2025 年 9 月 30 日
現在每個人都想從 AI 中分得一杯羹。
這個白熱化的產業充斥著新創企業、新想法和數十億美元的新投資。
儘管這項技術已存在一段時間，但它正以迅雷不及掩耳之勢不斷轉變和改進。在這麼多的炒作之下，現在可能是退一步問：「好吧，這些人工智慧有什麼意義？為了回答這個問題，Mastercard Newsroom 請來了 Databricks 的共同創辦人兼現場工程資深副總裁 Arsalan Tavakoli。
Databricks 於 12 年前由一群加州大學柏克萊分校的研究人員創立，現已發展成為全球最具價值的初創公司之一，本月完成一輪融資，估值超過 1,000 億美元。這家總部位於三藩市的公司實現數據和人工智能的普及化，讓全球超過 20,000 間企業更容易善用其數據的力量，進行分析以及用於人工智能應用程式和代理。Mastercard 利用 Databricks 開發新代理，例如一個用來簡化 Mastercard 客戶註冊流程的代理。
Databricks 共同創辦人 Arsalan Tavakoli
"Tavakoli 說：「你想想人們談論想要做的一切，用 AI 來改變世界 - 更好的藥物發現、更好的詐欺偵測。「所有這些完全建立在利用資料和 AI 的基礎上，而 Databricks 作為一個平台，讓這一切成為可能。」
本週，Databricks 與 OpenAI宣佈達成一筆 1 億美元的交易，讓包括 GPT-5 在內的 OpenAI 模型可以在 Databricks 的旗艦級 AI 產品 Agent Bricks 中使用。
以下對 Tavakoli 的訪談內容，為了篇幅和清晰度，經過編輯。
Tavakoli: 我認為有兩方面的原因。第一，您應該專注於結果，而不是工具。有多少人說：「我們落後了。我得讓一堆經紀人開始運作。我必須證明我能做 AI。"你說我放了 AI 的鴿子就沒分了，對吧？
相反地，您真正想弄清楚的是：我想推動的業務成果是什麼？通常是「我有一個現有的流程，我想讓它自動化並變得更有效率」，或是「我想推出一套新的功能」，而 AI 就是解鎖並讓這一切成為可能的方法。
第二件事是，每個人都對 AI 感到非常興奮，他們把 AI 和法學碩士聯繫起來，你要使用哪種模式？老實說，在企業領域中，最重要的就是高品質、精準、值得信賴的人工智慧。這在很大程度上取決於 "您的資料產業是否井然有序，您是否有一套管理策略？
這不是模型的問題，而是所有其他部分的問題。如何獲得精確度？如何管理？您如何弄清楚如何將其投入生產並進行測量？此外，您如何在快速演進的空間中做到這一點？大多數在六個月前推出 AI 應用程式的人都會告訴你，如果他們今天要重新建立，他們會以完全不同的方式來建立，因為有新的產品推出。
Tavakoli： 目前的收入是一個金字塔。在最底層，您需要一堆基礎架構，而這些就是晶片。這個領域不會有很多公司，因為進入的門檻非常高。
除此之外，您還有基礎模型提供者。我們一開始有很多模型，但現在已經縮減了，主要是因為您需要資金來訓練其中一些模型。
最後一層是上面的應用程式。雖然 Databricks 最近的人工智慧營收才剛超過 10 億美元，但由於仍處於早期階段，所以這並不算大。
如果從現在往前快轉五年，金字塔會變得更龐大，而且會倒轉。更多的收入將來自於利用 AI 來改變人們工作的應用程式。在這個領域中，我不認為會有贏家包辦一切。
塔瓦科利 現在的情況是，不再是「天啊，我要建立一個龐大的模型」。現在，人們開始涉足定制的特定領域模型，這些模型在很大程度上依賴於企業資料。
在消費者領域，您想要利用的大多數都是現成的資訊。ChatGPT 擅長規劃行程。所以你可以告訴它：「這些是我到過的地方，這些是我感興趣的地方，這裡是一個有旅遊想法的 subreddit，這些是我孩子的年齡 - 你能去計劃一個假期嗎？」而且他們會做得相當好，因為這些都是公共資訊方面眾所周知的問題。
另一方面，Mastercard 正嘗試讓所有這些新的人加入使用 Mastercard 產品的平台，例如企業或商家。我得打電話給某人。我得跟他們談談我該如何遵循這個步驟？"所以你們稱它為 POA -產品上線助理。我們找來一位經紀人，針對您所有的文件和技術訣竅進行訓練。因此，現在使用者可以全天候向代理尋求協助。它大大加快了某人入職所需的時間。在這個過程中，很多時候人們會退出，對嗎？流失率也下降了。
塔瓦科利 沒有人喜歡這個答案。但是，許多您花費大量金錢的流程並不性感。我舉個例子。你是一家保險公司。您會收到成千上萬的索賠表單，而所花費的人力和挫折感就在於 - 「我該如何處理所有這些索賠表單，並擷取我需要的資訊？我該如何將其放在分析表單上，以便對其進行深入分析，然後根據分析結果採取行動？沒有人會對此感到興奮 - 除了坐在那裡對自己的索賠需要三個月才能償付感到憤怒的人。但是，如果我現在可以花費幾個月的時間來做一件事，而且只需要很少的成本 - 自動化 - 這真的是一個非常令人興奮的使用個案。
或者您是半導體製造商，如果您有某樣東西可以智能偵測異常現象，並將良率提高 0.1% - 再說一次，上一次有人對晶圓廠良率感到興奮是什麼時候？但這意味著很多錢。
龐大的生產力、龐大的成本，都不會讓人聯想到是驚天動地的。我認為這些都是無聊的 AI 用例。您可以利用 AI 實現有意義的改進，而這正是我們在客戶身上看到的。
Tavakoli： 我總是給出的答案是，按照這個邏輯，如果我們說：「嘿，ATM 出現的時候，或者電腦出現的時候，它們都是大規模的變革--會不會有很多人失業？」
今天人們所做的某些事情將會被人工智能自動化。然而，在許多這些事情上，僅僅是為了品質，您還是希望有一個人在環路中。而整個前提是，當您將這些任務自動化時，也會開啟全新的需求，讓您可以做以前無法做的事情。因此，舉例來說，現在有了自動提款機和線上銀行，就開創了我們過去從未想過會存在的一系列新的電子商務角色，而這些角色也隨之產生了大量的工作機會和生產力。
隨著技術提升與訓練的進行，雖然特定的工作職責會有所轉移，但有一類全新的新工作職責，公司會需要人去駕馭。因此，我認為勞動力需求將會增加。所以更多的是關於 「如何提升技能」？
Tavakoli: 是，也不是。是的，我們正處於 AI 泡沫中。不，這不會改變計劃。
我經常會被問到這個問題的反面，也就是「AI 是轉型還是被誇大了？我的答案是肯定的。我認為人們仍未完全了解 AI，因此任何問題的答案都是：AI 會解決問題。我走了一圈，有個牌子寫著 「人工智能驅動的洗車場」。我不知道這到底是什麼意思。現在一切都由 AI 驅動。當我們確定人們真正需要的用例是什麼時，興奮的高峰總是會逐漸消退。我認為你不會看到所有現在在 AI 領域的公司都能繼續生存下去。
為什麼這不會改變 Databricks 的計畫，因為 AI 是很棒的東西，我們認為它在未來很重要，而且很明顯的，我們在過去 12 年來非常傾向於 AI。但我們業務的核心部分也是資料方面，例如資料轉換和作業工作流程，這些都是經過驗證的，絕對沒有泡沫，而且還在不斷成長。從 Databricks 的角度來看，您要適應客戶的需求。我們已經看到了從過度誇大到什麼是關鍵的重要使用案例和結果的轉變，而且我們已經在這方面為他們提供了支持。
