Tavakoli: Jeg tror det er todelt. For det første bør du fokusere på resultatene, ikke verktøyene. Antallet mennesker som sier: «Vi ligger etter.» Jeg må få en haug med agenter i gang. Jeg må vise at jeg kan bruke kunstig intelligens. Du får ingen poeng for å si at jeg sto opp mot AI, ikke sant?

I stedet er det du egentlig vil finne ut av: Hva er forretningsresultatet jeg ønsker å drive? Og vanligvis er det «Jeg har en eksisterende prosess som jeg ønsker å automatisere og gjøre mye mer effektiv», eller «Det er et nytt sett med funksjoner jeg ønsker å legge til rette for», og det er AI som låser opp og gjør det mulig å gjøre det.

Det andre er at alle ble så begeistret for AI, og de assosierte det med LLM-er og hvilken modell skal du bruke? Og ærlig talt, det viktigste i bedriftsverdenen er AI som er av høy kvalitet, nøyaktig og pålitelig. Og det avhenger i stor grad av: «Har du orden på dataene dine, og har du en styringsstrategi?»

Det handler ikke om modellen; det handler om alle de andre delene. Hvordan får du nøyaktighet? Hvordan styrer du det? Hvordan finner du ut hvordan du setter det i produksjon og måler det? Og hvordan gjør man det i et område som er i rask utvikling? De fleste du snakker med som lanserte en AI-applikasjon for bare seks måneder siden, forteller deg at hvis de skulle bygge den opp igjen i dag, ville de bygget den helt annerledes, fordi det finnes nye produkter ute.

Tavakoli: Den nåværende inntekten er en pyramide. På det nederste laget trenger du en haug med infrastruktur, og det er brikker. Det er et område hvor det ikke vil være mange selskaper, fordi inngangsbarrieren er veldig høy.

I tillegg til det har du leverandørene av grunnleggende modeller. Vi startet med mye, og det har blitt redusert, hovedsakelig på grunn av kapitalen du trenger for å trene noen av disse modellene.

Det siste laget er applikasjonene på toppen. Og i dag, siden det er tidlig, er ikke det enormt – selv om Databricks nylig krysset 1 milliard dollar i løpende rate av AI-inntekter, så det er ikke en liten endring.

Hvis du spoler frem fem år fra nå, vil pyramiden bli mye mer massiv, og den kommer til å invertere. Mye mer av inntektene kommer til å gå på applikasjoner som utnytter AI for å transformere det folk gjør. Og i det rommet tror jeg ikke at det finnes en vinner som tar alt.

Tavakoli: Ingen liker det svaret. Men mange prosesser du bruker mye penger på er ikke sexy. Jeg skal gi deg et eksempel. Du er et forsikringsselskap. Du får tonnevis med kravskjemaer som kommer inn, og mengden hestekrefter og frustrasjon som brukes på – «Hvordan tar jeg alle disse kravskjemaene og henter ut informasjonen jeg trenger?» Hvordan legger jeg det inn i et analyseskjema slik at jeg kan kjøre innsikt på det og deretter, basert på det, iverksette tiltak? Ingen blir begeistret for det – bortsett fra personen som sitter der og er forbanna over at det tar tre måneder å få refundert kravet deres. Men hvis jeg nå kan gå fra å gjøre noe som tok måneder til en brøkdel av kostnaden – automatisert – er det et veldig spennende bruksområde.

Eller du er en produsent av halvledere, og hvis du har noe som intelligent kan oppdage avvik og forbedre utbyttet med 0,1 % – igjen, når var sist gang noen ble begeistret for fabrikkutbytte? Men det betyr mye penger.

Enorm i produktivitet, enorme i kostnader, ikke noe folk forbinder med som jordskjelvende. Jeg synes at det er kjedelige brukstilfeller for AI. Du kan levere meningsfulle forbedringer med AI, og det er det vi har sett hos kundene våre.

Tavakoli: Svaret jeg alltid gir er, basert på denne logikken, hvis vi hadde sagt: «Hei, da minibankene kom ut, eller da datamaskinene kom ut, var det massive forandringer – vil mange miste jobben?»

Det er et visst sett med ting folk gjør i dag som vil bli automatisert av AI. Men på mange av disse tingene, bare for kvalitetens skyld, vil du fortsatt ha et menneske i loopen. Og hele premisset er at når du automatiserer disse oppgavene, åpner de også for et helt nytt sett med krav om å gjøre ting du ikke kunne gjøre før. Så, for eksempel, nå som du har minibanker og nettbank, har det åpnet seg nye sett med e-handelsroller som vi aldri ville ha trodd ville eksistere i fortiden, og disse genererer massevis av arbeidsplasser og produktivitet med det.

Med kompetanseheving og opplæring, mens spesifikke jobbansvar vil endre seg, er det en helt ny klasse av nye jobbansvar der bedrifter vil trenge folk til å kjøre. Så jeg tror faktisk at du vil se en økning i etterspørselen etter arbeidskraft. Så det handler mer om: «Hvordan ferdighetsutvikler du deg?»

Tavakoli: Ja og nei. Ja, vi er i en AI-boble. Nei, det endrer ikke planene.

Jeg får ofte spørsmålet om den andre siden, som sier: «Er AI transformerende, eller er AI overhypet?» Og svaret mitt på det er ja. Jeg tror folk fortsatt ikke forstår AI fullt ut, og svaret på ethvert spørsmål er derfor at AI kommer til å løse det. Jeg gikk rundt, og der var det et skilt hvor det sto «AI-drevet bilvask». Og jeg sier liksom, jeg vet ikke hva i all verden det betyr. Alt er nå drevet av AI. Det er alltid den toppen av begeistring som garantert avtar når vi finner ut hva de virkelige bruksområdene folk trenger. Jeg tror ikke alle selskapene innen AI vil fortsette å overleve akkurat nå.

Grunnen til at det ikke endrer Databricks' planer, er at AI er flott, og vi tror det er viktig i fremtiden, og vi har åpenbart satset mye på det de siste 12 årene. Men en sentral del av virksomheten vår er også datasiden av huset, som datatransformasjon og driftsmessige arbeidsflyter, som er velprøvde, som definitivt ikke er i en boble og som er i vekst. Fra et Databricks-perspektiv tilpasser du deg det kundene trenger. Og vi har allerede sett den bevegelsen fra overhyping til hva som er de viktigste brukstilfellene og resultatene, og vi har støttet dem der.