تکنولوژی

چهار استارتاپ از دسته پاییزی YC که شرکت‌ها باید به آنها توجه کنند

Y Combinator این هفته روز نمایشگاه را برای اولین دسته پاییزی خود برگزار کرد. ۹۵ استارتاپ در این دسته شامل بسیاری از شرکت‌های هوش مصنوعی بودند و ۸۷٪ آنها بر روی هوش مصنوعی متمرکز بودند. چهار شرکت که توجه را به خود جلب کردند، ابزارهایی برای کمک به شرکت‌ها در نظارت بر برنامه‌های هوش مصنوعی خود ارائه می‌دهند تا سریع مشکلات را حل کنند یا جلوی خطاها را بگیرند. این استارتاپ‌ها شامل HumanLayer، Raycaster، Galini و CTGT هستند که هر یک قابلیت‌های منحصر به فردی برای بهبود بهره‌وری و مدیریت هوش مصنوعی در شرکت‌ها ارائه می‌دهند.

شتاب‌دهنده استارتاپ‌های معروف در سیلیکون ولی Y Combinator این هفته روز نمایشگاه را برای اولین دسته پاییزی خود برگزار کرد .

۹۵ استارتاپ در این دسته اخیر بسیار شبیه به دسته‌های اخیر YC بودند، به این معنا که شامل بسیاری از استارتاپ‌های هوش مصنوعی بود . اگر به درستی محاسبه کرده باشم، ۸۷٪ استارتاپ‌های این دسته شرکت‌های هوش مصنوعی هستند. مشابه دسته‌های تابستان و زمستان YC امسال، توجه قابل توجهی به هوش مصنوعی مرتبط با خدمات مشتری و عوامل هوش مصنوعی وجود داشت.

اما در میان اینها، چهار شرکت توجه من را جلب کردند و همه چیزی مشترک داشتند: آنها در حال ساخت ابزارهایی هستند که به شرکت‌ها کمک می‌کنند تا برنامه‌های هوش مصنوعی خود را نظارت کنند تا سریع مشکلات را حل کنند یا جلو بگیرند، که مانع از پذیرش گسترده‌تر ابزارهای هوش مصنوعی توسط شرکت‌ها می‌شود. و شرکت‌های بزرگ باید به آنها توجه کنند.

HumanLayer

کاری که انجام می‌دهد: API که به عوامل هوش مصنوعی اجازه می‌دهد با انسان‌ها برای کمک و تأیید تماس بگیرند.

چرا مورد پسند است: عوامل هوش مصنوعی می‌توانند تفاوت بزرگی در بهره‌وری ایجاد کنند - اگر مطابق با هدف کار کنند. داشتن انسان‌ها در حلقه بازخورد به جلوگیری از انحراف عوامل هوش مصنوعی کمک می‌کند، اما نظارت بیش از حد توسط انسان می‌تواند فرآیندها را کند کند و از کارایی‌هایی که این عوامل هوش مصنوعی باید به ارمغان بیاورند بکاهند. HumanLayer به نظر می‌رسد یک تعادل درست است؛ نظارت انسانی را زمانی که لازم است وارد می‌کند و زمانی که لازم نیست درخواست نمی‌کند.

Raycaster

کاری که انجام می‌دهد: عامل پژوهش برای فروش تجاری.

چرا مورد پسند است: این اولین نرم‌افزار تولید لید فروش تجاری است که دلیل بر هیجان‌انگیزش دارم (متاسفم). روش Raycaster یافتن جزئیات بسیار خاص درباره یک هدف فروش بالقوه است، مانند اینکه چه تجهیزات آزمایشگاهی استفاده می‌کند یا مدیر فناوری اطلاعات شرکت در یک کنفرانس اخیر درباره چه موضوعی صحبت کرده است، تا آنها را به درستی و در زمان مناسب به کارگیری کند. این در میان موجی از استارتاپ‌های تولید لید که به نظر هنوز بر جمع‌آوری اطلاعات سطحی متمرکز هستند، برجسته است.

Galini

کاری که انجام می‌دهد: محافظت از انطباق برای برنامه‌های هوش مصنوعی.

چرا مورد پسند است: Galini به شرکت‌ها ابزاری ارائه می‌دهد که تنظیم محافظت‌های هوش مصنوعی بر اساس سیاست‌های شرکت و قوانین را برای برنامه‌های هوش مصنوعی خود ساده‌تر می‌کند. علاوه بر این، گذاشتن این کنترل‌ها در دست شرکت‌ها به آنها آزادی بیشتری می‌دهد و به آنها امکان ارزیابی مؤثر بودن این محافظت‌ها را می‌دهد.

CTGT

کاری که انجام می‌دهد: مجموعه ابزار هوش مصنوعی که به مشتریان تجاری کمک می‌کند تا توهمات را مدیریت کنند.

چرا مورد پسند است: توهمات هوش مصنوعی یک مشکل بزرگ بدون رفع آسان هستند. در حالی که CTGT نمی‌تواند از همه توهمات جلوگیری کند، روش آن در نظارت فعال و بازرسی مدل‌های یک شرکت، به آن امکان می‌دهد تا بهتر ناهنجاری‌ها و توهمات بالقوه را شناسایی کند، به همان اندازه جذابیتی نسبت به دیگر گزینه‌های موجود دارد. این واقعیت که شرکت در حال حاضر در حال آزمایش فناوری خود با شرکت‌های Fortune 10 است نیز نشانه خوبی است که مشتریان بالقوه به دنبال ابزاری مانند این هستند.

توسط
Tech Crunch
منبع
Tech Crunch
نمایش بیشتر

اخبار مرتبط

بازگشت به بالا