Sifted-diskussion: Hur skalbara företag implementerar AI i produktion
Skalbara företag står inför utmaningar vid storskalig AI-implementering, inklusive ökade kostnader och förtroendefrågor. Branschexperter diskuterade lösningar.
Användningen av generativ AI går nu bortom den inledande experimentfasen till bredare implementering, men många startups stöter på hinder. De största utmaningarna är operativa: ökande kostnader, bristande styrning och förtroendeproblem när man går från individuell AI-användning till hantering av autonoma.
Dessa frågor diskuterades vid ett nyligen anordnat Sifted Talksevenemang, där experter belyste hur företag kan bryta sig ur pilotfasen och bygga motståndskraftiga, AI-drivna verksamheter. Omar Davison, solutions engineer på Box, betonade vikten av att identifiera var AI skapar mest värde – vare sig det gäller individuell produktivitet, avdelningseffektivitet eller organisationsövergripande optimering. För mindre AI-mogna företag ligger de snabbaste vinsterna ofta i att förbättra individers tidseffektivitet.
Enligt Thibault Martin, ecosystems lead på Dust, är det sällan teknologin som bromsar AI-implementeringen, utan snarare bristen på tydliga ramverk kring säkerhet och budgetallokering. Han jämförde AI-agenter med nya resurser där företag måste definiera tydliga mål och ansvarsområden för affärsledare. Lucien Bredin från Naboo beskrev hur deras AI-tvilling hanterar 80% av en händelseorganisation dagligen, medan människliga medarbetare sköter resten för att bibehålla förtroendet.
Tillväxtinvesteraren Jannat Rajan lyfte fram hur integrationen av AI i kärnprocesser kan minska företagens marginaler markant, från 80-90% till 50-60%. För att hantera detta implementerar företag specifika finansiella operationer och omprissätter sina mjukvarulösningar. Hon rekommenderade en portfölj av AI-motorer istället för att låsa sig till en enda leverantör, liknande den tidiga "multi-cloud"-vågen, för att optimera kostnader och undvika leverantörslåsning.