ່ OpenAI ກໍາລັງເຮັດແລະເລີ່ມນໍາໃຊ້ບາງສ່ວນຂອງ LLMs ທີ່ມີຢູ່, ພວກເຮົາຮູ້ວ່າພວກເຮົາຢູ່ໃນຈຸດທີ່ເຕັກໂນໂລຢີທີ່ມີຢູ່ໃນປັດຈຸບັນສໍາລັບພວກເຮົາເພື່ອສ້າງປະສົບການຂອງລູກຄ້າທີ່ສົມບູນແບບໃນລະດັບ. ບໍລິສັດຕ້ອງເລືອກລະຫວ່າງປະສິດທິພາບຄ່າໃຊ້ຈ່າຍແລະປະສົບການຂອງລູກຄ້າທີ່ດີທີ່ສົ່ງຜົນໃຫ້ທຸກປະເພດເຊັ່ນ: ຍຸດທະສາດການແບ່ງສ່ວນທີ່ສັບສົນທີ່ຖືກອອກແບບມາເພື່ອຈໍາກັດການພົວພັນຂອງລູກຄ້າ, ການສ້າງສິ່ງທີ່ເປັນອຸປະສັກທີ່ສໍາຄັນທີ່ພວກເຂົາເອີ້ນວ່າການບໍລິການຕົນເອງ, ຫຼືຝັງຂໍ້ມູນການຕິດຕໍ່ສະຫນັບສະຫນູນຂອງທ່ານຢູ່ບ່ອນໃດບ່ອນຫນຶ່ງ. ບໍ່ພົບ.

ພວກເຮົາເລີ່ມຕົ້ນ Maven AGI ປະມານຫນຶ່ງປີກ່ອນຫນ້ານີ້ໃນຮູບແບບ stealth ເພາະວ່າສິ່ງທີ່ພວກເຮົາຈັດລໍາດັບຄວາມສໍາຄັນຢູ່ Maven ແມ່ນຜົນກະທົບ - ແລະໃນເວລາທີ່ພວກເຮົາປະກາດສິ່ງທີ່ພວກເຮົາເຮັດພວກເຮົາຕ້ອງການໃຫ້ຕົວຢ່າງທີ່ແທ້ຈິງຂອງຜົນກະທົບແລະ metrics ຂອງພວກເຮົາ, ບໍ່ພຽງແຕ່ວ່າພວກເຮົາມີຢູ່ແລະໄດ້ລະດົມເງິນຈໍານວນຫນຶ່ງ. . ພວກເຮົາຮູ້ສຶກຂອບໃຈຢ່າງບໍ່ໜ້າເຊື່ອສຳລັບລູກຄ້າໃນຍຸກທຳອິດຂອງພວກເຮົາທີ່ເຊື່ອໃນພວກເຮົາພຽງພໍທີ່ຈະເຮັດວຽກກັບພວກເຮົາໃນການເປີດຕົວເທັກໂນໂລຍີທີ່ທັນສະໄໝ ແລະຊຸກຍູ້ຂີດຈຳກັດເພື່ອພັດທະນາປະສົບການຂອງລູກຄ້າທີ່ດີຂຶ້ນ.

ທ່ານສາມາດກໍານົດສໍາລັບພວກເຮົາວ່າ AGI ແມ່ນຫຍັງຢູ່ໃນສະພາບການຂອງ Maven AGI?

AGI ແມ່ນຖືກກໍານົດໄດ້ດີຈາກທັດສະນະພາສາ - ມັນເປັນປັນຍາທົ່ວໄປປອມ. ມັນຫມາຍຄວາມວ່າແນວໃດໃນຄວາມຫມາຍຂອງທຸລະກິດ? ພວກເຮົາກໍາລັງສຸມໃສ່ບາງສິ່ງບາງຢ່າງທີ່ພວກເຮົາເອີ້ນວ່າທຸລະກິດ AGI ແລະກໍານົດມັນເປັນຄວາມສາມາດໃນການຈັດການກັບວຽກງານທີ່ສັບສົນໂດຍໃຊ້ຕົວແທນ AI ທີ່ເປັນປະໂຫຍດທີ່ໄດ້ຮັບການຝຶກອົບຮົມພິເສດສໍາລັບຄວາມຮັບຜິດຊອບສະເພາະທີ່ມີຊັ້ນ orchestration ທີ່ອະນຸຍາດໃຫ້ພວກເຂົາເຮັດວຽກຮ່ວມກັນ.

ຕົວຢ່າງເຊັ່ນນີ້ອາດຈະເປັນຜູ້ໃຊ້ບັນຊີທະນາຄານທີ່ພົວພັນກັບທະນາຄານຂອງພວກເຂົາແລະຖາມວ່າເງິນຝາກຂອງພວກເຂົາຖືກລຶບລ້າງ - ສິ່ງທີ່ພວກເຮົາຮູ້ຈາກປະຫວັດບັນຊີແມ່ນວ່າພວກເຂົາຕ້ອງການເງິນກູ້ຢືມຂົວຂະຫນາດນ້ອຍເພື່ອຊ່ອງຫວ່າງໃບບິນແລະການກວດສອບເງິນສົດ. Maven ຈະເຂົ້າໃຈສະພາບການປະຫວັດສາດແລະສະເຫນີເງິນກູ້ໃນຂະນະທີ່ຈັດການເອກະສານທັງຫມົດທີ່ອາດຈະກ່ຽວຂ້ອງກັບມັນເຊັ່ນ: ການກວດສອບປະຫວັດ, ການກວດສອບສິນເຊື່ອ, ການຕື່ມເອກະສານເງິນກູ້, ຄວາມເຂົ້າໃຈຄວາມສ່ຽງ, ການອະນຸມັດແລະຈໍານວນສະເພາະທີ່ຕົກຢູ່ໃນຄວາມສ່ຽງ. profile, ການ​ອະ​ນຸ​ມັດ​ການ​ກູ້​ຢືມ​ເງິນ​, ແລະ​ການ​ເຄື່ອນ​ຍ້າຍ​ເງິນ​ເຂົ້າ​ບັນ​ຊີ​ຂອງ​ບຸກ​ຄົນ​.

ຕົວຢ່າງອີກອັນຫນຶ່ງຈະເປັນຄົນທີ່ໄປຫາທີມງານສະຫນັບສະຫນູນ CRM ຂອງເຂົາເຈົ້າແລະຖາມວິທີການນໍາໃຊ້ແຄມເປນ. ສິ່ງທີ່ພວກເຮົາຈະເຂົ້າໃຈຈາກນັ້ນແມ່ນພວກເຂົາບໍ່ຢາກຮູ້ວິທີການສ້າງແຄມເປນ, ແຕ່ພວກເຂົາຕ້ອງການຈໍານວນຜູ້ນໍາພາໂດຍວັນທີທີ່ແນ່ນອນ. ຜູ້ໃຊ້ສາມາດເວົ້າວ່າ, "ໃຫ້ຂ້ອຍນໍາ 100 ໃນເດືອນຫນ້າ" ແລະ Maven ຈະຜ່ານວຽກງານທີ່ສັບສົນຢ່າງບໍ່ຫນ້າເຊື່ອໃນການຈັດສົ່ງສິ່ງເຫຼົ່ານັ້ນ.

ແມ່ນຫຍັງທີ່ເປັນບັນຫາໃຫຍ່ທີ່ສຸດກັບວິທີການ AI ໄດ້ປະສົມປະສານໃນປະຫວັດສາດໃນການສະຫນັບສະຫນູນລູກຄ້າ?

ໃນປະຫວັດສາດ, AI ໃນການຊ່ວຍເຫຼືອລູກຄ້າໄດ້ນໍາໃຊ້ຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກທີ່ມີຄວາມຕັ້ງໃຈສູງແລະໃຊ້ເວລາຫຼາຍເດືອນໃນການຝຶກອົບຮົມ. ຮູບແບບເຫຼົ່ານີ້ເຮັດວຽກກ່ຽວກັບເຫດຜົນພື້ນຖານຖ້າ - ຫຼັງຈາກນັ້ນ: ຖ້າຜູ້ໃຊ້ເລືອກ X, ພວກເຂົາຈະໄດ້ຮັບທາງເລືອກ Y. ວິທີການທີ່ງ່າຍດາຍນີ້ຫຼຸດລົງຄວາມຄາດຫວັງ, ເຮັດໃຫ້ຜົນໄດ້ຮັບທີ່ຫນ້າຜິດຫວັງແລະເຮັດໃຫ້ຜູ້ຊ່ຽວຊານ CX ຫຼາຍຄົນບໍ່ສົງໃສໃນທ່າແຮງຂອງ AI. ຄວາມສໍາເລັດທີ່ແທ້ຈິງໃນການສະຫນັບສະຫນູນລູກຄ້າທີ່ຂັບເຄື່ອນດ້ວຍ AI ຂຶ້ນກັບການປັບແຕ່ງສ່ວນບຸກຄົນແບບເຄື່ອນໄຫວ, ຄວາມສາມາດໃນການຫາເຫດຜົນ, ແລະດໍາເນີນການທີ່ມີຄວາມຫມາຍ.

ຂັ້ນຕອນທີ່ສໍາຄັນທີ່ກ່ຽວຂ້ອງກັບການຝຶກອົບຮົມ Maven AGI ເພື່ອຈັດການກັບການສອບຖາມການຊ່ວຍເຫຼືອລູກຄ້າແມ່ນຫຍັງ?

ມັນງ່າຍດາຍແທ້ໆ. . . ພຽງແຕ່ໃຫ້ພວກເຮົາເຂົ້າເຖິງຂໍ້ມູນໃດໆທີ່ເຈົ້າຈະໃຊ້ເພື່ອຝຶກອົບຮົມມະນຸດ. ພວກ​ເຮົາ​ສາ​ມາດ​ມີ​ມັນ​ຂຶ້ນ​ແລະ​ດໍາ​ເນີນ​ການ​ສໍາ​ລັບ​ທ່ານ​ທີ່​ມີ​ລະ​ດັບ​ສູງ​ຂອງ​ຄວາມ​ຖືກ​ຕ້ອງ​ພາຍ​ໃນ​ມື້ — ບໍ່​ອາ​ທິດ​ຫຼື​ຫຼາຍ​ເດືອນ​. ມັນ​ຈະ​ນໍາ​ໃຊ້​ສຽງ​ສະ​ເພາະ​ຂອງ​ທ່ານ​ຂອງ​ສຽງ​, ພາ​ສາ​, ແລະ emojis ໃດ​ທີ່​ທ່ານ​ຕ້ອງ​ການ​.

Maven AGI ຊ່ວຍໃນການຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນການສະຫນັບສະຫນູນລູກຄ້າແລະປັບປຸງຄວາມພໍໃຈຂອງລູກຄ້າໂດຍລວມແນວໃດ?

ບໍລິສັດຕ່າງໆນໍາໃຊ້ Maven AGI ໃນຫຼາຍໆຮູບແບບທີ່ແຕກຕ່າງກັນແຕ່ວິທີທີ່ດີທີ່ສຸດທີ່ຈະມີຜົນກະທົບໄວທີ່ສຸດແມ່ນການໃສ່ Maven ຢູ່ໃນຫົວຂອງແຖວສະຫນັບສະຫນູນຂອງທ່ານຢູ່ທີ່ຈຸດສິ້ນສຸດຫຼືຊ່ອງທາງທີ່ລູກຄ້າຂອງທ່ານຕ້ອງການໃຊ້ (ສົນທະນາ, ເວັບ, ຄົ້ນຫາ, Slack, ໃນຜະລິດຕະພັນ, SMS, ແລະອື່ນໆ). ທີ່ອະນຸຍາດໃຫ້ພວກເຮົາສະຫນອງຜົນໄດ້ຮັບສ່ວນບຸກຄົນທັນທີທັນໃດ + ການປະຕິບັດກັບລູກຄ້າທີ່ບໍ່ມີເວລາລໍຖ້າໃນຂະນະທີ່ຮັບປະກັນວ່າຕົວແທນສະຫນັບສະຫນູນທີ່ຫນ້າປະຫລາດໃຈເຫຼົ່ານັ້ນກໍາລັງເຮັດສິ່ງທີ່ພວກເຂົາເຮັດໄດ້ດີທີ່ສຸດ, ເຮັດວຽກກັບລູກຄ້າທີ່ຕ້ອງການການໂຕ້ຕອບຂອງມະນຸດຢ່າງແທ້ຈິງເພື່ອແກ້ໄຂບັນຫາຂອງພວກເຂົາ.

ຄວາມກ້າວຫນ້າທາງດ້ານເທກໂນໂລຍີອັນໃດທີ່ເຮັດໃຫ້ Maven AGI ບັນລຸລະດັບສູງຂອງການແກ້ໄຂບັນຫາແບບອັດຕະໂນມັດ?

ຂ້າພະເຈົ້າເຊື່ອວ່າພວກເຮົາໄດ້ຄັດເລືອກເອົາຫນຶ່ງໃນທີມງານວິສະວະກໍາທີ່ດີທີ່ສຸດໃນໂລກເພື່ອແກ້ໄຂບັນຫາທີ່ເກີດຂຶ້ນກັບຂໍ້ມູນ. ຄົນທີ່ເກັ່ງຜູ້ທີ່ໄດ້ເຮັດວຽກກ່ຽວກັບສິ່ງທ້າທາຍຕ່າງໆເຊັ່ນການຄົ້ນຫາໃນ Google, ແລະການປັບແຕ່ງສ່ວນບຸກຄົນໃນລະດັບ Meta ແລະ Amazon, ແລະໄດ້ຄິດກ່ຽວກັບການແກ້ໄຂບັນຫາເຫຼົ່ານີ້ຫຼາຍປີແລ້ວ. ຂໍ້ມູນຖືກແບ່ງແຍກ ແລະແຍກອອກເປັນສ່ວນໆ, ແລະເພື່ອໃຫ້ພວກເຮົາຕອບຄຳຖາມຂອງລູກຄ້າ ແລະດຳເນີນການພວກເຮົາຕ້ອງການເພື່ອໃຫ້ສາມາດເກັບຂໍ້ມູນໄດ້ຫຼາຍກວ່າຄົນອື່ນ. ສ່ວນທີສອງແມ່ນຄວາມສາມາດໃນການປະຕິບັດແລະສ້າງເຄື່ອງຈັກປະຕິບັດຂອງພວກເຮົາເພາະວ່າພວກເຮົາຮູ້ວ່າພຽງແຕ່ຕອບຄໍາຖາມບໍ່ພຽງພໍ. ເພື່ອໃຫ້ພວກເຮົາບັນລຸ AGI ທຸລະກິດ, ພວກເຮົາຈໍາເປັນຕ້ອງສາມາດຄາດຄະເນຄວາມຕ້ອງການຂອງຜູ້ໃຊ້ແລະມີສ່ວນຮ່ວມດ້ວຍຄວາມຕັ້ງໃຈ.

ທ່ານ​ສາ​ມາດ​ສະ​ຫນອງ​ລາຍ​ລະ​ອຽດ​ເພີ່ມ​ເຕີມ​ກ່ຽວ​ກັບ​ການ​ ເງິນທຶນຊຸດ A 20 ລ້ານໂດລາຫຼ້າສຸດ ແລະມັນຈະຖືກນໍາໃຊ້ແນວໃດ?

ພວກເຮົາໂຊກດີທີ່ໄດ້ຕີກະບອກສູບທັງໝົດໃນສິ່ງທີ່ພວກເຮົາຕ້ອງການບັນລຸດ້ວຍຮອບແກ່ນຂອງພວກເຮົາ: ສ້າງທີມງານວິສະວະກໍາທີ່ດີ, ຜະລິດຕະພັນທີ່ແກ້ໄຂບັນຫາທີ່ແທ້ຈິງ, ແລະມີລູກຄ້າທີ່ໄດ້ຮັບມູນຄ່າຈາກຜະລິດຕະພັນຂອງພວກເຮົາ. ພວກ​ເຮົາ​ໄດ້​ລ້ຽງ​ເມັດ​ພືດ​ຂອງ​ພວກ​ເຮົາ​ບໍ່​ເທົ່າ​ໃດ​ປີ​ກ່ອນ​ໜ້າ​ນີ້ ແຕ່​ມີ​ນັກ​ລົງ​ທຶນ​ທີ່​ຍິ່ງ​ໃຫຍ່​ບາງ​ຄົນ​ທີ່​ຢາກ​ເປັນ​ສ່ວນ​ໜຶ່ງ​ຂອງ​ການ​ເດີນ​ທາງ​ກັບ​ພວກ​ເຮົາ. ຫຼັງຈາກໃຊ້ເວລາກັບ M13 ພວກເຮົາກໍ່ຕື່ນເຕັ້ນທີ່ຈະສືບຕໍ່ສ້າງອະນາຄົດຂອງ Maven AGI ຮ່ວມກັບພວກເຂົາ. 28 ລ້ານໂດລາສະຫະລັດທີ່ພວກເຮົາໄດ້ລະດົມທຶນໃນປີທີ່ຜ່ານມາຈະຖືກນໍາໃຊ້ເພື່ອສ້າງທີມງານ GTM ຂອງພວກເຮົາ, ລົງທຶນໃນການສ້າງລະບົບນິເວດຄູ່ຮ່ວມງານ, ແລະສືບຕໍ່ຈ້າງວິສະວະກອນຍ້ອນວ່າພວກເຮົາຂະຫຍາຍເຄື່ອງຈັກປະຕິບັດ (™) ແລະຄວາມສາມາດຂອງເວທີ.

ທ່ານເຫັນບົດບາດຂອງ AI ພັດທະນາແນວໃດໃນອຸດສາຫະກໍາສະຫນັບສະຫນູນລູກຄ້າໃນຫ້າປີຂ້າງຫນ້າ?

ອະນາຄົດຈະບໍ່ຖືກແບ່ງອອກເປັນການສະຫນັບສະຫນູນ, ບໍລິການ, ການຂາຍ, ແລະຫນ້າທີ່ຕ່າງໆ. ແທນທີ່ຈະ, ການຊ່ວຍເຫຼືອລູກຄ້າຈະກາຍເປັນສ່ວນຫນຶ່ງຂອງປະສົບການລູກຄ້າທີ່ສອດຄ່ອງ, ເປັນເອກະພາບໂດຍບໍ່ມີການ handoffs messy ແລະຂໍ້ມູນ siled. ເມື່ອຄວາມຄາດຫວັງຂອງລູກຄ້າພັດທະນາ, ວິທີທີ່ພວກເຮົາໃຫ້ບໍລິການເຂົາເຈົ້າ.

ຄວາມຕ້ອງການຂອງລູກຄ້າໃນມື້ນີ້ແບ່ງອອກເປັນ 3 ປະເພດ:

• ຜູ້​ທີ່​ຕ້ອງ​ການ​ທີ່​ຈະ​ຮັບ​ໃຊ້​ຕົນ​ເອງ – ຄວາມ​ສາ​ມາດ​ໃນ​ການ​ຊອກ​ຫາ​ທາງ​ອອກ​ຫຼື​ຄໍາ​ຕອບ​ສໍາ​ລັບ​ຄໍາ​ຖາມ​ໄດ້​.
• ຜູ້ທີ່ຕ້ອງການເຂົ້າເຖິງການບໍລິການຕົນເອງແຕ່ຕ້ອງການການກວດສອບວ່າພວກເຂົາດໍາເນີນການທີ່ຖືກຕ້ອງ.
• ລູກຄ້າທີ່ຕ້ອງການບໍລິການຖົງມືສີຂາວແລະຕ້ອງການການຊ່ວຍເຫຼືອຈາກມະນຸດ.

ໃນອະນາຄົດຍັງມີ 3 ປະເພດແຕ່ຄວາມຄາດຫວັງຈາກລູກຄ້າຈະແຕກຕ່າງກັນຫຼາຍ:

• ຄາດຫວັງຄໍາຕອບທັນທີສໍາລັບຄໍາຖາມຂອງເຂົາເຈົ້າ.
• ຄາດການຄວາມຕ້ອງການແລະຄໍາຖາມຂອງເຂົາເຈົ້າດ້ວຍການປັບແຕ່ງສ່ວນບຸກຄົນ, ຂໍ້ມູນການນໍາໃຊ້, ສະພາບປະຫວັດສາດອັນເຕັມທີ່, ແລະຄວາມສາມາດໃນການດໍາເນີນການແລະມີສ່ວນຮ່ວມກັບພວກເຂົາຢູ່ໃນຊ່ອງທາງທີ່ເຂົາເຈົ້າເລືອກ.
• ຄວາມສາມາດໃນການພົວພັນກັບຕົວແທນສະຫນັບສະຫນູນລູກຄ້າໂດຍບໍ່ມີເວລາລໍຖ້າແລະສາຍຍາວ, ຜູ້ທີ່ມີຄໍາຕອບສໍາລັບຄໍາຖາມຂອງເຂົາເຈົ້າ, ສະພາບປະຫວັດສາດຢ່າງເຕັມທີ່, ແລະຄວາມສາມາດໃນການດໍາເນີນການທັນທີທັນໃດ.

ຂອບໃຈສໍາລັບການສໍາພາດທີ່ຍິ່ງໃຫຍ່, ຜູ້ອ່ານທີ່ຕ້ອງການຮຽນຮູ້ເພີ່ມເຕີມຄວນໄປຢ້ຽມຢາມ Maven AGI.