سه سال از زمانی که OpenAI چت‌جی‌پی‌تی را منتشر کرد و جرقه‌ی نوآوری و توجه به هوش مصنوعی را زد، می‌گذرد. از آن زمان، خوش‌بین‌ها به طور منظم ادعا کرده‌اند که هوش مصنوعی به بخش حیاتی صنعت نرم‌افزار سازمانی تبدیل خواهد شد و به همین دلیل استارتاپ‌های هوش مصنوعی سازمانی با سرمایه‌گذاری‌های عظیم رشد کرده‌اند.

اما سازمان‌ها همچنان در درک مزایای پذیرش این ابزارهای جدید هوش مصنوعی با مشکل مواجه هستند. یک نظرسنجی MIT در ماه اوت نشان داد که ۹۵٪ سازمان‌ها بازدهی معنی‌داری از سرمایه‌گذاری‌های خود در هوش مصنوعی دریافت نمی‌کنند.

پس کسب‌وکارها چه زمانی شروع به دیدن مزایای واقعی استفاده و ادغام هوش مصنوعی خواهند کرد؟ تک‌کرانچ با ۲۴ سرمایه‌گذار خطرپذیر متمرکز بر سازمان‌ها مصاحبه کرده است و آن‌ها به اتفاق آرا معتقدند سال ۲۰۲۶ سالی خواهد بود که سازمان‌ها شروع به پذیرش معنی‌دار هوش مصنوعی، درک ارزش آن و افزایش بودجه خود برای این فناوری خواهند کرد.

سرمایه‌گذاران خطرپذیر سازمانی این را سه سال است که می‌گویند. آیا سال ۲۰۲۶ واقعاً متفاوت خواهد بود؟

بگذارید ببینیم آن‌ها چه می‌گویند:

انتظار دارید چه روندهای مرتبط با سازمان‌ها در سال ۲۰۲۶ شکوفا شوند؟

کربی وینفیلد، شریک عمومی موسس، Ascend: سازمان‌ها متوجه شده‌اند که مدل‌های زبان بزرگ (LLM) راه‌حل جادویی برای اکثر مشکلات نیستند. فقط به این دلیل که استارباکس می‌تواند از کلود برای نوشتن نرم‌افزار CRM خود استفاده کند، به این معنی نیست که باید این کار را بکند. ما بر روی مدل‌های سفارشی، تنظیم دقیق، ارزیابی، مشاهده‌پذیری، هماهنگ‌سازی و حاکمیت داده تمرکز خواهیم کرد.

مولی آلتر، شریک، Northzone: زیرمجموعه‌ای از شرکت‌های هوش مصنوعی سازمانی از کسب‌وکارهای محصول‌محور به مشاوره هوش مصنوعی تغییر خواهند کرد. این شرکت‌ها ممکن است با یک محصول خاص شروع کنند، مانند پشتیبانی مشتری با هوش مصنوعی یا عامل‌های کدنویسی با هوش مصنوعی. اما به محض اینکه تعداد کافی از گردش کار مشتریان را از طریق پلتفرم خود اجرا کنند، می‌توانند مدل مهندس مستقر در خط مقدم را با تیم خود تکرار کنند تا موارد استفاده اضافی برای مشتریان بسازند. به عبارت دیگر، بسیاری از شرکت‌های محصول هوش مصنوعی تخصصی به پیاده‌سازان عمومی هوش مصنوعی تبدیل خواهند شد.

مارسی وو، شریک، Greycroft: ما بسیار هیجان‌زده از فرصت در هوش مصنوعی صوتی هستیم. صدا راهی بسیار طبیعی‌تر، کارآمدتر و گویاتر برای ارتباط افراد با یکدیگر و با ماشین‌ها است. ما دهه‌هاست که روی کامپیوترها تایپ می‌کنیم و به صفحه‌ها خیره می‌شویم، اما گفتار روشی است که ما در دنیای واقعی با آن درگیر می‌شویم. من مشتاقانه منتظر دیدن این هستم که چگونه سازندگان با صدا به عنوان حالت اصلی تعامل با هوش، محصولات، تجربیات و رابط‌ها را بازآفرینی می‌کنند.

الکسا فون توبل، موسس و شریک عمومی، Inspired Capital: سال ۲۰۲۶ سالی خواهد بود که هوش مصنوعی دنیای فیزیکی را بازسازی می‌کند - به ویژه در زیرساخت‌ها، تولید و نظارت بر آب و هوا. ما از دنیایی واکنشی به دنیایی پیش‌بینی‌کننده حرکت می‌کنیم، جایی که سیستم‌های فیزیکی می‌توانند مشکلات را قبل از تبدیل شدن به خرابی حس کنند.

لون جافی، مدیر عامل، Insight Partners: ما در حال تماشای نحوه رویکرد آزمایشگاه‌های پیشرو به لایه کاربردی هستیم. بسیاری از افراد فرض کردند که آزمایشگاه‌ها فقط مدل‌ها را آموزش می‌دهند و آن‌ها را برای دیگران می‌سازند، اما به نظر نمی‌رسد که اینگونه فکر می‌کنند. ممکن است شاهد باشیم که آزمایشگاه‌های پیشرو برنامه‌های کاربردی آماده بیشتری را مستقیماً در حوزه‌هایی مانند مالی، حقوق، بهداشت و آموزش نسبت به آنچه مردم انتظار دارند، عرضه کنند.

تام هنریکسون، شریک عمومی در OpenOcean: اگر مجبور باشم یک کلمه برای کوانتوم در سال ۲۰۲۶ انتخاب کنم، آن "مومنتوم" است. اعتماد به مزیت کوانتومی به سرعت در حال افزایش است و شرکت‌ها نقشه‌های راهی را برای شفاف‌سازی این فناوری منتشر می‌کنند. اما انتظار پیشرفت‌های بزرگ نرم‌افزاری را نداشته باشید؛ ما هنوز به عملکرد سخت‌افزاری بیشتری برای عبور از این آستانه نیاز داریم.

به چه حوزه‌هایی برای سرمایه‌گذاری نگاه می‌کنید؟

امیلی ژائو، مدیر، Salesforce Ventures: ما دو مرز متمایز را هدف قرار داده‌ایم: ورود هوش مصنوعی به دنیای فیزیکی و تکامل بعدی تحقیقات مدل.

مایکل استوارت، شریک عمومی، M12: فناوری مراکز داده آینده. در حدود یک سال گذشته، ما چند سرمایه‌گذاری جدید انجام داده‌ایم که علاقه ما را به فناوری آینده "کارخانه توکن" نشان می‌دهد، با نگاهی به آنچه واقعاً می‌تواند پیشرفت کند که چگونه کارآمد و تمیز اجرا می‌شوند. این روند در سال ۲۰۲۶ و بعد از آن ادامه خواهد داشت، در دسته‌هایی که شامل همه چیز در داخل مراکز داده می‌شود: خنک‌کننده، محاسبات، حافظه و شبکه در داخل و بین سایت‌ها.

جاناتان لهر، هم‌موسس و شریک عمومی، Work-Bench: نرم‌افزار سازمانی عمودی که در آن گردش کار و داده‌های اختصاصی دفاع‌پذیری ایجاد می‌کنند، به ویژه در صنایع تحت نظارت، زنجیره تامین، خرده‌فروشی و سایر محیط‌های عملیاتی پیچیده.

آرون جیکوبسون، شریک، NEA: ما در حد توانایی بشریت برای تولید انرژی کافی برای تغذیه پردازنده‌های گرافیکی پرمصرف هستیم. به عنوان یک سرمایه‌گذار، من به دنبال نرم‌افزار و سخت‌افزاری هستم که بتواند پیشرفت‌هایی در عملکرد در هر وات ایجاد کند. این می‌تواند مدیریت بهتر پردازنده‌های گرافیکی، تراشه‌های هوش مصنوعی کارآمدتر، رویکردهای نسل بعدی شبکه مانند اپتیکال، یا بازنگری در بار حرارتی در سیستم‌های هوش مصنوعی و مراکز داده باشد.

وقتی صحبت از استارتاپ‌های هوش مصنوعی می‌شود، چگونه تعیین می‌کنید که یک شرکت دارای "خندق" (moat) است؟

راب بیدرمان، شریک عمومی، Asymmetric Capital Partners: یک خندق در هوش مصنوعی کمتر به خود مدل مربوط می‌شود و بیشتر به اقتصاد و ادغام مربوط است. ما به دنبال شرکت‌هایی هستیم که عمیقاً در گردش کار سازمانی تعبیه شده‌اند، به داده‌های اختصاصی یا در حال بهبود مداوم دسترسی دارند و از طریق هزینه‌های تغییر، مزایای هزینه یا نتایجی که تکرار آن‌ها دشوار است، دفاع‌پذیری را نشان می‌دهند.

جیک فلومنبرگ، شریک، Wing Venture Capital: من به خندق‌هایی که صرفاً بر اساس عملکرد مدل یا پرامپت ساخته شده‌اند، مشکوک هستم - این مزایا در عرض چند ماه از بین می‌روند. سوالی که من می‌پرسم این است: اگر OpenAI یا Anthropic فردا مدلی را راه‌اندازی کند و ۱۰ برابر بهتر باشد، آیا این شرکت هنوز دلیلی برای وجود خواهد داشت؟

مولی آلتر، شریک، Northzone: امروزه ساختن خندق در یک دسته عمودی بسیار آسان‌تر از یک دسته افقی است. بهترین خندق‌ها، خندق‌های داده هستند، جایی که هر مشتری، نقطه داده یا تعامل افزایشی محصول را بهتر می‌کند. ساختن این‌ها در دسته‌های تخصصی مانند تولید، ساخت و ساز، بهداشت یا حقوق، که در آن داده‌ها در بین مشتریان سازگارتر هستند، نسبتاً آسان‌تر است. اما "خندق‌های گردش کار" جالبی نیز وجود دارند، جایی که دفاع‌پذیری از درک نحوه حرکت یک وظیفه یا پروژه از نقطه A به نقطه B در یک صنعت ناشی می‌شود.

هارشا کاپره، مدیر، Snowflake Ventures: برای استارتاپ‌های هوش مصنوعی، قوی‌ترین خندق از نحوه تبدیل مؤثر داده‌های موجود سازمان به تصمیمات، گردش کار و تجربیات مشتری بهتر ناشی می‌شود. سازمان‌ها در حال حاضر داده‌های فوق‌العاده غنی دارند؛ آنچه آن‌ها فاقد آن هستند، توانایی استدلال بر روی آن به شیوه‌ای هدفمند و قابل اعتماد است. ما به دنبال استارتاپ‌هایی هستیم که تخصص فنی را با دانش عمیق صنعت ترکیب می‌کنند و می‌توانند راه‌حل‌های خاص دامنه را مستقیماً به داده‌های تحت نظارت مشتری ارائه دهند، بدون ایجاد سیلوهای جدید، تا بینش‌ها یا اتوماسیونی را که قبلاً ممکن نبود، ارائه دهند.

آیا سال ۲۰۲۶ سالی خواهد بود که سازمان‌ها از سرمایه‌گذاری‌های هوش مصنوعی سود می‌برند؟

کربی وینفیلد، شریک عمومی موسس، Ascend: سازمان‌ها متوجه شده‌اند که آزمایش‌های تصادفی با ده‌ها راه‌حل باعث هرج و مرج می‌شود. آن‌ها بر روی راه‌حل‌های کمتر با تعامل متفکرانه‌تر تمرکز خواهند کرد.

آنتونیا دین، شریک، Black Operator Ventures: پیچیدگی در اینجا این است که بسیاری از سازمان‌ها، صرف نظر از اینکه چقدر آماده یا ناآماده برای استفاده موفقیت‌آمیز از راه‌حل‌های هوش مصنوعی هستند، خواهند گفت که سرمایه‌گذاری‌های خود را در هوش مصنوعی افزایش می‌دهند تا دلیل کاهش هزینه‌ها در سایر زمینه‌ها یا کاهش نیروی کار را توضیح دهند. در واقعیت، هوش مصنوعی بهانه‌ای برای مدیرانی خواهد شد که به دنبال پوشاندن اشتباهات گذشته خود هستند.

اسکات بیچاک، شریک، Norwest Venture Partners: ما قطعاً نزدیک‌تر می‌شویم. اگر سال گذشته مربوط به ایجاد زیرساخت برای هوش مصنوعی بود، سال ۲۰۲۶ زمانی است که شروع به دیدن این خواهیم کرد که آیا لایه کاربردی می‌تواند آن سرمایه‌گذاری را به ارزش واقعی تبدیل کند. با بالغ شدن مدل‌های تخصصی و بهبود نظارت، سیستم‌های هوش مصنوعی در گردش کار روزانه قابل اعتمادتر می‌شوند.

مارل اوانس، موسس و شریک عمومی، Exceptional Capital: بله، اما همچنان افزایشی است. هنوز مقدار زیادی تکرار وجود دارد و هوش مصنوعی هنوز در حال بهبود است تا بتواند راه‌حل‌های نقاط درد را برای سازمان‌ها در صنایع مختلف نشان دهد. من معتقدم حل مشکل شبیه‌سازی تا آموزش واقعیت، فرصت‌های زیادی را برای مجموعه‌ای از صنایع، هم موجود و هم نوپا، باز خواهد کرد.

جنیفر لی، شریک عمومی، Andreessen Horowitz: امسال تیترهای هیجان‌انگیزی در مورد سازمان‌هایی که بازدهی از سرمایه‌گذاری‌های هوش مصنوعی خود نمی‌بینند، وجود داشته است. از هر مهندس نرم‌افزاری بپرسید که آیا می‌خواهد به دوران تاریک قبل از داشتن ابزارهای کدنویسی هوش مصنوعی برگردد. بعید است. نکته من این است که سازمان‌ها در حال حاضر امسال ارزش دریافت می‌کنند و این ارزش در سال آینده در سراسر سازمان‌ها چند برابر خواهد شد.

آیا فکر می‌کنید سازمان‌ها بودجه هوش مصنوعی خود را در سال ۲۰۲۶ افزایش خواهند داد؟

راجیو دام، مدیر عامل، Sapphire: بله، من معتقدم که این کار را خواهند کرد، اگرچه ظریف است. به جای صرفاً افزایش بودجه هوش مصنوعی، سازمان‌ها بخش‌هایی از هزینه‌های نیروی کار خود را به سمت فناوری‌های هوش مصنوعی منتقل خواهند کرد یا بازدهی سرمایه‌گذاری (ROI) بسیار قوی از قابلیت‌های هوش مصنوعی ایجاد خواهند کرد که سرمایه‌گذاری به طور مؤثر سه تا پنج برابر هزینه خود را توجیه می‌کند.

راب بیدرمان، شریک عمومی، Asymmetric Capital Partners: بودجه برای مجموعه محدودی از محصولات هوش مصنوعی که به وضوح نتایج را ارائه می‌دهند، افزایش خواهد یافت و برای بقیه به شدت کاهش می‌یابد. کل هزینه‌ها ممکن است رشد کند، اما به طور قابل توجهی متمرکزتر خواهد بود. ما انتظار یک دوگانگی را داریم، که در آن تعداد کمی از فروشندگان سهم نامتناسبی از بودجه هوش مصنوعی سازمانی را به خود اختصاص می‌دهند، در حالی که بسیاری دیگر شاهد ثابت ماندن یا انقباض درآمد خود هستند.

گوردون ریتر، موسس و شریک عمومی، Emergence Capital: بله، اما هزینه‌ها متمرکز خواهند شد. سازمان‌ها بودجه را در جایی که هوش مصنوعی مزایای سازمانی را گسترش می‌دهد، افزایش خواهند داد و از ابزارهایی که صرفاً گردش کار را خودکار می‌کنند بدون جذب (و ایمن‌سازی!) هوش اختصاصی، عقب‌نشینی خواهند کرد.

اندرو فرگوسن، معاون، Databricks Ventures: سال ۲۰۲۶ سالی خواهد بود که مدیران ارشد اطلاعات (CIO) در برابر گسترش فروشندگان هوش مصنوعی مقاومت خواهند کرد. امروزه، سازمان‌ها در حال آزمایش ابزارهای متعددی برای یک مورد استفاده واحد هستند - هزینه‌های ماهانه و هزینه‌های تغییر در بسیاری از موارد پایین است، بنابراین انگیزه برای آزمایش وجود دارد - و انفجاری از استارتاپ‌ها با تمرکز بر مراکز خرید خاص مانند [بازاریابی و فروش] وجود دارد، که در آن تشخیص تمایز حتی در طول [اثبات مفهوم] بسیار دشوار است. با دیدن نقاط اثبات واقعی از هوش مصنوعی، سازمان‌ها بخشی از بودجه آزمایش را قطع می‌کنند، ابزارهای همپوشان را منطقی می‌کنند و آن پس‌اندازها را در فناوری‌های هوش مصنوعی که نتایج داده‌اند، سرمایه‌گذاری می‌کنند.

رایان ایزونو، مدیر عامل، Maverick Ventures: در مجموع، بله، و مقداری جابجایی از بودجه‌های آزمایشی/تجربی به موارد بودجه‌بندی شده وجود خواهد داشت. رونق برای استارتاپ‌های هوش مصنوعی در سال ۲۰۲۶ انتقال سازمان‌هایی خواهد بود که سعی در ساخت راه‌حل‌های داخلی داشتند و اکنون دشواری و پیچیدگی مورد نیاز در تولید در مقیاس را درک کرده‌اند.

برای جذب سری A به عنوان یک استارتاپ هوش مصنوعی متمرکز بر سازمان در سال ۲۰۲۶ چه چیزی لازم است؟

جیک فلومنبرگ، شریک، Wing Venture Capital: بهترین شرکت‌ها در حال حاضر دو چیز را ترکیب می‌کنند: یک روایت قانع‌کننده "چرا الان" - معمولاً مرتبط با ایجاد سطوح حمله جدید توسط GenAI، نیازهای زیرساختی یا فرصت‌های گردش کار - و اثبات ملموس پذیرش سازمانی. ۱ تا ۲ میلیون دلار [درآمد سالانه تکرارشونده] خط پایه است، اما مهم‌تر از آن این است که آیا مشتریان شما و محصول شما را به عنوان حیاتی برای کسب‌وکار خود می‌بینند تا صرفاً یک "داشتن خوب" باشد. درآمد بدون روایت یک ویژگی است؛ روایت بدون کشش، بخارپوش است. شما به هر دو نیاز دارید.

لون جافی، مدیر عامل، Insight Partners: شما باید نشان دهید که در فضایی می‌سازید که [کل بازار قابل آدرس‌دهی] با کاهش هزینه‌ها توسط هوش مصنوعی گسترش می‌یابد نه اینکه تبخیر شود. برخی بازارها کشش تقاضای بالایی دارند - کاهش ۹۰٪ قیمت منجر به افزایش ۱۰ برابری اندازه بازار می‌شود. برخی دیگر کشش پایینی دارند، جایی که کاهش قیمت می‌تواند بازار را تبخیر کند، بنابراین مشتریان تمام ارزش ایجاد شده را حفظ می‌کنند.

جاناتان لهر، هم‌موسس و شریک عمومی، Work-Bench: مشتریان از محصول در عملیات واقعی روزمره استفاده می‌کنند و مایل به انجام تماس‌های مرجع و صحبت صادقانه در مورد تأثیر، قابلیت اطمینان، فرآیند خرید و غیره هستند. شرکت‌ها باید بتوانند به وضوح نشان دهند که چگونه محصول باعث صرفه‌جویی در زمان، کاهش هزینه یا افزایش خروجی به شیوه‌ای می‌شود که در بررسی‌های امنیتی، حقوقی و تدارکات مقاومت کند.

مایکل استوارت، شریک عمومی، M12: ما (سرمایه‌گذاران) اخیراً با تردید به [درآمد سالانه تکرارشونده تخمینی] یا درآمد آزمایشی نگاه می‌کردیم. اکنون، این به اندازه علاقه و تمایل مشتری برای ارزیابی یک راه‌حل در مواجهه با گزینه‌های فراوان ارائه شده به آن‌ها، یک علامت سوال نیست. دریافت این تعاملات و رضایت مشتری از نظر اجرای ارزیابی، صرفاً مسئله مهندسان مستقر در خط مقدم نیست که کار را برای مشتری آسان‌تر می‌کنند. این نیازمند کیفیت و یک پیام بازاریابی برنده برای انجام آن در سال ۲۰۲۶ است. سرمایه‌گذاران انتظار دارند پس از ۶ ماه استفاده آزمایشی، تبدیل‌ها را به عنوان بخش پیشرو داستان ببینند.

مارل اوانس، موسس و شریک عمومی، Exceptional Capital: اجرا و کشش. بهترین نشانه، کاربرانی هستند که واقعاً از استفاده از محصول لذت می‌برند و پیچیدگی فنی کسب‌وکار است. ما به یک ستاره شمالی بزرگ از قراردادهای واقعی، ۱۲+ ماه نگاه می‌کنیم. علاوه بر این، آیا این بنیانگذار توانسته استعدادهای سطح بالا را برای پیوستن به استارتاپ خود در مقابل رقبا یا غول‌های سنتی جذب کند؟

عامل‌های هوش مصنوعی چه نقشی در سازمان‌ها تا پایان سال ۲۰۲۶ ایفا خواهند کرد؟

نامدی اوکیک، شریک عمومی و هم‌موسس، 645 Ventures: عامل‌ها تا پایان سال ۲۰۲۶ هنوز در مرحله اولیه پذیرش خود خواهند بود. موانع فنی و انطباقی زیادی وجود دارد که باید برطرف شوند تا سازمان‌ها واقعاً از عامل‌های هوش مصنوعی بهره‌مند شوند. همچنین نیاز به ایجاد استانداردها برای ارتباط عامل با عامل وجود دارد.

راجیو دام، مدیر عامل، Sapphire: یک عامل جهانی ظهور خواهد کرد. امروزه، هر عامل در نقش خود منزوی است - به عنوان مثال، [نماینده توسعه فروش] ورودی، نماینده فروش خروجی، پشتیبانی مشتری، کشف محصول و غیره. اما تا اواخر سال آینده، ما شروع به دیدن همگرایی این نقش‌ها به یک عامل واحد با زمینه و حافظه مشترک خواهیم کرد، که سیلوهای سازمانی قدیمی را از بین می‌برد و مکالمه یکپارچه و زمینه‌ای بین شرکت‌ها و کاربرانشان را امکان‌پذیر می‌سازد.

آنتونیا دین، شریک، Black Operator Ventures: برندگان سازمان‌هایی خواهند بود که به سرعت تعادل مناسب بین خودمختاری و نظارت را پیدا می‌کنند و استقرار عامل را به عنوان تقویت‌کننده همکاری به جای تقسیم کار تمیز تشخیص می‌دهند. به جای اینکه عامل‌ها تمام کارهای روتین را انجام دهند در حالی که انسان‌ها تمام تفکر را انجام می‌دهند، ما شاهد همکاری پیچیده‌تر بین انسان‌ها و عامل‌ها در وظایف پیچیده خواهیم بود، با مرز بین نقش‌هایشان که به طور مداوم در حال تکامل است.

آرون جیکوبسون، شریک، NEA: اکثریت کارگران دانش حداقل یک همکار عامل‌دار خواهند داشت که آن‌ها را به نام می‌شناسند!

اریک بان، هم‌موسس، شریک عمومی، Hustle Fund: من فکر می‌کنم عامل‌های هوش مصنوعی احتمالاً بخش بزرگ‌تری از نیروی کار را نسبت به هر انسانی در سازمان‌ها تشکیل خواهند داد. تکثیر عامل‌های هوش مصنوعی اساساً رایگان و با هزینه حاشیه‌ای صفر است. پس چرا از طریق ربات‌ها رشد نکنیم؟

کدام نوع شرکت‌ها در پورتفولیوی شما قوی‌ترین رشد را تجربه می‌کنند؟

جیک فلومنبرگ، شریک، Wing Venture Capital: سریع‌ترین شرکت‌های در حال رشد، شرکت‌هایی هستند که یک شکاف گردش کار یا امنیتی ناشی از پذیرش GenAI را شناسایی کرده و سپس به طور بی‌وقفه بر روی تناسب محصول-بازار اجرا کرده‌اند. در امنیت سایبری، این ابزارها مربوط به امنیت داده‌ها هستند تا LLMها بتوانند با داده‌های حساس به طور ایمن تعامل داشته باشند، و حاکمیت عامل اطمینان حاصل می‌کند که سیستم‌های خودمختار دارای کنترل‌های مناسب هستند. در بازاریابی، این‌ها حوزه‌های جدیدی مانند بهینه‌سازی موتور پاسخ (AEO) هستند - کشف شدن در پاسخ‌های هوش مصنوعی، نه فقط نتایج جستجو. موضوع مشترک: این‌ها دو سال پیش دسته‌بندی نبودند، اما اکنون برای سازمان‌هایی که هوش مصنوعی را در مقیاس پیاده‌سازی می‌کنند، ضروری هستند.

اندرو فرگوسن، معاون، Databricks Ventures: ما شاهد رشد مرتبط با چند موضوع مشترک هستیم. یکی از آن‌ها شرکت‌هایی هستند که با موارد استفاده متمرکز وارد می‌شوند - شرکت‌هایی که با یک "گوه" (wedge) باریک‌تر شروع می‌کنند (می‌تواند یک شخصیت هدف متمرکز یا مورد استفاده باشد)، آن را به خوبی انجام می‌دهند، چسبنده می‌شوند و حق گسترش از گوه اولیه را کسب می‌کنند.

جنیفر لی، شریک عمومی، Andreessen Horowitz: شرکت‌هایی که به سازمان‌ها در تولید هوش مصنوعی کمک می‌کنند، خوب عمل می‌کنند. حوزه‌هایی مانند استخراج و ساختاردهی داده، بهره‌وری توسعه‌دهنده برای سیستم‌های هوش مصنوعی، زیرساخت برای رسانه‌های مولد، صدا و گفتار برای رسانه‌ها و برنامه‌هایی مانند پشتیبانی یا مراکز تماس.

کدام نوع شرکت‌ها قوی‌ترین حفظ مشتری را تجربه می‌کنند؟

جیک فلومنبرگ، شریک، Wing Venture Capital: شرکت‌هایی با حفظ و گسترش مشتری الگوی مشترکی دارند: آن‌ها مشکلاتی را حل می‌کنند که با استقرار بیشتر هوش مصنوعی توسط مشتریان تشدید می‌شود. حفظ قوی از سه چیز ناشی می‌شود: حیاتی بودن (حذف، گردش کار تولید را مختل می‌کند)، انباشت زمینه اختصاصی که بازسازی آن دشوار است، و حل مشکلاتی که با پذیرش هوش مصنوعی رشد می‌کنند به جای اینکه یک بار و برای همیشه حل شوند.

تام هنریکسون، شریک عمومی در OpenOcean: اندازه‌گیری حفظ مشتری برای شرکت‌های جوان‌تر دشوارتر است، اما بالاترین حفظ مشتری که ما شاهد آن هستیم در ارائه‌دهندگان نرم‌افزار سازمانی جدی است، به ویژه آن‌هایی که با هوش مصنوعی تقویت شده‌اند. یک مثال خوب Operations1 است که فرآیندهای تولید مبتنی بر کارمندان را از ابتدا تا انتها دیجیتالی می‌کند. این شرکت‌ها عمیقاً در سازمان مشتری نفوذ می‌کنند، نحوه عملکرد آن‌ها را متحول می‌کنند و داده‌ها و دانش اختصاصی را جمع‌آوری می‌کنند که آن‌ها را بسیار ضروری می‌سازد.

مایکل استوارت، شریک عمومی، M12: استارتاپ‌هایی که به سازمان‌ها در زمینه ابزارهای داده و برنامه‌های کاربردی هوش مصنوعی عمودی خدمت می‌کنند، با تیم‌های مستقر در خط مقدم که به رضایت مشتری، کیفیت و بهبود محصول کمک می‌کنند. این به نظر می‌رسد فرمول برنده است که توسط همه استارتاپ‌های پیشرو در این بازارها اتخاذ شده است. در بلندمدت، تیم‌های تعبیه شده ممکن است عقب‌نشینی کنند زیرا مشتریان شروع به درونی‌سازی استفاده از هوش مصنوعی در سازمان‌ها و شیوه‌های کاری روزانه خود می‌کنند.

جاناتان لهر، هم‌موسس و شریک عمومی، Work-Bench: حفظ مشتری در جایی که نرم‌افزار به جای یک راه‌حل نقطه‌ای، به زیرساخت بنیادی تبدیل می‌شود، بالاترین میزان را دارد. Authzed حفظ مشتری قوی دارد زیرا مجوز و سیاست در هسته سیستم‌های مدرن قرار دارند و پس از تعبیه شدن، حذف آن‌ها بسیار پرهزینه است. Courier Health و GovWell به عنوان سیستم‌های ثبت و لایه‌های هماهنگ‌کننده برای گردش کار از ابتدا تا انتها، سفرهای بیمار در مراقبت‌های بهداشتی، و مجوزها در دولت عمل می‌کنند، که آن‌ها را پس از فعال شدن، عمیقاً تعبیه می‌کند.