未經(jīng)許可不得轉(zhuǎn)載，務(wù)必保留原文出處鏈接和公眾號按鈕

（關(guān)注本城公眾號并設(shè)為標(biāo)，

第一時間獲取最新世界頂級科技認(rèn)知）

文：Web3天空之城·城主

前言：

OpenAI高管訪談不算少，但一般都是講大模型研究或者愿景，這個訪談是難得一見的企服負(fù)責(zé)人談OpenAI如何做金融企業(yè)客戶的服務(wù)，對于那些做企服的大模型公司，這是一個難得的資料。本城在這里分享全文書面整理版和中英視頻。

B站傳送：【精?！縊penAI如何服務(wù)企業(yè)級金融 | OpenAI平臺主管James Dyett訪談 2024.6.25 【中英】-嗶哩嗶哩】

https://b23.tv/HXR6gSY

主持人:

人工智能將徹底重塑金融。我來到舊金山市中心的 OpenAI 總部，看看未來是什么樣子。您可能已經(jīng)看過他們最新模型 ChatGPT 4o 的演示。這非常令人印象深刻。但我認(rèn)為更令人印象深刻和更有趣的是這些模型今天在實際中是如何使用的。

摩根士丹利和 Klarna 都是 OpenAI 的客戶。摩根士丹利在一年內(nèi)開發(fā)出一款工具，供其 100% 的財富經(jīng)理使用，從而改變他們的工作方式。在企業(yè)時間線上，這是超光速。另一方面，Klarna 僅用兩個月就開發(fā)出一款工具，實現(xiàn)了其客戶服務(wù)工作票務(wù)工作流程三分之二的自動化。一個大問題是，這些客戶服務(wù)代表下一步會做什么，或者 Klarna 現(xiàn)在有了更多的能力，將如何使用他們。

但我們不僅要談?wù)撃Ω康だ?Klarna，還要看看 Oscar Health 等一些客戶。我們今天的嘉賓是 James Diet。他之前曾管理過 Stripe的 GoToMarket 團(tuán)隊，現(xiàn)在是 OpenAI 的平臺銷售負(fù)責(zé)人。當(dāng)世界上最大的銀行（如摩根士丹利）或最大的初創(chuàng)公司（如 Klarna）致電 OpenAI 并希望使用最新模型時，他和團(tuán)隊是第一批聽到他們消息的人，也是第一批看到這些模型如何在實際中部署的人。談?wù)撎囟ǖ目蛻粲美?、他們今天在做什么、未來會做什么將會非常有趣，不僅是摩根士丹利和 Klarna，還有其他一些精選的人。

我們還將討論構(gòu)建和擴(kuò)展企業(yè) GoToMarket 動議需要什么，因為詹姆斯已經(jīng)成功服務(wù)了兩家標(biāo)志性的硅谷公司，即以前的 Stripe 和今天的 OpenAI。

詹姆斯，歡迎參加節(jié)目。

James：

謝謝你邀請我，雷克斯。

所以第一個問題，我想了解你的背景。你當(dāng)時從 Stripe 轉(zhuǎn)到了 OpenAI。那時OpenAI 的知名度不高，而你卻要與谷歌和亞馬遜等公司的 30,000 名銷售人員競爭。那么你為什么要做出這一舉動呢？

是的，事實上這是一個有趣的故事。當(dāng)我 2016 年剛開始在 Stripe 工作時，我們的辦公室距離我們今天所在的位置只有幾個街區(qū)，位于舊金山 Mission。我們當(dāng)時在一間小辦公室里，它被稱為先鋒大廈。這是一間漂亮的辦公室。

是的，我也去過那里，不太遠(yuǎn)。

它非常非常迷人，而且有著悠久的歷史。事實上，在我加入 Stripe 三個月后，我們就搬走了，一家小型非營利組織搬進(jìn)了同一個辦公室。我了解到，這個非營利組織是 OpenAI。我很好奇，OpenAI 是什么？Stripe 的創(chuàng)始 CTO Greg Brockman 是 OpenAI 的創(chuàng)始人之一。我很好奇，為什么這位工程師決定跳槽到這家公司？這家公司是什么？我讀了一些關(guān)于它的內(nèi)容，發(fā)現(xiàn)它創(chuàng)造了人工智能，而且是非營利性的，多么古怪。

確實如此。

我?guī)缀醪恢榔吣昵皶l(fā)生什么。所以這個故事很有影響力。我在 Stripe 待了六到七年后離開。然后我收到了 OpenAI 某人發(fā)來的 LinkedIn 消息，上面寫著，OpenAI 的銷售。我記得 OpenAI，他們以前在我們以前的辦公室工作，但他們?yōu)槭裁葱枰N售？這是一個非營利組織，他們試圖制造出造福全人類的人工智能。但我非常好奇，所以我接了電話。

這是在 DALL-E 推出之前，也是 ChatGPT 推出之前。我被這項技術(shù)迷住了。這是在這項技術(shù)炒作前、真正商業(yè)化前。我無法擺脫這對公司來說將是一件大事的想法。但正如你所說，我不認(rèn)為我會與亞馬遜和谷歌競爭。我以為我會敲開人們的門，試圖說服他們和我開會討論這些瘋狂的大型語言模型以及它們?nèi)绾斡杏谩?/p>

所以我在 11 月接受了這份工作。我上任后，我們推出了 ChatGPT。然后，在 ChatGPT 發(fā)布后的 2 月份第一周，我突然發(fā)現(xiàn)自己處于一個與預(yù)期截然不同的環(huán)境。

這非常有趣。希望現(xiàn)在，有時客戶也會來敲你的門。這就是我們在這里要談?wù)摰摹?/p>

我想談?wù)勈澜缟弦恍┳畲蟮你y行，像摩根士丹利、Klarna 這樣的銀行。在此之前，請先給我一個客戶如何使用 OpenAI 的框架。

是的，我們喜歡說，企業(yè)今天似乎有三種方式使用我們的技術(shù)。首先，他們將人工智能帶入員工隊伍。因此，他們正在幫助員工提高編碼或文案撰寫等任務(wù)的效率，甚至撰寫績效評估等。所以有這種勞動力生產(chǎn)力類別。

第二個是關(guān)于自動化工作流程。因此，將過去可能非常手動或低效的東西，以及將這些模型應(yīng)用于特定任務(wù)。第三類是將人工智能引入公司提供的核心產(chǎn)品和服務(wù)。因此，如果你看看所有關(guān)于將人工智能引入 XYZ 公司的公告，它們往往會遵循并屬于這三類之一。

是的。讓我們用這個框架來談?wù)勀愕囊恍┨囟蛻?，也許從摩根士丹利開始，看看他們在財富管理部門內(nèi)部所做的事情。

當(dāng)然。所以摩根士丹利實際上在我們推出 ChatGPT 或我們現(xiàn)在的旗艦?zāi)Ｐ?GPT-4 之前就押注了我們。我們花了大約一年的時間與他們合作開發(fā)一種工具，該工具將使他們的財務(wù)顧問能夠為客戶提供更好的財富管理和支持。這種工作方式使這些模型非常擅長推理任何類型的數(shù)據(jù)，無論是定量數(shù)據(jù)、定性數(shù)據(jù)，還是現(xiàn)在的視覺數(shù)據(jù)或音頻數(shù)據(jù)。

如果您考慮財務(wù)顧問的工作，假設(shè)您是我的客戶雷克斯，您會經(jīng)常問我一些問題，而我可能不知道這些問題的答案。比如，您可能會問：“詹姆斯，我的表現(xiàn)只有一半。”沒錯。但更重要的是，您可能會好奇摩根士丹利對某個特定問題的看法。答案肯定存在于摩根士丹利的某個地方。

過去，獲得答案的傳統(tǒng)方法是打電話給您知道的蘋果股票專家、利率專家或大學(xué)儲蓄計劃專家，然后刷新您的記憶，這樣您就可以給雷克斯一個很好的答案。

作為一名顧問，您可能支持50多個客戶，每個客戶可能有10種產(chǎn)品或更多。摩根士丹利內(nèi)部有這些產(chǎn)品線的專家，但可能需要多個不同的登錄名才能訪問數(shù)據(jù)，更不用說打電話給這些人了。

把所有東西都記在腦子里是一項不可能完成的任務(wù)。

因此，過去財務(wù)顧問曾使用過一些工具。在摩根士丹利成立初期，他們可能有一些紙質(zhì)文件，可以查看最新的公司研究報告或公司提供的產(chǎn)品。隨著時間的推移，這些文件可能轉(zhuǎn)移到公司內(nèi)聯(lián)網(wǎng)，即內(nèi)部搜索門戶。這些AI工具只是讓這些財務(wù)顧問能夠回答客戶問題的下一步。這就是摩根士丹利提供的服務(wù)。

他們有一個工具，就像是坐在財務(wù)顧問旁邊的助手。顧問只需輸入客戶提出的任何疑問，就可以實時得到很好的答案。這很重要，因為在受監(jiān)管的行業(yè)中，您無法處理模型產(chǎn)生的任何幻覺或錯誤。這個助手實際上會鏈接到主要來源。因此，財務(wù)顧問可以看到實際的研究報告，討論公司對利率的看法。顧問可以快速掃描，確保給雷克斯的信息是正確無誤的。

因此，這確實是人機(jī)交互的，并且是助手。我們發(fā)現(xiàn)這對于銀行和其他受監(jiān)管公司來說非常重要，因為他們希望知道他們分享的信息是100%準(zhǔn)確的。

我很想看到使用的具體細(xì)節(jié)和一些數(shù)字。所以我之前和他們談過，他們花了大約一年的時間推出這個工具。我很好奇獲得認(rèn)可和訓(xùn)練的情況如何，今天有多少顧問在使用它，摩根士丹利和OpenAI以及您的團(tuán)隊在評估最新模型以升級平臺方面的反饋循環(huán)是什么樣的。

是的，這個問題問得很好。這個和大多數(shù)AI計劃都是C級計劃。因此，在技術(shù)的這個階段，它不是自下而上的。我們正在與一個部門合作，我們將與這個小部門取得成功，并將這種成功帶給其他人。

在金融等受監(jiān)管的行業(yè)中，很難自下而上地進(jìn)行上市動議，因為您接觸的是受監(jiān)管的數(shù)據(jù)，您不能產(chǎn)生幻覺，所以您必須從高層開始。

摩根士丹利當(dāng)時的首席執(zhí)行官詹姆斯·戈爾曼表示，這是公司想要做的事情。讓我們從財富管理開始吧。我們與摩根士丹利的合作非常緊密，因此他們在內(nèi)部需要做出很多決定，關(guān)于如何將人工智能引入公司，設(shè)立什么樣的護(hù)欄和內(nèi)部政策，以及從哪個部門開始。

在人工智能中，有一個評估的概念。評估是用來確定模型在某項任務(wù)中表現(xiàn)如何的工具。你可以想象一堆問題和答案，我們會將其評為A+，即優(yōu)秀答案。然后你測試模型，看看它與答案的接近程度。這就是我們所說的評估。

例如，GPT-3.5在100個問題中可能得分40%，而GPT-4在同樣的問題中得分可能為70%。如果為GPT-4提供一些額外的背景信息，它可能會達(dá)到80%。經(jīng)過一些微調(diào)，GPT-4可能會達(dá)到85%。每周我們都會和摩根士丹利團(tuán)隊一起審查這些評估。我們的目標(biāo)是，只有當(dāng)模型超過一定的績效標(biāo)準(zhǔn)時，才會交給財務(wù)顧問，然后得到他們的反饋。

模型在靜態(tài)問題組上表現(xiàn)良好是一回事，而了解它對財務(wù)顧問是否真的有用又是另一回事。摩根士丹利團(tuán)隊不斷迭代哪些問題可以代表該技術(shù)在該領(lǐng)域的應(yīng)用。OpenAI和我們的客戶都使用這種創(chuàng)建評估的框架來判斷我們是否做得好，這是一種很好的工作方式。

這可能是您的團(tuán)隊專門為大型企業(yè)開發(fā)的一項重要技能，幫助他們共同創(chuàng)建這些評估。

這是一種判斷我們是否達(dá)到幫助他們解決某個問題的標(biāo)準(zhǔn)的方法。當(dāng)我們探索模型行為時，會與公司合作，確保模型必須超過一定的標(biāo)準(zhǔn)才能提供給員工。企業(yè)通常需要經(jīng)歷一段旅程來確定這個標(biāo)準(zhǔn)是什么，對于我們來說，優(yōu)秀意味著什么。

很多公司以前沒有購買過這樣的工具，也沒有制定標(biāo)準(zhǔn)，所以你們必須幫助定義這些標(biāo)準(zhǔn)。

我們在談?wù)撈渌蛻魰r會更多地談?wù)撨@個問題，但他們往往不太清楚這些公司的人在評判模型的評估中表現(xiàn)如何。這就是事情變得非常有趣的地方。

我認(rèn)為這是人工智能中最有趣的事情之一。你會說，哦，你怎么可能相信一個模型能做到這一點，尤其是當(dāng)它是非確定性的？然后你會想，等等，只有5%的企業(yè)數(shù)據(jù)是結(jié)構(gòu)化的，95%是非結(jié)構(gòu)化的。財富管理部門與客戶進(jìn)行非結(jié)構(gòu)化的互動，提供非常重要的財務(wù)建議。你意識到你實際上并不知道你的公司是如何運作的。

我們的總裁格雷格·布羅克曼說，這些模型并不完美，我們也不完美。我認(rèn)為，這是一個很好的框架，讓我們能夠?qū)⑦@種人工智能范式帶入一個全新的境界，那就是真正謙遜地對待我們?nèi)祟愃茏龅氖虑?，同時也謙遜地對待模型所能做的事情。如果我們能做好自己的工作，希望你能將模型與人類聯(lián)系起來，最終的結(jié)果會比我們現(xiàn)在的更好。

這是一個有趣的想法，即使你不使用該模型，它也可能讓你更多地思考如何建立和運營你的業(yè)務(wù)，并在這方面做得更好。此外，也許還有一個模型可以為你完成這項工作。那么摩根士丹利的推廣情況如何？他們?nèi)绾蔚u估？有多少比例的顧問已經(jīng)開始使用它？

這個工具現(xiàn)在已經(jīng)推廣到所有的財務(wù)顧問。

這非常重要，因為通常在摩根士丹利推出這樣的工具，可能需要三年以上的時間才能簽署、簽約，更不用說推出。所以現(xiàn)在它已經(jīng)推出并上線，這非常令人印象深刻。

事實上，我有一個好朋友是摩根士丹利的財務(wù)顧問。我問他，吉姆，你覺得這個工具怎么樣？他很喜歡?，F(xiàn)在他可能只是想對我好一點。但我們從摩根士丹利團(tuán)隊那里聽說，他們最初得到了很好的反饋。不過，我認(rèn)為，如果你和摩根士丹利的人交談，他們會認(rèn)為這是他們在公司內(nèi)部推出的第一款產(chǎn)品。這可能是他們在公司內(nèi)部推出的最差的人工智能產(chǎn)品。

他們有長遠(yuǎn)的眼光。我喜歡與摩根士丹利的關(guān)系，這不僅僅是我們?yōu)樨攧?wù)顧問做了什么，而是他們將如何長期利用人工智能？比如，我們從為財務(wù)顧問構(gòu)建這個工具中學(xué)到了什么，關(guān)于如何使用這些模型。正如你所說，這些模型是概率性的，是一項全新的技術(shù)，隨著時間的推移會變得更加智能，需要換成新的模型。他們從這個過程中學(xué)到了什么，可以帶到公司的下一個AI項目中？他們現(xiàn)在有幾十個積壓項目。

這對企業(yè)來說就像學(xué)習(xí)如何使用新工具然后采用它們。所以聽到這個故事非常有趣。我們來談?wù)勀Ω康だ澜缟献畲蟮你y行之一，用例和財富管理。我想談?wù)勈澜缟献畲蟮慕鹑诳萍脊局籏larna。他們最近發(fā)布公告稱，我們已經(jīng)將客戶服務(wù)代表目前所做的工作中的三分之二自動化。他們是OpenAI客戶，所以很高興聽到他們?nèi)绾卫迷撈脚_。此外，這些客戶服務(wù)代表現(xiàn)在都應(yīng)該找工作還是在內(nèi)部做其他事情？

這是一個很好的問題。因此，如果我們回到企業(yè)使用人工智能的初始框架，你可以將摩根士丹利對其財務(wù)顧問所做的事情視為勞動力生產(chǎn)力。我認(rèn)為 Klarna 將人工智能引入了他們的核心產(chǎn)品，即客戶與支持團(tuán)隊的體驗。因此，Klarna 的首席執(zhí)行官 Sebastian 為他的團(tuán)隊設(shè)定了一個非常大膽的愿景，看看這些模型在自動化客戶服務(wù)方面能走多遠(yuǎn)。正如您所說，他們走得相當(dāng)遠(yuǎn)。現(xiàn)在，大約三分之二的 Klarna 客戶支持傳入票證都是由模型端到端自動化的。

我認(rèn)為這是非常了不起的。不僅僅是三分之二的端到端是自動化的，而且他們構(gòu)建和發(fā)布所需的時間不到一年。

我想我們大概是幾個月。我認(rèn)為他們所做的事情很重要，這不僅僅是簡單的客戶服務(wù)。大多數(shù)時候，我們會想，客戶服務(wù)就是提出一個問題，然后得到一個答案。實際上，大多數(shù)時候，你希望你聯(lián)系的公司能代表你做某事。你希望他們提供退款，取消某些服務(wù)，或者為你升級。因此，模型不能僅僅用正確的答案做出回應(yīng)。這不僅僅是一個查詢，你必須做代理工作，采取行動。這就是 Klarna 與我們一起做的大量工作。三分之二的自動化票證中的大多數(shù)都需要實際行動才能完成。

我們意識到，這不僅僅是針對只需要文本回復(fù)的一小部分票證，而且你可以承擔(dān)這些代理目前正在做的相當(dāng)大一部分工作量。

既然 Klarna 的自動化已經(jīng)奏效了，他們今天來找你們是為了什么，并希望做些不同的事情？我相信他們想使用最新的模型。

有趣的是，如果你仔細(xì)想想，我們剛剛發(fā)布的 GPT-4o 比 GPT-4 Turbo 更智能，后者是之前最先進(jìn)的模型。但我認(rèn)為，新模型最讓客戶興奮的是其人性化音頻功能。這正是我們幾周前演示的。如果你考慮客戶服務(wù)，每當(dāng)我打電話給航空公司時，這些功能都是自動化的，如果你需要，只需用一個詞告訴我們你的想法。你會說，代理，代理，代理。因為有時他們實際上有生物識別軟件。

但現(xiàn)在，這些模型實際上可以進(jìn)行像人類一樣的對話。盡管我們已經(jīng)有一段時間的文本轉(zhuǎn)語音和語音轉(zhuǎn)文本技術(shù)，但它有很長的延遲，所以它對于你想要的像人類一樣的客戶服務(wù)對話并沒有真正起作用。現(xiàn)在，這更像是在播客上和你交談，也許你是 GPT-4 的幕后推手，你可以開始將其指向電話客戶服務(wù)體驗。目前，我們還沒有在生產(chǎn)中看到這一點，也沒有在 GPT-4 中推出音頻功能。但這是 Klarna 等公司接下來會真正興奮的事情。

我認(rèn)為這確實提供了更好的客戶體驗，因為沒有人喜歡在線等待。然而，這也觸及了一個巨大的社會焦慮，即我們在美國聯(lián)絡(luò)中心有 280 萬人，他們中的許多人為銀行和其他金融機(jī)構(gòu)工作。

那么，Klarna 今天對他們的客戶服務(wù)代理和基地做了什么？他們?nèi)绾沃匦吕眠@些員工？從就業(yè)角度來看，這是什么樣子？

我給 Klarna 的首席執(zhí)行官塞巴斯蒂安很大的贊譽。他在推出這項服務(wù)后在 Twitter 上宣布，這些模型占據(jù)了我們很大一部分的票房。他直面就業(yè)問題，說當(dāng)時他們還沒有對員工隊伍做出任何改變，但他也指出，這項技術(shù)將改變我們的工作方式。

Klarna 的做法是讓他們的代表處理那些沒有得到正確解決的棘手問題，這才是客戶服務(wù)真正發(fā)揮作用的地方，不是在交易問題上，而是在真正棘手的客戶服務(wù)問題上。我認(rèn)為這項技術(shù)將以各種方式對勞動力產(chǎn)生真正的影響，其中一些我們可以預(yù)測，比如某些工作將會消失。我想到的是翻譯的工作。最近在日本，我們有一個翻譯坐在我們身邊。她說，你們看起來很棒，你們會接替我的工作。我沒有給她一個很好的答案，因為這些模型的翻譯能力非常好。

當(dāng)然，勞動力將會發(fā)生一些變化，但我認(rèn)為也會出現(xiàn)一些新的工作崗位和新的工作方式，我們目前還不知道，無法預(yù)測。舉個小例子，我現(xiàn)在工作的每家公司都有一個人工智能主管的職位，這個職位以前并不存在，后來才被創(chuàng)造出來。我想象，有進(jìn)取心的產(chǎn)品經(jīng)理會說，我有機(jī)會進(jìn)入高管層，我可以成為首席人工智能官，這些職位是存在的。18 個月前它們還不存在。

顯然，并不是每家公司都有那么多首席人工智能官，但有一個概念，比如即時工程師，真正懂得如何使用模型的人。所以我認(rèn)為我們將看到某些領(lǐng)域的工作類型發(fā)生很大變化。我們沒想到，第一批受到人工智能等新技術(shù)影響的工作實際上是地位相當(dāng)高的知識型工作。你可能會想，這可能會解決更多的低技能勞動力問題，但這根本不是發(fā)生的事情。

我確實認(rèn)為變化即將到來，而且變化正在發(fā)生。我們只是不完全知道它會以什么形式出現(xiàn)。

當(dāng)你遇到那些關(guān)于就業(yè)的社交焦慮問題時，這真的很難。很容易看到哪些工作會受到影響，甚至可能減少，但很難考慮等式的另一邊。而且可能會產(chǎn)生意想不到的后果。我認(rèn)為金融服務(wù)的一個很好的例子是自動取款機(jī)。如果你看看自動柜員機(jī)的推出，實際上是自動取款機(jī)在20世紀(jì)60年代的引入。自動取款機(jī)的推出導(dǎo)致銀行柜員人數(shù)增加，因為它減少了柜員的部分工作負(fù)擔(dān)。這一變化花了40年的時間才顯現(xiàn)出來。然而，從2010年代開始，這種情況發(fā)生了變化。隨著時間的推移，雖然可能會出現(xiàn)壓縮，但當(dāng)出納員可以從發(fā)放現(xiàn)金轉(zhuǎn)移到實際銷售新產(chǎn)品時，運營分支機(jī)構(gòu)的邊際成本降低，使得運營分支機(jī)構(gòu)比以往任何時候都更有利可圖。因此，銀行因為ATM的引入而開設(shè)了更多分支機(jī)構(gòu)，雇用了更多出納員。

我們正處于人工智能和金融服務(wù)的有趣階段，也許這是真的，人工智能實際上是互補的，但它的發(fā)展速度更快。進(jìn)入2010年代，這一變化不再需要40年，可能只需要五年左右。

回到摩根士丹利的情況，摩根士丹利財富顧問通常管理的資產(chǎn)為1000萬美元或更多。正如你所說，有了新的生產(chǎn)力工具，現(xiàn)在可以為更多的人服務(wù)。對于擁有2.5億到1000萬資產(chǎn)的人來說，之前為這些人提供服務(wù)是有利可圖的，這對于引入AI來說是很棒的，因為你會擁有更多的客戶。

我們實際上在另一位客戶身上看到了這一點，那就是巴西和整個拉丁美洲的Nubank。Nubank是一家總部位于巴西的拉丁美洲新銀行，規(guī)模龐大。很多美國人并不了解他們有多大、有多有價值。我認(rèn)為他們是世界上最有價值的金融科技公司之一。Nubank的規(guī)模比你通常認(rèn)為的新銀行要大得多。很多歐洲新銀行可能只擁有相對較少的人口在它們那里開戶，而在拉丁美洲，Nubank在整個客戶群中所占的比例要大得多。

重要的是，Nubank的客戶并不是摩根士丹利那種擁有1000萬美元資產(chǎn)的客戶。事實上，Nubank現(xiàn)在確實做到了這一點，而摩根士丹利可能會想，他們也許可以進(jìn)入低端市場，在那里他們可以更有效地為客戶服務(wù)。像Nubank這樣的公司實際上能夠通過提供的服務(wù)類型進(jìn)入高端市場，因此他們可能不需要為每個客戶都配備一個單獨的財務(wù)顧問。你不能真的去Nubank尋求貸款產(chǎn)品或儲蓄計劃的建議，但現(xiàn)在，這些模型能夠以自然語言提供真正出色的建議，使用其他語言，而不僅僅是英語、葡萄牙語或西班牙語。

因此，Nubank客戶的體驗得到了改善。Nubank提供相同的服務(wù)不僅變得更便宜了，他們實際上能夠提供以前無法提供的新服務(wù)。

回到最初的框架，如果你有員工生產(chǎn)力，你就有面向最終用戶的東西。然后，你還有整個領(lǐng)域，基本上就是開辟可以為客戶打造的新產(chǎn)品線。我們很想聽到更多關(guān)于 Nubank 推出的情況。類似的問題，比如他們花了多長時間推出，他們給你和你的團(tuán)隊的反饋是什么？

是的，我認(rèn)為他們所做的事情令人興奮的地方，在運營速度方面與 Klarna 非常相似。此外，如果你考慮 Klarna 和 Nubank，我們能夠與他們合作，而無需在巴西或瑞典設(shè)立辦事處。現(xiàn)在，我們充分利用了虛擬會議。但在很多情況下，這些客戶能夠用我們很少的資源做很多事情。

你提到，我正在與亞馬遜和谷歌等公司競爭。我的團(tuán)隊中沒有數(shù)萬人來支持所有這些部署。但我們能夠做的是提供非常出色的建議，告訴人們?nèi)绾螌⑦@些模型推向他們想要的方向。因此，我們與 Nubanks 和 Klarna 合作的很多工作并不是提供項目計劃，也不是親自提供部署支持。更重要的是，我們遇到了這個問題。我們已經(jīng)閱讀了你們所有的文檔。我們自己做了很多研究，但我們有點陷入了困境。這就是我們可以讓專家發(fā)揮作用的地方。這基本上就是我在市場上的價值主張，即深厚的人工智能專業(yè)知識。

是的。這是否屬于，您是否有一個解決方案團(tuán)隊、客戶成功？比如，您實際上是如何構(gòu)建它的？

是的。因此，OpenAI 的結(jié)構(gòu)方式是，我們基本上有三個不同的組織部分。有研究。研究人員是那些將新模型變?yōu)楝F(xiàn)實并不斷突破可能性邊界的博士和人工智能專家。然后，我們有了應(yīng)用組織，其中包括工程師和產(chǎn)品經(jīng)理。他們將這些模型帶入應(yīng)用環(huán)境。因此，他們正在構(gòu)建 API，在研究人員提供的核心智能之上構(gòu)建 ChatGPT。然后，你還有像我這樣的市場營銷人員的業(yè)務(wù)。如果我們與 Nubank、Klarna 或 Morgan Stanley 這樣的客戶交談，我們主要會利用我所在組織和同行組織中的解決方案資源和業(yè)務(wù)資源。偶爾，如果出現(xiàn)他們無法解決的新問題，我們會深入研究。這樣的例子可能是為特定任務(wù)或用例定制模型。我們與一家名為 Harvey 的公司合作，該公司希望打造一位法律服務(wù)專家。在那里，我們與我們研究團(tuán)隊的一些人合作，建立了一個法律模型，即法律 AI 專家。但是，在大多數(shù)此類合作中，我們只需依靠團(tuán)隊中整天與企業(yè)合作開發(fā) AI 的解決方案專家就能取得真正的成功。

是的。讓我們看看其他一些客戶。所以我們談過了摩根士丹利、Klarna、Nubank。也許讓我們回到美國。但看看醫(yī)療保健和 Oscar Health。我認(rèn)為他們也是另一個。所以我喜歡 Oscar Health。你花了很多時間考慮金融服務(wù)。

Oscar Health 也處于一個高度監(jiān)管的行業(yè)。醫(yī)療保健和金融服務(wù)之間的交集非常大，特別是在賬單、索賠、保險和付款方面，有很多重疊之處。

如果我們把Oscar看作一家企業(yè)，它是醫(yī)療保健企業(yè)還是金融服務(wù)企業(yè)？從某種意義上說，它管理著臨床醫(yī)生和患者或支付患者護(hù)理費用的企業(yè)之間的資金流動。

Oscar Health是一家健康保險公司，他們的主要業(yè)務(wù)是有效地支付其會員的醫(yī)療費用。坦率地說，他們被視為世界上技術(shù)最先進(jìn)的醫(yī)療保健公司之一。然而，他們面臨的挑戰(zhàn)是，在醫(yī)療保健領(lǐng)域與United Healthcare、Cigna和Blue Cross Blue Shield等規(guī)模極大的組織競爭，這些組織擁有很大的議價能力和規(guī)模效益。為了找到另一種競爭方式，Oscar Health真正接受了人工智能作為他們的競爭優(yōu)勢。

如果仔細(xì)思考，健康保險公司需要做什么？它需要理解大量數(shù)據(jù)，包括醫(yī)療記錄數(shù)據(jù)和索賠數(shù)據(jù)，并根據(jù)這些信息采取行動。例如，它可能是在與醫(yī)生的對話中，根據(jù)醫(yī)生提供的信息批準(zhǔn)或拒絕某項服務(wù)，或者是處理索賠及相關(guān)的所有文書工作。這些模型的優(yōu)勢在于能夠快速準(zhǔn)確地處理大量非結(jié)構(gòu)化數(shù)據(jù)。醫(yī)生在做筆記時并不以特別有條理而聞名，但這些模型能夠快速準(zhǔn)確地做出決定。

如果我們回到摩根士丹利的例子，財務(wù)顧問面臨的挑戰(zhàn)是擁有大量數(shù)據(jù)，客戶希望訪問這些數(shù)據(jù)中的知識。如何使用這些模型來提取客戶需要的信息？Oscar也遇到了同樣的問題，所有答案都在數(shù)十、數(shù)百和數(shù)千頁的索賠或醫(yī)療記錄中，但沒有時間花上數(shù)小時來閱讀所有這些內(nèi)容。如何快速總結(jié)關(guān)鍵信息以便做出決定？

Oscar主要在保險、患者和臨床醫(yī)生方面使用這些技術(shù)。他們構(gòu)建了一個稱為“索賠助手”的工具，可以快速為代理總結(jié)與特定患者相關(guān)的所有信息，從而回答客戶和患者的問題，例如某個程序是否在保險范圍內(nèi)等。這就是他們使用技術(shù)的核心。

作為醫(yī)療保健系統(tǒng)的客戶，這非常令人沮喪。你經(jīng)常會問提供商或健康保險公司，某個問題是否涵蓋在內(nèi)，但他們可能會告訴你先做，然后再告訴你結(jié)果。

對于我們所有人來說，在這個領(lǐng)域，能夠更快地得到答案是非常重要的。這些模型在許多測試中還不如人類聰明，但它們的速度更快。當(dāng)我們思考人工智能如何融入我們的生活時，這一點非常重要。比如，你希望人工智能做什么工作？你是否希望它完成一些我們?nèi)祟愖霾坏降氖虑?，因為我們不夠聰明，例如下棋。人工智能的下棋水平可能比你我高得多?/p>

但有時我們希望人工智能做一些你我特別擅長的事情，只是希望它做得更快、更便宜。在絕大多數(shù)情況下，這可能是一個更好的類比。比如，你我可能可以篩選醫(yī)療記錄并總結(jié)出來，但我們是否想這么做？這么做是否劃算？

絕對劃算。

我很好奇大家對企業(yè)采用該平臺的一些一般想法。比如，您的客戶上線這些產(chǎn)品的瓶頸是什么？

當(dāng)我接受這份工作時，我認(rèn)為瓶頸是讓他們關(guān)注我們。如果您考慮一下顛覆理論，一項新技術(shù)出現(xiàn)時，最大的客戶一開始往往會忽視它。而您獲勝的方式是從初創(chuàng)公司和早期采用者開始，然后證明其價值。

這就是 Stripe 所做的，也是您幫助 Stripe 做出的改變。在 Stripe 成立大約六七年后，它從初創(chuàng)公司轉(zhuǎn)向向企業(yè)銷售。

這就是劇本。我沒有參與向云的轉(zhuǎn)型，但我的理解是云也是這樣運作的。它不像世界上最大的銀行……

云仍然是這樣運作的。J.P.摩根大通去年宣布了云核心基礎(chǔ)設(shè)施遷移，用于核心銀行系統(tǒng)。因此，他們有工作流在運行它，但仍有大約 50% 或更多是在本地。

這是一個完美的例子。如果我們進(jìn)入革命的 20 年，企業(yè)應(yīng)該這樣采用新技術(shù)。如果我們回顧過去，這個新事物不同，它會改變我們的工作方式，但它有一些好處。誰會冒險開始？初創(chuàng)公司和小公司會進(jìn)入高端市場。這 100% 是我在 Stripe 所做的。這就是 Stripe 取得巨大成功的方式。我們花了很多年才為亞馬遜處理付款，我們必須一路學(xué)習(xí)，就像你從成長中的小客戶那里學(xué)到東西一樣。他們說，如果你要支持我們 1000 萬的支付量，你最好提供這些功能?？蛻魰饾u迫使您做好企業(yè)準(zhǔn)備。

這與人工智能完全不同。這就是我仍在思考的原因。

我認(rèn)為為什么非常有趣。初創(chuàng)公司面臨的一個大問題是，初創(chuàng)公司是否在現(xiàn)有企業(yè)之前獲得創(chuàng)新，或者現(xiàn)有企業(yè)是否在初創(chuàng)公司建立全新業(yè)務(wù)之前獲得創(chuàng)新的分配并將其實際集成到他們的系統(tǒng)中？而且他們做得更快。Clarinet花了兩個月的時間，Bore和Stanley花了一年時間。他們沒有像JPM那樣花20年時間將核心系統(tǒng)遷移到云端。

所以我認(rèn)為，如果我們考慮云基礎(chǔ)設(shè)施或Stripe支付平臺所采用的模式，你會發(fā)現(xiàn)這需要幾年時間。某個時候，像摩根士丹利這樣的公司會關(guān)注我。

但我不會從那里開始。我加入OpenAI時，我們剛剛推出了ChatGPT。我想不出有多少財富500強的CEO沒有聯(lián)系過OpenAI要求會面。

我不認(rèn)為AWS或Azure以及其他云提供商的情況會如此。我認(rèn)為ChatGPT可能在11月推出。假期來了，很多高管都說，他們一直在讀關(guān)于ChatGPT的文章，并嘗試了一下。然后他們有了這種發(fā)自內(nèi)心的頓悟時刻，覺得這可能會對他們的員工產(chǎn)生真正的影響。

ChatGPT的本能性質(zhì)在于，當(dāng)你與它互動的那一刻，它就是一款非常引人注目的產(chǎn)品。它的演示非常清晰，這實際上是ChatGPT的目標(biāo)。它本應(yīng)是一個低調(diào)的研究預(yù)覽，也是人們的一種方式。GPT-3是ChatGPT的基礎(chǔ)模型，已經(jīng)上市很長時間了，我想有一年多了，而這只是一個頂層界面。

我的理論是，這些高管看到它后頓悟了，認(rèn)為這是下一個技術(shù)平臺，我們需要領(lǐng)先于它。所以你最終沒有走上那條通往企業(yè)的緩慢道路。企業(yè)意識到，我們必須快速行動。也許他們從過去的經(jīng)驗中吸取了教訓(xùn)，比如移動和云計算，認(rèn)為這些事情即將到來，他們最好快速行動，而不是等待。

無論如何，突然之間，我們被迫成長為一家公司，比我們計劃的要快得多。這是我遇到過的最有趣的職業(yè)挑戰(zhàn)之一。

這不僅僅意味著擁有一款出色的產(chǎn)品，但如果你有一款出色的產(chǎn)品，再加上出色的演示，那么它真的可以吸引核心客戶。

我認(rèn)為對于假期在家的高管來說，云演示效果不是很好。

Chachi Bouti的演示，Snowflake很棒，但對于高管來說，Snowflake演示并不那么令人興奮。

Chachi Bouti所做的所有愚蠢的東西、詩歌和韻律，至少當(dāng)我第一次看到它時，就像魔術(shù)一樣。這太神奇了，并要求它寫一首關(guān)于任何事情的詩。它能夠想出完美的押韻方案。我認(rèn)為，這種看似愚蠢的功能很快就能證明其價值。哦，等等，能夠?qū)懺姷南到y(tǒng)也可能寫得出法律摘要。

您從 Stripe 的建立、上市實踐和企業(yè)過程中學(xué)到了什么？這些經(jīng)驗是否已經(jīng)轉(zhuǎn)化為開放式 AI？開放式 AI 是一種不同的產(chǎn)品，一家不同的公司。

是的，雖然有一些相似之處，但我們在 Stripe 和 OpenAI 看待世界的方式有所不同。我們有不同的市場細(xì)分，并且在 Stripe 開發(fā)了銷售團(tuán)隊來為初創(chuàng)公司、我們所謂的數(shù)字原生代和傳統(tǒng)企業(yè)制定計劃。在 OpenAI，我仍然以這種方式看待世界，并經(jīng)常使用這個框架。

不同的是，在 Stripe，當(dāng)我們第一次創(chuàng)建企業(yè)銷售團(tuán)隊時，這是一個實驗。我們的想法是看看我們需要什么才能贏得一家企業(yè)。因此，第一個企業(yè)銷售團(tuán)隊更像是一群前瞻性部署的產(chǎn)品經(jīng)理，他們也在嘗試做交易。我們會走進(jìn)市場，與很多企業(yè)交流。結(jié)果發(fā)現(xiàn)，我們向他們展示的 API 文檔雖然在創(chuàng)業(yè)社區(qū)中很受歡迎，但企業(yè)客戶并不在意。

事實證明，企業(yè)公司購買支付服務(wù)的人并不是我們在 Instacart 的買家，后者通常是產(chǎn)品經(jīng)理。企業(yè)中有一個新角色，叫做支付主管。這個支付主管在一個完全不同的組織里，他們在財務(wù)部門，關(guān)心很多不同的事情。他們是支付生態(tài)系統(tǒng)的專家，而我們當(dāng)時的銷售團(tuán)隊中沒有人具備這種專業(yè)知識。所以，如果我們要贏，我們必須完全重新設(shè)想我們的市場行動。這就是我們在 Stripe 所做的。我們花了相當(dāng)多的時間才到達(dá)那里。

人們認(rèn)為 Stripe 非常成功，事實也確實如此，它是一家偉大的公司。但是，進(jìn)入企業(yè)市場需要學(xué)習(xí)很多東西。

每個在那里的人都會告訴你，事實并非如此簡單。這是一條坎坷的道路，我們花了一段時間才弄清楚。

這就是 OpenAI 真正與眾不同的地方。我們?nèi)匀槐仨氄业揭环N方法來服務(wù)所有這些客戶，但我們沒有像在 Stripe 那樣經(jīng)歷漫長的學(xué)習(xí)期。所以，最終，我與團(tuán)隊分享的答案是，我們可以取勝的地方在于我們與競爭對手的不同之處。我們每天醒來，所想的都是人工智能。

與亞馬遜競爭是相當(dāng)可怕的。當(dāng)你從競爭的角度看誰會讓你害怕，是亞馬遜還是谷歌？

如果你仔細(xì)想想，亞馬遜和谷歌可能擁有世界上最大的銷售團(tuán)隊，或者接近最大的銷售團(tuán)隊，以及龐大的用戶群。他們可以提供各種交叉補貼和信貸。因此，他們應(yīng)該因為所有這些原因而擊敗我們，而且他們甚至不應(yīng)該接近我們。但他們沒有的是我們那樣的專注力，這又回到了我們關(guān)于顛覆的討論。如果你是 AWS 或 GCP 的銷售代表，你不僅要銷售 AI，而 AI 目前只是整個云支出的一小部分，你還必須銷售所有其他服務(wù)，并且你必須是所有這些服務(wù)的專家。而你獲得報酬的方式可能不會因你將 AI 帶給客戶而給予不成比例的獎勵。因此，我們在市場上看到很多行為，AWS 或 GCP 銷售代表會試圖將 AI 捆綁到更廣泛的更新中。

客戶實際上確實需要深厚的 AI 專業(yè)知識，因為他們面臨著生存挑戰(zhàn)：AI 如何融入我的業(yè)務(wù)？他們不知道答案。他們不想聽到這樣的推銷，比如，這里有 25 件東西，我想向你推銷，但你需要做一點，這是 Microsoft Word 和剪輯。他們想要的只是獲得 AI 方面的幫助。

我們試圖與客戶打交道的真正方式是說，看，我們無法像競爭對手那樣為您提供那么多的時間或人力，但我們能為您提供的是對 AI 的癡迷。所以我告訴團(tuán)隊，讓我們專注于 AI 的最佳部署，而不是最多的部署，我們不會以最多的部署取勝。我們不會以規(guī)模取勝，但我們可能能夠以質(zhì)量取勝。如果你這樣做，你就會在市場上樹立聲譽。

實際上，我覺得這對任何公司來說都完全一樣，如果你以卓越和滿意的客戶而聞名，沒有人會回頭說，我不應(yīng)該在早期的客戶關(guān)系上投入那么多。我應(yīng)該把自己分散到極致。我們?nèi)匀皇且患页鮿?chuàng)公司，我們還處于起步階段。因此，我們能否成功取決于我們能否真正實現(xiàn)出色的人工智能部署。

這又回到了 YC 的建議，比如，做一些無法擴(kuò)展的事情。雖然我認(rèn)為他們真正想說的是，做一些適合你的規(guī)模的事情。你們規(guī)模化運營，你可以支持大客戶，但可能無法支持每天給你和你的團(tuán)隊發(fā)電子郵件的 10,000 名客戶。

當(dāng)我聽到“做一些無法擴(kuò)展的事情”時，我也聽到“實際上要嘗試非常深入地了解客戶問題，即使這意味著要花費比你認(rèn)為應(yīng)該花在客戶身上更多的時間?！币驗橐坏┠阏嬲钊氲乩斫饬诉@一點，你就可以以一種可行的方式進(jìn)行擴(kuò)展。

但是，在你理解客戶問題之前，你將無法擴(kuò)展，因為你會假設(shè)，我認(rèn)為這是我面臨的最大挑戰(zhàn)，有很多公司只是在購買人工智能，因為他們被告知，你必須對人工智能做些什么，去找到一種與 OpenAI 合作的方法。你可能會產(chǎn)生這種虛假的安全感，比如，哦，我們的產(chǎn)品適合市場，你看，美元進(jìn)來了，注冊人數(shù)也進(jìn)來了。但在我看來，現(xiàn)在的北極星不是收入，而是人工智能的成功部署。

這需要做一些無法擴(kuò)展的事情，那就是花時間和客戶打交道，說，好吧，你在我們身上花了很多錢，這有效嗎？這能提供投資回報嗎？如果答案是肯定的，那很好。但很多時候，答案可能是，我們已經(jīng)做了很多實驗，這五個實驗都沒有成功，這兩個實驗，你能幫我們理解為什么嗎？

是的，我認(rèn)為公司內(nèi)部最重要的溝通循環(huán)之一，尤其是在金融科技領(lǐng)域，我很好奇這如何轉(zhuǎn)化為OpenAI，是在工程和客戶聲音之間?？蛻舻穆曇羰紫缺宦牭剑热?，當(dāng)你在Stripe時，你稱自己為前線部署的銷售人員，但實際上，你就像一個產(chǎn)品人員一樣運營。所以我很好奇你如何整合客戶的反饋并將其提供給研究團(tuán)隊，因為你們的產(chǎn)品非常技術(shù)化。

我明白在金融科技公司，產(chǎn)品技術(shù)性較低，這個循環(huán)需要非常緊密。但它實際上是如何在OpenAI中體現(xiàn)出來的，即接受客戶反饋并通知，比如訓(xùn)練核心模型或頂層？

是的，簡短的回答是，我們真的沒有向研究人員提供大量的客戶研究人員和客戶洞察。研究人員正在嘗試制作更智能的模型。他們知道建立一個更智能的模型需要做什么，他們有自己的評估等。但客戶研究對于您提出的第二點非常重要，即模型頂層。那么我們的客戶希望如何與模型交互？例如，他們希望輸出處于某種受限模式嗎？他們希望批量調(diào)用還是獲得同步響應(yīng)？他們有多關(guān)心延遲、吞吐量和成本？因此，這種反饋非常有價值。

現(xiàn)在的困難是核心模型正在以更快的速度改進(jìn)，以至于它們幾乎取代了整個其他層。

是的，但您與模型交互的方式仍然很重要，因為在下面，智能會變得更好。但如果智力很難建立，那么無論智力是處于五年級、七年級還是九年級的水平，我都無法真正使用它。

所以我認(rèn)為，獲得反饋的方法是聘請一支非常好奇的團(tuán)隊。因此，花時間與客戶打交道的團(tuán)隊需要非常高效、技術(shù)嫻熟，因為你做不到，他們只是，PM組織比上市組織要小。所以你必須有人……

我認(rèn)為這是最難招聘的角色。我稱他們?yōu)榻鉀Q方案工程師，因為這不是一個很好的術(shù)語。他們不是產(chǎn)品人員，不是客戶成功人員，也不是銷售人員。解決方案很笨拙，但它有點正確……我認(rèn)為兩者兼而有之。

我認(rèn)為，對于任何上市團(tuán)隊來說，要想真正出色地工作，你需要那些更偏向業(yè)務(wù)方面但又非常技術(shù)嫻熟的人，以了解核心業(yè)務(wù)問題。但你還需要這些解決方案工程師，我們稱他們?yōu)榻鉀Q方案架構(gòu)師，他們技術(shù)性更強，能夠理解技術(shù)挑戰(zhàn)。那么，你們這兩個人，這種業(yè)務(wù)主管和技術(shù)主管，花了大量的時間與客戶打交道，他們可以回到產(chǎn)品團(tuán)隊，說，好吧，這些是我們正在解決和沒有解決的業(yè)務(wù)問題。這些是我們正在解決和沒有解決的技術(shù)問題。如果這個團(tuán)隊在做他們的工作，那么產(chǎn)品團(tuán)隊就可以行動得更快。但我認(rèn)為很多公司失敗的地方在于他們從現(xiàn)場得到的反饋很差勁，他們不知道要為誰或什么而構(gòu)建。現(xiàn)場的人們并不認(rèn)為提供反饋是他們的工作。他們覺得，他們的工作是達(dá)到配額，這是另一回事。我們現(xiàn)在在 OpenAI 沒有配額，我認(rèn)為這非常重要。

你如何激勵銷售團(tuán)隊？

他們只是拿工資，沒有獎金。他們只得到現(xiàn)金和股權(quán)，和 OpenAI 其他人一樣得到報酬。

這就創(chuàng)造了一種完全不同的銷售人員，不管是好是壞，它都會吸引到一種完全不同的銷售人員。

我認(rèn)為在這個階段這實際上更好，因為我們還不確定劇本是什么。當(dāng)市場尚未確定時，重要的是，市場尚未確定，流程也尚未確定。

比如，如果我說，這是你的劇本，我可以給你一個配額，雷克斯。這是你取勝的方法。如果你做這些事情，你可能會得到你的配額。但我現(xiàn)在不知道劇本說了什么，所以我需要愿意幫助制定劇本的人。如果我給他們設(shè)定配額，這些人將無法有效地做到這一點。因為如果我給他們設(shè)定配額，他們會做很多事情來優(yōu)化他們的配額，而不是優(yōu)化幫助我制定劇本。

我可以想象這是真的，盡管我不確定，可能是谷歌和微軟……好吧，你們正在與微軟合作，但谷歌和亞馬遜，他們的銷售人員有配額。

哦，100%。他們有配額。所以他們試圖將人工智能強行塞入現(xiàn)有的配額系統(tǒng)，這對新技術(shù)來說并不適用。你希望你的銷售代表處于發(fā)現(xiàn)學(xué)習(xí)模式，而不是早期的交易模式。五年后，也許這對全球的 GCP 和 AWS 來說會很好，但我認(rèn)為它今天不起作用。

我認(rèn)為你構(gòu)建的東西越創(chuàng)新，配額就越不奏效。因為它的確定性較差。早期階段與后期階段，

我認(rèn)為在早期階段，你根本無法生存。

五年后你會有配額嗎？

也許，可能，但今天不行。

我認(rèn)為這是對的。

在建立市場營銷組織方面還有其他有趣的經(jīng)驗嗎？比如，你需要擴(kuò)大到什么程度？你是否需要為上市組織招聘一大批人？

是的，我們會的，但你只能這么快地招聘。為了讓你了解我們面臨的規(guī)模，我們曾有 75 萬張未答復(fù)的來電單。

OpenAI 現(xiàn)在有多少名員工？

我們今天大約有 1,200 名員工。go-to-market組織包括支持、銷售、解決方案、開發(fā)者關(guān)系等，那是 200。對于我們這樣規(guī)模的公司來說，這個比例實際上比你預(yù)期的要小。因為過去五年多來它主要是一家研究公司，因此我們規(guī)模很小。我們正在努力擴(kuò)展業(yè)務(wù)，目前我們已經(jīng)有200名員工。當(dāng)我一年多前開始創(chuàng)業(yè)時，我們大約有10到15名員工。因此，盡管我們?nèi)栽诟咚僭鲩L，但這遠(yuǎn)遠(yuǎn)不足以滿足我們的需求。

在招聘方面，我認(rèn)為你需要弄清楚的是我的終端速度是多少，并且要非常自律地控制這個速度。因為如果你增長得太快，會破壞很多東西。早期公司的魔力之一就是創(chuàng)造一種像滾雪球一樣發(fā)展的文化。如果你的團(tuán)隊正在做你希望他們做的活動，他們就會訓(xùn)練下一批員工做這些活動。如果你發(fā)展得太快，你就無法了解第二批、第三批和第四批員工的活動。因此，你要以一種你覺得舒服的方式，以能夠自我復(fù)制的速度發(fā)展。

我認(rèn)為，當(dāng)你在一年內(nèi)增長兩倍或三倍以上時，這種情況就會開始改變。

文化非常重要。你必須非常自律地制定激勵機(jī)制，無論是配額、雇傭?qū)ο?，還是其他方面。

接下來，我們應(yīng)該考慮客戶和金融服務(wù)如何使用這些技術(shù)。你對今天正在探索的特定用例感到興奮嗎？

是的，我認(rèn)為我們將看到的最大變化可能是在金融服務(wù)領(lǐng)域，即我之前談到的多模式內(nèi)容。因此，與模型進(jìn)行更多的音頻交互和語音交互。我認(rèn)為我們還將開始看到模型承擔(dān)更復(fù)雜的任務(wù)。在某些情況下，模型可能會一次思考幾個小時。

在我們當(dāng)前與技術(shù)的互動中，有很多事情是我們要求一些東西，然后希望它立即得到回報。我們對技術(shù)沒有太多的耐心。但如果你開始把人工智能看作是工作中的助手或同事，你不會說，"嘿，雷克斯，你能幫我做一點關(guān)于西班牙衍生品市場的研究嗎？你能在1.2秒內(nèi)完成嗎？" 這就像一件荒唐的事。而且，我不需要它在1.2秒內(nèi)完成。隨著這些模型的發(fā)展，我認(rèn)為你會看到更多像模型一樣的長期工作，特別是在金融服務(wù)領(lǐng)域，產(chǎn)出的卓越性非常重要。但在某些流程中，你獲得的時間并不那么重要。

是的，絕對如此。這真的非常有趣。

感謝您向我們介紹各種不同的客戶用例，也感謝您與我們分享您的空間。感謝您的邀請，

非常感謝。