Forwarded from Denis Sexy IT 🤖
GenAI-индустрия взрослеет и у нее намечается первый крупный в эпоху LLM и диффузий откат адаптации:
Выводы совпадают с недавним отчетом MIT, что только 5% компаний нашли выгоду в GenAI инструментах – это при том, что в 40% компаний чат‑боты (вроде ChatGPT/Copilot) уже развернуты:
Я не удивлен – количество LLM-костылей которые нужно знать и сфер которые нужно понимать, чтобы сделать хорошее LLM-приложение в бизнесе – слишком большее; это не «воткнул и работает», с наскоку, кроме чатботов, мало что получается, экспертов мало и они дорогие, хайпа много - так что кол-во АИ-стартапов скоро поубавится
При этом, замедление это не обрушение, должен случиться какой-то приступ адекватности в рынке – понятно же уже всем, что вайбкодер без инженерных навыков не сделает хорошее приложение по мировым стандартам и потеряет все от примитивных хаков, если даже апп выстрелит☕️ ну или отдаст все доходы лавабал/v0 которые невероятно много берут по сравнению с чистым AWS за инфраструктуру
Бюро переписи населения США каждые две недели проводит опрос 1.2 млн компаний, и один из вопросов - использовали ли они за последние две недели инструменты АИ, такие как машинное обучение, обработка естественного языка, виртуальные агенты или распознавание речи, чтобы помочь в производстве товаров или оказании услуг. Недавние данные в разбивке по размеру компаний показывают, что внедрение ИИ снижается среди компаний с численностью более 250 сотрудников
Ключевой вывод: двухнедельные данные Бюро переписи начинают указывать на замедление темпов внедрения АИ в крупных компаниях
Выводы совпадают с недавним отчетом MIT, что только 5% компаний нашли выгоду в GenAI инструментах – это при том, что в 40% компаний чат‑боты (вроде ChatGPT/Copilot) уже развернуты:
По факту, компании охотно пробуют инструменты вроде ChatGPT и Copilot и даже разворачивают их, но это повышает личную скорость, а не даёт заметной прибавки к финансовому результату компании. Сложные АИ-решения «для предприятий» часто застревают на пилоте: они не запоминают контекст, не учатся на правках и плохо встраиваются в ежедневные операции. Заметные изменения сейчас есть в технологиях и в медиа, в остальных отраслях много экспериментов и мало реальных сдвигов. Средним компаниям удаётся перевести удачные пилоты в рабочий режим примерно за три месяца, крупным - за девять месяцев и дольше.
Почти в каждой компании сотрудники уже сами используют личные подписки и действительно разгружают рутину - порой полезнее, чем «официальные» проекты – в отчете они это называют «теневое использование АИ-чатботов»
Я не удивлен – количество LLM-костылей которые нужно знать и сфер которые нужно понимать, чтобы сделать хорошее LLM-приложение в бизнесе – слишком большее; это не «воткнул и работает», с наскоку, кроме чатботов, мало что получается, экспертов мало и они дорогие, хайпа много - так что кол-во АИ-стартапов скоро поубавится
При этом, замедление это не обрушение, должен случиться какой-то приступ адекватности в рынке – понятно же уже всем, что вайбкодер без инженерных навыков не сделает хорошее приложение по мировым стандартам и потеряет все от примитивных хаков, если даже апп выстрелит
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from BRIEF🌐мир
Компания Аркадия Воложа Nebius заключила контракт с Microsoft на 20 миллиардов долларов, сообщает FT.
После объявления о заключении соглашения акции Nebius взлетели на 68% до 108 долларов на постмаркете.
@brieflyru
@rusbri
Nebius, которая базируется в Нидерландах и занимается инфраструктурой искусственного интеллекта, будет предоставлять вычислительные мощности для операций технологического гиганта в области ИИ в течение пяти лет.
После объявления о заключении соглашения акции Nebius взлетели на 68% до 108 долларов на постмаркете.
Аркадий Волож сказал: «Экономические условия сделки привлекательны сами по себе, но, что важно, сделка также поможет нам еще больше ускорить рост нашего бизнеса в области облачных технологий искусственного интеллекта в 2026 году и далее».
@brieflyru
@rusbri
Forwarded from proVenture (проВенчур)
⚙️ 2024 AI Inference Infra Survey: 71% компаний использует open source модели.
Любопытное исследование провели ребята из BentoML. Они опросили 250+ организаций, которые внедряют AI решения, и показали некоторые любопытные данные по тому, как компании адаптируют модели под конечное использование.
1/ В очередной раз говорим о том, что компании используют сразу несколько моделей – в отчете на вопрос есть куча вариантов ответов с процентом множественного выбора от, которые имеют от 30% до 35% ответов респондентов – это все варианты, где речь идет про модели сложнее традиционных ML моделей. 44% используют mult-modal embedded, 50% - LLM.
2/ Еще есть следующая статистика паттернов использования:
▪️43% делают deployment самостоятельно (для сравнения, 59% используют AI API, еще 50% используют API вендоров)
▪️71% используют опенсорсные модели и еще 48% используют fine tuned опенсорс модели, тогда как закрытые используют 47%
▪️Почему так? 66% говорят, что из-за контроля над данными, еще 58% говорят, что так дешевле для отдельных задач, а еще 48% - что performance выше для конкретных задач
▪️А где основные проблемы AI инфраструктуры? 49% говорят, что сложно создавать и поддерживать, 45% отмечают сложности с GPU, 43% отмечают, что есть сложности в безопасности. И так далее.
▪️И, наконец, где крутятся модели? On premises делают 31%, но чаще всего в Microsoft Azure (42%), AWS (31%), а еще близко Google Cloud (30%).
3/ Эта статистика подсвечивает очень любопытные вещи – большинство компаний так или иначе тестируют свои тулы (71% пользуются open source моделями), а для кого-то критически важно делать on prem решения (31%). Однако сложно такие вещи делать самостоятельно (49%) и еще не достать GPU (45%), поэтому выбор пока в пользу корпоративных вендоров (и OpenAI, по слухам, должен прожечь $17BM на compute и все это дело в 2026).
4/ Внимание, вопрос! Когда рынок устаканится, останутся ли компании у внешних вендоров по причине удобства или перейдут на свои тулы из-за проблем с безопасностью и желания on prem решений? Наверняка будет сплит задач – во многих отраслях данные на сторону просто не отдать, регуляторика не позволяет, поэтому эти данные будут пока лежать, пока свои модели не получится делать еще эффективнее и легче. А менее сенситивные данные могут вполне остаться с внешними вендорами.
👉 Читайте отчет более подробно по ссылке: https://www.bentoml.com/blog/2024-ai-infra-survey-highlights
@proVenture
#ai #research #saas
Любопытное исследование провели ребята из BentoML. Они опросили 250+ организаций, которые внедряют AI решения, и показали некоторые любопытные данные по тому, как компании адаптируют модели под конечное использование.
1/ В очередной раз говорим о том, что компании используют сразу несколько моделей – в отчете на вопрос есть куча вариантов ответов с процентом множественного выбора от, которые имеют от 30% до 35% ответов респондентов – это все варианты, где речь идет про модели сложнее традиционных ML моделей. 44% используют mult-modal embedded, 50% - LLM.
2/ Еще есть следующая статистика паттернов использования:
▪️43% делают deployment самостоятельно (для сравнения, 59% используют AI API, еще 50% используют API вендоров)
▪️71% используют опенсорсные модели и еще 48% используют fine tuned опенсорс модели, тогда как закрытые используют 47%
▪️Почему так? 66% говорят, что из-за контроля над данными, еще 58% говорят, что так дешевле для отдельных задач, а еще 48% - что performance выше для конкретных задач
▪️А где основные проблемы AI инфраструктуры? 49% говорят, что сложно создавать и поддерживать, 45% отмечают сложности с GPU, 43% отмечают, что есть сложности в безопасности. И так далее.
▪️И, наконец, где крутятся модели? On premises делают 31%, но чаще всего в Microsoft Azure (42%), AWS (31%), а еще близко Google Cloud (30%).
3/ Эта статистика подсвечивает очень любопытные вещи – большинство компаний так или иначе тестируют свои тулы (71% пользуются open source моделями), а для кого-то критически важно делать on prem решения (31%). Однако сложно такие вещи делать самостоятельно (49%) и еще не достать GPU (45%), поэтому выбор пока в пользу корпоративных вендоров (и OpenAI, по слухам, должен прожечь $17BM на compute и все это дело в 2026).
4/ Внимание, вопрос! Когда рынок устаканится, останутся ли компании у внешних вендоров по причине удобства или перейдут на свои тулы из-за проблем с безопасностью и желания on prem решений? Наверняка будет сплит задач – во многих отраслях данные на сторону просто не отдать, регуляторика не позволяет, поэтому эти данные будут пока лежать, пока свои модели не получится делать еще эффективнее и легче. А менее сенситивные данные могут вполне остаться с внешними вендорами.
👉 Читайте отчет более подробно по ссылке: https://www.bentoml.com/blog/2024-ai-infra-survey-highlights
@proVenture
#ai #research #saas
Forwarded from Усиленный интеллект
За месяц мы закрыли все вакансии внутри компании, кроме одной! Мы все еще ищем того самого - лучшего - разработчика :)
Описание
⁃ Frontend разработчик
Пишите на [email protected] с резюме и сопроводительным письмом
Также буду благодарен и оплачу рекомендации!
Описание
⁃ Frontend разработчик
Пишите на [email protected] с резюме и сопроводительным письмом
Также буду благодарен и оплачу рекомендации!
equatorial-market-6b4 on Notion
Senior Frontend Developer | Notion
Привет! Мы стартап Phygital+
Forwarded from Трендоскоп
AI x E-commerce
Visa на днях запустила инструменты для прямой интеграции ИИ-агентов с платёжной инфраструктурой. Теперь агенты смогут создавать и обрабатывать платежи с помощью промтов. У Mastercard есть похожее решение Agent Pay — агенты автоматически получают карты для покупок от имени пользователей.
Это часть масштабной гонки за рынок «агентной коммерции»:
- Shopify выпустили инструменты, которые превращают ИИ-агентов в полноценных продавцов: Checkout Kit для покупок в чатах, Universal Cart для сбора товаров из разных магазинов, и Shopify Catalog с миллионами товаров для мгновенного поиска.
- Amazon внедряет ИИ-помощников для подбора товаров, изучения отзывов и поиска продуктов по фото.
- Google спешно адаптируется и развивает AI Mode с развёрнутыми ответами и карточками товаров вместо ссылок.
Венчурный фонд a16z в свежем отчете выделяет, что ИИ уже меняет e-commerce. Быстрые импульсные траты зачастую происходят под влиянием массовых «псевдо-UGC» роликов в TikTok/Reels. А в сложных покупках (недвижимость, техника) ИИ выступает как независимый консультант.
Далее a16z предсказывают бум ИИ в средних сегментах и повседневных товарах. Агенты могут исследовать сотни магазинов по вашему запросу и автоматически заказывать по лучшей цене.
Сейчас мы наблюдаем смену парадигмы в e-commerce: «искать и выбирать самостоятельно» → «описать потребность и получить». Это открывает для стартеров много возможностей отщипнуть от триллионного рынка онлайн-торговли.
@trendoscope
Visa на днях запустила инструменты для прямой интеграции ИИ-агентов с платёжной инфраструктурой. Теперь агенты смогут создавать и обрабатывать платежи с помощью промтов. У Mastercard есть похожее решение Agent Pay — агенты автоматически получают карты для покупок от имени пользователей.
Это часть масштабной гонки за рынок «агентной коммерции»:
- Shopify выпустили инструменты, которые превращают ИИ-агентов в полноценных продавцов: Checkout Kit для покупок в чатах, Universal Cart для сбора товаров из разных магазинов, и Shopify Catalog с миллионами товаров для мгновенного поиска.
- Amazon внедряет ИИ-помощников для подбора товаров, изучения отзывов и поиска продуктов по фото.
- Google спешно адаптируется и развивает AI Mode с развёрнутыми ответами и карточками товаров вместо ссылок.
Венчурный фонд a16z в свежем отчете выделяет, что ИИ уже меняет e-commerce. Быстрые импульсные траты зачастую происходят под влиянием массовых «псевдо-UGC» роликов в TikTok/Reels. А в сложных покупках (недвижимость, техника) ИИ выступает как независимый консультант.
Далее a16z предсказывают бум ИИ в средних сегментах и повседневных товарах. Агенты могут исследовать сотни магазинов по вашему запросу и автоматически заказывать по лучшей цене.
Сейчас мы наблюдаем смену парадигмы в e-commerce: «искать и выбирать самостоятельно» → «описать потребность и получить». Это открывает для стартеров много возможностей отщипнуть от триллионного рынка онлайн-торговли.
@trendoscope
Forwarded from Data Secrets
Альтман заявил инвесторам, что к 2029 расходы компании вырастут до 115 миллиардов долларов
Это на 80 миллиардов больше, чем он обещал ранее. Внезапно оказалось, что стоимость разработки более совершенных моделей выше, чем ожидалось, и OpenAI нужно ГОРАЗДО больше денег на вычисления.
В этом году, кстати, расходы тоже больше прогнозируемых. Примерно на 1.5 миллиарда (аналитики – молодцы!).
Выучиваем новую лексику для созвонов. Не «убыточный», а «капиталоемкий»👆
Это на 80 миллиардов больше, чем он обещал ранее. Внезапно оказалось, что стоимость разработки более совершенных моделей выше, чем ожидалось, и OpenAI нужно ГОРАЗДО больше денег на вычисления.
В этом году, кстати, расходы тоже больше прогнозируемых. Примерно на 1.5 миллиарда (аналитики – молодцы!).
Сэм Альтман: «OAI, возможно, самый капиталоёмкий некоммерческий стартап в истории»
Выучиваем новую лексику для созвонов. Не «убыточный», а «капиталоемкий»
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Forbes Russia
ИИ-стартап Perplexity привлек от инвесторов еще $200 млн, его оценка выросла до $20 млрд, пишет The Information со ссылкой на источник. Кто инвестировал в стартап, издание не сообщает. Perplexity может потратить эти деньги в том числе на покупку других компаний. По подсчетам PitchBook, за время своего существования Perplexity привлек от инвесторов более $1,5 млрд
🔥1
Forwarded from Machinelearning
400 страниц про всё, что нужно знать об агентных системах. Автор — senior engineer в Google, выложил драфт для открытого ревью.
📖 В книге:
- продвинутые техники промптинга
- паттерны для мульти-агентов
- использование инструментов и MCP
- практические примеры с кодом
⚡ По сути, это полный справочник по построению умных агентов. Must-read для разработчиков AI.
@ai_machinelearning_big_data
#AI #Agents #Google #OpenSource #freebook
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Банкста
Миллиардер Илон Маск считает, что информатор компании OpenAI (ChatGPT) был убит.
26-летний инженер-программист Сучир Баладжи обратился в New York Times, сообщив, что OpenAI незаконно собирает данные для обучения собственных ИИ-моделей. Он был готов выступить в качестве свидетеля в судебном процессе, но внезапно застрелился. https://www.tg-me.com/banksta/78047
26-летний инженер-программист Сучир Баладжи обратился в New York Times, сообщив, что OpenAI незаконно собирает данные для обучения собственных ИИ-моделей. Он был готов выступить в качестве свидетеля в судебном процессе, но внезапно застрелился. https://www.tg-me.com/banksta/78047
Forwarded from Forbes Russia
OpenAI и Microsoft подписали необязательный меморандум о взаимопонимании для следующего этапа их партнерства. Как отмечает Reuters, это соглашение позволит разработчику ChatGPT продвинуться вперед в своих планах по превращению в коммерческую структуру. Компании заявили, что работают над согласованием условий окончательного соглашения
Forwarded from SEXY DESIGN¹⁸⁺
This media is not supported in your browser
VIEW IN TELEGRAM
Сайт дня — https://same.energy/.
Его постили уже год назад в дизайнерских канальчиках, но я только вчера об него споткнулся. Короче, кто тоже пропустил — это такой правильный пинтерест, который работает на нейронке CLIP и выдает похожие по настроению картинки (а не только по схожести объектов). Интерфейса как такого вообще нет, что еще больше подчеркивает медитативность ресерча. Главный плюс еще в том, что можно искать как по тегам, так и по картинкам одновременно, что безусловно ускоряет процесс.
Отличная штука для работы и собственного развлечения. Кликаешь, смотришь че прет, кликаешь дальше и так до бесконечности. Зависнуть можно надолго...
Его постили уже год назад в дизайнерских канальчиках, но я только вчера об него споткнулся. Короче, кто тоже пропустил — это такой правильный пинтерест, который работает на нейронке CLIP и выдает похожие по настроению картинки (а не только по схожести объектов). Интерфейса как такого вообще нет, что еще больше подчеркивает медитативность ресерча. Главный плюс еще в том, что можно искать как по тегам, так и по картинкам одновременно, что безусловно ускоряет процесс.
Отличная штука для работы и собственного развлечения. Кликаешь, смотришь че прет, кликаешь дальше и так до бесконечности. Зависнуть можно надолго...
Forwarded from nonamevc
Прайсинг в B2B SaaS
Примерно три года назад мне надо было погрузиться в мир теории ценообразования для B2B SaaS-продуктов. В тот период мне рекомендовали две книги: "Confession of the Pricing Man" и "Monetizing Innovation". Кинги оказались добротными: они легко читаются и служат отличным справочником, к которому я могу обратиться во время своих исследований в области ценообразования.
Со временем стал больше читать различные рассылкам и инфлюенсеров в LinkedIn, и однажды понял, что большинство специалистов, от которых я черпал знания, объединяет одно место работы – консалтинговая фирма Simon-Kucher and Partners. У этой фирмы и не было офисов в постсоветском пространстве, и вероятно поэтому они менее известна в русскоговоряшей среде, чем "большая тройка" или конторы, вроде Oilver Wayman или Roland Berger. Simon-Kucher известна своей ориентацией на ценообразование и до сих пор остается весьма компактной в размерах – менее 2000 человек работает на проектах. (Кстати, если кто-то из читателей там работает, инетерсно было бы познакомиться)
В прошлом году, я познакомился с основателем компании Corrily, они делают pricing intelligence продукт для SaaS, но преимуещственно B2C, типо Linktree. Оказалось, что он тоже 8 лет отдал Simon-Kucher and Partners и дошел там до партнера, который преимущественно сорсил B2B проекты для фирмы.
В общем, решил записать с ним интервью-гайд про ценообразования для B2B SaaS post-PMF стадий. Разобрали такие темы как проводить Willingness-to-Pay интервью, кто отвечает за прайсинг на разных этапах вашего SaaS, как избежать ценовой каннибализации в PLG и как прайсить SaaS на развивающихся рынках;
Отличное чтиво для первой пятницы в этом году!
Примерно три года назад мне надо было погрузиться в мир теории ценообразования для B2B SaaS-продуктов. В тот период мне рекомендовали две книги: "Confession of the Pricing Man" и "Monetizing Innovation". Кинги оказались добротными: они легко читаются и служат отличным справочником, к которому я могу обратиться во время своих исследований в области ценообразования.
Со временем стал больше читать различные рассылкам и инфлюенсеров в LinkedIn, и однажды понял, что большинство специалистов, от которых я черпал знания, объединяет одно место работы – консалтинговая фирма Simon-Kucher and Partners. У этой фирмы и не было офисов в постсоветском пространстве, и вероятно поэтому они менее известна в русскоговоряшей среде, чем "большая тройка" или конторы, вроде Oilver Wayman или Roland Berger. Simon-Kucher известна своей ориентацией на ценообразование и до сих пор остается весьма компактной в размерах – менее 2000 человек работает на проектах. (Кстати, если кто-то из читателей там работает, инетерсно было бы познакомиться)
В прошлом году, я познакомился с основателем компании Corrily, они делают pricing intelligence продукт для SaaS, но преимуещственно B2C, типо Linktree. Оказалось, что он тоже 8 лет отдал Simon-Kucher and Partners и дошел там до партнера, который преимущественно сорсил B2B проекты для фирмы.
В общем, решил записать с ним интервью-гайд про ценообразования для B2B SaaS post-PMF стадий. Разобрали такие темы как проводить Willingness-to-Pay интервью, кто отвечает за прайсинг на разных этапах вашего SaaS, как избежать ценовой каннибализации в PLG и как прайсить SaaS на развивающихся рынках;
Отличное чтиво для первой пятницы в этом году!
Substack
Everything you wanted to ask about the pricing in B2B SaaS | Alex David (Corrily, Segment, Simon-Kucher)
The ultimate guide on how to think about pricing strategy for your B2B SaaS from the first principles.
Forwarded from Siliconnector by Zamir Shukho
CB-Insights_Enterprise-AI-Roadmap.pdf
3.5 MB
Summary of the CB Insights Enterprise AI Roadmap
The "Enterprise AI Roadmap" by CB Insights examines the evolving landscape of AI development platforms, focusing on generative AI (genAI) and its impact on enterprise AI strategies.
Key Takeaways:
📍Platform Diversification:
📍Generative AI Influence:
📍Enterprise Adoption:
📍Market Trends:
📍Future Outlook:
📍Customer Case Studies:
Important Numbers:
Databricks Acquisition: Acquired Tabular for over $1 billion to enhance data compatibility and reduce data silos.
Annual Spend on AI Platforms: Ranges from $50K to $6M depending on the enterprise and use case.
Main Takeaway:
The "Enterprise AI Roadmap" by CB Insights examines the evolving landscape of AI development platforms, focusing on generative AI (genAI) and its impact on enterprise AI strategies.
Key Takeaways:
📍Platform Diversification:
The market includes legacy ML platforms (H2O.ai, DataRobot), big tech products (Google Cloud Vertex AI, Amazon SageMaker), and new AI developer tools (Predibase, Lightning AI).
📍Generative AI Influence:
Generative AI is reshaping the market, with platforms adapting to support new applications and integrating advanced models like OpenAI’s GPT-4.
📍Enterprise Adoption:
Enterprises use AI platforms for end-to-end AI lifecycle management, including data preparation, model training, deployment, and monitoring.
Key ROI metrics include productivity gains and cost savings, with enterprises seeking to justify their AI investments through these tangible benefits.
📍Market Trends:
Legacy ML companies are losing momentum as genAI gains traction.
Companies like Scale, Hugging Face, and Databricks are advancing due to their alignment with genAI trends.
Big tech firms are expanding their AI offerings to capture more enterprise clients.
📍Future Outlook:
Increased focus on harnessing proprietary data for customized AI applications.
Expected market consolidation as the genAI space matures, with larger firms acquiring specialized startups.
📍Customer Case Studies:
Examples include predictive maintenance in oil and gas, customer support automation, and financial forecasting.
Customers highlight the importance of data management, model customization, and integration with existing systems.
Important Numbers:
Databricks Acquisition: Acquired Tabular for over $1 billion to enhance data compatibility and reduce data silos.
Annual Spend on AI Platforms: Ranges from $50K to $6M depending on the enterprise and use case.
Main Takeaway:
The AI development platform landscape is rapidly evolving, driven by the rise of generative AI. Enterprises are increasingly adopting these platforms to manage AI projects efficiently, focusing on ROI through productivity and cost savings. The market is expected to consolidate, with big tech firms and specialized startups playing significant roles in shaping the future of enterprise AI .
Forwarded from proVenture (проВенчур)
This media is not supported in your browser
VIEW IN TELEGRAM
Залипательная штука от юридической фирмы Ropes&Gray. Они ведут интерактивную карту-трекер по судебным разбирательствам и решениям, которые связаны с AI и, в частности, с Generative AI.
👉 Ссылка на интерактивную карту (и гифка из нее для красоты): https://www.ropesgray.com/en/sites/artificial-intelligence-court-order-tracker
1/ Общая информация:
▪️Всего 212 кейсов. Практически во всех штатах – только в 14 штатах нету кейсов.
▪️Большинство кейсов уже по теме GenAI, и только в 8 штатах больше кейсов просто про AI.
▪️Только в 4 штатах есть кейсы, где запрещают использование AI.
2/ Если нажать на штат, то можно провалиться внутрь в описание, какие кейсы есть. Иногда видно, кто истец, а кто ответчик. Забавно, можно посмотреть, где участвует Apple в Калифорнии.
Цитата из кейса 1:
In Gjovik v. Apple Inc., 2025 U.S. Dist. LEXIS 95303, the defendant requested that the court impose sanctions on the pro se plaintiff under Rule 11 of the Federal Rules of Civil Procedure for using GenAI when drafting various filings during the course of the litigation.
Цитата из кейса 2:
In Coronavirus Rep. Corp. v. Apple Inc., 2025 U.S. Dist. LEXIS 146572 (N.D. Cal. July 30, 2025), the plaintiffs used ChatGPT to draft an exhibit calling for Tim Cook’s resignation submitted in connection with three different motions and filed a separate motion with AI-generated citations. Plaintiffs’ counsel admitted that “no human ever authored the Petition for Tim Cook’s resignation,” and that he submitted a specific prompt to ChatGPT asking whether “Judge Gonzales Rogers’ rebuke of Tim Cook’s Epic conduct create[d] a legally grounded impetus for his termination as CEO, and if so, write a petition explaining such basis, providing contextual background on critics’ views of Apple’s demise since Steve Jobs’ death.
Получается, что в обоих случаях Apple жалуется на то, что
3/ Отдельно хочется сказать, что явно не хватает завершенных дел – то есть, видны активные, но не понятно, как завершались прошлые. Если найдете какой-то трекер на тему исторической статистики, поделитесь в комментариях или в ЛС @proventure_admin.
@proVenture
#ai #trends
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from The Edinorog 🦄
Для чего чаще всего используют ChatGPT — статистика от OpenAI
Самая популярная категория — спросить совета про что-то или поучиться чему-нибудь. На втором месте — работа с текстами (написать или переписать). На третьем — поиск информации.
Еще интересно, что в начале 2023-го доля женщин среди пользователей была всего 17,6%. А этим летом женщины обогнали мужчин и теперь у них доля 52,4%. Но это анализ по именам пользователей. Так что реальная статистика может чуть отличаться.
А всего у ChatGPT сейчас около 770 млн пользователей, выросли вдвое с начала года. Думаю, что еще несколько месяцев и будут отмечать 1 млрд.
Все это из огромной 64-страничной научной работы от сотрудников OpenAI. Почитать весь текст можно по ссылке.
P.S. Спасибо ребятам из VC.ru за наводку.
@TheEdinorogBlog — тот самый канал про стартапы 🦄
Самая популярная категория — спросить совета про что-то или поучиться чему-нибудь. На втором месте — работа с текстами (написать или переписать). На третьем — поиск информации.
Еще интересно, что в начале 2023-го доля женщин среди пользователей была всего 17,6%. А этим летом женщины обогнали мужчин и теперь у них доля 52,4%. Но это анализ по именам пользователей. Так что реальная статистика может чуть отличаться.
А всего у ChatGPT сейчас около 770 млн пользователей, выросли вдвое с начала года. Думаю, что еще несколько месяцев и будут отмечать 1 млрд.
Все это из огромной 64-страничной научной работы от сотрудников OpenAI. Почитать весь текст можно по ссылке.
P.S. Спасибо ребятам из VC.ru за наводку.
@TheEdinorogBlog — тот самый канал про стартапы 🦄
Forwarded from MarketTwits