自驅動之路
自動駕駛汽車系統可以分爲5個等級，從零（無自動化）到五（完全自動駕駛）。例如，特斯拉的Autopilot要求駕駛員至少有一隻手放在方向盤，這屬於第2級。按照這種分級制度，今天的企業軟件將排在零到一之間——我們姑且稱之爲動力轉向階段。目前大多數B2B軟件都是基於工作流程的，也就是說，這些軟件主要用於組織和推進常規任務。例如，雲計算公司Salesforce主要提供工作流驅動的軟件解決方案。爲了獲得報酬，使用Salesforce的企業銷售代表必須手動輸入他們的活動，讓主管可以監控他們的工作並更有效地管理銷售渠道。
這種類型的商業軟件已經釋放出了巨大的生產力，而今天大多數價值數十億美元的B2B軟件公司提供的都是某種形式的工作流解決方案。我認爲，在接下來的十年中，當AI驅動的業務應用程序達到4/5等級的自治時，現在這些令人印象深刻的結果反而會相形見絀。而隨着技術取代人類，我們對工作的思考方式將從機器協助人類轉向人類輔助機器。
讓我們想象一個由AI驅動的Salesforce。銷售活動將被自動輸入，而且這個系統優先關注具有高度接觸可能性的潛在客戶，甚至通過最合適的渠道（聊天、電子郵件等）聯繫他們。然後，Salesforce.ai會與這些潛在客戶開始互動，只有當機器不確定該做些什麼或者是時候帶潛在客戶共進晚餐時才需要讓人工介入。
如果Salesforce的軟件能夠在沒有人工介入的情況下找到、確定優先級、聯繫潛在客戶，並預測哪些潛在客戶最有可能接近，那麼它對用戶的作用將會增加幾個數量級。因此，Salesforce將業務模式從當前基於訂閱的收費轉爲按一定百分比收費，這樣可能更有利可圖。這將改變遊戲規則，所以很難想象非自驅動公司如何與自驅動的Salesforce或NetSuite或SAP展開競爭。
數據驅動
我們現在都淹沒在數據的大潮中。對我來說，數據這是我那兩隻寵物貓的成千上萬張自拍照，或者用我的智能安全攝像機拍攝的數百小時的無聊錄像。但對企業而言，更重要的是有意義的獨家數據。一家公司是否能夠實現到自主企業的跨越，取決於一個不可或缺的因素：獲取高質量的專有數據。
專有數據集是指能夠滿足以下三個標準之一的數據集：
-
唯一性。人口種羣數據就是一種具有唯一性的數據集，例如異常同質國家的基因組數據集。但真正具有唯一性的數據集越來越少見。
-
規模。LinkedIn擁有世界上最多的簡歷數據集之一。但每個個人資料都如此獨特嗎？不一定，但從整體來看，它們的規模是獨有的。更重要的是，隨着每天新用戶的加入以及個人資料的更新，LinkedIn通過一種有機的方式來更新和增長這項資產。
-
權重。Facebook有用戶個人資料，而且每一個用戶資料都很有趣，但更有趣的是關係的權重——這個社交網絡中人與人之間的聯繫有多重要。強關係具有更大的權重，關係較弱的則權重較小。數據網絡關係的權重非常重要，因爲它有助於更準確地訓練AI算法，從而實現更好的預測。
加快速度
對於Facebook、LinkedIn或Salesforce來說一切都還不錯。但是，未來的機器人霸主僅僅是現有企業霸主的軟件升級嗎？那些不是科技巨頭的公司如何參與競爭？在作爲投資者的日常工作中，我接觸過數百家企業軟件公司，並與其他幾家公司緊密合作，對於AI創業公司，我有三條建議：
- Day One規則。B2B創始人都明白，開發AI業務應用程序的最大障礙之一是如何獲取專有數據集。一些AI初創公司希望在初始階段進行數據收集，或者計劃與願意分享數據的客戶進行試點，但在完成六個月到一年的AI訓練之前，不會收到任何回報。
換句話說，他們專注於積累數據資產，或將自己標榜爲“AI公司”，以至於他們忽視了這樣的一個事實，即要建立一個數據優先的業務，必須先建立業務！與其他創業公司一樣，AI創業公司必須提供能夠引人注目的產品，並在Day One爲第一位客戶帶來顯著的價值增值。
- 金帳汗國。你的每個企業客戶都會爲你提供數據。隨着這些數據的加入，你的專有數據集應該會越變越大，因爲它們有助於進一步訓練你的AI模型。
以Mya Systems爲例，它是一家由AI驅動的招聘公司，我是它的投資人之一。Mya的初始客戶是一家工業製造領域的企業，主要講英語。爲了這個客戶，Mya的AI必須被教授基本的製造業行話。後來的客戶講法語，所以Mya的AI必須學會法語。但它不需要重新學習製造業行話。而現在，Mya的雙語會話AI可以用英語和法語與所有現有和未來的客戶溝通——至少是在工業製造方面。
網絡效應的好處是可以通過一個客戶的信息和經驗爲所有客戶提供更好的解決方案。
- 良性循環。理想情況下，B2B AI初創公司還會構建可以讓客戶爲他們工作的解決方案。也就是說，通過良好的產品設計，讓客戶做出持續的反饋，以進一步提升你的AI算法。
例如，另一家人工智能招聘創業公司Teamable使用機器學習和社交網絡來驅動工作推薦。它已經在與Lyft和Spotify等公司合作。Teamable向這些公司的員工X展示了一份工作，並問她是否認爲這個角色適合她的朋友。當員工X表示是或否時，她實際上已經是在幫助Teamable構建具有專有權重的數據集，而這些數據集被用於訓練算法。隨着人工智能不斷學習，Teamable的模型將成爲一個更好的預測引擎，可以更好地預測候選人將匹配哪些工作。隨着時間的推移，隨着軟件越來越自主，業務將變得越來越自我調節和自我延續。最終，這家公司將進入自驅動狀態。
但我們還沒有達到那一步，我們目前只處在動力轉向階段。我們仍然需要天才設計師和速度與激情式的駕駛員——即企業家——幫助我們超越終點線。但他們手裏握有地圖，他們有燃料來源和未來企業的關鍵——自驅動的企業。而剩下要做的，就是啓動引擎。
查看英文原文：https://venturebeat.com/2018/12/01/the-dawn-of-self-driving-companies/