生产会计软件的初创公司Klarity给工程师们安排了“生成式人工智能休假”。

　　在四周的时间里，员工们暂停了所有新的开发工作，专注于突破性的技术。

　　因此，Klarity关闭了自己的定制模型，转而使用大型语言模型。

　　感谢您的报名!转到时事通讯偏好

　　在ChatGPT进入公众生活的几个月后，由超级企业家纳特·弗里德曼和丹尼尔·格罗斯支持的会计软件初创公司Klarity面临了一个“顿悟”时刻。

　　Klarity的联合创始人兼首席技术官尼沙尔·纳达穆尼(Nischal Nadhamuni)告诉他的团队，人工智能将颠覆他们脚下的一切。Klarity要么适应，要么输给竞争对手。

　　本文仅对Business Insider订阅者开放。成为业内人士，现在就开始阅读。有账户吗?．

　　为了弄清楚Klarity的大型语言模型能够理解并产生自然语言或代码，Nadhamuni安排了一个工程师团队进行“生成人工智能休假”。

　　在四周的时间里，员工们搁置了所有其他的新开发工作，专注于如何使用这些模型来改进Klarity的产品并取悦客户。唯一的规则是只有激进的想法，没有增量。

　　在麻省理工学院学习计算机科学和机器学习的Nadhamuni说:“我基本上放弃了所有其他职责，只从事人工智能研究，每天12个小时，持续了一个月。”“我们只是把我们的产品掏空，然后用生成式人工智能重建它。”

　　结果是:Klarity将以前由人工完成的流程的自动化程度提高到新的水平——将其通过率提高到85%——并加快了其发布功能的能力。

　　投资者注意到了这一点。今年6月，Klarity在由Friedman和Gross领投的B轮融资中获得7000万美元，参与融资的有Scale Venture Partners、Tola Capital、Picus Capital、Invus Capital和Y Combinator。这轮融资使Klarity的融资总额超过9000万美元。该公司没有公布估值。

　　“在我们的投资组合中，它们是迄今为止行动最快的，”早期风险投资公司Tola Capital的投资者亚伦·弗莱什曼(Aaron Fleishman)说。

　　这是科技公司成败的关键时刻。就像40年前互联网改变了一个又一个行业一样，人工智能的快速而不可阻挡的发展正在改变社会的每一个角落。对于初创公司来说，这意味着采用这项技术不再是可有可无的;它正迅速成为企业在竞争激烈的市场中生存的生命线。

　　“他们的窗口正在关闭，”弗莱什曼在谈到尚未适应的公司时说。“他们要么迅速成为市场上几乎是人工智能原生的玩家，要么就会因为被颠覆而失败。”

　　甚至在休假之前，Klarity就精通自然语言处理和计算机视觉。它的软件将订单、发票和其他合同等文件转化为结构化数据，机器可以像人类一样理解这些数据。这帮助会计师节省了时间，避免了代价高昂的错误。

　　其产品的早期版本建立在第三方模型、开源库和Klarity自己训练的模型的大杂烩之上。但是Nadhamuni说，他们自己的模型处理以前从未见过的文件的能力有限，因为他们是在小数据集上训练的。当OpenAI发布大型语言模型GPT-3.5时，它为使用自己定制模型的科技公司开辟了新的可能性。

　　Klarity的休假以一个为期三天的高管团队聚会开始，让他们达成共识。Nadhamuni就生成式人工智能的历史以及该技术的最新突破发表了演讲。第一天晚上，他给高管们布置了作业:在个人和工作任务上使用ChatGPT。

　　“我们构建它的方式是，物理规则已经改变，”Nadhamuni说。“在我们构思之前，我们需要知道新规则是什么，才能真正了解什么是可能的。”

　　第二天，高管们围坐在会议室的桌子旁，把一块Miro板扔到屏幕上。他们问自己，生成式人工智能如何改变他们的产品从文档中提取数据的方式，并理解数据的细微差别和背景。他们将数百条建议精简为5个关键假设。如果新技术可以做到这五件事，他们将使用生成式人工智能重建Klarity平台的核心。

　　例如，全面重置值得考虑的是，新技术是否能更好地理解以前从未见过的表格和数据。如果这项新技术能让非专业人士更容易入职，它将彻底改变Klarity向企业销售的方式。

　　工程师们分成几个小组来解决每个假设。Nadhamuni表示，员工有“完全的自主权，可以做他们想做的事，使用他们想要的工具，显然要尊重数据治理问题。”他们在周五会面，分享过去一周的学习总结。

　　Nadhamuni还写了一本关于如何运行生成人工智能休假的剧本，可以在Tola Capital的博客上找到。

　　四周结束时，Klarity准备按下定制模型的核按钮，转而使用大型语言模型。它使用的gpu在办公室里积满了灰尘。

　　纳德哈穆尼表示，休假可以让公司跟上科技快速发展的速度。它将软件开发周期从几周或几天缩短到几小时。休假迫使团队从根本上重新思考什么是可能的。

　　他说:“我总是告诉我的团队，假设我们现在的状态和正确的答案之间有17次迭代。“不要纠结于正确的答案，而要纠结于如何快速且明智地进行迭代。”