https://investor-js.blogspot.com/2023/02/feat-vs.html
그래서 저는 다음과 같은 조건을 가진 회사를 선호합니다. 1) 오너가 경영하는 체계이면서, 2) 최대주주와 특수관계인의 지분율이 50%를 넘지 않고, 3) 당장의 지분증여 문제가 없으면서, 4) 딱히 최대주주 일가가 부도덕하게 주주들의 부를 빼돌리는 행위를 하지 않은 회사 정도의 조건이면 족합니다.
What should we consider integrity of management?
그래서 저는 다음과 같은 조건을 가진 회사를 선호합니다. 1) 오너가 경영하는 체계이면서, 2) 최대주주와 특수관계인의 지분율이 50%를 넘지 않고, 3) 당장의 지분증여 문제가 없으면서, 4) 딱히 최대주주 일가가 부도덕하게 주주들의 부를 빼돌리는 행위를 하지 않은 회사 정도의 조건이면 족합니다.
What should we consider integrity of management?
Blogspot
선호하는 지분율 (feat. 소유경영 vs. 전문경영)
IT비지니스와 개발, 그리고 투자에 관한 블로그입니다.
Continuous Learning_Startup & Investment
AI 서비스들에 대한 수익화를 고민하고 있는 이 시점에서 많은 인사이트를 주는 글 같습니다! 인상깊게 읽어서 긴 글의 내용을 조금 요약해 보았습니다. 주옥 같은 글귀가 많아서 대부분은 문장 그대로 가져왔습니다. https://twocents.hur.xyz/p/two-cents-64-generative-ai 지금의 AI 시장을 보는 관점 - 초기에 성공하는 비즈니스는 정말 드물다. 해당 도메인에서 시도하는 서비스가 여럿이어도, 실제로 성공하는 경우는 적음.…
아직까진 아무말 대잔치를 할 수 있는 시기라서 제 생각도 조금 덧붙여보면..
AI B2B 시장
- AI Agency
각 산업별로 이미 AI를 적용하려는 시도는 많았지만 ChatGPT덕분에 거의 전 산업의 리더/임원들이 더 공격적으로 AI를 사용하고 싶어하고 AI를 사용했을 때 나오는 결과물의 수준을 ChatGPT와 비교하지 않을까 싶어요. 꽤 많은 기업들이 직접하고 싶어서 Acquirehire를 많이 선택할 것 같고요.
그런 관점에서는 과거 인터넷 초기에 웹 에이전시들이 많이 생겼던 것처럼 지금은 여러 섹터 혹은 특정 섹터이지만 충분히 큰 영역에서 AI를 적용해보면서 어떤 부분에서 고객의 비용을 줄여주거나 돈을 더 벌게 해주는지 알아가는 시간이지 않을까 싶습니다.
앞으로 1-2년동안에는 어떤 산업에서 무슨 Use-case가 나올지 검증하고 -> Use-case가 쌓이면 그에 맞게 Infra/Tool들이 구체화되고 -> Needs에 맞는 구체적인 솔루션들이 나오지 않을까 싶네요.
Tools for AI companies
추가로, Use-case를 만들려는 팀들을 위한 곡괭이를 파는 접근은 여전히 유효할 것 같고요.
LLM infra examples: 데이터 확보, 데이터 전처리, 벡터데이터베이스, 프롬프트 엔지니어링, Ochestration, LLM Cache, Logging, LLMops, Validation, Guardlane etc
Micro SaaS
기존에 SaaS와 거의 동일한 피쳐인데 AI를 잘활용해서 회사의 인원을 줄이고 제품의 가격도 낮춘 Micro SaaS들이 많이 생길 것 같습니다.
AI first product
기존에는 2-3개의 제품을 사용해야했었는데, 이를 잘 Aggregate하고 AI를 잘 활용한 SaaS가 등장할 수도 있지 않을까?
Software가 큰 혁신을 못만들었던 영역: 건축, 바이오, 방산 etc
B2C
- 뭐가 될지 몰라서 정말 뭐든 해볼 수 있는 영역. 그만큼 많은 시도와 실패가 누적되는 시기.
- 어린 친구들이 AI를 가지고 어떻게 노는지 잘 살펴보면 힌트가 있지 않을까 싶은데, 그게 되겠어 싶은 아이디어도 뭐든 해봐야 아는 것 같네요.
AI B2B 시장
- AI Agency
각 산업별로 이미 AI를 적용하려는 시도는 많았지만 ChatGPT덕분에 거의 전 산업의 리더/임원들이 더 공격적으로 AI를 사용하고 싶어하고 AI를 사용했을 때 나오는 결과물의 수준을 ChatGPT와 비교하지 않을까 싶어요. 꽤 많은 기업들이 직접하고 싶어서 Acquirehire를 많이 선택할 것 같고요.
그런 관점에서는 과거 인터넷 초기에 웹 에이전시들이 많이 생겼던 것처럼 지금은 여러 섹터 혹은 특정 섹터이지만 충분히 큰 영역에서 AI를 적용해보면서 어떤 부분에서 고객의 비용을 줄여주거나 돈을 더 벌게 해주는지 알아가는 시간이지 않을까 싶습니다.
앞으로 1-2년동안에는 어떤 산업에서 무슨 Use-case가 나올지 검증하고 -> Use-case가 쌓이면 그에 맞게 Infra/Tool들이 구체화되고 -> Needs에 맞는 구체적인 솔루션들이 나오지 않을까 싶네요.
Tools for AI companies
추가로, Use-case를 만들려는 팀들을 위한 곡괭이를 파는 접근은 여전히 유효할 것 같고요.
LLM infra examples: 데이터 확보, 데이터 전처리, 벡터데이터베이스, 프롬프트 엔지니어링, Ochestration, LLM Cache, Logging, LLMops, Validation, Guardlane etc
Micro SaaS
기존에 SaaS와 거의 동일한 피쳐인데 AI를 잘활용해서 회사의 인원을 줄이고 제품의 가격도 낮춘 Micro SaaS들이 많이 생길 것 같습니다.
AI first product
기존에는 2-3개의 제품을 사용해야했었는데, 이를 잘 Aggregate하고 AI를 잘 활용한 SaaS가 등장할 수도 있지 않을까?
Software가 큰 혁신을 못만들었던 영역: 건축, 바이오, 방산 etc
B2C
- 뭐가 될지 몰라서 정말 뭐든 해볼 수 있는 영역. 그만큼 많은 시도와 실패가 누적되는 시기.
- 어린 친구들이 AI를 가지고 어떻게 노는지 잘 살펴보면 힌트가 있지 않을까 싶은데, 그게 되겠어 싶은 아이디어도 뭐든 해봐야 아는 것 같네요.
❤1👍1
Productivity and Structural Reform: Why Countries Succeed & Fail, and What Should Be
Done So Failing Countries Succeed
by Ray Dalio
In this report the drivers of productivity are shown and are used to create an economic health index. That index
shows how 20 major countries are doing as measured by 19 economic health indicators, and it shows what these
indicators portend for real GDP growth in each of these countries over the next 10 years. As you will see, past
predictions based on this process have been highly reliable. For this reason this economic health index provides a
reliable formula for success. By looking at these cause-effect relationships, in much the same way as a doctor
looks at your genetics, blood tests and regimes for exercise and diet, we can see each country's health prospects
and also know what changes can be made so that these countries can become economically healthier.
We are making this research available in the hope that it will facilitate the very important discussions about
structural reforms that are now going on and will help both the public and policy makers to look past their
ideological differences to see the economy as a machine in much the same way as doctors study bodies and look
at the relationship of cholesterol and heart attacks analytically rather than ideologically.
Done So Failing Countries Succeed
by Ray Dalio
In this report the drivers of productivity are shown and are used to create an economic health index. That index
shows how 20 major countries are doing as measured by 19 economic health indicators, and it shows what these
indicators portend for real GDP growth in each of these countries over the next 10 years. As you will see, past
predictions based on this process have been highly reliable. For this reason this economic health index provides a
reliable formula for success. By looking at these cause-effect relationships, in much the same way as a doctor
looks at your genetics, blood tests and regimes for exercise and diet, we can see each country's health prospects
and also know what changes can be made so that these countries can become economically healthier.
We are making this research available in the hope that it will facilitate the very important discussions about
structural reforms that are now going on and will help both the public and policy makers to look past their
ideological differences to see the economy as a machine in much the same way as doctors study bodies and look
at the relationship of cholesterol and heart attacks analytically rather than ideologically.
Forwarded from Nikkei Asia
젠신 임팩트를 개발한 miHoYo는 최신 AI 에이전트에 대한 86페이지 분량의 설문조사 보고서를 공동 집필했습니다.
참고로 겐신 임팩트는 연간 10억 달러 이상의 매출을 올리는 역대 최대 규모의 오픈월드 모바일 게임 중 하나입니다.
이 논문은 인지 핵심(추론, 기억, 계획), 지각(텍스트, 시각, 청각), 행동(텍스트, 도구 사용, 구현), 참여자(단일 에이전트, 멀티 에이전트, 인간-AI 혼합), 환경(가상 샌드박스, 물리적) 등 여러 축을 고려한 훌륭한 개요를 제공합니다.
스탠포드 스몰빌('제너레이티브 에이전트')을 겐신이나 다른 대형 MMORPG의 플레이어 기반까지 확장할 수 있다면 꽤나 멋진 광경이 될 것입니다. 인간과 AI 에이전트 모두 제가 예측할 수 없는 놀라운 돌발 행동을 할 수 있을 테니까요.
안타깝게도 효율성과 비용이 이러한 대규모 배포를 가로막는 주요 과제입니다. 일단은요.
논문 "대규모 언어 모델 기반 에이전트의 부상과 잠재력: 설문 조사": http://arxiv.org/abs/2309.07864
이를 바탕으로 두뇌, 지각, 행동이라는 세 가지 주요 구성 요소로 구성된 LLM 기반 에이전트의 일반적인 프레임워크를 제시하고, 이 프레임워크는 다양한 애플리케이션에 맞게 조정할 수 있습니다. 이어서 단일 에이전트 시나리오, 다중 에이전트 시나리오, 인간과 에이전트 간의 협력이라는 세 가지 측면에서 LLM 기반 에이전트의 광범위한 적용 사례를 살펴봅니다. 그 다음에는 에이전트 사회에 대해 자세히 살펴보고 LLM 기반 에이전트의 행동과 성격, 에이전트 사회에서 나타나는 사회 현상, 인간 사회에 제공하는 인사이트에 대해 알아봅니다.
참고로 겐신 임팩트는 연간 10억 달러 이상의 매출을 올리는 역대 최대 규모의 오픈월드 모바일 게임 중 하나입니다.
이 논문은 인지 핵심(추론, 기억, 계획), 지각(텍스트, 시각, 청각), 행동(텍스트, 도구 사용, 구현), 참여자(단일 에이전트, 멀티 에이전트, 인간-AI 혼합), 환경(가상 샌드박스, 물리적) 등 여러 축을 고려한 훌륭한 개요를 제공합니다.
스탠포드 스몰빌('제너레이티브 에이전트')을 겐신이나 다른 대형 MMORPG의 플레이어 기반까지 확장할 수 있다면 꽤나 멋진 광경이 될 것입니다. 인간과 AI 에이전트 모두 제가 예측할 수 없는 놀라운 돌발 행동을 할 수 있을 테니까요.
안타깝게도 효율성과 비용이 이러한 대규모 배포를 가로막는 주요 과제입니다. 일단은요.
논문 "대규모 언어 모델 기반 에이전트의 부상과 잠재력: 설문 조사": http://arxiv.org/abs/2309.07864
이를 바탕으로 두뇌, 지각, 행동이라는 세 가지 주요 구성 요소로 구성된 LLM 기반 에이전트의 일반적인 프레임워크를 제시하고, 이 프레임워크는 다양한 애플리케이션에 맞게 조정할 수 있습니다. 이어서 단일 에이전트 시나리오, 다중 에이전트 시나리오, 인간과 에이전트 간의 협력이라는 세 가지 측면에서 LLM 기반 에이전트의 광범위한 적용 사례를 살펴봅니다. 그 다음에는 에이전트 사회에 대해 자세히 살펴보고 LLM 기반 에이전트의 행동과 성격, 에이전트 사회에서 나타나는 사회 현상, 인간 사회에 제공하는 인사이트에 대해 알아봅니다.
Introducing Sequoia’s latest market map!
Health is so fundamental to our quality of life, but healthcare is rife with administrative inefficiencies. Healthcare expenditures are almost 20% of U.S. GDP.
Disruption in this space has always been difficult, but gen AI is poised to change the healthcare industry – not just driving efficiency, but dramatically improving patient outcomes. We are excited to meet the innovators driving change in this space.
Please give us feedback and let us know what we missed! https://lnkd.in/gmcEQ4d4
Health is so fundamental to our quality of life, but healthcare is rife with administrative inefficiencies. Healthcare expenditures are almost 20% of U.S. GDP.
Disruption in this space has always been difficult, but gen AI is poised to change the healthcare industry – not just driving efficiency, but dramatically improving patient outcomes. We are excited to meet the innovators driving change in this space.
Please give us feedback and let us know what we missed! https://lnkd.in/gmcEQ4d4
lnkd.in
LinkedIn
This link will take you to a page that’s not on LinkedIn
중국의 Summarization 연구하던 연구자들이 화가 많이 났네요. 이제 Summarization 연구는 더 이상 끝났다고 논문을 통해 선언합니다.
Summarization is (Almost) Dead
https://arxiv.org/abs/2309.09558
GPT와 같은 Large Language Model (LLM) 들이 너무나 좋은 성능을 보여주면서, 기존의 많은 자연어 처리 연구 주제들을 무용지물로 바꾸어 버렸습니다.
Summarization은 대표적인 자연어 처리 연구 주제 중에 하나이고, 이를 개선하기 위해 정말 다양한 연구들이 활발히 진행됐었구요.
그런데 이제 그 어떤 방법을 써도 LLM들이 할 수 있는 것에 못 미치는 상황이 되었습니다. LLM 연구자들은 보통 summarization은 일종의 test set일 뿐 실제 이를 개선하기 위한 많은 노력을 하지도 않았는데요.
먼가 산업 혁명 시대 변화와 오버랩되네요.
Summarization is (Almost) Dead
https://arxiv.org/abs/2309.09558
GPT와 같은 Large Language Model (LLM) 들이 너무나 좋은 성능을 보여주면서, 기존의 많은 자연어 처리 연구 주제들을 무용지물로 바꾸어 버렸습니다.
Summarization은 대표적인 자연어 처리 연구 주제 중에 하나이고, 이를 개선하기 위해 정말 다양한 연구들이 활발히 진행됐었구요.
그런데 이제 그 어떤 방법을 써도 LLM들이 할 수 있는 것에 못 미치는 상황이 되었습니다. LLM 연구자들은 보통 summarization은 일종의 test set일 뿐 실제 이를 개선하기 위한 많은 노력을 하지도 않았는데요.
먼가 산업 혁명 시대 변화와 오버랩되네요.
arXiv.org
Summarization is (Almost) Dead
How well can large language models (LLMs) generate summaries? We develop new datasets and conduct human evaluation experiments to evaluate the zero-shot generation capability of LLMs across five...
Is only summarization dead? Or will new type of ai replace traditional computings?
Most people missed one of the most important news of the summer - open-access multi-modal (image + text) model coming out of Hugging Face!
You can optimize it, fine-tune it and customize it for your use-case: https://lnkd.in/eWCGJ3Fn
You can try the fun version of it here: https://lnkd.in/eMQA66bq or the general playground here: https://lnkd.in/epbMhXxX
What will/should the community build with it?
You can optimize it, fine-tune it and customize it for your use-case: https://lnkd.in/eWCGJ3Fn
You can try the fun version of it here: https://lnkd.in/eMQA66bq or the general playground here: https://lnkd.in/epbMhXxX
What will/should the community build with it?
lnkd.in
LinkedIn
This link will take you to a page that’s not on LinkedIn
I sent 53 cold emails to Marc Benioff, and each was individually crafted with different hooks, different personal anecdotes, I A/B tested cold emails to the extreme and finally, it worked.
From the future of SF, the balance of in-office vs work from home, and the future of AI, this is a truly special one. Coming on Monday!
#founder #funding #business #investing #vc #venturecapital #entrepreneur #startup #salesforce
From the future of SF, the balance of in-office vs work from home, and the future of AI, this is a truly special one. Coming on Monday!
#founder #funding #business #investing #vc #venturecapital #entrepreneur #startup #salesforce