, nu in het negende jaar, is een jaarlijkse conferentie gericht op het faciliteren van verbinding, leren, inspiratie en samenwerking binnen de startup-gemeenschap. Volgens het Venture Capital Initiative van Stanford University produceerde Massachusetts tussen 2021 en 2024 de derde meeste eenhoorn-startups (52), alleen na Californië (358) en New York (137). En met meer dan 100 sessies en 300 sprekers waren zowel de opkomst als het aanbod aan onderwerpen indrukwekkend voor een regionaal evenement.

Maar terwijl de menigte zich elke dag verzamelde op de locatie van de Suffolk University, was één ding duidelijk:oprichters, investeerders, technologen en operators werken allemaal verwoed om zo vroeg mogelijk op de AI-trein te kunnen springen. Hoe groot is deze trein? Forrester voorspelt dat de Amerikaanse technologie-uitgaven in 2025 de 2,6 biljoen dollar zullen overstijgen (een robuuste 5,6% van de groei), waarbij een groot deel daarvan zal worden toegeschreven aan AI-gerelateerde kansen en uitdagingen. Drie van de meest verhelderende AI-sessies, en de bijbehorende belangrijke inzichten die bedrijfsleiders van organisaties van elke omvang zouden moeten gebruiken, omvatten de sessies die hieronder worden beschreven.

“De kloof dichten:werven en bijscholen voor AI-succes”

De panelleden waren van mening dat bedrijfsleiders en talentrecruiters de komende jaren met een reeks uitdagingen te maken zullen krijgen:van een tekort aan AI-talent en het weten welke vaardigheden prioriteit moeten krijgen, tot het kiezen tussen aanwerven versus trainen en het opbouwen van een technische cultuur die klaar is voor AI-integratie.

Tommy Barth, senior manager talent operations en analytics bij Apollo.io, concentreerde zich op de mate waarin AI zelfs het wervings- en talentbeoordelingsproces beïnvloedt – zoals het bedrijf nu AI-gerichte interviews doet voor de op technologie gerichte functies. Deze interviews “zijn bedoeld om ervoor te zorgen dat kandidaten niet alleen geïnteresseerd zijn in AI, maar ook een bepaald niveau van AI-vloeiendheid hebben.” Het bedrijf gebruikt de adoptie van AI ook als een prestatiebeoordelingsbenchmark waarin individuen “moeten verwoorden hoe zij AI in hun werk gebruiken om efficiëntieverbeteringen te vinden.”

“Opvallen in de AI-menigte:strategieën voor echte productdifferentiatie”

De samenvatting van deze sessie gaf het het beste weer:“Nu AI-producten de markt overspoelen, is het bouwen van iets technisch indrukwekkends niet genoeg – je moet strategisch opvallen.” Een van de belangrijkste inzichten was de noodzaak van een AI-ontwikkelingsstrategie die zich moet richten op het oplossen van een pijnpunt dat een aanzienlijke negatieve impact creëert (of zou kunnen creëren) op een gemeenschap van consumenten of bedrijven.

Scott Weller, CTO en medeoprichter van AI-startup EnFi, een data-intelligentie- en automatiseringsoplossing voor het beheer van commerciële kredieten, speelde hierop in. Hij beschouwt een ideaal klantprofiel als een echte community met vergelijkbare pijnpunten. Hij verklaarde:"Alleen al het bouwen van een product heeft niet het vermogen om een gemeenschap op te bouwen. Je moet echt pijnpunten aanpakken, en je moet pijnpunten aanpakken met gevolgen... Gemeenschappen zijn gebouwd rond gevolgen."

“Data Gold Rush:beheer van acquisitie en annotatie voor AI-succes”

Panelleden in deze sessie concentreerden zich op het verwerven en gebruiken van gegevens van hoge kwaliteit voor AI-modellen. Belangrijke punten waren het beheersen van de kosten voor data-acquisitie met behoud van de kwantiteit/kwaliteit, het maken van overwegingen voor het annoteren van complexe data (bijvoorbeeld computervisie, natuurlijke taalverwerking) en het toepassen van ethische data-acquisitiepraktijken zonder vooringenomenheid in datasets. Maar de rode draad in de sessie van een uur was deze:bouw eerst uw datastrategie – bestaande uit dataverwerving, opslag, afstamming, genealogie, doel, kwaliteitsborging, bestuur en processen – voordat u zich haast om grote taalmodellen (LLM's) te bouwen en AI te lanceren.

Nirav Shah, CEO van OnPoint Insights, leverancier van analyseoplossingen en adjunct-professor aan de Tufts University, vatte het mooi samen door te zeggen:"Mensen besteden niet veel tijd aan het [bouwen van datastrategieën]. Iedereen wil alleen maar data verwerven en LLM-modellen bouwen, wat geweldig is voor alleen een POC of MVP. Maar een datastrategie is erg belangrijk."

Neem contact op met Forrester voor meer informatie

Wilt u meer weten? Klanten van Forrester kunnen tijd met mij inplannen om te leren hoe deze drie klompjes wijsheid kunnen worden toegepast op uw bedrijfsstrategie.