随着AI技术的发展速度远超企业缓慢的采购周期,许多公司都在努力采用合适的AI工具。
企业信用卡公司Brex也面临同样的挑战。这家初创公司发现自己与其他企业同行面临相同的问题。结果是:Brex彻底改变了其软件采购方式,以确保不会落后于时代。
Brex首席技术官James Reggio在3月份的HumanX AI会议上告诉TechCrunch,公司最初试图通过常规采购策略评估这些软件工具。但这家初创公司很快发现,其长达数月的试点流程根本行不通。
"在ChatGPT发布后的第一年,当所有这些新工具涌现时,采购流程本身耗时如此之长,以至于请求采购工具的团队在我们完成所有必要的内部控制流程时,已经对该工具失去了兴趣,"Reggio说。
正是在那时,Brex意识到必须彻底重新思考其采购流程。
Reggio表示,公司首先为引入AI工具制定了新的数据处理协议框架和法律验证程序。这使Brex能够更快地审核潜在的AI工具,并更迅速地将它们交到测试人员手中。
Reggio说,公司使用"超人级产品市场匹配测试"来确定哪些工具值得在试点项目之外继续投资。这种方法让员工在决定公司应该采用哪些工具方面发挥更大作用,基于他们发现价值的地方。
"我们与从工具中获得最大价值的人员深入合作,以确定该工具是否真正独特到值得保留,"Reggio说。"我们基本上已经进入这个新时代大约两年了,公司内部有1000种AI工具。我们确实已经取消并未续约可能5到10个不同的大型部署。"
Brex为其工程师提供每月50美元的预算,让他们从批准清单中选择想要的软件工具。
"通过将支出权限委托给将要使用这些工具的个人,他们能够为优化工作流程做出最佳决策,"Reggio说。"这实际上非常有趣,我们没有看到趋同现象。我认为这也验证了让人们轻松尝试各种不同工具的决定是正确的,因为我们没有看到每个人都冲进来说'我想要Cursor'。"
这种方法还帮助公司根据更准确的工程师使用情况统计,确定在哪些软件上需要更广泛的许可协议。
总的来说,Reggio表示,在他看来,企业应对当前AI创新周期的最佳方式是"拥抱混乱",并认识到确定采用哪些工具将是一个颠簸的过程,这是可以接受的。
"知道你不会总是在一开始就做出正确的决定,这对确保你不会落后至关重要,"Reggio说。"我认为我们可能犯的一个错误是过度思考,花费六到九个月时间在部署前非常仔细地评估一切。而你不知道九个月后世界会是什么样子。"
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。