STRUCTUREцифровые системыОбсудить проект
НОВОСТЬ · AI

Databricks объяснила, почему сильного продукта недостаточно для продажи корпоративного ИИ

Сооснователь Databricks Арсалан Таваколи-Ширази поделился опытом переговоров с крупными заказчиками. Он считает, что технологическому стартапу необходимо заранее выстраивать партнёрства, процедуры и поддержку продукта: самой убедительной демонстрации возможностей недостаточно.

Главное

Выступая на TechCrunch Disrupt, руководитель полевых инженерных подразделений Databricks напомнил о первых корпоративных сделках компании. Иногда покупатель не желал обсуждать альтернативную технологию, поскольку уже поставил свою репутацию на продукт конкурента. В других случаях перспективные переговоры останавливались, когда возникали вопросы договоров, юридических обязательств и защиты данных. В крупных организациях решение о закупке проходит через множество участников, и их требования нельзя заменить технической презентацией.

Важным этапом для Databricks стало партнёрство с Microsoft Azure. До него команда не могла добиться встречи с банком UBS, а после включения в партнёрскую экосистему продавцы Microsoft начали помогать с контактами. Для заказчика сотрудничество стало понятнее благодаря уже знакомым условиям облачного поставщика. Вместе с расширением доступа к корпоративным клиентам появились новые трудности: от молодой компании ожидали функциональности и присутствия в регионах, где она ещё не была готова работать.

Подробности

В области ИИ Таваколи-Ширази предлагает рассматривать контекст, возможность выбора, стоимость и контроль. Система должна учитывать язык и процессы компании, позволять менять модели по мере развития технологий, делать эксплуатационные расходы предсказуемыми и соблюдать установленные правила доступа. Это конкретные вопросы, на которые поставщику придётся ответить ещё до промышленного запуска. Заказчика интересует не только качество отдельного ответа чат-бота, но и управление интеграцией в существующую инфраструктуру.

По наблюдениям спикера, многие организации всё ещё используют искусственный интеллект преимущественно как персональный помощник сотрудников. Это не равно изменению бизнес-процессов и не доказывает окупаемость большого внедрения. Поэтому стартапам полезнее искать процессы, в которых результат можно проверить на практике, а не обещать универсальную автоматизацию. Важно понимать границы этого утверждения: речь идёт об опыте руководителя на рынке, а не о независимой статистике по всем корпорациям.

Что это меняет

Отдельную возможность он видит в модернизации унаследованных ИТ-систем, включая мейнфреймы и IBM AS/400. Агенты могут помогать разбирать код, на который уже трудно найти специалистов, и подготавливать основу для более современных интерфейсов. При этом реальная замена критической системы потребует обычных инженерных проверок и согласования рисков. История Databricks напоминает разработчикам, что рядом с продуктом нужно строить сервис внедрения, сопровождение и прозрачную договорную модель.

Первоисточник

Материал подготовлен STRUCTURE по открытой публикации TechCrunch. Текст и иллюстрации первоисточника не воспроизводятся целиком.

Читать исходную новость целиком ↗