0:00

44:59

AI Enterprise - Databricks & Glean | BG2 Guest Interview

Bg2 Pod·44:59·Technology·B2

Chương · 8

Chương 1·AI Hype and Enterprise Reality

Hiển thị

Tiếng ViệtAuto-scroll

0:00

I think we have AGI.

Tôi nghĩ chúng ta đã có AGI.

0:01

I think we have artificial general intelligence.

Tôi nghĩ chúng ta đã có trí tuệ nhân tạo tổng quát.

0:03

We really have.

Chúng ta thực sự có.

0:04

You hear these 95% of projects fail, but like you know, like that's that's that's actually what you want.

Bạn nghe nói 95% dự án thất bại, nhưng bạn biết đấy, đó thực sự là điều bạn muốn.

0:09

I think the LLM is a commodity.

Tôi nghĩ LLM là một loại hàng hóa.

0:11

People are not saying that, but it is a commodity.

Mọi người không nói vậy, nhưng nó là một loại hàng hóa.

0:12

Like you can get gas from this gas station, you can get gas from that gas station, it doesn't matter.

Giống như bạn có thể mua xăng từ trạm xăng này, bạn có thể mua xăng từ trạm xăng kia, không quan trọng.

0:16

Just compare price.

Chỉ cần so sánh giá.

0:17

Is AI in a bubble?

AI có đang trong bong bóng không?

0:20

There is an AI bubble.

Có một bong bóng AI.

0:20

Okay, so then Glean is also in the bubble.

Được rồi, vậy thì Glean cũng ở trong bong bóng.

0:22

Everybody's in the bubble.

Mọi người đều ở trong bong bóng.

0:23

No, I would I would say there is a bubble.

Không, tôi sẽ nói rằng có một bong bóng.

0:25

I would say those three camps.

Tôi sẽ nói có ba nhóm.

0:27

Yeah, there is a super intelligence quest camp.

Đúng, có một nhóm theo đuổi siêu trí tuệ.

0:31

I would be very worried there.

Tôi sẽ rất lo lắng ở đó.

0:32

There's a second the researchers doing the, you know, that's definitely not in a bubble.

Có nhóm thứ hai là các nhà nghiên cứu đang làm việc đó, bạn biết đấy, chắc chắn không ở trong bong bóng.

0:36

They're like the sober.

Họ giống như những người tỉnh táo.

0:37

Yeah, they're they're super sober and nobody cares about them.

Đúng, họ rất tỉnh táo và không ai quan tâm đến họ.

0:39

And then there's, - laughter - all right, and they're probably the ones that are right, unfortunately.

Và rồi có, - [tiếng cười] - được rồi, và họ có lẽ là những người đúng, thật không may.

0:43

And then there's the third camp which is us trying to make this valuable.

Và rồi có nhóm thứ ba, đó là chúng tôi đang cố gắng làm cho điều này có giá trị.

0:46

We're not in a bubble in a sense that we're not spending huge amounts of capital on what we are doing.

Chúng tôi không ở trong bong bóng theo nghĩa là chúng tôi không chi tiêu số vốn khổng lồ cho những gì chúng tôi đang làm.

0:52

Uh, we're just trying to get actual economic value instead of these organizations.

Uh, chúng tôi chỉ cố gắng đạt được giá trị kinh tế thực sự thay vì các tổ chức này.

1:00

Two legendary builders, Ali, Arvind.

Hai nhà xây dựng huyền thoại, Ali, Arvind.

1:03

I'm so thrilled to get into this with you because both of you have seen every super cycle I've lived through, internet, mobile, cloud, data and AI.

Tôi rất vui mừng được tham gia vào điều này với các bạn vì cả hai bạn đã chứng kiến mọi siêu chu kỳ mà tôi đã trải qua, internet, di động, đám mây, dữ liệu và AI.

1:12

Not just through the super cycles, but also through the hype, the trough of disillusionment, and this time it's different.

Không chỉ qua các siêu chu kỳ, mà còn qua sự cường điệu, thung lũng vỡ mộng, và lần này thì khác.

1:21

Today, we're going to chop it up on the state of AI.

Hôm nay, chúng ta sẽ bàn luận về tình hình AI.

1:25

You know, let's let's start with the 20,000 ft view.

Bạn biết đấy, hãy bắt đầu với góc nhìn từ trên cao 20.000 feet.

1:28

Take stock of where we are.

Đánh giá xem chúng ta đang ở đâu.

1:30

AI, we've seen consumer AI, billions of users.

AI, chúng ta đã thấy AI tiêu dùng, hàng tỷ người dùng.

1:33

ChatGPT said the guns went off 3 years ago.

ChatGPT nói rằng súng đã nổ 3 năm trước.

1:37

Cloud, Perplexity, ChatGPT.

Đám mây, Perplexity, ChatGPT.

1:39

People use it in the room.

Mọi người sử dụng nó trong phòng.

1:42

On the SMB and developer side, we've got hundreds of millions of users with Cursor and Codex and Cloud Code and and so on.

Về phía SMB và nhà phát triển, chúng ta có hàng trăm triệu người dùng với Cursor và Codex và Cloud Code và vân vân.

1:49

Enterprise on the other hand, there's a lot of divide.

Mặt khác, doanh nghiệp có nhiều chia rẽ.

1:52

It's hard to see, a lot of fog of war.

Thật khó để thấy, nhiều sương mù chiến tranh.

1:55

On one side, you've got models that are earning math benchmarks and science benchmarks and engineering benchmarks.

Một mặt, bạn có các mô hình đạt điểm chuẩn toán học và khoa học và kỹ thuật.

2:02

But on the other side, you've got the MIT report that's saying 95% of AI deployments don't work.

Nhưng mặt khác, bạn có báo cáo MIT nói rằng 95% triển khai AI không hoạt động.

2:07

What's the reality?

Thực tế là gì?

2:09

Bridge that gap for us.

Hãy thu hẹp khoảng cách đó cho chúng tôi.

2:10

Lay it out as you see it, a view from the top.

Trình bày như bạn thấy, góc nhìn từ trên cao.

2:14

So, I think first of all, I think we should we we should know that people use AI in their personal and work lives both.

Vậy, tôi nghĩ trước hết, tôi nghĩ chúng ta nên biết rằng mọi người sử dụng AI trong cả cuộc sống cá nhân và công việc.

2:21

So, there's not so much of a divide.

Vì vậy, không có nhiều chia rẽ như vậy.

2:24

Like you know, everybody in your company is probably using ChatGPT um and Claude and other tools uh on a daily basis.

Như bạn biết, mọi người trong công ty của bạn có lẽ đang sử dụng ChatGPT và Claude và các công cụ khác hàng ngày.

2:30

Um the clears throat uh

Um [hắng giọng] uh

2:32

the thing that I feel uh you know, is happening in enterprises is you hear these 95% of projects fail, but like you know, like that's that's that's actually what you want.

Điều mà tôi cảm thấy uh bạn biết đấy, đang xảy ra trong các doanh nghiệp là bạn nghe nói 95% dự án thất bại, nhưng bạn biết đấy, đó thực sự là điều bạn muốn.

2:42

Like you like when you are actually experimenting with new technology, if if all of all of your projects are failing, that means you didn't just not trying enough, you know, at the moment.

Giống như bạn, khi bạn thực sự thử nghiệm công nghệ mới, nếu tất cả các dự án của bạn đều thất bại, điều đó có nghĩa là bạn không chỉ không cố gắng đủ, bạn biết đấy, vào lúc này.

2:49

So, so I think when I read the study like it was not a surprise for me.

Vì vậy, tôi nghĩ khi tôi đọc nghiên cứu đó, nó không làm tôi ngạc nhiên.

2:53

Um you know, we're going to actually see hopefully like you know, similar stats next year, too uh because you want everybody in the industry to be to be really eager and experiment and actually figure out like you know, how to mix how how to actually make you know, get you know, get benefits from this technology.

Um bạn biết đấy, chúng ta sẽ thực sự hy vọng thấy những số liệu tương tự vào năm tới, uh bởi vì bạn muốn mọi người trong ngành thực sự háo hức và thử nghiệm và thực sự tìm ra cách kết hợp, làm thế nào để thực sự nhận được lợi ích từ công nghệ này.

3:08

This would make you guys by default the 5% of AI that is working.

Điều này sẽ khiến các bạn mặc định trở thành 5% AI đang hoạt động.

3:13

- laughter - Which is uh one in 20.

- [tiếng cười] - Đó là uh một trong 20.

3:15

Maybe you go to the 5%.

Có thể bạn đi đến 5%.

3:17

What is what is a use case that is working?

Trường hợp sử dụng nào đang hoạt động hiệu quả?

3:19

And not just working like it's like saving me time, but like it's working and it's transforming my company.

Và không chỉ hoạt động hiệu quả như tiết kiệm thời gian cho tôi, mà còn như nó đang hoạt động và đang chuyển đổi công ty của tôi.

3:24

Something that you can take to the bank to the CFO while the CFO will not listen, but the legal won't shut it down.

Một cái gì đó mà bạn có thể mang đến cho CFO để trình bày trong khi CFO sẽ không lắng nghe, nhưng bộ phận pháp lý sẽ không đóng cửa nó.

3:30

All right, well, I mean, look, we're seeing a lot of use cases that are working.

Được rồi, ý tôi là, nhìn này, chúng tôi đang thấy rất nhiều trường hợp sử dụng đang hoạt động hiệu quả.

3:34

Uh it's just that you know, you just

Uh chỉ là bạn biết đấy, bạn chỉ cần

3:36

have to it's not just you can just unleash the agent and it just works.

Không chỉ là bạn có thể thả con agent ra và nó tự hoạt động.

3:41

Uh it's an engineering art.

Uh đó là một nghệ thuật kỹ thuật.

3:42

Like if you're going to have a company that's going to be really differentiated like like my company or your company or anyone's company and you want to beat the competition, you can't just like you know, quickly put something together and think that you know, the your competition is not going to do the same thing.

Giống như nếu bạn định có một công ty thực sự khác biệt như công ty của tôi hay công ty của bạn hay công ty của bất kỳ ai và bạn muốn đánh bại đối thủ, bạn không thể chỉ nhanh chóng ghép một cái gì đó lại với nhau và nghĩ rằng đối thủ của bạn sẽ không làm điều tương tự.

3:56

So, that's going to be you know, something that

Vì vậy, đó sẽ là bạn biết đấy, một cái gì đó

3:59

needs evaluations.

Cần đánh giá.

3:59

It needs something that you know, you're going to productionize.

Nó cần một cái gì đó mà bạn biết đấy, bạn sẽ đưa vào sản xuất.

4:02

It's going to take effort.

Nó sẽ cần nỗ lực.

4:03

You need a great team around it.

Bạn cần một đội ngũ tuyệt vời xung quanh nó.

4:05

But we're seeing a lot of them.

Nhưng chúng tôi đang thấy rất nhiều trong số đó.

4:06

Like I'll give you some examples.

Tôi sẽ cho bạn một vài ví dụ.

4:07

Um Royal Bank of Canada uh built agents with us that basically take as soon as an earnings report comes out, so equity research analyst, their job is to put together these, you know, reports that say like you know, this is a buy, this is you know, hold and so on.

Um Ngân hàng Hoàng gia Canada uh đã xây dựng các agent với chúng tôi mà về cơ bản ngay khi báo cáo thu nhập được công bố, thì chuyên viên phân tích nghiên cứu cổ phiếu, công việc của họ là tổng hợp những báo cáo này, bạn biết đấy, nói rằng mua, giữ, v.v.

4:22

Um the agent goes, gets the earnings report, gets all the previous earnings reports, gets all the competitors' earnings

Um agent đi lấy báo cáo thu nhập, lấy tất cả các báo cáo thu nhập trước đó, lấy tất cả báo cáo thu nhập của đối thủ

4:28

reports, gets everything that's going on in the market, does the full analysis, the news, everything, puts it all together and it can get the equity report out in 15 minutes from the earnings call.

Lấy mọi thứ đang diễn ra trên thị trường, thực hiện phân tích đầy đủ, tin tức, mọi thứ, tổng hợp tất cả lại và có thể đưa ra báo cáo cổ phiếu trong 15 phút kể từ cuộc gọi thu nhập.

4:38

Industry standard is 2 hours.

Tiêu chuẩn ngành là 2 giờ.

4:40

Of course, it's going to get commoditized and others are going to do that as well, but uh that's actually really important use case that we're seeing in finance.

Tất nhiên, nó sẽ bị hàng hóa hóa và những người khác cũng sẽ làm điều đó, nhưng uh đó thực sự là một trường hợp sử dụng rất quan trọng mà chúng tôi đang thấy trong lĩnh vực tài chính.

4:47

Um so, that's like finance example in finance, right?

Um vậy, đó là ví dụ về tài chính trong lĩnh vực tài chính, đúng không?

4:49

It's like and there's lots of examples like this.

Nó giống như và có rất nhiều ví dụ như thế này.

4:52

Sifting through hundreds of thousands of documents, SEC reports, so on.

Sàng lọc hàng trăm nghìn tài liệu, báo cáo SEC, v.v.

4:56

That's finance.

Đó là tài chính.

4:57

Um let's switch gears.

Um hãy chuyển hướng.

4:58

Let's go to health care.

Hãy chuyển sang chăm sóc sức khỏe.

5:00

Health care completely different.

Chăm sóc sức khỏe hoàn toàn khác biệt.

5:01

In health care, we have a you know, customer Merck uh that in the life science space created a model called Teddy.

Trong chăm sóc sức khỏe, chúng tôi có một bạn biết đấy, khách hàng Merck uh trong lĩnh vực khoa học sự sống đã tạo ra một mô hình gọi là Teddy.

5:10

Teddy stands for transformer enabled drug discovery.

Teddy là viết tắt của transformer enabled drug discovery (khám phá thuốc được hỗ trợ bởi transformer).

5:13

And um this is a transformer model kind of just like large language models that can predict the next word, but it instead can figure out which genome is missing if you remove a genome.

Và um đây là một mô hình transformer giống như các mô hình ngôn ngữ lớn có thể dự đoán từ tiếp theo, nhưng thay vào đó nó có thể tìm ra genome nào bị thiếu nếu bạn loại bỏ một genome.

5:23

So, it really understands the gene regulatory network and can really start telling you what's happening with gene expression and so on.

Vì vậy, nó thực sự hiểu mạng lưới điều hòa gen và thực sự có thể bắt đầu cho bạn biết điều gì đang xảy ra với biểu hiện gen, v.v.

5:29

So, this is really important for drug discovery.

Vì vậy, điều này thực sự quan trọng đối với việc khám phá thuốc.

5:32

It's the beginnings,

Đó là những bước khởi đầu,

5:33

but this is going to actually help us do things that we couldn't do before.

Nhưng điều này thực sự sẽ giúp chúng ta làm những việc mà trước đây chúng ta không thể làm.

5:37

Let's pick retail also.

Hãy chọn cả bán lẻ nữa.

5:38

So, I'm picking different.

Vậy, tôi đang chọn những cái khác nhau.

5:39

Health care is one.

Chăm sóc sức khỏe là một.

5:40

I gave you finance, right?

Tôi đã cho bạn tài chính, đúng không?

5:42

The RBC one.

Cái của RBC.

5:43

Um let's go to retail, 7-Eleven.

Um hãy chuyển sang bán lẻ, 7-Eleven.

5:45

Agents that completely automate the marketing stack.

Các agent tự động hóa hoàn toàn ngăn xếp tiếp thị.

5:47

I actually think the marketing stack is going to get disrupted pretty heavily.

Tôi thực sự nghĩ rằng ngăn xếp tiếp thị sẽ bị gián đoạn khá nặng nề.

5:52

So, um these agents um can basically prepare, they can segment audience like this segment wants to hear this and it can prepare all the marketing material that's like directly targeting you guys and it can put the campaigns together and do that.

Vì vậy, um những agent này về cơ bản có thể chuẩn bị, chúng có thể phân khúc khán giả như phân khúc này muốn nghe điều này và nó có thể chuẩn bị tất cả tài liệu tiếp thị nhắm trực tiếp đến các bạn và nó có thể tổng hợp các chiến dịch lại và làm điều đó.

6:06

7-Eleven was doing this before as well, but you know, this and we're seeing this at Databricks as well.

7-Eleven đã làm điều này trước đây, nhưng bạn biết đấy, điều này và chúng tôi cũng đang thấy điều này tại Databricks.

6:10

More and more is being done by agents and being automated so you can just do it faster and you can segment more fine-grained because before you had to create the content for the groups, that was a heavy content creation was something that was human manual labor.

Ngày càng nhiều việc được thực hiện bởi các agent và được tự động hóa để bạn có thể làm nhanh hơn và bạn có thể phân khúc chi tiết hơn vì trước đây bạn phải tạo nội dung cho các nhóm, đó là việc tạo nội dung nặng nề, là công việc thủ công của con người.

6:21

Now, you can actually do

Bây giờ, bạn thực sự có thể làm

6:23

that much more.

Nhiều hơn thế nữa.

6:23

You can have all your web materials completely customized for a target group.

Bạn có thể có tất cả tài liệu web của mình được tùy chỉnh hoàn toàn cho một nhóm mục tiêu.

6:27

So, these are examples where it is working.

Vậy, đây là những ví dụ mà nó đang hoạt động.

6:29

There are also lots of examples where it's not working.

Cũng có rất nhiều ví dụ mà nó không hoạt động.

6:32

Even with Databricks, we're not just the 5%, you know, we have some of that 95%, too, but some examples where it's where it's where we're seeing success.

Ngay cả với Databricks, chúng tôi không chỉ là 5%, bạn biết đấy, chúng tôi cũng có một phần trong 95% đó, nhưng một số ví dụ là nơi chúng tôi đang thấy thành công.

6:40

Ali, follow up on that off

Ali, theo dõi vấn đề đó

6:42

These are great examples.

Đây là những ví dụ tuyệt vời.

6:43

Thank you.

Cảm ơn bạn.

6:44

Maybe uh if you if you were to take it a layer up, what is common across these use cases or these organizations or these CIOs that's making these use cases work?

Có lẽ nếu bạn nâng lên một tầng cao hơn, điều gì là chung giữa các trường hợp sử dụng này hoặc các tổ chức này hoặc các CIO này khiến các trường hợp sử dụng này hoạt động?

6:52

Is there something that we can pattern match?

Có điều gì đó mà chúng ta có thể khớp mẫu không?

6:55

Yeah, look, I think the LLM is a commodity.

Vâng, nhìn này, tôi nghĩ LLM là một loại hàng hóa.

6:58

People are not saying that, but it is a commodity.

Mọi người không nói vậy, nhưng nó là một loại hàng hóa.

7:00

Like and you know, when I took econ classes, commodity was when it's interchangeable.

Giống như và bạn biết đấy, khi tôi học các lớp kinh tế, hàng hóa là khi nó có thể thay thế cho nhau.

7:03

Like you can get gas from this gas station, you can get gas from that gas station, it doesn't matter.

Giống như bạn có thể mua xăng từ trạm xăng này, bạn có thể mua xăng từ trạm xăng kia, không quan trọng.

7:07

Just compare price.

Chỉ cần so sánh giá.

7:08

LLMs have become that way.

LLM đã trở nên như vậy.

7:09

Like it doesn't really matter.

Giống như nó không thực sự quan trọng.

7:10

This one is better right now, next week that one is better.

Cái này tốt hơn ngay bây giờ, tuần sau cái kia tốt hơn.

7:12

You

Bạn

7:13

can't even keep up anymore, right?

Thậm chí không thể theo kịp nữa, phải không?

7:14

What's happening?

Chuyện gì đang xảy ra?

7:14

So, they're a commodity.

Vậy, chúng là hàng hóa.

7:16

So, it's not about that.

Vậy, không phải về điều đó.

7:18

It's really comes down to your company, what data does your company have that's special that your competitors don't have?

Thực sự nó phụ thuộc vào công ty của bạn, công ty của bạn có dữ liệu gì đặc biệt mà đối thủ cạnh tranh không có?

7:26

Can you leverage that and can you build AI that really understands that data?

Bạn có thể tận dụng điều đó và bạn có thể xây dựng AI thực sự hiểu dữ liệu đó không?

7:30

Cuz that's not a commodity.

Vì đó không phải là hàng hóa.

7:31

There's not an AI out there that understands all your business processes in your company, your secret sauce, and your data.

Không có AI nào ngoài kia hiểu tất cả các quy trình kinh doanh trong công ty của bạn, công thức bí mật của bạn và dữ liệu của bạn.

7:37

That's not a commodity.

Đó không phải là hàng hóa.

7:38

In fact, that's closer to the 95%.

Trên thực tế, đó gần với 95% hơn.

7:40

It really comes down to that.

Thực sự nó phụ thuộc vào điều đó.

7:42

Or if you have a complicated process that just your company has, this is how you deliver your product and services in your company, and it's uh you know, it's

Hoặc nếu bạn có một quy trình phức tạp mà chỉ công ty bạn có, đây là cách bạn cung cấp sản phẩm và dịch vụ trong công ty của bạn, và nó, bạn biết đấy, nó

7:51

that portion can be disrupted with AI somehow.

Phần đó có thể bị gián đoạn bởi AI bằng cách nào đó.

7:53

If you can do that, now you can get ahead of your competition.

Nếu bạn có thể làm điều đó, bây giờ bạn có thể vượt lên trước đối thủ cạnh tranh.

7:56

But it comes back to what makes your company special.

Nhưng nó quay trở lại điều gì làm cho công ty của bạn đặc biệt.

7:58

Unfortunately, a lot of companies are just building uh commodity stuff.

Thật không may, nhiều công ty chỉ đang xây dựng những thứ hàng hóa.

8:01

Like you should not be building that cuz it's a thing that every company can do.

Giống như bạn không nên xây dựng điều đó vì đó là thứ mà mọi công ty đều có thể làm.

8:05

It's not special to your company or to your that's that's I think the

Nó không đặc biệt đối với công ty của bạn hoặc đối với bạn, đó là, tôi nghĩ đó là

8:09

problem in a lot of the industry.

Vấn đề trong nhiều ngành công nghiệp.

8:10

Uh another problem in the industry is that a lot of demo wear.

Một vấn đề khác trong ngành là rất nhiều bản demo.

8:13

It's really easy to make cool demos with an AI and you know, therefore we're seeing a lot of cool demos, but that's all they are.

Thật dễ dàng để tạo ra những bản demo thú vị với AI và bạn biết đấy, do đó chúng ta đang thấy rất nhiều bản demo thú vị, nhưng đó là tất cả những gì chúng có.

8:19

Yeah.

Vâng.

8:19

Well, you know, something we say around at Altimeter quite a bit is your AI strategy starts with your data strategy.

Chà, bạn biết đấy, điều chúng tôi nói ở Altimeter khá nhiều là chiến lược AI của bạn bắt đầu từ chiến lược dữ liệu của bạn.

8:24

Yeah.

Vâng.

8:24

So, you got to get the

Vậy, bạn phải sắp xếp

8:26

data house in order first.

Ngôi nhà dữ liệu trước tiên.

8:27

And you know, there's a lot of reasons for for use cases that are, you know, we were trying, were not working.

Và bạn biết đấy, có nhiều lý do cho các trường hợp sử dụng mà, bạn biết đấy, chúng tôi đang cố gắng, không hoạt động.

8:33

Maybe give us an example of the 95% of an AI bet that either of you had at Databricks, at Glean, that did not work out and why it didn't work out.

Có thể cho chúng tôi một ví dụ về 95% của một canh bạc AI mà một trong hai bạn đã có tại Databricks, tại Glean, đã không thành công và tại sao nó không thành công.

8:43

It's actually an interesting thing you know, with engineering today is you build systems and never before have you been in this mode where you start with a great idea and doesn't seem like good idea anymore like within 2 weeks, you know, because we see a new development that happened.

Đó thực sự là một điều thú vị, bạn biết đấy, với kỹ thuật ngày nay là bạn xây dựng hệ thống và chưa bao giờ bạn ở trong chế độ này khi bạn bắt đầu với một ý tưởng tuyệt vời và nó không còn có vẻ là ý tưởng hay nữa trong vòng 2 tuần, bạn biết đấy, vì chúng ta thấy một sự phát triển mới đã xảy ra.

8:59

So, there are we have like numerous failures in engineering uh on that front like you know, for

Vậy, có, chúng tôi có nhiều thất bại trong kỹ thuật về mặt đó, như bạn biết đấy, ví dụ

9:05

example, some of our fine-tuning work, building models uh for specific use case within our product like you know, didn't didn't really pan out for us.

Ví dụ, một số công việc tinh chỉnh của chúng tôi, xây dựng mô hình cho trường hợp sử dụng cụ thể trong sản phẩm của chúng tôi, như bạn biết đấy, đã không thực sự thành công đối với chúng tôi.

9:12

And ultimately, the choice was that you know, we can go with uh already uh built models whether they are small open source models uh hosted on Databricks or one of the large you know, foundation models.

Và cuối cùng, lựa chọn là bạn biết đấy, chúng tôi có thể sử dụng các mô hình đã được xây dựng sẵn, dù là các mô hình nhỏ mã nguồn mở được lưu trữ trên Databricks hay một trong những mô hình nền tảng lớn, bạn biết đấy.

9:23

The but in internally like you know, from a

Nhưng trong nội bộ, như bạn biết đấy, từ góc độ

9:26

corporate you know, use cases perspective, actually like we you know, we are also like in many ways in this mode where a lot of our work actually like I would not say like fail, but it actually takes much longer than you know, to actually generate success.

Về phía doanh nghiệp, bạn biết đấy, từ góc độ các trường hợp sử dụng, thực ra thì, bạn biết đấy, chúng tôi cũng đang ở trong trạng thái mà nhiều công việc của chúng tôi thực ra, tôi sẽ không nói là thất bại, nhưng nó thực sự mất nhiều thời gian hơn bạn biết đấy, để thực sự tạo ra thành công.

9:40

You know, there are you know, we are actually trying to automate a lot of our business processes internally.

Bạn biết đấy, có những, bạn biết đấy, chúng tôi thực sự đang cố gắng tự động hóa nhiều quy trình kinh doanh của mình trong nội bộ.

9:46

Um and um like for example like you know, one thing that I want is uh in our company, I want everybody to actually know exactly what their top priority for the week is, what they want to work on.

Ừm và ừm, ví dụ như, bạn biết đấy, một điều tôi muốn là ừ, trong công ty chúng tôi, tôi muốn mọi người thực sự biết chính xác ưu tiên hàng đầu của họ trong tuần là gì, họ muốn làm gì.

9:58

And maybe, you know, we want an AI agent actually first tell them what the priority should be and we want it all to all to be documented and we want a system which actually then, you know, rolls it all rolls it all up and I get a view every week where I can actually quickly see, you know, what are all the different people working on in the company and are they aligned is that

Và có thể, bạn biết đấy, chúng tôi muốn một tác nhân AI thực sự đầu tiên nói cho họ biết ưu tiên nên là gì và chúng tôi muốn tất cả đều được ghi lại và chúng tôi muốn một hệ thống mà thực sự sau đó, bạn biết đấy, tổng hợp tất cả lại và tôi có một cái nhìn mỗi tuần nơi tôi có thể nhanh chóng thấy, bạn biết đấy, tất cả những người khác nhau trong công ty đang làm gì và liệu họ có nhất quán không, liệu điều đó có

10:17

aligned with, you know, what I want them to work on.

Nhất quán với, bạn biết đấy, những gì tôi muốn họ làm không.

10:19

And this is a simple thing like, you know, companies have always tried to actually have this, you know, as CEOs you always wanted and it's always hard to make happen and we thought that AI would simply just, like, you know, magically do all of this work because, you know, like it has all the context and it has all the context

Và đây là một điều đơn giản, bạn biết đấy, các công ty luôn cố gắng thực sự có được điều này, bạn biết đấy, với tư cách là CEO bạn luôn muốn và nó luôn khó thực hiện và chúng tôi nghĩ rằng AI sẽ chỉ, bạn biết đấy, kỳ diệu làm tất cả công việc này bởi vì, bạn biết đấy, nó có tất cả ngữ cảnh và nó có tất cả ngữ cảnh

10:35

inside the company to make it happen but I still don't have it.

Bên trong công ty để làm cho nó thành hiện thực nhưng tôi vẫn chưa có được nó.

10:38

So so things do take time to actually, you know, to Ali's point like, you know, there is AI is just one more tool that you have in the toolkit.

Vì vậy, mọi thứ thực sự cần thời gian, bạn biết đấy, như quan điểm của Ali, bạn biết đấy, AI chỉ là một công cụ nữa mà bạn có trong bộ công cụ.

10:47

It does not suddenly make building complex enterprise systems, you know, you know, like it doesn't make it like that you can, you know, build it up like in in one day.

Nó không đột nhiên làm cho việc xây dựng các hệ thống doanh nghiệp phức tạp, bạn biết đấy, bạn biết đấy, nó không làm cho nó thành như thể bạn có thể, bạn biết đấy, xây dựng nó chỉ trong một ngày.

10:56

Doesn't it?

Phải không?

10:57

- Yeah.

- Ừ.

10:58

You know, the last time enterprises got this excited about a tool was called RPA.

Bạn biết đấy, lần cuối cùng các doanh nghiệp hào hứng như thế này về một công cụ là thứ được gọi là RPA.

11:03

Mhm.

Ừm.

11:03

And we know how that ended.

Và chúng ta biết điều đó đã kết thúc như thế nào.

11:05

It unfortunately fizzled out and, you know, somebody in the audience yesterday is like, "Hey, how is this time different from RPA?" It seems like the same movie, bigger budgets, better actors.

Thật không may, nó đã lụi tàn và, bạn biết đấy, ai đó trong khán giả ngày hôm qua nói, "Này, lần này khác gì so với RPA?" Có vẻ như cùng một bộ phim, ngân sách lớn hơn, diễn viên tốt hơn.

11:16

What's different this time?

Lần này có gì khác?

11:17

How is the nature of the architecture of the technology different from the previous automation cycle?

Bản chất kiến trúc của công nghệ khác gì so với chu kỳ tự động hóa trước đây?

11:21

Either of you.

Một trong hai người.

11:22

Yeah, well, I mean I first of all, RPA like it didn't take, you know, it didn't capture my attention at all.

Vâng, ý tôi là, trước hết, RPA, nó không thu hút, bạn biết đấy, nó không thu hút sự chú ý của tôi chút nào.

11:28

So I have no I actually can't, you know, - laughter - So so I think I I think like I would not compare these

Vì vậy tôi không có, tôi thực sự không thể, bạn biết đấy, - [tiếng cười] - Vì vậy tôi nghĩ rằng tôi sẽ không so sánh hai

11:36

two technologies at all.

Công nghệ này với nhau chút nào.

11:37

Like, you know, you know, what we what we're seeing now with AI is so fundamental, you know, it's it's, you know, it's it's the uh you know, when we saw it first it was basically magic.

Như, bạn biết đấy, bạn biết đấy, những gì chúng ta đang thấy bây giờ với AI là rất cơ bản, bạn biết đấy, nó, bạn biết đấy, nó là, ừ, bạn biết đấy, khi chúng tôi thấy nó lần đầu, nó cơ bản là phép thuật.

11:49

And we couldn't believe that this is a machine that is doing this work.

Và chúng tôi không thể tin rằng đây là một cỗ máy đang làm công việc này.

11:53

Machines just simply cannot do these kind of things, you know, that we saw them do.

Máy móc đơn giản là không thể làm những loại việc này, bạn biết đấy, mà chúng tôi đã thấy chúng làm.

11:58

Like writing on their own, um having emotion, understanding emotion.

Như tự viết, ừm có cảm xúc, hiểu cảm xúc.

12:02

Um so it's a um it's you know, it's it's fundamental, it's different and the Um - clears throat - and that's why like, you know, I don't think, you know, we this this technology is going to fizzle out.

Ừm, vì vậy nó là, bạn biết đấy, nó rất cơ bản, nó khác biệt và ừm - [tiếng hắng giọng] - và đó là lý do tại sao, bạn biết đấy, tôi không nghĩ rằng, bạn biết đấy, công nghệ này sẽ lụi tàn.

12:16

Um and it's not like, you know, you don't have to be like a financial expert or, you know, you know, like sort of a deep thinker on business.

Ừm và nó không phải là, bạn biết đấy, bạn không cần phải là một chuyên gia tài chính hay, bạn biết đấy, một người suy nghĩ sâu sắc về kinh doanh.

12:22

This is this is obvious stuff.

Đây là những điều hiển nhiên.

12:24

Like, you know, all of us know, all of us feel it.

Như, bạn biết đấy, tất cả chúng ta đều biết, tất cả chúng ta đều cảm nhận được.

12:26

All of all of us can see the capability of this technology and we know it's special and it's going to be it's going to be around.

Tất cả chúng ta đều có thể thấy khả năng của công nghệ này và chúng ta biết nó đặc biệt và nó sẽ tồn tại.

12:33

Yeah.

Ừ.

12:33

You want to hear my RPA?

Bạn có muốn nghe RPA của tôi không?

12:34

Please.

Xin mời.

12:35

You know, I mean it was rule-based and the problem with it, especially if you're, you know, you're you want something that automates what's going on on your desktop and automate the work that's happening, it's just that there's too much unexpected things that happen and it's just hard and brittle to set it up.

Bạn biết đấy, ý tôi là nó dựa trên quy tắc và vấn đề với nó, đặc biệt nếu bạn, bạn biết đấy, bạn muốn một thứ tự động hóa những gì đang diễn ra trên máy tính để bàn của bạn và tự động hóa công việc đang diễn ra, chỉ là có quá nhiều điều bất ngờ xảy ra và thật khó và dễ vỡ để thiết lập nó.

12:49

Mhm.

Ừm.

12:49

It wasn't learning ever.

Nó không bao giờ học hỏi.

12:50

Mhm.

Ừm.

12:51

So there was like zero learning.

Vì vậy gần như không có học hỏi gì cả.

12:52

It was like you tell it exactly where the rules and if you got something wrong, you need to go and go back and expand the rules.

Nó giống như bạn nói cho nó biết chính xác các quy tắc ở đâu và nếu bạn làm sai điều gì đó, bạn cần quay lại và mở rộng các quy tắc.

12:59

Here, you have something that's learning.

Ở đây, bạn có một thứ đang học hỏi.

13:00

Mhm.

Ừm.

13:00

Right?

Đúng không?

13:01

So it can it can improve and it can generalize and it can understand the patterns and do pattern recognition.

Vì vậy nó có thể cải thiện và nó có thể khái quát hóa và nó có thể hiểu các mẫu và thực hiện nhận dạng mẫu.

13:05

Uh so that's the fundamental difference between these two.

Ừ, vì vậy đó là sự khác biệt cơ bản giữa hai thứ này.

13:08

- 100%.

13:08

Now, um there has been many startups that have failed in the generative AI we're going to replace RPA with generative AI models.

Bây giờ, ừm, đã có nhiều startup thất bại trong AI tạo sinh, chúng ta sẽ thay thế RPA bằng các mô hình AI tạo sinh.

13:15

There's many startups that failed actually that I know of like pretty some high profile ones.

Có nhiều startup thực sự thất bại mà tôi biết, như một số cái khá nổi bật.

13:20

It's because um the paradigm we live in today with AI is there's still problems.

Đó là bởi vì ừm mô hình chúng ta đang sống ngày nay với AI là vẫn còn những vấn đề.

13:25

The biggest problem is that you bake a model and that's where it's learned everything it needs to learn and then you freeze it.

Vấn đề lớn nhất là bạn nướng một mô hình và đó là nơi nó đã học mọi thứ nó cần học và sau đó bạn đóng băng nó.

13:31

Mhm.

Ừm.

13:31

And then you launch it and then maybe you give it some context but that's it, it's frozen.

Và sau đó bạn khởi chạy nó và có thể bạn cung cấp cho nó một số ngữ cảnh nhưng chỉ vậy thôi, nó bị đóng băng.

13:36

So therein lies the problem that, you know, we need we need an AI that really can sort of continue learning while it's using the desktop and clicking around.

Vậy nên vấn đề nằm ở đó, bạn biết đấy, chúng ta cần một AI thực sự có thể tiếp tục học hỏi trong khi sử dụng máy tính để bàn và nhấp chuột xung quanh.

13:44

So I do

Vậy nên tôi

13:45

think this problem is hard to to nail but I think Arvin is right that it's like there's no comparison at all.

Nghĩ vấn đề này khó giải quyết nhưng tôi nghĩ Arvin đúng khi nói rằng không có sự so sánh nào cả.

13:52

It's like rule brittle rule-based stuff versus learning agentic system.

Giống như là so sánh thứ dựa trên quy tắc cứng nhắc với hệ thống tác nhân học hỏi.

13:55

Uh I think it's going to nail it perfectly but we haven't really nailed computer use yet.

Ừ tôi nghĩ nó sẽ giải quyết hoàn hảo nhưng chúng ta vẫn chưa thực sự làm chủ được việc sử dụng máy tính.

14:00

Yeah.

Đúng vậy.

14:00

Working on it.

Đang nghiên cứu.

14:01

The number one shift is this move from if then else statements Mhm.

Sự thay đổi lớn nhất là chuyển từ câu lệnh if then else. Ừ.

14:06

to a more

Sang một giải pháp

14:07

generative solution that figures out the solution.

Tạo sinh hơn, tự tìm ra giải pháp.

14:09

Yeah.

Đúng vậy.

14:09

Um and so you're trading breath for maybe determinism.

Ừm và vậy là bạn đang đánh đổi tính bao quát lấy có thể là tính xác định.

14:13

Um that seems to be the difference and you know, there's a lot of CIOs in the room we've got here and they've got budgets coming up to plan.

Ừm đó có vẻ là sự khác biệt và bạn biết đấy, có rất nhiều CIO trong phòng này và họ có ngân sách sắp tới cần lên kế hoạch.

14:20

Uh if you were giving advice to them off like, "Hey, based on everything I know from my customer base, here's one thing or two things that you've got to figure out and align incentives on or it could be reliability problem or org design.

Ừ nếu bạn đưa ra lời khuyên cho họ kiểu như, "Này, dựa trên mọi thứ tôi biết từ cơ sở khách hàng của mình, đây là một hoặc hai điều bạn phải giải quyết và thống nhất các động lực hoặc đó có thể là vấn đề độ tin cậy hoặc thiết kế tổ chức."

14:32

What advice would you have for CIOs who are thinking about their AI budgets right now?" Well, spend more.

Bạn sẽ có lời khuyên gì cho các CIO đang suy nghĩ về ngân sách AI của họ ngay bây giờ?" Chà, chi nhiều hơn.

14:38

- on Glean.

- vào Glean.

14:40

Spend more, yeah, put it on Glean but the I think the um Like one thing, you know, which which is important in AI market today is that it's very new and there are many players.

Chi nhiều hơn, đúng vậy, đổ vào Glean nhưng tôi nghĩ ừm Một điều, bạn biết đấy, điều quan trọng trong thị trường AI ngày nay là nó rất mới và có nhiều người chơi.

14:53

In fact, um every software company is also an AI company now.

Thực tế, ừm mọi công ty phần mềm giờ cũng là một công ty AI.

14:58

Um you can go and check their websites.

Ừm bạn có thể vào kiểm tra trang web của họ.

15:01

So the I think it's it's just hard to actually figure out where to allocate those budgets and what we tell people is that I think the winners are yet to be identified and so experiment with more vendors, do short and shorter term contracts um and you know, while that's easy to say, uh it's hard to actually implement because every product that you try has, you know, it's a cost that you have to pay

Vậy nên tôi nghĩ thật khó để thực sự tìm ra nơi phân bổ ngân sách đó và điều chúng tôi nói với mọi người là tôi nghĩ những người chiến thắng vẫn chưa được xác định và vì vậy hãy thử nghiệm với nhiều nhà cung cấp hơn, ký hợp đồng ngắn hạn và ngắn hơn ừm và bạn biết đấy, dù nói thì dễ, ừ thực sự khó triển khai vì mọi sản phẩm bạn thử đều có, bạn biết đấy, một chi phí bạn phải trả

15:30

to make it make it sort of even test it.

Để làm cho nó thậm chí có thể kiểm tra được.

15:32

So you have to also pick products that are easy to test.

Vậy nên bạn cũng phải chọn những sản phẩm dễ kiểm tra.

15:35

I mean, those are the ones that don't require you to, you know, spend the next 6 months trying to implement something and you have no idea what's going to come out after that.

Ý tôi là, đó là những sản phẩm không yêu cầu bạn, bạn biết đấy, dành 6 tháng tiếp theo để cố triển khai một thứ gì đó và bạn không biết kết quả sẽ ra sao sau đó.

15:45

Like, you know, the products of today, the products that are built with the right AI, they should work, you know, very quickly for you.

Giống như, bạn biết đấy, các sản phẩm ngày nay, những sản phẩm được xây dựng với AI đúng đắn, chúng sẽ hoạt động, bạn biết đấy, rất nhanh cho bạn.

15:52

Crawl, walk, run.

Bò, đi, chạy.

15:53

We're going to take a peek into the future.

Chúng ta sẽ nhìn vào tương lai một chút.

15:55

Shifting gears, you know, one of the things that keeps investors like me up in the nights is a quarter trillion being spent on Nvidia on the semi side of things.

Chuyển hướng, bạn biết đấy, một trong những điều khiến các nhà đầu tư như tôi mất ngủ là một phần tư nghìn tỷ đang được chi cho Nvidia ở phía chất bán dẫn.

16:04

Assuming that is just 50% of the capex, you're spending about half a trillion on capex and then you've got to earn about a trillion dollars of AI revenue for all of this capex to be worth it.

Giả sử đó chỉ là 50% của capex, bạn đang chi khoảng nửa nghìn tỷ cho capex và sau đó bạn phải kiếm được khoảng một nghìn tỷ đô la doanh thu AI để tất cả capex này đáng giá.

16:16

This and just to put this in context, the entirety of the software industry earns about 400 billion dollars of revenue.

Điều này và chỉ để đặt trong bối cảnh, toàn bộ ngành công nghiệp phần mềm kiếm được khoảng 400 tỷ đô la doanh thu.

16:24

This seems like a physics problem at this point.

Điều này có vẻ như là một vấn đề vật lý vào thời điểm này.

16:27

How do you how do you think this plays out?

Bạn nghĩ điều này sẽ diễn ra như thế nào?

16:30

You know, you've got you've got to make about a trillion dollars of revenue to justify this present spend that's already happening.

Bạn biết đấy, bạn phải kiếm được khoảng một nghìn tỷ đô la doanh thu để biện minh cho khoản chi hiện tại đang diễn ra này.

16:38

How do you think this shakes out?

Bạn nghĩ điều này sẽ diễn ra như thế nào?

16:40

Uh maybe we start with you, Arvin.

Ừ có thể chúng ta bắt đầu với bạn, Arvin.

16:42

Mhm.

Ừm.

16:42

Uh wrong person to start with but, you know, I'm an engineer and I don't I shouldn't really, you know, think too much about who's spending what money.

Ừ sai người để bắt đầu nhưng bạn biết đấy, tôi là kỹ sư và tôi không nên thực sự, bạn biết đấy, nghĩ quá nhiều về việc ai đang chi tiền gì.

16:50

Like, you know, we're here to build our product and add value.

Giống như, bạn biết đấy, chúng tôi ở đây để xây dựng sản phẩm và tạo giá trị.

16:53

So that's so so in some sense, you know, I'm I've not really thought too much about this problem.

Vậy nên theo một nghĩa nào đó, bạn biết đấy, tôi chưa thực sự nghĩ quá nhiều về vấn đề này.

16:58

But if you think about AI, the you know, AI is not actually, you know, extending software in a marginal way.

Nhưng nếu bạn nghĩ về AI, bạn biết đấy, AI thực ra không phải là, bạn biết đấy, mở rộng phần mềm một cách cận biên.

17:04

It's a it's a it's a different product and in fact, you know, it's actually going to grab a lot of revenue that actually today is in services industry which is 25 times larger than software industry.

Nó là một sản phẩm khác và thực tế, bạn biết đấy, nó thực sự sẽ chiếm lấy rất nhiều doanh thu mà ngày nay đang nằm trong ngành dịch vụ, vốn lớn gấp 25 lần ngành công nghiệp phần mềm.

17:12

So there's there's a lot of spend that is going to move.

Vậy nên có rất nhiều khoản chi sẽ dịch chuyển.

17:15

I mean, that the spend that you see happen on AI is actually sort of, you know, those service dollars that are converting into

Ý tôi là, khoản chi bạn thấy diễn ra cho AI thực ra là, bạn biết đấy, những đô la dịch vụ đó đang chuyển thành

17:21

all AI or software dollars.

Tất cả AI hoặc đô la phần mềm.

17:24

Um and I think the but with that said, you know, maybe you have a more informed view on this.

Ừm và tôi nghĩ nhưng với điều đó nói rằng, bạn biết đấy, có thể bạn có quan điểm hiểu biết hơn về điều này.

17:32

- Arvin, do you think that's that's just to build on?

- Arvin, bạn có nghĩ đó là điều để xây dựng thêm không?

17:34

You said, you know, I'm an engineer and I want to just build something that's cool.

Bạn nói, bạn biết đấy, tôi là kỹ sư và tôi chỉ muốn xây dựng một thứ gì đó thú vị.

17:37

I do think it's not binary, right?

Tôi thực sự nghĩ nó không phải nhị phân, đúng không?

17:39

It's not like, "Okay, so the physics doesn't work out so the whole thing will collapse." No, there's going to be things that work and so it is a good idea to continue focusing on the stuff that is obviously already

Không phải kiểu, "Được rồi, vậy vật lý không hoạt động nên toàn bộ sẽ sụp đổ." Không, sẽ có những thứ hoạt động và vì vậy tiếp tục tập trung vào những thứ rõ ràng đã

17:48

working.

Hoạt động là một ý tưởng tốt.

17:48

Continue expanding on that.

Tiếp tục mở rộng về điều đó.

17:49

Uh but I think if you zoom out, I think there's like three paradigms or three kind of camps and I put Arvin in the third camp.

Ừ nhưng tôi nghĩ nếu bạn nhìn rộng ra, tôi nghĩ có khoảng ba mô hình hoặc ba kiểu phe phái và tôi xếp Arvin vào phe thứ ba.

17:57

I actually put myself also in the third camp.

Thực ra tôi cũng tự xếp mình vào phe thứ ba.

18:00

But let's start with the first camp.

Nhưng hãy bắt đầu với phe thứ nhất.

18:02

I think the first camp is this quest for superintelligence camp and it's you know, I think all the frontier lab uh labs are doing this.

Tôi nghĩ phe thứ nhất là phe theo đuổi siêu trí tuệ và bạn biết đấy, tôi nghĩ tất cả các phòng thí nghiệm tiên phong đều đang làm điều này.

18:11

Like, you know,

Kiểu như, bạn biết đấy,

18:12

all three, four, or five of them, however you want to count them.

Cả ba, bốn, hoặc năm trong số họ, tùy bạn đếm thế nào.

18:15

And I think it's really still being a lot of it comes from the scaling laws mentality which is whoever has the most GPUs and the most data is going to win the quest for superintelligence which is kind of intelligence that's like on almost like god-like.

Và tôi nghĩ thực sự vẫn còn rất nhiều điều xuất phát từ tư duy định luật mở rộng, tức là ai có nhiều GPU nhất và nhiều dữ liệu nhất sẽ thắng trong cuộc theo đuổi siêu trí tuệ, thứ trí tuệ gần như giống như thần thánh.

18:30

It leads to recursive self-improvement of the AI which then once you have that, it can cure cancer and solve all economical

Nó dẫn đến khả năng tự cải thiện đệ quy của AI, và một khi bạn có được điều đó, nó có thể chữa khỏi ung thư và giải quyết mọi vấn đề kinh tế

18:37

problems and we can probably 10x GDP over a few years period of time.

Và chúng ta có thể tăng GDP lên gấp 10 lần trong vài năm.

18:40

So what the hell are you talking about that there's a physics problem?

Vậy bạn đang nói cái quái gì về việc có một vấn đề vật lý chứ?

18:43

Like ill anything any of your cost equations are going to pale in comparison to the economic value that this thing is going to provide.

Kiểu như bất kỳ phương trình chi phí nào của bạn cũng sẽ lu mờ so với giá trị kinh tế mà thứ này sẽ mang lại.

18:50

So that's like one camp and the way they're developing it is bigger and bigger clusters, more and more

Vậy đó là một phe và cách họ phát triển nó là những cụm lớn hơn và lớn hơn, nhiều hơn và nhiều hơn

18:55

energy and that's how they're going about it.

Năng lượng và đó là cách họ đang làm.

18:57

Um and that's where most of the capital is going, right?

Ừm và đó là nơi phần lớn vốn đang đổ vào, đúng không?

19:02

That's not the kind of capital you're spending or I'm spending but that's that camp.

Đó không phải là loại vốn mà bạn đang chi hay tôi đang chi, nhưng đó là phe đó.

19:05

Um and then how do they know that they're succeeding?

Ừm và rồi làm sao họ biết mình đang thành công?

19:07

They're not just like, "Oh, just trust us." They're, you know, very smart people working on this.

Họ không chỉ kiểu, "Ồ, cứ tin chúng tôi đi." Họ là, bạn biết đấy, những người rất thông minh đang làm việc này.

19:11

So the way they're approaching it, they're saying, "You know, we'll throw the hardest questions we have at the whatever AI we have now and if it nails them and we're making really rapid progress.

Vậy cách họ tiếp cận là họ nói, "Bạn biết đấy, chúng tôi sẽ ném những câu hỏi khó nhất mà chúng tôi có vào bất kỳ AI nào chúng tôi đang có và nếu nó giải được chúng thì chúng tôi đang tiến bộ rất nhanh.

19:20

So what's your problem?

Vậy vấn đề của bạn là gì?

19:21

Like we're like look at math Olympiad.

Kiểu như hãy nhìn Olympic toán.

19:23

We're like nailing these math Olympiad problems physics Olympiad and programming contest.

Chúng tôi đang giải quyết những bài toán Olympic toán, Olympic vật lý và các cuộc thi lập trình.

19:26

It's like better than any human

Nó giống như tốt hơn bất kỳ con người

19:28

being.

Nào.

19:28

So like that's what they're they're throwing all the most intellectually challenging There's a second camp which are the people that created the original technology, the scientists who created the technology, got them the computer science Nobel Prize for it, called Turing Award and that's, uh you know, Rich Sutton who created reinforcement learning which, you know,

Vậy kiểu như đó là những gì họ đang ném ra, những thách thức trí tuệ khó nhất. Có một phe thứ hai, đó là những người tạo ra công nghệ ban đầu, các nhà khoa học đã tạo ra công nghệ, mang về cho họ giải Nobel khoa học máy tính, gọi là giải Turing, và đó là, ừm bạn biết đấy, Rich Sutton, người tạo ra học tăng cường, thứ mà, bạn biết đấy,

19:46

a lot of this stuff is built on.

Rất nhiều thứ này được xây dựng dựa trên.

19:47

You have Yann LeCun who's one of the three founding fathers and many others.

Bạn có Yann LeCun, một trong ba người cha sáng lập, và nhiều người khác.

19:51

They have for many years Actually, I've been you know, I asked them for years.

Họ đã trong nhiều năm Thực ra, tôi đã, bạn biết đấy, tôi đã hỏi họ trong nhiều năm.

19:55

They've been saying that first camp is not going to That's like not even the right approach is their view.

Họ đã nói rằng phe thứ nhất sẽ không Đó thậm chí không phải là cách tiếp cận đúng theo quan điểm của họ.

20:00

They're like, "No, that's just like auto regressive next token prediction.

Họ kiểu, "Không, đó chỉ là dự đoán token tiếp theo theo kiểu tự hồi quy.

20:03

It's just probabilistically predicting the next token.

Nó chỉ là dự đoán token tiếp theo theo xác suất.

20:04

That's not how and usually they will say that's not how humans learn.

Đó không phải là cách và thường họ sẽ nói đó không phải là cách con người học.

20:08

That's not how animals learn.

Đó không phải là cách động vật học.

20:09

You know, we operate in a different way.

Bạn biết đấy, chúng ta vận hành theo một cách khác.

20:12

Your brain is not that way." And one example is that you know, even a child learns very quickly to walk and talk and do

Não của bạn không hoạt động theo cách đó." Và một ví dụ là bạn biết đấy, ngay cả một đứa trẻ cũng học rất nhanh cách đi và nói và làm

20:19

things with very little data compared to you know, like certainly no child is reading all of the internet's data four times over before they learn to speak.

Mọi thứ với rất ít dữ liệu so với, bạn biết đấy, chắc chắn không đứa trẻ nào đọc toàn bộ dữ liệu của internet bốn lần trước khi học nói.

20:29

So, I don't So, that's like camp number two.

Vậy, tôi không Vậy, đó là phe số hai.

20:30

Those guys by the way, they say it's 20 years out.

Những người đó, nhân tiện, họ nói phải 20 năm nữa.

20:32

Mhm.

Ừm.

20:33

So, they're saying, "Hey, it's a physics problem and it's going to take 20 years to get there." Which to me it's like, "I don't know.

Vậy, họ đang nói, "Này, đó là một vấn đề vật lý và sẽ mất 20 năm để đạt được điều đó." Điều mà với tôi giống như, "Tôi không biết.

20:38

Like, leave me alone." Mhm.

Kiểu như, để tôi yên." Ừm.

20:39

Uh let me do research.

Ừm để tôi làm nghiên cứu.

20:40

Third camp, which is I think what we are in, is I don't think we need super intelligence.

Phe thứ ba, mà tôi nghĩ chúng ta đang ở trong đó, là tôi không nghĩ chúng ta cần siêu trí tuệ.

20:45

Like, you know, I don't think we need that super intelligence right now.

Kiểu như, bạn biết đấy, tôi không nghĩ chúng ta cần siêu trí tuệ đó ngay bây giờ.

20:48

Maybe they'll get there.

Có thể họ sẽ đạt được điều đó.

20:49

That's awesome if they do.

Thật tuyệt nếu họ làm được.

20:51

But, uh I think we have AGI.

Nhưng, ừm tôi nghĩ chúng ta đã có AGI.

20:52

I think we have artificial general intelligence.

Tôi nghĩ chúng ta đã có trí tuệ tổng quát nhân tạo.

20:54

We really have it.

Chúng ta thực sự có nó.

20:55

We absolutely have it.

Chúng ta chắc chắn có nó.

20:57

It's like anyone who says we need to get to AGI, that's like it's it's a it's false premise to start with.

Giống như bất kỳ ai nói chúng ta cần đạt được AGI, đó là một tiền đề sai lầm ngay từ đầu.

21:02

We already have AGI.

Chúng ta đã có AGI rồi.

21:04

Uh I came to the United States in 2009 at UC Berkeley not far away from here and I was in a AI lab.

Tôi đến Hoa Kỳ vào năm 2009 tại UC Berkeley, không xa nơi này lắm, và tôi ở trong một phòng thí nghiệm AI.

21:10

It was called AMP Lab.

Nó được gọi là AMP Lab.

21:12

The A was for algorithms and AI, machines and people.

Chữ A là viết tắt của thuật toán và AI, máy móc và con người.

21:14

And these are all AI people.

Và đây đều là những người làm về AI.

21:16

And back then, the definition of AGI we had, we already have satisfied that.

Và hồi đó, định nghĩa về AGI mà chúng tôi có, chúng ta đã thỏa mãn nó rồi.

21:20

Like, Mhm.

Kiểu, ừm.

21:21

I know the discussions we had.

Tôi biết những cuộc thảo luận mà chúng tôi đã có.

21:22

And I actually went back to some of those folks to see like, is it just me or what was the sentiment back in 2009?

Và tôi thực sự đã quay lại gặp một số người trong số đó để xem liệu chỉ mình tôi hay cảm nhận chung vào năm 2009 là gì.

21:28

And everybody that I talked to said, "Yeah, that's by those standards we had AGI, but we've changed the definition now." We have those definitions, you know, ads.

Và mọi người tôi nói chuyện đều nói, "Ừ, theo những tiêu chuẩn đó thì chúng ta đã có AGI, nhưng giờ chúng ta đã thay đổi định nghĩa." Chúng ta có những định nghĩa đó, bạn biết đấy, quảng cáo.

21:36

So, for 30 40 years we had a definition of AGI.

Vậy, trong 30 40 năm chúng ta đã có một định nghĩa về AGI.

21:38

We've already hit that.

Chúng ta đã đạt được điều đó rồi.

21:40

Now, we're changing it and moving the goalpost.

Bây giờ, chúng ta đang thay đổi nó và di chuyển cột mốc.

21:42

But, very obviously we already have AGI.

Nhưng, rõ ràng là chúng ta đã có AGI.

21:43

Just use any of these LLMs and have it do some reasoning.

Chỉ cần sử dụng bất kỳ LLM nào trong số này và để nó thực hiện một số suy luận.

21:47

And certainly it's smarter than many a lot of friends that you have that, right?

Và chắc chắn nó thông minh hơn nhiều người bạn mà bạn có, đúng không?

21:51

Like, you know, let's let's not name our coworkers or whatever, right?

Kiểu, bạn biết đấy, chúng ta đừng nêu tên đồng nghiệp hay gì đó, đúng không?

21:55

Um so, you already have AGI.

Ừm, vậy là bạn đã có AGI rồi.

21:56

Now, now we're like haggling over exactly how smart is it.

Bây giờ, chúng ta đang mặc cả về việc nó thông minh đến mức nào.

21:58

You know, do you have a friend that's smarter or not?

Bạn biết đấy, bạn có một người bạn thông minh hơn hay không?

22:01

Uh so, if we already have AGI, we just need to make it useful inside the enterprise.

Ừm, vậy nếu chúng ta đã có AGI, chúng ta chỉ cần làm cho nó hữu ích trong doanh nghiệp.

22:05

We need to just expand that 5% to be 10% 20% 30%.

Chúng ta cần mở rộng 5% đó thành 10% 20% 30%.

22:08

So, that's why I think Arvind's answer is actually a good answer.

Vì vậy, đó là lý do tại sao tôi nghĩ câu trả lời của Arvind thực sự là một câu trả lời hay.

22:10

Like, we have the AGI we need.

Kiểu, chúng ta có AGI mà chúng ta cần.

22:12

Let us just

Hãy để chúng ta chỉ

22:13

Focus on solving the actual problems inside the organizations.

Tập trung vào việc giải quyết các vấn đề thực tế trong tổ chức.

22:15

And I think we can already, that's, that's enough to automate a lot of the tasks and get huge economic value out of it.

Và tôi nghĩ chúng ta đã có thể, đó là, thế là đủ để tự động hóa nhiều nhiệm vụ và thu được giá trị kinh tế to lớn từ đó.

22:22

We don't actually need super intelligence for that.

Chúng ta thực sự không cần siêu trí tuệ cho điều đó.

22:25

That's a good idea.

Đó là một ý tưởng hay.

22:26

If the super intelligence guys nail it, amazing.

Nếu những người theo đuổi siêu trí tuệ làm được, thật tuyệt vời.

22:28

Then we've cured cancer.

Thế thì chúng ta đã chữa khỏi ung thư.

22:29

Um, if they don't, hopefully the second camp comes up with

Ừm, nếu họ không làm được, hy vọng phe thứ hai sẽ nghĩ ra

22:33

a new thing in the next 20 years.

Một điều mới trong 20 năm tới.

22:35

That's also awesome.

Điều đó cũng tuyệt vời.

22:36

We already have whatever we need.

Chúng ta đã có bất cứ thứ gì chúng ta cần.

22:38

So, yeah.

Vậy, ừ.

22:38

Yeah.

Ừ.

22:39

Let us just do our engineering.

Hãy để chúng ta chỉ làm công việc kỹ thuật của mình.

22:41

Right.

Đúng.

22:41

Yeah.

Ừ.

22:41

Yeah.

Ừ.

22:42

That's really good framing.

Đó thực sự là một cách định hình hay.

22:43

And the way this manifests in the, in the, you know, in the world is there's a data layer.

Và cách điều này thể hiện trong, trong, bạn biết đấy, trong thế giới là có một lớp dữ liệu.

22:48

There's the intelligence layer, which is where camp one is presumably producing a lot of great models.

Có lớp trí tuệ, nơi mà phe thứ nhất có lẽ đang sản xuất nhiều mô hình tuyệt vời.

22:53

And then there's the software layer where the users engage with.

Và rồi có lớp phần mềm nơi người dùng tương tác.

22:57

Where do you think value accrues if you were to design 100 units of value across these three layers?

Bạn nghĩ giá trị tích tụ ở đâu nếu bạn thiết kế 100 đơn vị giá trị trên ba lớp này?

23:02

The data layer, the intelligence layer, and the software or the application layer.

Lớp dữ liệu, lớp trí tuệ, và lớp phần mềm hoặc ứng dụng.

23:07

Where do you think value accrues in the next 5 years?

Bạn nghĩ giá trị tích tụ ở đâu trong 5 năm tới?

23:11

All right.

Được rồi.

23:11

This is a, this is a tough question.

Đây là một, đây là một câu hỏi khó.

23:14

I mean, I clears throat think the, all those three layers actually are very fundamental.

Ý tôi là, tôi [hắng giọng] nghĩ rằng, cả ba lớp đó thực sự đều rất cơ bản.

23:18

Yeah.

Ừ.

23:19

I thought you were going to add a few more which are not.

Tôi tưởng bạn sẽ thêm vài thứ nữa không phải như vậy.

23:23

You didn't.

Bạn đã không làm thế.

23:24

Yeah, 'cause I think I feel like the, like as Ali was saying, that the models are going to be available to all of us.

Ừ, vì tôi cảm thấy như, như Ali đã nói, rằng các mô hình sẽ có sẵn cho tất cả chúng ta.

23:31

You know, they are going to be commodity.

Bạn biết đấy, chúng sẽ trở thành hàng hóa phổ thông.

23:34

It's going to be hard to sort of see that it, the more spend goes to them versus, you know, these layers on top.

Sẽ khó để thấy rằng, càng nhiều chi tiêu đổ vào chúng so với, bạn biết đấy, những lớp ở trên.

23:40

Um, the, but how do you, how do you say like, you know, I, it's hard to sort of come up with, you know, where the most value will be.

Ừm, nhưng làm thế nào, làm thế nào để nói như, bạn biết đấy, tôi, thật khó để nghĩ ra, bạn biết đấy, nơi nào sẽ có giá trị nhất.

23:49

Um, and I also don't know if actually changes from today's technology architecture where again, like, you know, you think about in a pre-AI world, any sort of like, you know, enterprise, you know, you know, application and data systems, you know, you have, you have data systems.

Ừm, và tôi cũng không biết liệu nó có thực sự thay đổi so với kiến trúc công nghệ ngày nay hay không, một lần nữa, như, bạn biết đấy, bạn nghĩ về thế giới tiền AI, bất kỳ loại như, bạn biết đấy, doanh nghiệp, bạn biết đấy, bạn biết đấy, ứng dụng và hệ thống dữ liệu, bạn biết đấy, bạn có, bạn có hệ thống dữ liệu.

24:04

You do have, I guess you don't have enough of that intelligent layer today and then you have the application layer.

Bạn thực sự có, tôi đoán bạn không có đủ lớp thông minh đó ngày nay và sau đó bạn có lớp ứng dụng.

24:11

So, so I, so

Vậy, vậy tôi, vậy

24:13

I, so I guess, you know, some dollars will shift into it.

Tôi, vậy tôi đoán, bạn biết đấy, một số đô la sẽ chuyển vào đó.

24:15

And then we do think that the intelligence layer is actually going to be pretty thick one.

Và sau đó chúng tôi thực sự nghĩ rằng lớp thông minh sẽ thực sự khá dày.

24:18

Maybe, you know, it's, it'll capture half of the enterprise value.

Có thể, bạn biết đấy, nó sẽ chiếm một nửa giá trị doanh nghiệp.

24:22

Anything to add, Ali?

Có gì muốn thêm không, Ali?

24:22

Uh, yeah, no.

Ừ, không.

24:23

I, I think that, you know, uh, yeah, there are more layers in the stack depending on how you want to do it.

Tôi, tôi nghĩ rằng, bạn biết đấy, ừ, ừ, có nhiều lớp hơn trong ngăn xếp tùy thuộc vào cách bạn muốn làm.

24:28

But, um, I think as I said, the LLMs is a commodity as Arvind said.

Nhưng, ừm, tôi nghĩ như tôi đã nói, các LLM là hàng hóa phổ thông như Arvind đã nói.

24:32

You can get them.

Bạn có thể có được chúng.

24:32

Like, you know, but anyway, that's not, that doesn't mean those companies are not going to be valuable.

Như, bạn biết đấy, nhưng dù sao, đó không phải, điều đó không có nghĩa là những công ty đó sẽ không có giá trị.

24:36

They can be very, I mean, TSMC is very valuable.

Chúng có thể rất, ý tôi là, TSMC rất có giá trị.

24:39

But, um, I'm saying they're going to be kind of like these fab-like companies.

Nhưng, ừm, tôi đang nói rằng chúng sẽ giống như những công ty kiểu fab này.

24:42

But, uh, but they're interchangeable and we've never seen something like that ever.

Nhưng, ừ, nhưng chúng có thể thay thế cho nhau và chúng ta chưa bao giờ thấy điều gì đó như vậy.

24:46

I have not during all these, people just switch LLMs like in one day.

Tôi chưa từng thấy trong suốt những, mọi người chỉ chuyển đổi LLM như trong một ngày.

24:51

That's not the case with your, you know, your iPhone versus Android or your Windows versus your Mac or your anything versus anything.

Đó không phải là trường hợp với, bạn biết đấy, iPhone của bạn so với Android hay Windows của bạn so với Mac hay bất cứ thứ gì so với bất cứ thứ gì.

24:58

Like, you know, uh, you know, Google Sheets versus Excel is like huge religious battle inside our company.

Như, bạn biết đấy, ừ, bạn biết đấy, Google Sheets so với Excel giống như một cuộc chiến tôn giáo lớn trong công ty chúng tôi.

25:05

Uh, but LLMs is like, you know, because um, it's a commodity as I said.

Ừ, nhưng LLM thì như, bạn biết đấy, bởi vì ừm, nó là hàng hóa phổ thông như tôi đã nói.

25:09

It just speaks English or any language you like and you can, and it gives you different answers every time.

Nó chỉ nói tiếng Anh hoặc bất kỳ ngôn ngữ nào bạn thích và bạn có thể, và nó cho bạn câu trả lời khác nhau mỗi lần.

25:13

Might as well just try the cheaper one, the cheaper commodity or the slightly smarter commodity.

Cũng có thể chỉ thử cái rẻ hơn, hàng hóa phổ thông rẻ hơn hoặc hàng hóa phổ thông thông minh hơn một chút.

25:17

You can't even really tell the difference, can you?

Bạn thậm chí không thể thực sự phân biệt sự khác biệt, phải không?

25:19

Um, so, then what is special is the data that you have.

Ừm, vậy, điều đặc biệt là dữ liệu mà bạn có.

25:22

Again, if your company has data that it has actually collected that your competitors do not have.

Một lần nữa, nếu công ty của bạn có dữ liệu mà nó thực sự đã thu thập mà đối thủ cạnh tranh của bạn không có.

25:28

Like, Glean is amazing.

Như, Glean thật tuyệt vời.

25:29

But, if you remove all the data from Glean, it's, there's no use to it, right?

Nhưng, nếu bạn loại bỏ tất cả dữ liệu khỏi Glean, nó, không có ích gì cả, phải không?

25:34

So, it's all about the data that you have.

Vậy, tất cả là về dữ liệu mà bạn có.

25:37

Um, and can you secure the data also?

Ừm, và bạn có thể bảo mật dữ liệu không?

25:40

Uh, so, if we're going to have agents running around accessing this data, like, "Oh, that's his HR data.

Ừ, vậy, nếu chúng ta sẽ có các tác nhân chạy xung quanh truy cập dữ liệu này, như, "Ồ, đó là dữ liệu nhân sự của anh ấy.

25:44

Oh, here's the provost's salary information.

Ồ, đây là thông tin lương của trưởng khoa.

25:46

Oops, I blurted out to all of you." Like, you know, like that's, you know, so how do you lock it down?

Ối, tôi đã buột miệng nói với tất cả các bạn." Như, bạn biết đấy, như thế, bạn biết đấy, vậy làm thế nào để bạn khóa nó lại?

25:51

Uh, how do you make sure that um, the clears throat there's governance?

Ừ, làm thế nào để bạn đảm bảo rằng ừm, [hắng giọng] có quản trị?

25:55

There's, you know, there's also a lot of worry around, can, what if it's using a Chinese model?

Có, bạn biết đấy, cũng có nhiều lo lắng xung quanh, liệu, nếu nó đang sử dụng một mô hình Trung Quốc thì sao?

25:59

What if it's accessing this information?

Nếu nó đang truy cập thông tin này thì sao?

26:00

What if it's sharing this information with a competitor?

Nếu nó đang chia sẻ thông tin này với đối thủ cạnh tranh thì sao?

26:02

What if it's interacting?

Nếu nó đang tương tác thì sao?

26:03

So, the governance security layer is going to be super, super important.

Vậy, lớp bảo mật quản trị sẽ cực kỳ, cực kỳ quan trọng.

26:06

Uh, but I do think most of the value will accrue to the apps.

Ừ, nhưng tôi thực sự nghĩ rằng hầu hết giá trị sẽ tích tụ vào các ứng dụng.

26:10

Yeah.

Ừ.

26:10

So, it's kind of, and I think that's common sense.

Vậy, nó kiểu như, và tôi nghĩ đó là lẽ thường.

26:12

It just, I just don't know which apps.

Nó chỉ, tôi chỉ không biết ứng dụng nào.

26:14

Yeah.

Ừ.

26:14

Uh, I do think Glean is amazing.

Ừ, tôi thực sự nghĩ Glean thật tuyệt vời.

26:16

I don't think it's, do you think of it as an app or, I don't know.

Tôi không nghĩ nó là, bạn có nghĩ về nó như một ứng dụng hay, tôi không biết.

26:20

But, now, we see us as both app and a platform.

Nhưng, bây giờ, chúng ta thấy mình vừa là ứng dụng vừa là nền tảng.

26:22

Yeah.

Ừ.

26:23

Yes.

Đúng.

26:23

So, I think it's a, let's call it an app platform.

Vậy, tôi nghĩ nó là một, hãy gọi nó là nền tảng ứng dụng.

26:25

I do think it's amazing because it has the potential to automate

Tôi thực sự nghĩ nó thật tuyệt vời vì nó có tiềm năng tự động hóa

26:29

uh, so much of the overhead inside of an organization.

Ừ, rất nhiều chi phí phụ trội bên trong một tổ chức.

26:31

Like, if you think about why do organizations have hundreds of thousands of employees, you know, some organizations or 50,000, 20,000.

Giống như, nếu bạn nghĩ tại sao các tổ chức có hàng trăm nghìn nhân viên, bạn biết đấy, một số tổ chức hoặc 50.000, 20.000.

26:36

A lot of it is the coordination overhead of like, you know, so many people have to communicate with each other.

Phần lớn là chi phí phối hợp, kiểu như, bạn biết đấy, rất nhiều người phải giao tiếp với nhau.

26:41

Hey, what happened?

Này, chuyện gì đã xảy ra?

26:41

What did you exactly mean by this?

Ý bạn chính xác là gì về điều này?

26:43

Let's do a meeting where you

Hãy tổ chức một cuộc họp nơi bạn

26:45

explain to me.

Giải thích cho tôi.

26:45

I ask some questions.

Tôi hỏi vài câu hỏi.

26:47

Let's, oh, let's invite these other guys also and then write it down and then just, the just the coordination overhead of organizations is massive.

Hãy, ồ, hãy mời cả những người khác nữa và sau đó viết nó ra rồi chỉ, chỉ riêng chi phí phối hợp của các tổ chức đã rất lớn.

26:53

Right?

Đúng không?

26:53

It's like this n squared problem that, you know, everybody needs to communicate with everybody and they're communicating inside their siloed org chart.

Nó giống như bài toán n bình phương, bạn biết đấy, mọi người cần giao tiếp với mọi người và họ giao tiếp trong sơ đồ tổ chức bị chia cắt của họ.

26:59

But, how do we get it across?

Nhưng, làm sao chúng ta truyền đạt được điều đó?

27:01

So, this like, you know, through docs and Excel sheets and

Vậy, điều này giống như, bạn biết đấy, thông qua tài liệu và bảng Excel và

27:04

PowerPoints and meetings is how we like move companies and organizations forward.

PowerPoint và các cuộc họp là cách chúng ta thúc đẩy các công ty và tổ chức tiến lên.

27:07

So much of that can be augmented and be made more efficient with Glean.

Rất nhiều điều trong số đó có thể được tăng cường và trở nên hiệu quả hơn với Glean.

27:12

So, that's why I think Glean is amazing.

Vậy, đó là lý do tại sao tôi nghĩ Glean thật tuyệt vời.

27:15

Um, but this is kind of like 2000.

Ừm, nhưng điều này giống như năm 2000.

27:18

Yeah.

Ừ.

27:19

And you ask what are the killer apps on the internet.

Và bạn hỏi đâu là những ứng dụng sát thủ trên internet.

27:21

By the way, back then we thought it's like Cisco routers, you know, yeah.

Nhân tiện, hồi đó chúng tôi nghĩ nó giống như bộ định tuyến Cisco, bạn biết đấy, ừ.

27:25

Portals maybe with thousands of links on them.

Có thể là các cổng thông tin với hàng nghìn liên kết trên đó.

27:27

Actually, I was like in, I just started college and we knew that the future of internet would be portals, which are these web pages with a hundred links on it and you just click on the right link.

Thực ra, tôi như là, tôi vừa mới vào đại học và chúng tôi biết rằng tương lai của internet sẽ là các cổng thông tin, tức là những trang web với hàng trăm liên kết và bạn chỉ cần nhấp vào liên kết đúng.

27:36

This

Điều này

27:37

is before Google search.

Là trước khi có tìm kiếm Google.

27:38

But, the future of internet actually didn't look that way.

Nhưng, tương lai của internet thực ra không giống như vậy.

27:40

Ended up being, you know, things like Facebook for friends and things like Airbnb for rentals and Uber for your cab industry and, you know, Twitter and so on.

Cuối cùng lại là, bạn biết đấy, những thứ như Facebook cho bạn bè và những thứ như Airbnb cho thuê nhà và Uber cho ngành taxi và, bạn biết đấy, Twitter và vân vân.

27:48

So, those became great companies.

Vậy, những thứ đó đã trở thành những công ty tuyệt vời.

27:50

So, I don't know what those are for the future.

Vậy, tôi không biết những thứ đó là gì cho tương lai.

27:53

Uh, they will pop up.

Ừ, chúng sẽ xuất hiện.

27:54

Yeah.

Ừ.

27:54

And they will be extremely

Và chúng sẽ cực kỳ

27:56

valuable.

Có giá trị.

27:56

But, okay.

Nhưng, được thôi.

27:56

So, does that mean that Databricks and Glean then basically will die and there'll be a new set of companies?

Vậy, điều đó có nghĩa là Databricks và Glean về cơ bản sẽ chết và sẽ có một nhóm công ty mới?

28:03

No, back then there was actually an amazon.com already in '98.

Không, hồi đó thực ra đã có amazon.com vào năm '98.

28:06

There was already a Google actually existed already in '98 and so, know, only a $300 company or something like that, right?

Thực ra đã có Google tồn tại vào năm '98 và vậy, bạn biết đấy, chỉ là một công ty trị giá 300 đô la hay gì đó, đúng không?

28:13

So, uh, so, it's not binary.

Vậy, ừ, vậy, nó không phải là nhị phân.

28:15

We'll see what happens.

Chúng ta sẽ xem điều gì xảy ra.

28:17

I, but I

Tôi, nhưng tôi

28:18

do think there's going to be really a lot of value will go to the future.

Thực sự nghĩ rằng sẽ có rất nhiều giá trị sẽ đi đến tương lai.

28:21

Yeah.

Ừ.

28:22

You know, apps that will emerge.

Bạn biết đấy, những ứng dụng sẽ xuất hiện.

28:23

Speaking, let's double click into that.

Nói về điều đó, hãy cùng đào sâu vào chi tiết.

28:25

Yeah.

Ừ.

28:25

The $300 companies of today at that layer, software apps, Salesforce, ServiceNow.

Các công ty trị giá 300 tỷ đô ngày nay ở tầng đó, ứng dụng phần mềm, Salesforce, ServiceNow.

28:32

A lot of talk about software is being dead.

Người ta bàn nhiều về việc phần mềm đang chết dần.

28:34

Um, Satya calls them the crud apps.

Ừm, Satya gọi chúng là các ứng dụng crud.

28:37

What is the future of this layer that today is called software that seems to be heading towards becoming a database?

Tương lai của tầng này, thứ ngày nay được gọi là phần mềm và dường như đang tiến tới trở thành một cơ sở dữ liệu, sẽ ra sao?

28:44

Um, and what do you see the, the value accrue to, to those, to these, this part of the layer?

Ừm, và anh thấy giá trị sẽ tích tụ vào đâu, vào những thứ này, vào phần này của tầng đó?

28:51

Maybe start with you, Arvind.

Có lẽ bắt đầu với anh, Arvind.

28:53

Yeah, I, I think that's a oversimplification.

Vâng, tôi, tôi nghĩ đó là một sự đơn giản hóa quá mức.

28:56

Um, like for example, even to say that Salesforce is, you know, it's just a database.

Ừm, ví dụ, ngay cả khi nói rằng Salesforce, bạn biết đấy, chỉ là một cơ sở dữ liệu.

29:02

Um, you know, it's a, it's a full sort of ecosystem of workflows and other applications, you know, that are sort of built on top of that infrastructure.

Ừm, bạn biết đấy, nó là một hệ sinh thái đầy đủ của các quy trình công việc và các ứng dụng khác, bạn biết đấy, được xây dựng trên nền tảng hạ tầng đó.

29:11

So, um, so, I sort of like, you know, I haven't really understood this concept of that, you know, you have this um, like a, you know, database, you know, where all your enterprise data is and then um, and then people can just go and

Vì vậy, ừm, tôi kiểu như, bạn biết đấy, tôi chưa thực sự hiểu khái niệm này, rằng bạn có một ừm, kiểu như một cơ sở dữ liệu, bạn biết đấy, nơi tất cả dữ liệu doanh nghiệp của bạn nằm đó và sau đó ừm, và sau đó mọi người chỉ cần vào và

29:26

create dynamic UI experiences uh on their own on top of that data.

Tạo ra các trải nghiệm giao diện người dùng động ừ trên nền dữ liệu đó theo cách của riêng họ.

29:29

On it like, you know, every business can, for example, just create all the UI by themselves on this.

Trên đó, kiểu như, bạn biết đấy, mọi doanh nghiệp có thể, ví dụ, chỉ cần tự tạo toàn bộ giao diện người dùng trên đó.

29:35

I don't, I don't think, you know, it's going to be uh happening like that because yes, you know, AI makes it easy uh for you to build, um, you can have a database and you can build, you can just talk to AI and create a UI and

Tôi không, tôi không nghĩ, bạn biết đấy, điều đó sẽ ừ diễn ra như vậy bởi vì đúng, bạn biết đấy, AI giúp bạn dễ dàng ừ xây dựng hơn, ừm, bạn có thể có một cơ sở dữ liệu và bạn có thể xây dựng, bạn chỉ cần nói chuyện với AI và tạo giao diện người dùng và

29:49

experience that that is, you know, exactly what you want it to be.

Trải nghiệm đúng chính xác những gì bạn muốn.

29:55

But most times you actually won't know what you want.

Nhưng phần lớn thời gian bạn thực sự sẽ không biết mình muốn gì.

29:57

Like, you know, I think a lot of like, you know, good thing about software companies is that they actually think about how to actually take that data but then present it in a way, let, you know, make people interact with it or modify it in a way which sort of is natural and which, you know, drives, you know, like more

Kiểu như, bạn biết đấy, tôi nghĩ nhiều điều, bạn biết đấy, điều tốt ở các công ty phần mềm là họ thực sự suy nghĩ về cách lấy dữ liệu đó nhưng rồi trình bày nó theo cách, để, bạn biết đấy, khiến mọi người tương tác với nó hoặc sửa đổi nó theo cách tự nhiên và, bạn biết đấy, thúc đẩy, bạn biết đấy, nhiều hơn

30:12

productivity from a human.

Năng suất từ con người.

30:13

So I think ultimately like a software is an end-to-end stack in my opinion and all of these companies, you know, I don't think they're going away.

Vì vậy tôi nghĩ cuối cùng thì phần mềm là một ngăn xếp đầu-cuối theo ý tôi và tất cả những công ty này, bạn biết đấy, tôi không nghĩ họ sẽ biến mất.

30:19

I don't think, you know, they're going to relegated to becoming a database.

Tôi không nghĩ, bạn biết đấy, họ sẽ bị xuống cấp thành một cơ sở dữ liệu.

30:23

Humans, you know, over the last 20 years we got addicted to these screens.

Con người, bạn biết đấy, trong 20 năm qua chúng ta đã nghiện những màn hình này.

30:26

We scrunched over the screens and we would input this

Chúng ta còng lưng trước màn hình và nhập

30:29

information with their, with their keys, with the drop down and hey, I met Arvin today and this is what I learned.

Thông tin bằng phím, bằng menu thả xuống và này, hôm nay tôi gặp Arvin và đây là những gì tôi học được.

30:33

It should really be hey, chat met with Arvin, this is what I learned, remind me two days to catch up with him.

Đáng lẽ phải là này, chat đã gặp Arvin, đây là những gì tôi học được, nhắc tôi sau hai ngày để liên lạc lại với anh ấy.

30:37

That will happen.

Điều đó sẽ xảy ra.

30:38

I mean that, I think it's going to happen.

Ý tôi là, tôi nghĩ điều đó sẽ xảy ra.

30:39

Yeah, that will happen in the next couple years and even Glean you'll, you won't be able to want to type

Ừ, điều đó sẽ xảy ra trong vài năm tới và ngay cả Glean, bạn sẽ, bạn sẽ không muốn gõ

30:44

you want to talk to it.

Bạn muốn nói chuyện với nó.

30:45

But I think the big thing is data entry.

Nhưng tôi nghĩ điều lớn lao là nhập dữ liệu.

30:47

Mhm.

Ừm.

30:47

How does the data appear in that database?

Làm thế nào dữ liệu xuất hiện trong cơ sở dữ liệu đó?

30:49

- Mhm.

- Ừm.

30:50

And that's today uh not completely automated.

Và ngày nay ừ điều đó chưa hoàn toàn tự động.

30:52

So, you know, just for like, uh, I think a company that would be well positioned to do that would actually kind of be Zoom.

Vì vậy, bạn biết đấy, chỉ ví dụ như, ừ, tôi nghĩ một công ty có vị thế tốt để làm điều đó thực sự sẽ là Zoom.

31:00

You know, a lot of people don't think about it that way.

Bạn biết đấy, nhiều người không nghĩ về nó theo cách đó.

31:03

But Zoom is really should be the, the perfect data entry uh application, right?

Nhưng Zoom thực sự nên là ứng dụng nhập dữ liệu hoàn hảo ừ, đúng không?

31:06

'Cause that's where you're having all the conversations and that's where all the information's coming out.

Vì đó là nơi bạn có tất cả các cuộc trò chuyện và đó là nơi mọi thông tin xuất hiện.

31:11

And if they could, you know, if it could work with Glean and get extract the most important information, yeah, store it all not in like a

Và nếu họ có thể, bạn biết đấy, nếu nó có thể làm việc với Glean và trích xuất thông tin quan trọng nhất, ừ, lưu trữ tất cả không phải trong một

31:18

structured day table but like store that information in system of record.

Bảng ngày có cấu trúc mà là lưu thông tin đó trong hệ thống ghi nhận.

31:21

Mhm.

Ừm.

31:21

If you had that, would be the full disruption of the SaaS.

Nếu bạn có điều đó, đó sẽ là sự đột phá hoàn toàn của SaaS.

31:25

We have, that's, that's actually is, is one of the most common agents these days, you know, with Glean, which is you take these meeting recordings, you figure out like, you know, what you talk to the customer, uh, what were the action items and then

Chúng tôi có, đó thực sự là một trong những tác nhân phổ biến nhất ngày nay, bạn biết đấy, với Glean, đó là bạn lấy các bản ghi cuộc họp này, bạn tìm ra, bạn biết đấy, bạn đã nói gì với khách hàng, ừ, các mục hành động là gì và sau đó

31:39

the agent goes updates the notes in Salesforce with that, like these kind of things are happening already, yeah.

Tác nhân sẽ cập nhật ghi chú trong Salesforce với điều đó, kiểu như những việc này đang diễn ra rồi, ừ.

31:45

Meeting, meetings is, yeah, is, uh, you know, like we in Glean, we have this uh, um, policy clears throat where we record every single meeting, internal meeting, external meeting, if our customers allow, uh, 'cause there's so much, so much information, you know, in there.

Cuộc họp, các cuộc họp là, ừ, là, ừ, bạn biết đấy, chúng tôi ở Glean, chúng tôi có chính sách ừ, ừm, [xóa cổ họng] rằng chúng tôi ghi lại mọi cuộc họp, cuộc họp nội bộ, cuộc họp bên ngoài, nếu khách hàng của chúng tôi cho phép, ừ, vì có quá nhiều, quá nhiều thông tin, bạn biết đấy, trong đó.

32:00

I, uh, I

Tôi, ừ, tôi

32:01

joined a meeting last week, it was four humans and uh, six AI note takers.

Đã tham gia một cuộc họp tuần trước, có bốn người và ừ, sáu công cụ ghi chú AI.

32:05

Yeah.

Ừ.

32:06

I heard about, I think yesterday we were talking about 17 note takers in one of the, you know, discussions.

Tôi nghe nói về, tôi nghĩ hôm qua chúng ta đang nói về 17 công cụ ghi chú trong một cuộc thảo luận nào đó.

32:10

This, it felt like the first, you know, it's like the first scene of a movie where the AI takes over.

Điều này, cảm giác như cảnh đầu tiên, bạn biết đấy, giống như cảnh đầu tiên của một bộ phim nơi AI tiếp quản.

32:16

Clearly there's a lot of sprawl.

Rõ ràng là có rất nhiều sự phân tán.

32:17

There's, there's like almost too many tools and consolidation coming - snorts - at some point.

Có, có kiểu như gần như quá nhiều công cụ và sự hợp nhất đang đến - [khịt mũi] - tại một thời điểm nào đó.

32:21

But, uh, but maybe your guys's personal workflow, you know, you

Nhưng, uh, nhưng có lẽ quy trình làm việc cá nhân của các bạn, bạn biết đấy, các bạn

32:24

guys are CEOs in the age of AI, a lot of CIOs in the room, they've got more jobs than time on their hands.

Các bạn là CEO trong thời đại AI, rất nhiều CIO trong phòng, họ có nhiều việc hơn thời gian.

32:31

How are you using AI for both your personal self and how are you driving your organizations, they're both large organizations, to adopt AI and benefit from it?

Các bạn đang sử dụng AI cho bản thân như thế nào và các bạn đang thúc đẩy tổ chức của mình, cả hai đều là tổ chức lớn, áp dụng AI và hưởng lợi từ nó ra sao?

32:40

Um, maybe give us a glimpse of your leadership in the age of AI.

Ừm, có thể cho chúng tôi thấy một chút về khả năng lãnh đạo của các bạn trong thời đại AI.

32:43

Maybe Ali, we start with you this time.

Có lẽ Ali, lần này chúng ta bắt đầu với bạn.

32:45

Yeah, I mean, we have agents for all kind of stuff that we use, you know, everything from, you know, we have agents that are really good at understanding our customers.

Vâng, ý tôi là, chúng tôi có các tác nhân cho mọi thứ mà chúng tôi sử dụng, bạn biết đấy, từ việc chúng tôi có các tác nhân thực sự giỏi trong việc hiểu khách hàng của mình.

32:53

We have an agent Raffi's, that Raffi's is the name, which Raffi.

Chúng tôi có một tác nhân Raffi's, tên là Raffi's, Raffi nào.

32:56

Yeah, if I want to understand anything about any

Vâng, nếu tôi muốn hiểu bất cứ điều gì về bất kỳ

32:59

like, you know, tell me best customer story on this.

Kiểu như, bạn biết đấy, hãy cho tôi biết câu chuyện khách hàng hay nhất về điều này.

33:01

Like, you know, I told you about RBC Royal Bank Canada, but I can just ask it, I need a use case, I'm going to get on stage, I'm going to talk about finance sector.

Kiểu như, bạn biết đấy, tôi đã kể cho bạn về RBC Royal Bank Canada, nhưng tôi chỉ cần hỏi nó, tôi cần một trường hợp sử dụng, tôi sắp lên sân khấu, tôi sẽ nói về lĩnh vực tài chính.

33:09

Give me a use case that has these, it'll like just find you all the information collected.

Cho tôi một trường hợp sử dụng có những thứ này, nó sẽ tự động tìm thấy tất cả thông tin được thu thập.

33:12

So, it's really helpful for me for these kind of things like when I get on stage like this.

Vì vậy, nó thực sự hữu ích cho tôi trong những việc như khi tôi lên sân khấu như thế này.

33:17

Uh, but also customer, if you go into a customer meeting, uh, you know, I want to tell customer X about their biggest competitor Y, how they're using Databricks.

Uh, nhưng cũng với khách hàng, nếu bạn vào một cuộc họp khách hàng, uh, bạn biết đấy, tôi muốn nói với khách hàng X về đối thủ cạnh tranh lớn nhất Y của họ, cách họ đang sử dụng Databricks.

33:24

Now maybe Y is not a competitor, is not using Databricks, so then I shouldn't use, I should use Z which actually is using Databricks.

Bây giờ có thể Y không phải là đối thủ cạnh tranh, không sử dụng Databricks, vậy thì tôi không nên sử dụng, tôi nên sử dụng Z, thực tế đang sử dụng Databricks.

33:30

Maybe that's like the number two competitor.

Có thể đó là đối thủ cạnh tranh số hai.

33:31

How do I get this information super quickly?

Làm thế nào để tôi có được thông tin này siêu nhanh?

33:33

All of those are prepared at Databricks.

Tất cả những thứ đó đều được chuẩn bị tại Databricks.

33:35

So, on the go-to-market side, a lot of this is being completely automated and we're using this.

Vì vậy, về phía tiếp cận thị trường, rất nhiều thứ trong số này đang được tự động hóa hoàn toàn và chúng tôi đang sử dụng nó.

33:40

The marketing stack I already mentioned is heavily automated already, like the, a lot of the tasks that happening in marketing, so we're seeing that stack that happening.

Ngăn xếp tiếp thị tôi đã đề cập đã được tự động hóa rất nhiều, giống như, rất nhiều nhiệm vụ diễn ra trong tiếp thị, vì vậy chúng tôi đang thấy ngăn xếp đó diễn ra.

33:50

Um, then there's engineering, that's like a whole big thing, like, you know, that's how we sort of, and I think there's a whole change management and how to do it right.

Ừm, sau đó là kỹ thuật, đó là một vấn đề lớn, kiểu như, bạn biết đấy, đó là cách chúng tôi sắp xếp, và tôi nghĩ có một sự thay đổi quản lý toàn bộ và cách làm đúng.

34:02

You know, initial attempts at automate a lot of the software engineering at Databricks kind of failed, even there's nothing wrong with the AI.

Bạn biết đấy, những nỗ lực ban đầu để tự động hóa rất nhiều kỹ thuật phần mềm tại Databricks kiểu như thất bại, ngay cả khi không có gì sai với AI.

34:08

The problem is the humans and how we were organized, but that's, you know, so those are like the two big orgs, Databricks is a big, you know, 6,000 person go-to-market org and 3-4,000 person R&D org and then there's some back office stuff.

Vấn đề là con người và cách chúng tôi được tổ chức, nhưng đó là, bạn biết đấy, vì vậy đó là hai tổ chức lớn, Databricks là một tổ chức tiếp cận thị trường lớn, bạn biết đấy, 6.000 người và tổ chức R&D 3-4.000 người và sau đó có một số thứ ở hậu trường.

34:20

Those two

Hai cái đó

34:21

already we're seeing heavy automation using agents for all kind of the task.

Chúng tôi đã thấy tự động hóa nặng nề sử dụng các tác nhân cho mọi loại nhiệm vụ.

34:26

Then there's back office, so that's finance and these functions.

Sau đó là hậu trường, đó là tài chính và các chức năng này.

34:28

Finance is all on Databricks and it's all the forecasting, all the sort of, it's all moved to machine learning based.

Tài chính đều trên Databricks và tất cả dự báo, tất cả kiểu như, tất cả đã chuyển sang dựa trên học máy.

34:34

But it took them a long time 'cause they had their Excel models and they're very proud of them and didn't want to, you know, but uh, um, again, there's a change management there.

Nhưng họ mất nhiều thời gian vì họ có các mô hình Excel của mình và họ rất tự hào về chúng và không muốn, bạn biết đấy, nhưng uh, ừm, một lần nữa, có một sự thay đổi quản lý ở đó.

34:43

We actually had external data

Chúng tôi thực sự đã có đội khoa học dữ liệu bên ngoài

34:45

science team build the AI models and then eventually they became good enough and now finance has taken those over and like, you know, uh, finance has kind of moved from Excel to Python largely at Databricks.

xây dựng các mô hình AI và cuối cùng chúng trở nên đủ tốt và bây giờ tài chính đã tiếp quản chúng và kiểu như, bạn biết đấy, uh, tài chính đã chuyển từ Excel sang Python phần lớn tại Databricks.

34:56

But it was a journey 'cause, you know, most of us speak, speak Excel.

Nhưng đó là một hành trình vì, bạn biết đấy, hầu hết chúng ta nói, nói Excel.

35:00

Similar thing is now happening to HR and other departments as well, but I think they're like, you know, I think in

Điều tương tự bây giờ cũng đang xảy ra với HR và các phòng ban khác, nhưng tôi nghĩ họ giống như, bạn biết đấy, tôi nghĩ trong

35:07

general HR departments are like, you know, even like they're not the closest to doing this kind of analytical work with, you know, Excel and so on.

Các phòng HR nói chung giống như, bạn biết đấy, ngay cả khi họ không phải là những người gần gũi nhất với việc làm loại công việc phân tích này với, bạn biết đấy, Excel và vân vân.

35:15

Uh, so maybe that's not quite as far along, but yes, it's, we're seeing it everywhere.

Uh, vì vậy có thể điều đó chưa tiến xa lắm, nhưng vâng, chúng tôi đang thấy nó ở mọi nơi.

35:20

Yeah.

Vâng.

35:21

Anything to add, Arvin?

Có gì để thêm không, Arvin?

35:22

Same for us, anything, I can share some of my own personal use with it, like, so I, one of our agents is daily prep agent which I really love because, you know, every morning um, it tells me like, you know, what my day is going to be, what I need to read, what I need to prepare.

Tương tự với chúng tôi, bất cứ điều gì, tôi có thể chia sẻ một số cách sử dụng cá nhân của riêng tôi với nó, kiểu như, tôi, một trong những tác nhân của chúng tôi là tác nhân chuẩn bị hàng ngày mà tôi thực sự thích vì, bạn biết đấy, mỗi sáng ừm, nó cho tôi biết kiểu như, bạn biết đấy, ngày của tôi sẽ như thế nào, tôi cần đọc gì, tôi cần chuẩn bị gì.

35:37

Like most of the meetings, you know, I will have not have context, it actually brings, you know, like

Giống như hầu hết các cuộc họp, bạn biết đấy, tôi sẽ không có ngữ cảnh, nó thực sự mang lại, bạn biết đấy, kiểu như

35:42

the plan for those meetings for me.

Kế hoạch cho những cuộc họp đó cho tôi.

35:43

So, that's, that's one of my favorite agents, you know, that helps me feel more confident, like, you know, for like how I'm going to do my meetings in the day.

Vì vậy, đó là một trong những tác nhân yêu thích của tôi, bạn biết đấy, giúp tôi cảm thấy tự tin hơn, kiểu như, bạn biết đấy, về cách tôi sẽ thực hiện các cuộc họp trong ngày.

35:52

Um, the other one, uh, which I, which I shared yesterday also, um, the like, you know, I've changed my instinct and I think, you know, changing, changing instincts, you know, take, take a long time, um, and you know, when you're the CEO, like you're the boss and everybody listens to you and you can just say snorts like, you know, whenever you have, you know, a small question, curiously just go and ask

Ừm, cái khác, uh, mà tôi, mà tôi cũng đã chia sẻ hôm qua, ừm, kiểu như, bạn biết đấy, tôi đã thay đổi bản năng của mình và tôi nghĩ, bạn biết đấy, thay đổi, thay đổi bản năng, bạn biết đấy, mất, mất nhiều thời gian, ừm, và bạn biết đấy, khi bạn là CEO, kiểu như bạn là ông chủ và mọi người lắng nghe bạn và bạn chỉ cần nói [khịt mũi] kiểu như, bạn biết đấy, bất cứ khi nào bạn có, bạn biết đấy, một câu hỏi nhỏ, tò mò chỉ cần đi hỏi

36:12

somebody and they're going to like, you know, uh, put 30 people on the task, actually get that, get that answer for me and this is, you're going to have a prep meeting before the prep meeting before the meeting.

Ai đó và họ sẽ kiểu như, bạn biết đấy, uh, đặt 30 người vào nhiệm vụ, thực sự lấy câu trả lời đó cho tôi và đây là, bạn sẽ có một cuộc họp chuẩn bị trước cuộc họp chuẩn bị trước cuộc họp.

36:22

- so all of that, so that, so that's sort of like, you know, and so, but it's sort of like for me it was easy.

- vì vậy tất cả những điều đó, vì vậy đó, vì vậy đó kiểu như, bạn biết đấy, và vì vậy, nhưng nó kiểu như đối với tôi nó dễ dàng.

36:28

I just get to ask somebody and that, you know, I changed that because I knew I was actually causing like, you know, a lot of the, that was very expensive.

Tôi chỉ cần hỏi ai đó và điều đó, bạn biết đấy, tôi đã thay đổi điều đó vì tôi biết tôi thực sự đang gây ra kiểu như, bạn biết đấy, rất nhiều, điều đó rất tốn kém.

36:36

So the, so today like, you know, my instinct is to like, whenever I have curiosity, whenever I have questions, when I need to do

Vì vậy, vì vậy ngày nay kiểu như, bạn biết đấy, bản năng của tôi là kiểu như, bất cứ khi nào tôi tò mò, bất cứ khi nào tôi có câu hỏi, khi tôi cần làm

36:43

data analysis, when I need to write something, you know, my letter to the company every month, all of those things, you know, like fundamentally I use, you know, AI of course, you know, Glean in this case, but to actually help me do my, do my tasks.

Phân tích dữ liệu, khi tôi cần viết gì đó, bạn biết đấy, lá thư của tôi gửi công ty mỗi tháng, tất cả những thứ đó, bạn biết đấy, về cơ bản tôi sử dụng, bạn biết đấy, AI tất nhiên, bạn biết đấy, Glean trong trường hợp này, nhưng để thực sự giúp tôi làm, làm nhiệm vụ của mình.

36:57

Yeah.

Vâng.

36:58

- More, I think the, you have to, you have to sort of have that um, belief.

- Hơn nữa, tôi nghĩ bạn phải, bạn phải kiểu như có niềm tin đó ừm.

37:04

A lot of people won't do it.

Nhiều người sẽ không làm điều đó.

37:07

You have, you have to have that belief that AI is a good collaborator.

Bạn phải có niềm tin rằng AI là một cộng sự tốt.

37:10

It's not going to do the work for you, but if you use it, you're going to actually produce better output eventually.

Nó sẽ không làm việc thay bạn, nhưng nếu bạn sử dụng nó, cuối cùng bạn sẽ thực sự tạo ra kết quả tốt hơn.

37:15

Even if you don't save time, you know, for the first, you know, first few months, but you're actually going to improve the quality of your output.

Ngay cả khi bạn không tiết kiệm thời gian, bạn biết đấy, trong vài tháng đầu tiên, nhưng bạn thực sự sẽ cải thiện chất lượng đầu ra của mình.

37:22

Fascinating.

Hấp dẫn thật.

37:22

Well, this brings me to my favorite part of this conversation, which is rapid fire.

Vậy thì, điều này đưa tôi đến phần yêu thích nhất của cuộc trò chuyện này, đó là hỏi nhanh.

37:28

Short answers are fine, long answers are welcome.

Câu trả lời ngắn cũng được, câu trả lời dài cũng hoan nghênh.

37:31

Um, start with the 12 months from now.

Ừm, bắt đầu với 12 tháng nữa kể từ bây giờ.

37:37

Are the big AI companies that we know of today up or down?

Các công ty AI lớn mà chúng ta biết ngày nay sẽ lên hay xuống?

37:40

We'll start with OpenAI, 12 months from now, stocks up or down?

Chúng ta sẽ bắt đầu với OpenAI, 12 tháng nữa kể từ bây giờ, cổ phiếu lên hay xuống?

37:44

Ali and then Arvin.

Ali rồi đến Arvin.

37:46

Up.

Lên.

37:48

And I'll say revenue will be up.

Và tôi sẽ nói doanh thu sẽ tăng.

37:50

I don't really understand how stocks work.

Tôi thực sự không hiểu cổ phiếu hoạt động như thế nào.

37:52

- laughter - Anthropic.

- [tiếng cười] - Anthropic.

37:54

Ali or Arvin.

Ali hoặc Arvin.

37:55

Up, same.

Lên, giống vậy.

37:57

Okay.

Được rồi.

37:58

Arvin, let me, let me talk, can I get, yes clears throat of course.

Arvin, để tôi, để tôi nói, tôi có thể, vâng [hắng giọng] tất nhiên rồi.

38:00

Because ChatGPT is going to continue growing and it's on fire and it's what everybody uses.

Vì ChatGPT sẽ tiếp tục phát triển và nó đang bùng nổ và đó là thứ mọi người đều sử dụng.

38:04

Uh, so is Gemini by the way.

Ừ, nhân tiện thì Gemini cũng vậy.

38:06

And then Anthropic because more and more, you know, coding, we've only like eaten into a small portion of that market, it's just started, so.

Và rồi Anthropic vì ngày càng nhiều, bạn biết đấy, lập trình, chúng ta mới chỉ ăn vào một phần nhỏ của thị trường đó, nó mới chỉ bắt đầu, nên là.

38:14

Is AI in a bubble, yes or no?

AI có đang trong bong bóng không, có hay không?

38:19

There is an AI bubble.

Có một bong bóng AI.

38:20

Uh, like saying like, okay, so then Glean is also in the bubble, everybody's in the bubble.

Ừ, kiểu như nói rằng, được rồi, vậy thì Glean cũng ở trong bong bóng, mọi người đều ở trong bong bóng.

38:24

No, I would, I would say there is a bubble.

Không, tôi sẽ, tôi sẽ nói là có một bong bóng.

38:27

I would say those three camps.

Tôi sẽ nói có ba nhóm đó.

38:28

Yeah.

Ừ.

38:29

There is a super intelligence quest camp.

Có một nhóm theo đuổi siêu trí tuệ.

38:31

- Mhm.

- Ừm.

38:31

I would be very worried there.

Tôi sẽ rất lo lắng ở đó.

38:33

There's a second, the researchers doing the, you know, that's definitely not in a bubble, they're like, they're sober.

Có nhóm thứ hai, những nhà nghiên cứu làm việc đó, bạn biết đấy, chắc chắn không ở trong bong bóng, họ kiểu như, họ rất tỉnh táo.

38:38

Yeah, they're, they're super sober, nobody cares about them.

Ừ, họ, họ cực kỳ tỉnh táo, không ai quan tâm đến họ.

38:41

And then there's laughter right?

Và rồi có [tiếng cười] đúng không?

38:42

And they're probably the ones that are right, unfortunately.

Và họ có lẽ là những người đúng, đáng tiếc thay.

38:44

And then there's the third camp which is us trying to make this valuable.

Và rồi có nhóm thứ ba, đó là chúng tôi đang cố gắng làm cho điều này có giá trị.

38:47

We're not in a bubble in a sense that we're not spending huge amounts of capital on what we are doing.

Chúng tôi không ở trong bong bóng theo nghĩa là chúng tôi không chi ra số vốn khổng lồ cho những gì chúng tôi đang làm.

38:52

We're just trying to get actual economic value inside of this organization.

Chúng tôi chỉ đang cố gắng tạo ra giá trị kinh tế thực sự trong tổ chức này.

38:55

So I, I don't think it's binary, but there is a bubble.

Nên tôi, tôi không nghĩ nó là nhị phân, nhưng có một bong bóng.

38:59

I mean, there are startups with zero revenue worth, you know, 10, 20, 30 billion.

Ý tôi là, có những startup không có doanh thu nào mà đáng giá, bạn biết đấy, 10, 20, 30 tỷ.

39:04

That's a bubble.

Đó là một bong bóng.

39:05

Yeah.

Ừ.

39:07

Same, I mean, I think the uh, there are quite a few companies where there's a lot of optimism and valuations which are well ahead of the business that those companies have.

Giống vậy, ý tôi là, tôi nghĩ ừm, có khá nhiều công ty mà có rất nhiều sự lạc quan và định giá vượt xa hoạt động kinh doanh mà những công ty đó có.

39:17

In like, I guess you can say like, you know, compared to non-AI companies, like of course AI companies do have higher, higher multiples and um, but I think it, you know, that sort of comes from that, you know, that

Kiểu như, tôi đoán bạn có thể nói là, bạn biết đấy, so với các công ty không phải AI, tất nhiên các công ty AI có bội số cao hơn, cao hơn và ừm, nhưng tôi nghĩ nó, bạn biết đấy, kiểu như đến từ đó, bạn biết đấy, cái đó

39:30

there's a good reason for it, you know, 'cause, you know, these are AI companies are going to grow more than non-AI companies for sure.

Có lý do chính đáng cho điều đó, bạn biết đấy, vì, bạn biết đấy, các công ty AI này chắc chắn sẽ tăng trưởng nhiều hơn các công ty không phải AI.

39:36

Yeah.

Ừ.

39:37

My favorite game at, ultimately we ask our CEOs, is a long short game, is if you were to pick a company, a product, an idea that you're long, that you think is going to be a bigger deal than it is today, what is that?

Trò chơi yêu thích của tôi, cuối cùng chúng tôi hỏi các CEO của mình, là trò chơi long short, đó là nếu bạn phải chọn một công ty, một sản phẩm, một ý tưởng mà bạn long, mà bạn nghĩ sẽ trở thành vấn đề lớn hơn so với hiện tại, đó là gì?

39:48

And then short, which is, you know, there's more sizzle than there's steak, more hype than reality.

Và rồi short, tức là, bạn biết đấy, có nhiều tiếng xèo xèo hơn là thịt bò, nhiều sự thổi phồng hơn là thực tế.

39:53

Pick a long, something that you're really optimistic on.

Chọn một long, một thứ mà bạn thực sự lạc quan.

39:55

Same order.

Cùng thứ tự.

39:55

Ali and then Arvind.

Ali rồi đến Arvind.

39:57

Mhm.

39:57

snorts I am very long on agents.

[khịt mũi] Tôi rất lạc quan về các tác nhân.

40:00

You know, I think I'm very long on speech.

Bạn biết đấy, tôi nghĩ tôi rất lạc quan về giọng nói.

40:02

Speech as an interaction.

Giọng nói như một cách tương tác.

40:03

Like I think keyboards are kind of basically going to disappear completely.

Kiểu như tôi nghĩ bàn phím về cơ bản sẽ biến mất hoàn toàn.

40:06

We haven't actually nailed speech.

Chúng ta thực sự chưa làm chủ được giọng nói.

40:08

I know, I know it feels like we have, but we haven't 'cause you're still using your keyboard.

Tôi biết, tôi biết cảm giác như chúng ta đã làm được, nhưng chưa đâu vì bạn vẫn đang dùng bàn phím.

40:13

So as long as you're using a keyboard, we haven't nailed speech.

Vậy nên chừng nào bạn còn dùng bàn phím, chúng ta vẫn chưa làm chủ được giọng nói.

40:16

But I think we're this close to completely eliminating

Nhưng tôi nghĩ chúng ta đang ở rất gần việc loại bỏ hoàn toàn

40:19

keyboards.

Bàn phím.

40:19

So I think that's, that's a big one.

Nên tôi nghĩ đó là một điều lớn.

40:21

What's, what would I say?

Cái gì, tôi sẽ nói gì nhỉ?

40:22

It's like, you know, I do think coding is a little bit over hyped.

Kiểu như, bạn biết đấy, tôi thực sự nghĩ việc lập trình hơi bị thổi phồng.

40:25

I don't know if I would short it.

Tôi không biết liệu tôi có bán khống nó không.

40:27

It's, I mean, I think it's still the future.

Ý tôi là, tôi nghĩ nó vẫn là tương lai.

40:29

So I think that's, that's one of them.

Nên tôi nghĩ đó là một trong số đó.

40:30

I think automating like customer service and support is a little bit over hyped.

Tôi nghĩ tự động hóa dịch vụ khách hàng và hỗ trợ hơi bị thổi phồng.

40:34

So, you know, I basically I think the things that the industry thinks are like amazing and

Nên, bạn biết đấy, về cơ bản tôi nghĩ những thứ mà ngành công nghiệp cho là tuyệt vời và

40:38

we've made great progress.

Chúng ta đã đạt được tiến bộ lớn.

40:39

We probably haven't done as progress on it.

Có lẽ chúng ta chưa đạt được tiến bộ như vậy về nó.

40:41

And then a lot of the other things that are being ignored, you know, we're going to have breakthroughs in those.

Và rồi nhiều thứ khác đang bị bỏ qua, bạn biết đấy, chúng ta sẽ có những đột phá trong số đó.

40:46

So.

Vậy.

40:47

Fascinating.

Hấp dẫn.

40:48

Yeah.

Ừ.

40:49

Yeah, and for me, I think the products that are going to change the paradigm where instead of you building a product and, you know, expecting people to come to you, if you understand your user, your customer um very deeply and actually bring the AI to them.

Ừ, và với tôi, tôi nghĩ những sản phẩm sẽ thay đổi mô hình, nơi thay vì bạn xây dựng một sản phẩm và, bạn biết đấy, mong đợi mọi người đến với bạn, nếu bạn hiểu người dùng, khách hàng của mình rất sâu sắc và thực sự mang AI đến với họ.

41:08

That's the category that I'm excited about.

Đó là hạng mục mà tôi hào hứng.

41:11

I want, I want, I want to see more proactive AI products coming to the market next year.

Tôi muốn, tôi muốn, tôi muốn thấy nhiều sản phẩm AI chủ động hơn ra thị trường vào năm tới.

41:19

Yeah.

Ừ.

41:19

That's, that's, that is what is going to actually take it from a 5% of the users being power users to 100%.

Đó, đó, đó chính là điều sẽ thực sự đưa nó từ 5% người dùng là người dùng chuyên sâu lên 100%.

41:27

Yeah.

Ừ.

41:28

Yeah.

Ừ.

41:28

Yeah.

Ừ.

41:29

Your favorite AI tool that you use in your lives.

Công cụ AI yêu thích mà bạn dùng trong cuộc sống của mình.

41:33

I think Glean is awesome.

Tôi nghĩ Glean thật tuyệt vời.

41:34

I mean, if that was not clear.

Ý tôi là, nếu điều đó chưa rõ.

41:36

Let's go.

Đi thôi.

41:38

So he uses it all the time.

Vậy anh ấy dùng nó mọi lúc.

41:39

I actually, a lot of the questions I would ask from the team, the thing you said you changed, I, I first ask Glean and then see, you know, if it nails it or not.

Thực ra, nhiều câu hỏi tôi sẽ hỏi từ nhóm, điều bạn nói bạn đã thay đổi, tôi, tôi hỏi Glean trước rồi xem, bạn biết đấy, liệu nó có làm đúng không.

41:46

Then if it doesn't, then I'll spin up a 30-person team to go spend laughter a week and have three meetings and all that to get, you know, the explanation of some simple concept for me.

Rồi nếu không, tôi sẽ lập một nhóm 30 người để dành [tiếng cười] một tuần và có ba cuộc họp và đủ thứ để có, bạn biết đấy, lời giải thích về một khái niệm đơn giản cho tôi.

41:55

But usually Glean nails it.

Nhưng thường thì Glean làm đúng.

41:57

Yeah.

Ừ.

41:58

Well, for me, I'm excited about note takers.

Vâng, với tôi, tôi hào hứng về các ứng dụng ghi chú.

42:01

I've, I've used Grain and Otter.ai myself and Fathom and a few others.

Tôi, tôi đã tự dùng Grain và Otter.ai cùng Fathom và một vài cái khác.

42:04

But note taking is actually fascinating.

Nhưng ghi chú thực sự hấp dẫn.

42:06

I mean, I think the, I feel like, you know, if you, if you take those notes and then if you utilize it the right way, like for example, what Ali was saying, like, you know, that becomes the source of what then actually creates knowledge, saves data in your systems.

Ý tôi là, tôi nghĩ, tôi cảm thấy, bạn biết đấy, nếu bạn, nếu bạn ghi những chú thích đó và rồi nếu bạn sử dụng nó đúng cách, ví dụ như điều Ali đang nói, kiểu như, bạn biết đấy, nó trở thành nguồn để rồi thực sự tạo ra tri thức, lưu dữ liệu trong hệ thống của bạn.

42:22

That's going to

Điều đó sẽ

42:23

change, you know, how companies work.

Thay đổi, bạn biết đấy, cách các công ty vận hành.

42:24

Yeah.

Ừ.

42:24

You know, in closing, I'd love to get your vision for your companies.

Bạn biết đấy, để kết thúc, tôi rất muốn nghe tầm nhìn của bạn cho các công ty của bạn.

42:29

We'll start with Ali's favorite tool, Glean.

Chúng ta sẽ bắt đầu với công cụ yêu thích của Ali, Glean.

42:32

Congrats, you just announced crossing a big milestone, $200 million in revenue run rate.

Chúc mừng, bạn vừa công bố đã vượt qua một cột mốc quan trọng, tốc độ doanh thu 200 triệu đô la.

42:36

You've, you're signing big deals, $10 million deals.

Bạn đang, bạn đang ký những hợp đồng lớn, những hợp đồng 10 triệu đô la.

42:39

You've got super users, I'm seeing you're seeing casual users.

Bạn có những người dùng siêu đẳng, tôi thấy bạn đang thấy những người dùng thông thường.

42:43

Paint us the vision for Glean from here to a billion in revenue.

Hãy vẽ cho chúng tôi tầm nhìn của Glean từ đây đến một tỷ đô la doanh thu.

42:46

I think we're still doing annual planning, which also some, you know, AI companies are telling me that's, that's old school.

Tôi nghĩ chúng tôi vẫn đang làm kế hoạch hàng năm, điều mà một số công ty AI cũng đang nói với tôi rằng đó là cách cũ rồi.

42:52

But, but we're doing it regardless.

Nhưng, nhưng dù sao chúng tôi vẫn làm.

42:54

We're doing it.

Chúng tôi vẫn làm.

42:55

That's just because they're early startups.

Đó chỉ là vì họ là những startup giai đoạn đầu.

42:56

Like, did you, did you do annual planning when you started Glean?

Kiểu, bạn có, bạn có làm kế hoạch hàng năm khi bạn bắt đầu Glean không?

43:00

No.

Không.

43:00

No.

Không.

43:00

So, so, the, but I think for us um, the thing that I'm most excited about again is, so we think a lot about AI literacy and how do you get everybody along on this journey?

Vậy, vậy, nhưng tôi nghĩ với chúng tôi ừm, điều tôi hào hứng nhất một lần nữa là, chúng tôi suy nghĩ rất nhiều về hiểu biết AI và làm thế nào để đưa mọi người cùng tham gia vào hành trình này?

43:13

And we're not seeing it right now.

Và hiện tại chúng tôi chưa thấy điều đó.

43:15

Like Glean is a heavily used product, but still there's, there's a big variance between the top users and, and the ones, you know, at the bottom.

Kiểu như Glean là một sản phẩm được sử dụng rất nhiều, nhưng vẫn có, có sự chênh lệch lớn giữa những người dùng hàng đầu và, và những người, bạn biết đấy, ở dưới cùng.

43:25

And that's what we want to change.

Và đó là điều chúng tôi muốn thay đổi.

43:27

So for the future for us is we want to be, we want Glean to be this um very personal companion for every person in every company in the world.

Vậy nên tương lai của chúng tôi là chúng tôi muốn trở thành, chúng tôi muốn Glean trở thành người bạn đồng hành rất cá nhân cho mỗi người trong mỗi công ty trên thế giới.

43:37

Um, this companion with which, you know, is, is, you know, you have a very confidential relationship with this companion in the sense that whatever you ask this companion, you know, whatever communication you have with them, um, you

Ừm, người bạn đồng hành này mà, bạn biết đấy, là, là, bạn biết đấy, bạn có một mối quan hệ rất bảo mật với người bạn đồng hành này theo nghĩa là bất cứ điều gì bạn hỏi người bạn đồng hành này, bạn biết đấy, bất kỳ giao tiếp nào bạn có với họ, ừm, bạn

43:52

know, it's, it's fully privileged.

Biết đấy, nó, nó hoàn toàn được bảo vệ đặc quyền.

43:53

Nobody else gets to see it.

Không ai khác được thấy nó.

43:54

But this companion knows everything about you and your work life.

Nhưng người bạn đồng hành này biết mọi thứ về bạn và cuộc sống công việc của bạn.

43:57

It knows your day, it knows your week.

Nó biết ngày của bạn, nó biết tuần của bạn.

43:59

It knows who are you going to meet.

Nó biết bạn sẽ gặp ai.

44:02

Um, you know, in the day-to-day, it knows your weekly goals.

Ừm, bạn biết đấy, trong công việc hàng ngày, nó biết mục tiêu hàng tuần của bạn.

44:05

It knows what, you know, what things you're not good at or what your career ambitions are.

Nó biết những gì, bạn biết đấy, những điều bạn không giỏi hoặc tham vọng nghề nghiệp của bạn là gì.

44:11

And with all of that, you know, uh, this personal companion is um, is sort of helping you now with your work.

Và với tất cả những điều đó, bạn biết đấy, ừ, người bạn đồng hành cá nhân này ừm, đang kiểu như giúp bạn bây giờ với công việc của bạn.

44:19

Um, it, you know, hopefully takes majority of your tasks automatically.

Ừm, nó, bạn biết đấy, hy vọng sẽ tự động đảm nhận phần lớn các nhiệm vụ của bạn.

44:22

Um, what, you know, works on them before you

Ừm, những gì, bạn biết đấy, làm việc trên chúng trước khi bạn

44:26

ask it to work on them.

Yêu cầu nó làm việc trên chúng.

44:27

And that's, so that's sort of the vision that we're, you know, taking our product to.

Và đó, vậy đó kiểu như là tầm nhìn mà chúng tôi đang, bạn biết đấy, đưa sản phẩm của mình tới.

44:31

We have most of the, you know, foundation for this in place already.

Chúng tôi đã có phần lớn, bạn biết đấy, nền tảng cho điều này rồi.

44:34

Um, today you have to come to Glean to get most of that work done.

Ừm, hôm nay bạn phải đến Glean để hoàn thành phần lớn công việc đó.

44:37

In the future, we want Glean to actually come to you and do that work.

Trong tương lai, chúng tôi muốn Glean thực sự đến với bạn và làm công việc đó.

44:41

Fascinating.

Hấp dẫn thật.

44:41

Well, we can keep going for a bit, but I'm being called on time.

Chà, chúng ta có thể tiếp tục thêm một chút, nhưng tôi đang bị nhắc về thời gian.

44:44

Thank you so much for chopping it up with us.

Cảm ơn bạn rất nhiều vì đã trò chuyện với chúng tôi.

44:46

You got a lot of alpha, a lot of insights here.

Bạn có rất nhiều alpha, rất nhiều hiểu biết ở đây.

44:48

Really appreciate it.

Thực sự rất trân trọng điều đó.

44:49

Thank you.

Cảm ơn bạn.

44:50

Thank you.

Cảm ơn bạn.

44:51

Thank you.

Cảm ơn bạn.

44:52

Thank you.

Cảm ơn bạn.

44:56

All right, gentlemen.

Được rồi, các quý ông.

44:57

Thank you so much.

Cảm ơn bạn rất nhiều.

Transcript

Hiển thị

AI Hype and Enterprise Reality

The discussion opens by questioning whether AGI exists and whether AI is in a bubble, dividing the industry into three camps. It contrasts consumer AI's massive adoption with enterprise AI's high failure rate, and argues that experimentation and engineering effort are necessary for success.

Cuộc thảo luận mở đầu bằng việc đặt câu hỏi liệu AGI có tồn tại hay không và liệu AI có đang trong bong bóng hay không, chia ngành thành ba phe. Nó đối chiếu việc ứng dụng AI tiêu dùng ồ ạt với tỷ lệ thất bại cao của AI doanh nghiệp, và lập luận rằng thử nghiệm và nỗ lực kỹ thuật là cần thiết để thành công.