329: Dheeraj Pandey, Nutanix Founder and DevRev CEO, shares how he raised $100M to improve the customer experience with AI
43:02 Share

所以，我认为人机协同在这里很重要。提问的是人，我们应该尝试与他们一起消除歧义。你的意思是？这是AI必须与人类一起应对的挑战性回应的一个重要部分，而不是假设它是一个黑盒子。

我可以通过一个简单的提问就能得到所有答案。这些都是显而易见的事情，但很多人，他们行动迅速，他们会说，嘿，我不需要问第二个问题。所以，从单次提问到至少两次提问，将会创造很多价值，并减少这种情况。比如，我不知道他们为什么那样做，他们不应该那样做。AI和人类之间的这种互相指责可以通过第二次提问本身来减少。

早上好，下午好，或者晚上好，取决于你在哪里收听。欢迎收听《人工智能与未来工作》。我是你的主持人丹·图钦，PeopleRain的首席执行官，PeopleRain是一个面向IT和人力资源员工服务的AI平台。

我们的社区正在壮大。正如你可能现在已经知道的，我们在去年年底，2024年末启动了一个新闻通讯。加入我们吧。节目说明中会有一个链接。你会得到一些并非总是出现在播客中的内容，还有一些额外的趣闻。这是一个有趣的社区。如果你喜欢我们所做的，当然，请告诉你的朋友。

在Apple Podcasts、Spotify或你收听的任何地方给我们点赞和评分。如果你分享评论，我可能会……

在未来的剧集中把它提供给我们的听众，就像来自德克萨斯州奥斯汀的玛丽亚的这条评论一样，她在一家建筑公司做市场营销工作，并在骑飞轮时收听。玛丽亚最喜欢的剧集是与威廉·奥斯曼的精彩讨论。很棒的一集。如果你还没有听到这位YouTube名人关于创作者经济未来的精彩讨论。

他的自制科学视频的观看次数超过5亿次。很棒，有趣的谈话。威廉是一位真正的天才。在这个节目中，我们每周都会向人工智能思想领袖学习。当然，额外的奖励是，你会得到一个关于人工智能的趣闻。今天的趣闻是，多米尼克·勒戈尔特在Hacker Noon上发表了一篇文章。标题很吸引眼球，下次你听到有人说人工智能会取代呼叫中心座席时，就跑吧。在文章中，

他写道，人工智能在聊天机器人等领域正在取得进展。然而，它仍然存在重大局限性。人们需要感到被倾听、被理解和被支持，尤其是在处理令人沮丧或敏感的问题时。人工智能或许能够处理大量数据，但它缺乏人类的同理心和情商。他继续引用亚马逊和德尔塔科的例子，在这些例子中，自动点餐解决方案实际上是由海外的远程工作人员操作的。

并没有使用人工智能，尽管他们声称使用了。我的评论是，有一个重要的论点需要提出，我们不应该渴望将人类从客户支持中移除。这不是多米尼克提出的论点。不幸的是，多米尼克的文章中没有多少实质内容或数据。然而，正如我提到的，有一个耸人听闻的标题。我们应该自动化机器胜过人类的重复性任务，同时也解放人类去做人类最擅长的事情，

富有同理心，运用批判性思维，并从极少的例子中学习。让我们努力提供最佳的服务体验。当这是目标时，我们自然会找到人和机器在呼叫中心以及其他任何地方合作的正确方式。这与今天的谈话非常相关。当然，我们会在节目说明中链接到这篇文章的全文。现在让我们转向今天的谈话。

今天的嘉宾是硅谷最成功的企业家和慈善家之一。迪拉杰·潘迪或许最出名的是创立并领导Nutanix，从成立到2016年成为上市公司。该公司目前在纳斯达克的估值约为165亿美元。2020年，迪拉杰创立了DevRev，这是一家代理人工智能公司，它将所有数据整合在一起，以帮助公司提供更好的客户体验。

该公司迄今已从Coastal Ventures等令人惊叹的投资者那里筹集了超过1亿美元的资金，并采用了我们稍后将讨论的独特方法。迪拉杰也是一位著名的慈善家，他与妻子斯瓦普纳共同创立了Paramhansa，致力于通过科学技术来改善人类生活。他获得了印度坎普尔理工学院的计算机科学与工程学士学位和德克萨斯大学奥斯汀分校的计算机科学硕士学位，胡克汉姆角。

而且，不用多说了，我一直期待着这次谈话。迪拉杰，很高兴欢迎你来到《人工智能与未来工作》。让我们从让你分享更多关于你辉煌的背景以及你如何进入这个领域开始吧。谢谢你，丹。很高兴。我于97年来到美国，当时我是德克萨斯大学奥斯汀分校的博士生。

我是一个系统专家，操作系统、分布式系统、网络。我可以看到很多这些东西在过去两年又回来了。所以我们再次讨论了一些这些内容。但在第一个泡沫中，我认为在这个行业中，就像这个泡沫一样。正如你们都记得的那样，过去曾经有一个很大的泡沫。对于电信泡沫，互联网泡沫。所以我开始在这个行业工作。我在……

在德克萨斯州奥斯汀的三重奏软件公司工作了一年半。然后开车去了加利福尼亚州，在加利福尼亚州生活了25年，一直在构建系统，数据密集型系统，文件服务器和数据库以及数据仓库。然后在2009年，我创立了一家专注于数据的公司，尽管它是针对数据中心的数据。

并为大量的虚拟化工作负载提供动力。这是行业中的一次重大转变，从物理机器转向虚拟机。在许多方面，这里与从人类转向机器也有相似之处。所以我们将讨论现在正在发生的一些虚拟化。七年内，我们将公司上市，Nutanix。到那时，我们的营业额已经超过了10亿美元。

然后在此期间，我认为公共云已经出现，因为我们将软件交付给近20,000个客户和30,000个站点。我们在交付软件方面非常出色。我们在客户支持方面非常出色。净推荐值非常高。即使在我们已经销售了近80亿美元的软件之后，净推荐值仍然超过90%。所以让客户满意的方法是有效的，并且

以及它意味着将所有这些东西连接回工程。我认为围绕这一点可以构建一个很棒的软件。2020年，当COVID发生时，我认为公共云实际上已经出现。我想去创立一家公共云公司。

并且是一个大型融合者，就像我一直相信整体大于部分之和一样。这就是我们在Nutanix为数据中心团队所做的。但在许多方面，亚马逊EWS也在基础设施方面做了同样的事情。我认为苹果也在个人生活中通过iOS做了同样的事情。所以，真正左移大量复杂性的想法对我来说非常重要。

如果有什么不同的话，人工智能就是推动一切的那种东西。但人工智能的背后是数据。如果你不能整合一切并将所有东西整合在一起，那么模型就无法推理。你知道，模型无法运行工作流程。如果没有数据本身，模型实际上什么也做不了。所以它就像大脑的血液供应。

这是过去四年的旅程。我一直是人工智能的忠实学生，并且真的想来。正如你所说，归根结底，这是关于真正平衡人和机器。你提到的三个美丽的词语：被倾听、被理解和被支持。

是我们必须在客户支持和产品管理中都必须做到的事情。你和我都经历了过去几十年中许多灾难性的技术转变。从大型机到桌面计算，从桌面到云，从PC到移动，从本地到SaaS等等。现在，我们正处于另一次灾难性转变之中。这种转变

向人工智能优先软件的转变仅仅是另一次技术转变，还是这次有什么不同？在过去150年中，技术改变了生活并改善了生活。

我认为现在我们面临的困境是，我们仍然工作50、60、70个小时，并抱怨工作与生活的平衡。我觉得在未来的25到50年里，我们会看到另一件大事发生。好吧，我们可能会尝试自我实现，也许会想办法到达火星或解决气候变化，并解决许多困扰人类过去50年的难题。

而唯一能做到这一点的方法就是将一些事情留给机器。我认为这就是我们现在前进的方向。如果我们能够专注于未来的最困难的问题，那么我们就可以将一些重复性的工作，正如你提到的，留给机器。这次有什么不同？我认为在过去的40、50年中，我们一直在创建编程语言，

来指导机器。这本身就是一个旅程，因为它始于穿孔卡，正如你所知，追溯到大型机，我们当时正在使用穿孔卡。那实际上是原子，甚至不是比特。所以指导机器的方法是处理原子。然后是带有机器语言的文字比特，你知道，你正在向机器传递一和零来指示它们做事情。

然后我们发明了编程语言，其中包含了一些英语。比如C语言就包含了一些英语。然后显然是C++，然后是Java，然后是Ruby、Python、Perl等等，这些语言越来越像英语。比如JavaScript看起来更像英语，它不需要编译。它是解释型的。所以我们开始解释很多语言。你知道，机器愿意接受这种语言

比如人类不知道如何做语法之类的事情，并设法解决这个问题。所以我们开始放松对编程的限制，这与20、25、30年前相比有所不同，那时我们必须真正编译代码并优化很多东西，直到我们进入过去10年。我认为我们现在所处的位置是机器说停下来的时候。

你不需要为我发明一种新的编程语言来指示我做事情。我学习你的语言怎么样？对我来说，这是革命性的。事实上，他们正在学习一种语言，新的解释器是一个英语解释器。你知道，它是一个大型语言模型，基础模型现在是解释器。

所以我认为这是很大的进步。这意味着什么？从穿孔卡操作员，在70年代可能达到数十万，到可能数百万人在做C++，到可能数千万人在做Java，到现在我们使用JavaScript和Python，我们可能有4000万开发人员。但世界上只有4000万人正在指示机器如何做事情。这是不公平的。

所以我认为人工智能最大的贡献将是将这个数字增加到可能2.5亿人。这些人将是各种各样的人，他们可能永远不会知道如何编写代码，但现在可以编写提示并指示机器。我认为对我来说这是一件大事。

人工智能的第二个方面是，机器声称它们可能做得和人类一样好，至少在这个方向上是推测性的。他们说，看，我可以推测。因为在过去，我们把它们看作是做确定性工作的东西。就像它非常具有规定性。我给它一个输入，它经过一个程序，它提供一个输出。

我给你相同的输入，它进入相同的程序，它提供完全相同的输出。所以它应该是确定性的。我认为人类与机器的区别在于这种推测性和非确定性、概率性，你知道，能够连接点。我们能够通过推测、邻近思维将点连接起来的事实，所有这些都在人类的领域。

我认为这是第一次，机器说，给我一点这个。我可能也能做到。所以我认为它们前进的方向，我们前进的方向都令人着迷。我认为随着人口的减少，因为显然我们正在减少。世界人口不再增长。也许非洲会继续增长，但中国已经停滞不前，印度也正在停滞不前。所以我们可能需要在这个方向上得到一些帮助。

我们正在进行的生产力旅程。我喜欢你这样表达的方式，这让我想到一个可能显而易见的问题。你定义了整个行业，导致了存储技术的爆炸式增长和超融合。你在DevRev所做的工作似乎是一个相当激进的转变。也许可以带我们了解一下贯穿始终的思路、创始愿景以及产品AgentOS。它能做什么，你是如何将其作为产品开发出来的？我认为我是一个融合者。我相信将事物整合在一起，正如我提到的那样。

Nutanix就是关于这一点的。我们能否融合事物并减少孤岛？如果有什么不同的话，人工智能将需要这些人类模型，你知道，因为有了技术，我们创建了模型，对象模型。比如，什么是销售模型？什么是支持模型？什么是客户成功模型？什么是产品管理和工程模型？你知道，我们所有这些模型实际上都埋藏在这些工作管理产品中，无论你是在软件中进行工作管理，还是在

可能是运营、支持或销售方面。所以我认为是时候将所有这些模型整合在一起，就像我们过去100年，尤其是在过去50年中对业务的理解一样，并将它们提供给人工智能，以便它能为我们做一些事情。所以我们必须，我们称之为，构建这个知识图谱。知识图谱是我们

过去100年，尤其是在过去50年中，对业务的思考基础。我们认为，如果你不融合支持模型、销售模型、工程模型和产品模型等等，那么我们就无法对这些机器实际上能为我们做什么和为我们做些什么做到公正。

所以我们围绕我们的客户、产品、人员、工作、用户、他们的活动和会话以及企业内所有非结构化文档构建了一个知识图谱。所以现在你有很多。这是可扩展的。它是可伸缩的。你可以不断向其中添加更多的东西。

但是你现在有了这种连接组织，它将创建一个围绕它的搜索引擎。所以我们有一个搜索引擎，它实际上提供围绕一切的企业搜索，围绕你的客户、你的产品、你的人员、你的工作、他们做什么、他们在过去90天做了什么，诸如此类的事情，围绕你的用户，当然也围绕你实际创建的所有文档，公共文档、私有文档。

所以我们在知识图谱之上构建了一个搜索引擎。我们构建了一个工作流程引擎，比如你如何围绕这些事情进行自动化，以便不是所有事情都由人类完成。然后是一个分析引擎，因为如果你回顾过去的分析，它基本上是由SaaS公司留下的。SaaS公司会说，好吧，我们不相信我们可以做分析，因为集成是你的问题。

所以他们把它留给买方的IT部门去做Snowflake或

你知道，数据中断或类似的东西，并且会说，好吧，我们也必须左移一些东西，我的意思是，如果你去见一位首席客户官并谈论人工智能，或者去见一位首席产品官并谈论人工智能，谁会为他们做集成工作，所以我们也为他们做了很多分析工作，现在他们可以扩展它，并且你知道，弄清楚他们想问什么问题，但他们不需要数据仓库团队、数据管道团队和ETL团队

和数据分析团队来真正弄清楚客户360、产品360或用户360。我的意思是，这些事情在过去一直难以捉摸，因为IT没有时间为首席客户官、首席产品官或首席营收官提供这些东西。所以我们觉得我们可以把很多这些东西左移给我们。

这可以发生，因为在云中，你实际上可以启动很多仓库、搜索引擎和

你知道，工作流程引擎等等。因此，当我们去见我们的最终客户时，这可能是首席客户官，甚至是首席信息官，你知道，他们不必真正启动新项目来真正启用并让人工智能交付东西。例如，我们可以在不到一个月的时间内为客户体验提供对话式AI体验。

我们可以在不到一个月的时间内开箱即用地提供企业搜索，因为我们已经左移了整合数据和从你的遗留Salesforce、遗留ServiceNow或遗留Atlassian Jira等中获取数据的复杂性。但所有这些都包含在一个知识图谱中，其中包含一个搜索引擎、一个分析引擎和一个工作流程引擎。所以我们一直在

向我们的客户提供的解决方案是用于客户体验的对话式AI，这意味着不仅是我们的客户，还有他们的用户和他们的客户。你如何将它放在我们的网站上等等？我们不喜欢“聊天机器人”这个词，因为它们会让人误解。我认为对话式AI将真正第一次使用AI，而不是使用规则引擎等等来交付东西。

我们以非常独特的方式开箱即用地提供企业搜索，你按使用付费而不是按订阅付费。订阅实际上在搜索中是一种浪费。在许多地方，我们取代了在那个时代构建的遗留应用程序，每个部门都有自己的应用程序，例如客户支持。所以有Zendesk和Salesforce Service Cloud。我们用这个新的堆栈取代了它们。并且

我认为这些事情真正给我们的客户带来了很多快乐。所以我明白了知识图谱将这些不同的系统整合在一起，以帮助你了解客户旅程以及围绕它的对话式AI。也许如果你能告诉我们一个客户案例。我只是想确保我理解企业以及最终客户的角度的个性和价值。

是的，例如Bolt这样的客户，他们实际上是许多商家的支付提供商。他们有Zendesk，这是一个客户支持软件。

而人工智能实际上是一个附加组件。比如，人工智能到底意味着什么？事实上，票务系统不相信对话。他们会说，你是什么意思？所以Intercom和Zendesk互相竞争。其中一个说，你不需要工单。另一个说，你不需要对话。那么新世界将走向何方？对话属于机器的领域，因为你知道，如果你收到一个问题，你希望能够实时回答，对吧？

所以你需要解决对话问题。但在某些时候，这些对话将被提升为工单。这就是人工移交发生的地方。所以你需要一个基本上紧密结合这两者的系统。

你不能让两家公司来交付这个，因为你知道这里会产生互相指责的结果，对吧？所以Bolt无法用Zendesk做到这一点，所以他们替换了所有Zendesk。我们在几周内复制了他们大约一百万张工单，而且没有为此提供专业服务，因为

我们的知识图谱是用空投技术构建的。我们通过我们的技术进行ETL工作，即提取转换加载工作，而不是将其变成一个现在的人工问题。突然之间，他们在DevRel中拥有了他们的遗留数据。他们有一个新的现代客户支持系统。但现在他们不必在对话和工单之间做出选择。他们两者都有。

现在，让对话真正由机器驱动意味着什么，这样你就无需人工干预？你需要一个强大的知识库。创建知识库等等意味着什么？现在，知识库和转移仍然是搜索中的一个难题。你需要非常擅长转移率等等。所以现在他们转移了很大一部分对话。他们根本不需要通过工单将对话提升给人类。事实上，

展望未来，他们要求我们说，他们能否将这种对话体验交付给他们的商家？因为他们的商家也有网站。所以他们希望成为对话服务的提供商，不仅是支付服务，还有其他在商业中发生的事情。我们正在开发一项技术，我们称之为工作区。所以我们可以提供工作区，现在Bolt也可以为他们的每个商家提供一个工作区。所以这不仅仅是我们

我们不仅仅为我们的客户Bolt提供价值，也为客户的客户和他们的用户提供价值。所以有一个很大的能力去追逐这个价值链，即客户和客户的客户，以及客户的用户。很多这些都将通过对话的概念来完成，但它是如何由搜索、分析和工作流程驱动的。我认为关于工单的未来没有争议。我认为工单是过去的东西。

而且，嗯，

你提到的新的记录单位，我说Intercom和Zendesk正在争斗。服务的未来不是没有服务，就是对话吗？在未来，那种过时的记录系统的作用是什么，其中“价值单位”是工单？你在你的介绍中提到了人类的价值，比如人类在这个整体中的位置。我认为工单是人类的位置。

所以当事情需要升级给某人时，它是通过某些东西进行的，而这个东西就是工单。现在，我们的目标是减少这个数字。因为早些时候，我们有很多重复性的道路，底层的东西可以通过对话来完成，它们将通过对话来完成。如果有什么不同的话，那就是从现场警报和事件中发生的事情。

警报和事件应该属于机器的领域。他们应该尽可能多地进行重复数据删除、转移、分类、聚类和分类，所有这些事情机器都可以并且必须做。

但是一旦他们做不到，它就应该成为一个工单。一个工单可能会有几个月的生命周期，因为它是一个功能请求。它基本上是需要……我的意思是，不像电子商务，订单在一小时内或几天或几周内交付，我认为在软件开发领域，例如，一个工单可能持续三个季度。所以你需要这个生命周期，它实际上会……

在某种程度上进入产品管理，提出增强请求，该增强将与开发人员一起完成，当然，还有父问题和子问题以及GitHub事务。所以有一整套东西正在完成，只是为了完成一个订单，这是一个功能请求。所以我认为工单并没有消失。只是我们需要减少数量。

而人工智能的目标是使其减少。你需要减少很多这些东西。我的意思是，现在支持中的一个很大的痛点，例如，是L3、L4技术支持。大多数事情都在做，每个警报都变成一个事件，每个事件都变成一个工单。仅仅消除这种噪音就是一个非常困难的问题。人工智能必须提供帮助，因为每天人们都会，我的意思是，即使是小公司也会收到数百甚至数千个警报。

其中许多实际上是事件。比如我们正在对事件管理进行监督微调。随着推理越来越好，你能够推理出为什么会出现这种中断，例如，这可能是因为我们升级了一些未经充分测试的东西。也许让我们看看GitHub代码，看看最近有哪些事务。

我认为你会开始看到人们说，让机器处理一些深入的事件，可能需要查看很多不同的信号等等。但是

在那之前，工单仍然是提升给人类本身的东西。这是一个重要的区别，你正在做。工单是高于事件或警报或以机器到机器语言表达的东西的抽象级别。工单是用人类的语言交流的。我同意这一点。这是一个有趣的回应。在这个播客中，我们经常谈论负责任地使用人工智能意味着什么。你和公司真的……

在这个领域为我们很多人开创先河，真正开创了用自动化取代传统人工任务的概念，我们应该，我们正在，我们必须继续被问到，如果它有效，会有什么好处，但如果它无效，会有什么坏处，我可以根据你讲述的关于Bolt的故事想到，可能

建议，比如说，Bolt的商家关于购买决定或某些东西的成本或账单信息，基于有偏差的训练数据或错误信息，或者

建议DevRev的内部员工关于客户旅程的信息，这些信息可能是由于训练数据中的偏差而具有误导性或不准确的。你可以想到非常真实的负面后果。作为技术乐观主义者，我们都是。考虑到我们所知道的

关于误报或潜在漏报的潜在影响，对你来说，负责任地使用人工智能意味着什么？是的，我的意思是，显然这是一个非常深刻的问题。我会说，我们需要遵循马斯洛需求层次理论。在这个基础上，负责任的人工智能是关于安全，并确保人们只看到他们应该看到的东西，仅此而已。这就像最小特权原则，对吧？

我们需要在这里应用它，因为自助服务真正占据了很大的比重，成为一种普遍现象。您必须确保特权最小化原则仍然适用于所有企业知识图谱以及所有这些销售数据、支持数据、工程和产品数据等等。

第二个方面是机器可靠性，事实上，它不应该有时需要15秒才能响应，然后需要一分钟才能响应，有时可能根本不响应等等。这非常重要，否则我们将失去对这些机器可靠性的信任。因此，对我们来说，同样重要的是要像我们考虑电子商务系统或在线系统一样来考虑这些系统。就像这个系统必须始终在线一样。

设计在这方面起着很大的作用，因为其中一些基础模型有时需要时间。如果有什么不同的话，例如01和03模型，它们实际上正在缓存很多下一个标记的思考，因为它们正在推理，并且它们正在进行思维链等等。而那些痕迹，比如，我现在要这样做，我现在要这样做，你不能把它暴露给最终用户。因此，将涉及延迟。

就像，你知道的，因为它，而且人类也这样做过。我的意思是，当您接听呼叫中心电话、客户服务电话时，也会有延迟，但是您必须围绕它进行真正的设计。因此，我们必须考虑延迟以及设计中的类似问题。

我认为最重要的是要知道您正在使用什么，例如搜索。搜索可以是关于邻近事物等等，但是您如何真正构建最佳向量距离算法和自定义嵌入等等，以便搜索也可以成为幻觉的一个重要来源，例如。您可以开始做一些非常非常偏离的事情。

所以这就是我认为人机协同很重要的原因。提问的人。

这些都是简单的事情，显而易见的事情，但是很多人，他们跑得很快，他们说，嘿，我不需要问第二个问题。因此，从单次拍摄到至少两次拍摄将创造很多价值并减少这种情况。就像，我不知道他们为什么那样做。他们不应该这样做。仅仅通过第二次拍摄本身就可以减少这种 AI 和人类之间的相互指责。

然后我认为最重要的是，血统和来源的概念，你知道，你至少可以指出你……

现在正在引用的内容也变得非常重要。我认为我们讨论过使用监督微调的合成数据，您如何真正查看生成合成数据以及如何拥有评估器模型，因为我认为只有铁才能磨砺铁。我认为精灵已经出来了，你不能把它放回瓶子里。那么问题是，你如何进行你正在生成的合成数据的质量保证？

现在，如果您说这是人类，它可能不会奏效，因为如果机器生成大量数据，人类如何查看大量数据本身？因此，真正认真考虑 QA 模型、评估器模型、教师模型，而学生正在做所有这些事情。

实际上是阴阳。例如，我们花了很多时间在评估器模型上。而其中最重要的一点是主持人以及主持人说了什么。例如，在搜索方面，当我们回答问题时，我们会将其发送给另一个模型，并询问您的想法？这个答案看起来更精确吗？这个评估器模型是我们思考的重要组成部分

就像快速搜索并试图立即满足最终用户本身一样。因此，我们必须像过去 30、40 年的软件工程一样思考，就像软件开发人员一样，然后还有一个 QA 人员。现在，显然，我们在过去 10 年中摆脱了 QA，但仍然存在结对编程。这种配对模型的想法可能同样重要，以保持对它们的信任。

但是是的，我认为总的来说，我们必须在许多这些事情上保持安全，并且真正认真考虑血统和来源，对我来说，这就是为什么我一开始就提到人工智能现在正在成为一个工程问题的原因。你知道，仅仅做提示和 GPT 包装器只能让你走这么远。你提到信任是一个如此基础的组成部分。

组成部分。有时这似乎具有讽刺意味。我们正在谈论人工智能，我们正在谈论信任，这似乎是一个如此人性化的原则。有时在这个讨论中丢失的是人类是易犯错误的。人类也会给出错误的答案。我的一个假设是，当我们正在进行这场关于人工智能的全球文化实验时，我们对机器犯同样的错误的容忍度低于

我们容忍人类犯错时的容忍度。如果您考虑一下，我在节目中经常这么说，但人工智能非常适合复制人类的偏见，我们不应该感到惊讶。事实上，我认为对于您给出的非常周到的答案，我们可以

使用各种挑战者技术来提高 AI 最佳答案的准确性。您对此有何看法？人和机器，以及文化上对与机器交谈以及可能得到我们不同意的答案意味着什么的接受。你知道，你昨天提到这一点很有趣。我昨天刚和我们的领导和员工讨论过这个问题，因为我们可能有一个等级制度

它以各种形式始终存在于种族主义等问题中。但现在它正在以机器作为某种低种姓的形式出现。在过去的 40 年、50 年的技术中，它一直存在，因为我们说，要确定性。不要试图成为概率性的。正如我所说，你知道，早些时候，

但现在，他们第一次说，但我为什么不能推测呢？所以我认为，仅仅给他们一点余地来进行邻近思考、推测性思考本身就是一个巨大的文化转变。因为为此，我们过去雇佣麦肯锡。

你会说，不，我现在不能雇佣机器来做这件事。但是如果我们要考虑问题陈述并说，看，如果你雇佣年轻人，他们没有经过充分培训，也没有参加过训练营，他们没有经验，他们会犯机器可能会犯的同样的错误。但我们会更宽容地对待人类犯下的错误。

比我们对机器的容忍度更高。在这个时代，您会看到创新者和早期采用者基本上会说：“看，我们会让机器失败得和人类失败一样多。”

然后，大多数后期采用者和落后者将等待这项技术变得越来越好，然后再动手。这很好。我认为，你知道，可能会有……我认为你今天可以在欧洲看到这一点，例如。你知道，欧洲在监管。它可能必须认真考虑我们在人工智能中的立场。甚至在我们完成……

大约 10% 的工作，或者可能只有 5%。欧洲的监管鹰派如此之多。

我认为我们必须小心那些看起来我们试图对机器极其不公平的事情，因为它们几乎还没有诞生。我的意思是，这就像一个不到两岁的蹒跚学步的孩子。我们说，不，不，不，但你必须这样做。你必须知道 X、Y 和 Z，世界的规则等等。所以我觉得会有一个采用者的钟形曲线。

快速采用的那些人将真正看到事情变得更加进步。他们可能会看到这些东西比其他人更有优势。这很好。我的意思是，与美国相比，与中国相比，与印度和许多其他国家相比，欧洲在许多这些事情上可能落后。等级制度。我从未想过这个比喻，但是……

令人不安地贴切。我在开场白中取笑说，当您从 Vinod Khosla 和其他人那里筹集资金时，您采取了一种非常新颖的方法。因为您正在与众多企业家、风险投资家交谈，我认为

让您告诉我们一些关于您如何为 DevRev 提供资金的信息是有用的。是的，Vinod 和我认识很久了。事实上，我在加州的第一份工作是在 Vinod 资助的公司，当时他还在 Kleiner Perkins。他还未创立 Coastal Ventures。

所以我和他一起走过了 25 年的旅程。现在，他当时可能并不完全了解我，但他在 2011 年为 Nutanix 提供了资金。他们在几轮融资中投入了大约 2500 万美元，我们向他们返还了大约 6 亿到 7 亿美元。他是第一个作为机构投资者投资 OpenAI 的人。他是第一个在 2020 年与我谈论 GPT 的人。

因为我当时几乎一无所知。所以我很好奇，我开始阅读更多内容，我想，哇，我必须更了解当前情况。一件事导致另一件事，你知道，他基本上说，看，我会给你开一张支票，然后去弄清楚你想做什么。而且，

在过去，我会说，四年里，我们筹集了大约 1.5 亿美元。其中很多也是众包给许多首席执行官，许多人投入了 200 万到 300 万美元。许多加速器、小型基金在过去三四年中投入了 300 万到 400 万美元。我们甚至用区块链技术做了 700 万到 800 万美元。基本上，这是一个代币。

呃，我们称之为 rev d，呃，那东西在 polygon ethereum 堆栈上，人们说我会，你知道，做五万美元，在许多方面它实际上变成了一个聚合体，它是一种证券，它不是代币，它是一种证券，呃，如果有什么不同的话，我们现在在过去两三个月里再次关注加密货币，也许我们可以收回其中的一些

我认为我仍然想用区块链做的一件事是真正奖励用户的使用。例如，您如何使用 DAO 建立社区是我非常关注的事情。它又回到了我的……一旦利率下降并且 PLG 回归，我们觉得培养社区的方式是通过游戏化和奖励系统。

代币可以允许这样做。想象一下首席营销官去燃烧这些代币，用现金买断它们。这就是真正做到这一点的方法。现在，税收如何运作？我不知道税收在这里以及 1099 表格等等如何运作。但我觉得社区实际上需要一种获得奖励的方式。除了代币之外，没有其他方法可以做到这一点。

这是一个引人入胜的话题。我希望观众听到一些关于这方面背景的信息。我认为我们开始了大约三个不同的单独对话。我们可能必须请您回来继续其中一个或多个对话。但是，DAO 和代币以及金融的未来这个话题本身就是一个引人入胜的话题。是的，不，我的意思是，我不了解比特币以及其中的一些内容，但我认为关于比特币有一些话要说。

分发奖励和感激的代币，双关语，尤其是在您的最终用户中，这可能需要一些颠覆性的思考。奖励社区参与或价值创造。是的。

你知道，我会让这个时间过长，但我不会让你离开热座而不回答我最后一个重要的问题。我听说你分享了关于迪拉杰的故事，你知道，迪拉杰带着一个手提箱和一点钱离开印度家乡。天哪，你知道，看看你现在的样子。如果你能……

与那个害怕的孩子交谈，你知道，离开印度去美国，离开 IIT。你会给那个孩子什么建议？我认为一个是，你知道，人文主义会让你走很远，你知道，我一直是一个非常随和、善于交际的人，不是外向的，但可能是一个性格内向的人，你知道，人。

我会说，如果有什么不同的话，我成长得越多，我就越意识到，正如你提到的，什么是价值观。通过人文主义真正与人建立联系是开展业务的最佳方式。这也会为一家非常诚实的公司创造条件，因为现在，你知道，同理心不是编造的，品牌也不是编造的。品牌不是活动。品牌就是您提供的服务。

所以我实际上会回去说，看，你对人文主义的押注并非一个坏主意。你有一个公开邀请。再来玩吧，好吗？谢谢。此外，在我们结束之前，我想感谢 Steve Kaplan，Deroge 和我的共同朋友，他帮助我为这次讨论做好了准备。谢谢，史蒂夫。天哪。

本周关于人工智能和未来工作的讨论时间就到这里。当然，像往常一样，我是您的主持人 Dan Turchin，我们下周将与另一位令人着迷的嘉宾一起回来。♪