Les fondateurs nous demandent souvent : qu'est-ce qu'il faut vraiment pour construire une entreprise d'IA durable ? Dans l'IA d'entreprise, nous voyons deux modèles émerger encore et encore : Puits de pétrole (systèmes d'enregistrement) & Pipelines (couches d'automatisation). 1️⃣ Les puits de pétrole deviennent la source de vérité pour les données et les flux de travail associés. Nous voyons deux points d'entrée : Rip + Replace : Lorsque les systèmes hérités sont alourdis par la dette technique, les acheteurs sont motivés à prendre le risque de remplacer par de nouveaux systèmes natifs d'IA. @hxtweets @amrit_hx ont reconstruit la tarification et la souscription d'assurance depuis l'ingestion jusqu'à la soumission ; Valon @wangandrewd a fusionné plus de 25 systèmes de gestion hypothécaire en un seul ; @usevesta @michael_yu a redessiné l'origine des prêts afin que les tâches puissent s'exécuter en parallèle. Greenfield : Lorsque aucun système n'existe, les startups capturent les clients tôt et grandissent avec eux. @Rillet_HQ a commencé comme le premier ERP pour les équipes financières des PME, automatisant les flux de travail manuels, et s'est depuis étendu pour remplacer des acteurs établis comme NetSuite. Les puits de pétrole prennent plus de temps à forer, mais une fois établis, ils créent des fossés profonds et durables. Posséder le système d'enregistrement débloque des flux de travail que personne d'autre ne peut construire et crée des coûts de changement. 2️⃣ Pipelines (couches d'automatisation/orchestration) -- Ceux-ci se situent au-dessus des systèmes existants et automatisent le "travail de liaison" que les humains effectuent entre eux. Nous avons observé deux principaux modèles : Systèmes fragmentés : Lorsque de nombreux systèmes enracinés coexistent, les pipelines unifient les flux de travail sans nécessiter de remplacement. @furtheraicom fournit des flux de travail agentiques pour l'assurance, automatisant des processus lourds (soumissions, pertes, conformité) à travers plusieurs systèmes. Middleware humain : Lorsque les humains sont le pont entre les systèmes, les pipelines numérisent ce travail. @Concourse_ai construit des agents d'IA pour les équipes financières, se connectant à plusieurs systèmes financiers afin que les équipes puissent interroger et analyser sans effort manuel. @SolaAI_ permet aux clients d'enregistrer un flux de travail une fois et de le transformer en un agent d'IA en direct pour des tâches comme la réconciliation des factures. Les clients n'ont pas à choisir. Les entreprises achèteront souvent les deux : un nouveau système d'enregistrement dans un domaine, des automatisations légères dans un autre. Mais pour les fondateurs, les stratégies sont distinctes mais toutes deux peuvent être massives. Ce qui compte, c'est de ne pas essayer de faire les deux en même temps, mais de savoir à quel jeu vous jouez pour gagner. Nouveau post de ma part et de @joeschmidtiv 👇

Oui, c'est moi sur l'affiche. Non, ce n'est pas un vrai film. Et oui, c'est absolument un autre post sur les systèmes de record. Mais nous revenons à ce thème pour une raison. En ce qui concerne l'IA d'entreprise, la plupart des entreprises durables se retrouvent dans l'une de ces deux catégories : les puits de pétrole (systèmes de record) ou les pipelines (couches d'automatisation/orchestration). Les puits de pétrole plongent profondément dans un seul flux de travail jusqu'à devenir le système de record. Ils prennent plus de temps à établir, mais une fois que vous possédez le modèle de données et le flux de travail, vous débloquez de nouvelles capacités et construisez une défense structurelle qui se renforce avec le temps. Les pipelines se situent au-dessus des systèmes existants et automatisent le "travail de liaison" que les humains effectuent actuellement entre eux. Ils sont adoptés rapidement, chaque flux de travail ajouté rend la plateforme plus collante, mais ils ne possèdent pas la vérité fondamentale. Les deux stratégies peuvent construire des entreprises massives. Mais elles nécessitent des choix très différents en matière de conception de produit, de mouvement GTM et de défense. La plus grande erreur n'est pas de choisir l'une plutôt que l'autre, mais de ne pas être clair sur le jeu auquel vous jouez réellement. Si des données critiques sont éparpillées à travers des systèmes ou piégées dans des processus manuels, l'opportunité ressemble à un puits de pétrole – un nouveau système de record. Si le paysage est fragmenté, rempli d'incumbents bien établis, et dépendant des humains pour déplacer le travail entre les systèmes, l'opportunité ressemble à un pipeline – une couche d'automatisation au-dessus. Les entreprises qui perdurent sont celles qui lisent correctement leur marché et construisent tout autour de cela.

« Je pense que la bonne façon de penser aux laboratoires de fondation, c'est qu'ils ressemblent à des studios de cinéma. » Chaque modèle est un blockbuster : gros budget, courte durée de vie, puis la suite. Et le nom de la franchise perdure. avec @benscharfstein, Scale AI