“没有数据就没有人工智能，没有非结构化数据就没有人工智能，没有大规模的非结构化数据就没有人工智能。”DataStax董事长兼首席执行官切特·卡普尔（Chet Kapoor）在TechCrunch Disrupt 2024上表示。
卡普尔与NEA合伙人瓦内萨·拉尔科（Vanessa Larco）、Fivetran首席执行官乔治·弗雷泽（George Fraser）共同探讨了现代AI应用背景下的“新数据管道”。尽管讨论涵盖数据质量及实时数据在生成式AI中的作用等多个维度，但核心共识在于：在AI发展的早期阶段，企业应优先追求产品与市场契合度（Product-Market Fit），而非盲目扩张规模。对于希望投身生成式AI领域的公司而言，建议保持务实、循序渐进，避免初期过于雄心勃勃，因为行业仍处于探索期。
“生成式AI的核心归根结底取决于人，”卡普尔指出，“构建首批项目的特种部队（SWAT teams）并非照本宣科，而是在编写开发生成式AI应用的手册。”
从目标倒推，务实获取数据
尽管数据与AI相辅相成，但海量且分散的数据往往令企业无所适从。拉尔科曾担任多家B2C和B2B初创企业董事，她建议在AI发展早期采取简单务实的策略以释放价值。
“从想要实现的目标倒推——明确试图解决的问题及所需数据，”拉尔科表示，“无论数据存储于何处，找到并服务于特定目的即可。”这与试图将生成式AI全面铺开、将所有数据投入大语言模型（LLM）的做法形成鲜明对比。拉尔科认为后者易导致不准确且昂贵的混乱局面，她强调：“从小处着手，使用内部应用设定具体目标，再寻找匹配的数据。”
聚焦当下问题，避免过度规划
Fivetran创始人乔治·弗雷泽拥有OpenAI和Salesforce等知名客户，他建议企业应聚焦于当下面临的实际问题。
“只解决你今天面临的问题，这是我们的座右铭，”弗雷泽说，“创新成本中99%花在了失败的构建上，而非那些未提前规划扩展性的成功项目。事后思考扩展性并不构成主要成本负担。”
跨越“愤怒的小鸟”时代，迈向转型之年
如同互联网和智能手机革命初期，生成式AI虽已展现赋能未来的端倪，但尚未带来颠覆性改变。
“我将其称为生成式AI的‘愤怒的小鸟’时代，”卡普尔坦言，“它尚未彻底改变生活。今年，合作企业虽有小规模内部应用上线并在调试中组建团队，但明年将是‘转型之年’，届时人们将开发出真正改变公司发展轨迹的应用程序。”