Erik：Artem，感谢您今天加入我的播客。

Artem：嘿，很高兴来到这里。谢谢你邀请我。

埃里克：是的，这将是一件令人兴奋的事情。大约一年前我有你的首席执行官。因此，我认为没有必要重复它并深入研究 Augury 正在做什么。这让我们有一点奢侈，可以专注于您也在其中发挥主导作用的主题之一，即将 AI 引入制造环境。所以，我真的很期待这次谈话。但是，让我们还是让人们稍微回顾一下 Augury 的功能。你能给我们大概两分钟，三分钟的版本你的价值主张是什么？您提供什么解决方案，您将提供给谁？

阿尔乔姆：当然。 Augury 如今是机器健康领域的市场领导者，现在正在进入我们所说的过程健康领域。它是生产健康类别的一部分。当您考虑制造或工业运营时，今天我们确保工业机器不会出现故障。我们通过人工智能以及物联网应用来做到这一点。当我们谈论过程健康时，就是确保您的工厂能够以可持续的方式生产产品，以尽可能低的成本获得尽可能高的质量，等等，并应用人工智能技术来做到这一点。

然后是我们开始做的其他事情，这些事情进入了帮助制造商开始管理其工厂网络和运营的类别的原因。我们可以在谈话时深入研究。但从本质上讲，这就是 Augury 所做的。我们与 100 多家不同的制造商和工业公司合作，涉及化学品、食品和饮料、塑料以及水泥、木材和金属等建筑产品。我们最近与合作伙伴贝克休斯一起涉足的其他一些材料——能源领域、石油和天然气领域。它发生在过去的几年里。因此，我们想说的是，我们要确保药品、啤酒、零食以及您每天使用的东西的制造商继续这样做，并以更高的效率可持续地这样做。不客气。

埃里克：完美。谢谢，阿尔乔姆。和你自己。那么，你在公司的角色是什么？

Artem：我负责 Augury 的战略。我是在七年前加入 Augury 的，当时公司成立大约三四岁。我加入了首席执行官兼联合创始人 Saar Yoskovitz 和首席技术官、产品主管兼联合创始人 Gal Shaul 以及早期团队，以帮助构建第一个产品并将该产品推向市场产品市场契合，然后发展超越。

我的角色从产品到进入市场，再到合作伙伴关系、生态系统、公司的企业发展。我确保我们有一个可靠的战略和一个关于我们如何推进它的良好愿景。我们只是继续建设。部分角色一直在帮助我们度过我们现在所处的阶段，即超速增长——跨市场、跨细分市场的增长非常、非常快。这对我来说非常令人兴奋。

埃里克：是的，当然。这很棒。你来自一个角度，你是客户开发副总裁或客户开发主管，产品副总裁。所以，在担任战略角色之前，你有这些不同的观点，我认为这对这次对话非常有用。也许让我们从更高的层次开始，然后再深入。

如果我们谈论工厂中的 AI，我很想听听您是如何看待这个问题的。对我来说，似乎有一种传统的方式——我们的数据来自机器。我们使用机器学习来处理这些数据，并根据该过程的某种结果做出决策。然后我们有了 GPT 的新发展，然后你开始研究，好吧，我们可以在多大程度上将知识数字化？我们所有这些 55 岁的专家已经在工厂工作了 15 年。他们都将退休。我们如何将他们的大脑放入机器中？那是一个完全不同的过程。此外，人们可能与该机器进行的前端交互将大不相同。这有点是我外行人的思考方式。但是，您如何从更高的层面思考我们如何将 AI 或机器学习应用于制造环境？

Artem：我认为，当我们谈论 AI 时，它不是一回事。这是许多不同的事情。所以，我们可以分解它。但最终，这些技术需要一种略有不同的思维方式，这与我们过去传统上的思维方式略有不同，比方说，在早期的工业革命中，我们会考虑采用当今存在的东西，我们在自动化过程中所拥有的过程，自动化某些任务或将这些任务数字化。从模拟转向数字，使它们更快、更好、更好地重复等等。

在这里，我们有机会创造一个合作伙伴来思考问题以做出更好的决策，扩大我们如何思考、如何做，甚至我们有时如何想象事物的范围，这是一个有点抽象的概念。但我认为，仅从纯自动化的角度来考虑 AI 是有害的。我的思考方式，我们的思考方式是，我们帮助将这些技术应用到任务中，而不是仅仅应用到技术方面，例如数据或您所做或处理的某些部分。我们正在考虑将这项技术应用到一个功能中——像可靠性和维护这样的功能，或者像过程工程或制造这样的功能。

在这些职能中，我们确实在确保担任这些角色的人是什么，他们的任务是做什么？他们的目标和抱负是什么，或者他们真正想做什么和需要做什么？我们怎样才能帮助做得更好更有效？而且，我们如何才能以一种使这些角色和职能更好、更有效率的方式扩展它？因此，这种观点帮助我们真正磨练并专注于我们如何构建我们的产品，我们如何处理这个行业和这些类型的解决方案？我们从可靠性和维护开始。我们如何确保这些功能变得更好，以及它们今天存在的关键问题，我们确保我们尽可能地消除它们？所以，这就是整体方法。

它确实归结为一套工具和一种不同的工作方式。例如，当您考虑我们关于机器健康的产品时，它可以准确地预测机器故障并真正针对特定问题进行磨练，机器的特定组件的准确率超过 99.9%。它还可以告诉您严重程度。你有多少时间来修复它？这颠覆了传统的可靠性维护方法。而你有基于时间的方法，你会说，“好吧，我真的不知道这台机器什么时候会发生故障，但我会确保在特定的时间间隔内维护它以降低发生故障的风险”

现在，您要做的第一件事就是监控机器，然后部署 AI 以确保您准确了解正在发生的事情。在此基础上，您可以创建维护可靠性策略。所以，这改变了观点。最终，他们将改变在大学或学校教授这些学科的方式。因为就您的处理方式而言，它就是这样一个游戏规则改变者。我们正在为流程工程和我们拥有的其他一些功能做同样的事情。所以，我认为这就是我们对它的看法的不同之处。

它的另一个方面和方法的不同之处在于，您必须考虑这些功能之间如何相互作用。我们看到制造业领域存在许多孤岛和层次结构。出于一个很好的理由，传统上，您必须将这些角色划分开来，以便能够有效地执行其中一些角色。在这个世界上，您几乎可以实时访问洞察力，在许多情况下是实时的，可以准确了解您的设备、流程、日程安排以及供应链中潜在的大部分内容。在这种情况下，所有不同的功能实际上都需要查看相同的事物、相同的数据，根据该数据、这些见解做出决策，并朝着相同的目标努力。

但是你不能再激励人们在这个机械结构，这个机器中作为 COGS 的一部分从事不同的事情。相反，他们必须作为一个团队行动，并进行非常、非常紧密的迭代，以分享经验教训、了解正在发生的事情，然后可能做出对他们所在级别的业务具有战略意义的决策，以便能够更快地行动，成为更加敏捷并最终满足需求并进行这些更改。我认为这是人工智能技术在该领域发起的另一部分。我们正在通过改变我们对这些功能和角色的思考方式，以及通过不同的方式思考它们如何相互作用来改变我们制造事物的本质。

埃里克：好的。让我举一个具体案例，以便我们尽可能具体地说明这一点。假设我们有一家商品行业的化学品制造商。假设它是这样的行业之一，如果全球一家工厂倒闭，它就会开始影响供应，然后价格开始在全球范围内波动，等等。在其中一种情况下，某台设备出现某种中断。然后，正如您所说，这些不同的功能必须做出反应。所以，你有维护反应。你也有预测反应。你可能有销售人员。您可能拥有供应链人员，他们都必须对情况做出反应并围绕它做出决策。

假设您在过去几年中可能一直在研究的基线 AI 正在处理机器数据，这样至少维护人员可以查看它并了解正在发生的事情。其他人可能会查看该数据，但无法理解它。但他们知道出事了。不同的人有不同的理解程度。因此，我认为这非常重要。这是第一层，好吧，有一台机器有问题。我们对问题是什么有所了解。然后你需要做出所有这些其他决定。我们能够在一小时内、一天内、一周内解决这个问题的可能性有多大？对供应链等有何影响？因此，您做出了所有这些其他决定。

我们今天在多大程度上处于 Augury 或更广泛的 AI 生态系统也开始影响人们将要做出的这些更高层次的决策，也许在任何情况下都不会自动化它们，而是提供某种指导或洞察力来允许人们做出更自信、更快的决定？

阿尔乔姆：是的，当然。我认为我们的一位客户说得非常非常好。他说，“最终，我希望你——意思是 Augury——帮助我了解是根据我的设备的健康状况在这个工厂还是在那个工厂生产这种产品更好，这些设备专门针对我的需求进行了调整生产，我所拥有的材料的健康状况，我所拥有的生产过程的健康状况，以及对我的团队可能如何应对它的良好理解。

这不仅仅是对机器故障和供应链方面的计划做出更快的反应，而是在充分了解您的工厂将如何以可预测的方式对引入的变更、新产品、某种系统性变更做出反应的基础上积极主动地进行规划你有。这就是我们的目标是真正的内部智能，并且能够以这种自主方式执行。这不仅仅是在运行这些流程方面的大量自动化，而且还以一种可以在非常快的时间内实际做出和实施这些决策的方式控制部分流程。

比方说，如果你有一个挤压过程或某种生产线过程，该过程可以根据你正在引入的新产品自动调整发送点和 V 中心线，同时考虑到可靠性影响，同时考虑到维护并考虑材料等。这有点——我不会称之为圣杯。但这是围绕预测能力和预测生产能力发展的下一阶段。

我们今天在这段旅程中所处的位置是，我们可以将其视为一个三个阶段的演变，三个层次。第一层是，我们称之为可预测性或稳定性，你要确保你的工厂运转良好，你的机器不再意外故障或以非常低的速度发生故障，如果我运行这个过程，你有很好的可预测性，那就是我的中心线等等。我可以非常有效地运行它。

第二部分是，我们称之为敏捷性。因此，您基本上可以开始介绍新产品了。您的停靠点、转换、更改对系统的干扰变得更低，因为您可以更快地调整。然后最后一个阶段或下一个阶段变成了自治，你不仅可以快速调整，而且可以预见地在这里说，我在这里做还是在那里做更好。会有什么影响？会有什么影响？你可以比今天更无缝地推出它。在某些情况下，新产品的推出需要一年的时间，对于某些制造商来说则需要几个月的时间。我们能否准确地将其缩短为几天以预测会发生什么？这就是我们在进化和自治水平方面考虑的地方，如果你愿意的话，在因素之内。

埃里克：那么，这在系统集成方面意味着什么？因为我猜，在较低的地方，比方说第一层，你几乎可以看着一台机器或一条生产线说，好吧，这台机器亮了红灯。它向一群人发送了应用程序上的警报。它在警报和影响方面相当孤立。当您沿着刚刚概述的进度向下移动时，您会开始查看并说，好吧，现在我们需要来自 MES 的信息，也许还需要双向沟通。我们需要开始自动化流程。我们可能需要发送警报，不仅要发送给这群人，还要发送给组织内的多个其他职能部门。

一旦我们进入第三层，也有可能使重要决策自动化。然后你要确保你真的在以正确的方式做这些。你有保障。你有备忘录，我们为什么要做这个，等等。于是，你开始进入这个高度集成的系统。你今天在哪里？那么从制造商的角度来看，这段旅程又是什么样的呢？因为，当然，很多这些工厂都坐在 20 年或 40 年的设备和 20 年的 IT 系统上？

阿尔乔姆：是的，当然。我想说，工业世界的复杂程度比自动驾驶等应用程序高出一个数量级，后者确实非常复杂。因为你有这么多不同的做事方式和运行流程，有这么多不同类型的设备、不同的环境、不同的文化，以及你如何做的成熟度水平也有很大差异。因此，您在自动驾驶方面的标准化水平，您拥有非常相似的路标，这些路标已在世界大部分地区达成一致。在制造业中，存在竞争系统，涉及您如何处理。例如，尚未完全达成一致的准时制或敏捷制造。有各种各样的味道。

因此，当您达到真正理解定制的水平时，就会有很多复杂性。我认为这就是很多公司围绕 AI 提供服务的地方，不是像 Augury 这样的产品，而是那里的服务。这就是限制所在。因为对于那个特定的工厂、那个特定的子过程、那个并没有真正扩展的特定实例有很多独特的雪花解决方案。

我们处理这个问题的方法是查看用例，再一次，正如我所说，在制造业中服务于特定功能的功能——最终，人，实际上不仅仅是可复制的过程，并且可以很好地利用人工智能进行放大。我们提到了副驾驶，对吧？好吧，也许我们没有。但这是我想介绍的一个术语。我们可以建立一个可靠的副驾驶吗？这意味着什么？这需要能够从根本上预测大量设备的机器故障。在我们实际上可以做到这一点的意义上，哪些机器是相似的？好吧，旋转设备是我们开始的东西，然后我们会在进行过程中添加其他类型的设备。不同类型的物理运动，不仅仅是旋转的线性运动，等等。这就是我们的方法。我们从一个适合自己的大型用例开始。然后我们扩展该用例并在其中创建越来越多的封面。流程也是如此，我们计划和战略中接下来的两个、三个或四个用例也是如此。

一旦我们相当有效地做到这一点，并且我们在这些用例的每个级别提供价值，它们之间的相关性就会变得非常非常清晰和明显。例如，我们确实开始通过帮助识别哪些机器导致质量问题来在机器健康和过程健康之间做到这一点。他们中的一些人这样做。在某些情况下，他们中的很多人都这样做。我们开始弥合这些差距，但我们正在以一种非常切实、非常可行的方式弥合这些差距。不仅如此，让我们获取所有可能的数据并尝试从中收集见解。相反，我们如何将这两个功能围绕它们所做工作的最关键部分结合在一起，并在它们之间架起这些桥梁？但首先，我们必须确保这些功能是通过这些 AI 副驾驶实现的，这些新功能的平均水平。所以，我希望这种方法、这种结构有意义吗？

埃里克：是的，这很有道理。所以，你不会进去说，“让我们建立一个智能工厂。”你进去说，“让我们专注于解决一些最初可能与一个功能隔离的高价值问题。然后让我们从那里扩展并开始连接这些数据点。”我想，当你经历这些时，你会开始说，“好的。为了解决这个问题的这个特定应用程序，我们现在需要连接到你的质量保证系统，或者你开始构建这些集成。

我的假设是，Augury 正在处理大量高度结构化的机器数据。而且，当您开始扩展并为这些其他用例和挑战提供价值时，您可能会开始进入您说的情况，好吧，我们有 PDF 格式的根本原因分析数据，这些数据记录了过去发生的每个问题过去20年。这些数据将非常有价值。但它是PDF格式的。我们有债券。我们有规格。我们有各种各样的信息可以帮助我们更好地理解问题，但它并没有以一种很好的结构化方式从机器上消失。您目前在部署中在多大程度上使用这些结构化程度较低的信息？

Artem：我们的一种思考方式是，如果你看一下工厂的生产车间，很多东西都是通过设计或通过例行程序相互关联的，或者只是通过其运作方式的性质而通过其他一些变化相互关联。但是你也可以看到一些关键问题，对于一个围绕几个中心联合起来的工厂来说，更关键的问题可以真正解决。你可以加工中心，或者一些做事的方式，等等。问题往往聚集在一起，而不是完全分散。在这些之间建立联系实际上是由价值驱动的，在这种情况下需要和必要的东西才能解除这种影响。

您提到的另一部分，我们如何处理数据或数据中的差距，这些差距是遗留的或存在于不同地方，特别是当我们谈论维护历史或运行流程的历史等等时？我们处理它的方式是，好吧，我们需要它吗？实际的基本事实在哪里？证据在哪里？对于我们来说，在机器健康方面，它实际上是机器健康状况的当前状态。因此，我们提供自己的硬件来获得正确的质量数据，并且您可以使属性标准化。因此，我们不需要了解那台机器发生的事情的历史。这几乎无关紧要，因为我们可以告诉您未来的当前状态。

在流程方面，需要一些历史数据并了解此流程之前是如何运行的，以了解运行此流程的最佳方式是什么。那么重要的是，如果 Augury 提供了关于如何更好地运行该过程的见解。当我们实施它时，它实际上改进了流程。它有效。这就是您需要的大部分证据和价值。我并不是说所有的历史数据或以前的过程根本不相关。这里面有很多知识，你可以从中获得很多见解。但我们关注流程的实际操作方面，它是否在切实意义上得到改进。在此基础上，您可以改进您的例程。你可以训练人。但是，这些洞察力和能力已经根深蒂固，成为您运营方式的自然组成部分。对于有过 Augury 这样的技术产品经验的人来说，要回到以前的状态实际上是非常困难的。因为他们真的很清楚地知道我们在盲目地奔跑。然后你会看到进化开玩笑例程、维护实践、过程配方开始调整并考虑 Augury 提供的见解。

埃里克：好的。这说得通。是的，机器健康，这是有道理的。然后我想在流程方面，您正在为系统提出和提供的每项决定、每项建议创建这些反馈循环。

阿尔乔姆：当然。

埃里克：我在这里有点戳这个问题的原因之一，我真的很好奇你是否认为这很有趣。但很明显，由于 GPT 4 的推出，世界现在变得有点疯狂。整个世界都在围绕生产数据进行机器学习，实际上可能并没有受到太大影响，它基本上已经运行良好它正在解决的问题。这些大型语言模型基本上是在处理另一组信息，即混乱的人类语音、图像等，并对其进行理解。

我之所以关注这个根本原因，是因为有一整套数据是人类语言。它被写在某个地方，或者甚至存在于某个人的脑海中——回到这位 55 岁的维护工程师身上，它就存在于某个人的大脑中。假设，这将是有价值的。我想说，我们之前一般没有尝试解决这个问题。所以，如果有根本原因分析，有人可能会去查看一些旧报告。这是一个非常耗时的问题。只有当你真的需要时，你才会这样做，这是一种解决问题的耗时方法。因此，我很好奇，从 Augury 的角度以及您在公司的战略角度来看，这是否影响了您对未来解决问题的方式的看法，以可能 12 的方式使用人类语言的能力几个月前似乎不可行？

阿尔乔姆：是的，当然。实际上，我们正在该领域开发很多东西。对我们来说，我们是人工智能公司。因此，当新技术浪潮出现时，我们的客户会向我们寻求答案。显然，我们很早就开始深入研究并思考其影响、应用程序、用例等。我的想法是我们拥有狭义的人工智能。它被称为特定领域的 AI，它可以帮助您了解设备的健康状况。它需要某些我们甚至无法发出的信号——对我们人类来说，很难分析、理解它们。但它在 AI 应用程序、处理数据等方面非常有意义。您可以将其带到您的财务数据交易、ERP 数据和供应链数据等企业的其他领域。这是一个特定于特定领域的 AI 应用程序，在某些情况下，需要将一定程度的物理、优化、领域专业知识融入到解决方案中才能做好并理解它。

现在我们有另一个领域正在进入，比方说，企业并将进入制造业，这是对话式的 AI，本质上，如果特定领域的 AI 理解事物，并且这种 AI 是一种思考方式，那就是它理解人或至少我们的语言。当你将公司和整个生产车间视为一个整体时，它实际上是我们所拥有的事物、人和对话的结合体。要真正了解公司内部发生的事情，您不能只有一个。你不能仅仅根据生产率、设备的健康状况以及 ERP 数据和财务数据来判断一家公司。人与人之间一直都在发生很多事情，比如你提到的知识等等。

这为您提供了一个机会，让您在考虑解决方案时从本质上考虑整个企业、整个公司，从而做出更好的决策。当我想到这类企业未来的架构时，它有许多特定领域的 AI 应用程序，以及一层对话式 AI 组合在一起。今天，当你考虑向谁询问公司在业务方面发生的事情时，你有多大可能做好某事，以及你团队的士气如何，这是其中之一高管。可能是制造副总裁或最了解组织内发生的事情的人。这需要很多判断。

有了像 GPT 这样的应用程序，您实际上可以提出这些问题，在某些情况下，数据主管可以更有效地回答这些业务问题，并更快地提供这些答案，而且更真实，假设它们是准确的。同时，将这种洞察力与来自特定领域人工智能应用程序的各种洞察力联系起来。因此，我相信你会出现 GPT 类型应用程序以及协同工作的领域特定应用程序的组合。

现在真的只是一个问题，界面是什么样子的？这些连接是什么样的？数据是什么样的，等等？这就是你提到的所有数据，无论是工作订单还是某些人的知识，或者我们可能已经写在某处但我们从未看过的一些东西，这就是它们变得非常有价值的地方。因为这是公司拥有的大量数据和专业知识，我们今天在很大程度上并不真正重视这些数据和专业知识，因为我们无法访问它。我认为这才是真正的未来。

另一方面，如果可以的话，对话对我们和人们来说要自然得多。如果你能进行的对话超越了一年前或一年半前的垃圾聊天机器人，你就可以将它提升到一个真正有洞察力的水平。现在您可以拥有一个真正的界面，而不仅仅是谈论命令或从 Alexa 询问。是关于今年阻碍我生产的是什么？我需要在我的维护责任策略中改变什么才能考虑到这种类型的成本降低计划？

未来，只要AI应用和数据源对接好，你就能真正得到智能答案。它可以融入其中。这开辟了一系列全新的机会。这几乎就像有一个完全不同的管理执行团队在持续帮助您并为您提供建议。这就是我所说的，当我们谈论 AI 副驾驶时，这是企业级 AI 副驾驶。因此，您可以推动执行决策。那是高层次，我可以思考这件事的未来的方式。

埃里克：好的。很有意思。一方面，您可以访问以前过于繁琐而无法真正大量访问的信息源。然后，您还拥有这个新界面，它允许那些可能真的很难理解信息的人以适合普通商务人士的方式实际访问它。即使是普通工程师，我想有时也会欣赏图表以外的其他东西，你知道的。好吧，有趣。

似乎还有一些独特的挑战，对吧？存在这种集成挑战，一种新的数据集。可能存在一些隐私挑战。如果你有一台机器正在监听对话，那么你必须——它什么时候应该忽略某些东西？什么时候报警等等？因此，那里可能存在一些问题。可能有一些与 IP 相关的主题，只要您开始迁移到新的数据集，您就必须弄清楚公司对什么感到满意，特别是如果这意味着他们正在将信息移动到云端，以便在场外某处进行处理。

如果你看看这个，你说在接下来的 12 个月里，Augury 已经开始使用这项新技术来产生一些影响，是否已经有了一些唾手可得的果实？也许不是宏伟的愿景，而是一些影响。那么，您认为解决新技术所带来的一些其他挑战的现实时间表是什么？

Artem：是的，我认为我们绝对需要——你提到的一些事情是需要解决的挑战。他们在过去类似的情况下很快就得到了解决。如果您考虑封闭软件向开源软件的演变，那么在该演变过程中发生了很多事情。但是公司很快就弄清楚了如何有效地使用这些应用程序、周围的规章制度应该是什么以及我们如何共享数据等等。我认为这会在这里发生。我已经看到很多关于这将如何发生的思考，或者来自用户和实际企业、公司，但也来自大型模型的提供者以及如何隔离，如何确保数据公平并保持私密性，等等。但仍有许多挑战需要解决。

我们在数据方面始终采取谨慎的态度，保护我们客户的数据，确保我们在这里是我们始终承诺的，以及我们为自己设定的安全标准。但我们已经在将其中一些技术整合到我们的产品中。我们处理它的方式与我们处理我们拥有的特定领域人工智能应用程序的方式非常相似。我们的机器健康需要一些时间，AI 功能变得像现在一样准确，工厂中的可靠性人员才能真正依赖日常工作，甚至在有 Augury 警报时发布自动工作订单——无需任何审查因为信任度很高。但要做到这一点，我们必须审查这些警报多年。

为了确保我们与我们自己的服务人员一起创造最后一英里的准确性，与我们自己的专家保持非常高的标准，以确保机器不适合。同样的方法适用于此。如果我们将 GPT 类型的应用程序集成到，比方说，我们的客户服务中，并向客户提供建议，在开始时，我们将确保我们对其进行审查，直到我们对它足够准确和足够有用为止感到满意我们的用户。这是一个混合智能应用程序。我们总是在两者之间安排一个人，以确保存在标准和高质量。一旦完成，我们就可以开始将其发布到与客户的直接交互中。

我们拥有和将拥有的应用程序介于真正改进和确保我们更快地为客户提供服务之间，帮助他们回答这两个问题。举个例子，我们的产品中发生了很多对话和互动。一旦我们提供了建议，用户就会问，“好吧，我应该现在还是以后修理这台机器？接近它的最佳策略是什么？”这是一个系统性问题。因此，我们有一个专家团队可以帮助深入研究并研究有关机器健康的策略。显然，同样的情况也发生在工艺工程方面。

您可以使用 GPT 类型的应用程序为用户预先填充大量信息，而不是每次都用文本重新创建这些对话。在内部，它已经运行良好，因为那些大型语言模型确实包含大量有关可靠性和工程等的信息。所以，他们的反应相当准确。它们只是不够具体。所以，我们可以从那里进行调整。

另外一块是我提到的，以后你可以问一个应用，“嗯，我在我的工厂里应该做什么？某个商业决策应该有什么影响？”您可能会得到自然语言的回复。这是我们在产品中追求的另一个领域——帮助更好地导航它们，同时也了解屏幕和图形之外的交互是什么样子的。我们的用户，成千上万，他们有很多不同的问题。他们想问问他们是否有机会。我认为这也将扩展我们将来为他们提供的功能类型，方法是获得其中一些答案和这些问题以及其中一些答案。我们将看到更多用户会使用他们的产品的那种用例。

这就是我们在面向客户方面以及在内部开展的工作，改进我们的一些流程，无论是销售、营销、工程还是产品工作。 GPT 应用程序正在进行大量交互。我们真的看到了很多非常非常好的结果。您只需要学习如何利用它来发挥自己的优势，以及如何使用此类工具来增强您的作用。

埃里克：是的，太好了。好吧，这听起来像是一种非常务实的方法。您基本上可以快速开始，但可以保守地推出。您的客户期望这里有 99.X% 的可靠性。 Artem，我知道你必须尽快接听下一个电话。那么，让我打开最后一个问题并说，我们还没有触及您认为对人们理解很重要的哪些内容？

Artem：嗯，我想你一开始问的是，构建 AI 应用程序的方法是什么，是否只是获取我的数据并弄清楚如何处理它？我是否尝试为特定事物构建解决方案？我想我想再次强调这一点，有机会真正重新思考我们如何构建制造团队，我们如何构建制造中的不同职能，以及我们将如何在它们之间建立协作。我这么说的原因不仅仅是因为现在我们拥有这些人工智能能力和这些类型的洞察力。这很重要，因为这是您真正开启制造业或任何行业创新的方式。这是关于多样性和协作。我们正在使设备多样性和协作的一些基础设施真正融合。因为一旦你有了这些类型的洞察力，你就必须真正地就它们进行协作以做出更好的更高阶决策。但我认为我们才刚刚开始。

当你具体考虑工业制造时，就会发现创新向前发展的肥沃土壤。也许我们只是我们所拥有的创新浪潮类型的 1% 或 2%。很多人，我相信，基于此，将来会选择进入这个行业，这个职业。撇开地缘政治运动不谈，人类还有很多事情要做。未来几年将发生的创新水平对我来说真的很令人兴奋。显然，GPT 和围绕 AI 的新技术将在其中发挥巨大作用。

埃里克：是的，太好了。我告诉人们我为什么在这个领域。我认为与导致你的原因相似的是，你展望未来 20、30 年，你会想，是的，我可以在这里度过余下的职业生涯，生活将在风口浪尖上保持精彩，并且它已经变得相当复杂了。好吧，听着的人，这是 Augury。占卜网。 Artem，非常感谢您今天抽出时间与我们交谈。

Artem：谢谢邀请我。谢谢。