Cara memprioritaskan membangun dan mengukur AI: wawasan dari panel pelanggan Pendomonium NYC

Ditambah 350 pemimpin perangkat lunak berkumpul di Pendomoniumx NYC untuk membangun kota dan belajar cara menavigasi era AI. Duduk menonjol menampilkan wawasan anggota dunia nyata yang dihargai dari rute implementasi AI.

Termasuk panelis Alo Mugker (SVP Manajemen Produk, Bank AS): Kelly Delaney (Dewan Pengalaman Doktrin VP: Savvas Learning) dan Mike Bartels (SVP Workflow & Insights, NASDAQ).

Berikut adalah wawasan utama dan takeaways praktis untuk perang AI Anda.

Berapa banyak perusahaan Anda yang berinvestasi di AI? Bagaimana Anda Bleating dengan Investasi Perangkat Lunak Lainnya?

Mike Cartels (NASDAQ): Mempertimbangkan kami perusahaan teknologi, jadi AI adalah pusat dari strategi kami. Untuk efisiensi rekayasa operasi internal dan keberhasilan lorem-kami berada di 10 dari X. Semua investasi perangkat lunak mempertimbangkan AI dari makhluk perang dan nilai. Kami saat ini sekitar 5 hingga 6 untuk fitur produk karena mereka masih menyelamatkan item peta jalan yang ada. Kami berada di integrasi produk 8 atau 9 atau AI.

Sisi produk, lebih dekat ke lima atau enam dalam hal investasi, jika kita memiliki sisa peta jalan produk untuk diberikan. Tidak semua pelanggan kami meminta AI terlebih dahulu. Tapi kita berada di delapan atau sembilan ketika kita berpikir tentang peta jalan setelah beberapa tempat berikutnya dan mengintegrasikan AI dalam produk kita.

Kelly Delaney (Savvas Learning): Kami sangat fokus pada AI-30% atau lebih dari roadmap kami dapat didasarkan pada fitur AI-tetapi investasi dalam perangkat lunak akan berubah. Kami sedang mempertimbangkan cara membuat pengalaman produk kami lebih efisien bagi pelanggan Anda. Tidak boleh diubah; Kami hanya menemukan cara yang lebih baik untuk melayani mereka.

Alo Mugker (US Bank): Kami berada dalam industri dengan berat dan kepatuhan, jadi membuat alat AI disetujui sangat sulit, tidak secara mental menggunakannya dalam praktik. Kami telah lebih fokus pada penggunaan kasus dan efisiensi internal, yang lebih mudah diangkat. Sisi pengembang, kami memiliki kelompok khusus yang berfokus pada AI, lebih banyak di sisi data, mencoba mencari cara yang berbeda untuk akhirnya membebaskan nilai pelanggan.

Bagaimana perasaan pelanggan Anda tentang AI?

Alo Mugker (US Bank): Pelanggan kami melakukannya dengan informasi dan transaksi keuangan, sehingga Anda tidak ingin privasi atau informasi mereka dibagikan. Mereka memberi Saya ingin mempercepat untuk menunggu kami melakukan itu lebih cepat, apakah mengembangkan fitur lebih cepat, menguji lebih cepat atau memberikan nilai lebih cepat. Kami menginginkan manfaat selama kami melindungi informasi Anda.

Mike Cartels (NASDAQ): Kami telah mengeluarkan percakapan AI dengan pelanggan Anda dua belas tahun yang lalu. Sekarang, yang sedang menunggu AI sebagai item agenda pertama atau kedua dalam diskusi peta jalan. Keingintahuan tinggi, dan berharap dalam 12 bulan, saya tidak akan membicarakan apa yang tidak menggunakannya.

Kelly Delaney (Savvas Learning): Dari tahun yang lalu, tidak ditarik di panel taman kanak-kanak di guru membaca tingkat kelima. 15 dari 16 AI bekas secara teratur, tetapi bukan startup AI yang Anda harapkan.

Menggunakan Canva AI dan alat -alat lain telah tertanam dalam alur kerja. Penemuan ini adalah alat dalam alur kerja karena sudah ada daripada memisahkan tab atau alat.

Apakah Anda menggunakan AI untuk menyelesaikan masalah yang ada atau baru?

Mike Cartels (NASDAQ): Dan. Kami menemukan cara baru untuk membantu pelanggan menyelesaikan masalah untuk awalnya membeli perangkat lunak, tetapi Anda juga dengan hal -hal lain yang mereka lakukan di luar produk kami dan memperkenalkannya.

Misalnya, kami telah menemukan pelanggan menghabiskan lusinan jam jumlah tabel material sebelum pertemuan. Kami telah membangun kemampuan AI untuk menyelesaikan ini, membawa alur kerja dalam produk kami untuk meningkatkan lem.

Alo Mugker (US Bank): Masalahnya sama di usaha kecil dan restoran, tetapi berharap di sekitar solusi kecepatan berbeda. Apa yang mengubah kemungkinan solusi yang dapat kami tawarkan.

Kami selalu berbicara tentang memberikan wawasan proaktif untuk membantu pelanggan kecuali waktu dan uang, tetapi sepertinya pipa bermimpi sebelumnya. Sekarang, ini kemungkinan nyata, bisa berpotensi memberi pelanggan yang transformasional untuk bisnis.

Kelly Delaney (Savaas Learning): Masalahnya benar -benar identik, tetapi benar -benar masalah yang tidak dapat diselesaikan dan kami ingin menjadi bagian dari solusi untuk sekarang di bawah jangkauan.

Jemaat berbeda informasi siswa dan memberikan umpan balik yang signifikan sebagai dokter, atau menciptakan kedalaman kursus untuk melayani siswa neurodivergent, yang tidak diharuskan untuk tumpukan buku teks yang tidak mungkin, sekarang mungkin.

Apa pengalaman Anda sendiri untuk penemuan Anda dalam perjalanan AI?

Kelly Delaney (Savvas Learning): Pertama, saya harus mengatakan Kursus penemuan produk Kami berpikir tentang kami sebagai organisasi produk. Kami telah melihat cedera untuk memahami alur kerja alami, kemudian menentukan di mana kami dapat menambahkan solusi AI atau solusi produk yang tepat dalam kurikulum alami tersebut.

Alo Mugker (US Bank): Nilai sangat penting Penemuan produk. Ini memungkinkan kita untuk melakukan apa yang jauh lebih cepat dan itu adalah alat mitra membantu kita mengatasi peraturan. Kami menggunakan untuk membantu dan mengesampingkan sisi kemenangan dari data pertanyaan pelanggan dan semua informasi pelacakan kami, dan sesuai mendengarkan terlebih dahulu. Sebagai nilai fitur AI, membantu kita menjadi lebih maju dalam praktik.

Apakah Anda mengukur fitur AI secara berbeda dari fitur tradisional?

Mike Cartels (NASDAQ): Kami menggunakan metrik tradisional sebagai dengan menggunakan frekuensi dan seberapa sering fiturnya, tetapi kami sungguh-sungguh Mencoba melacak waktu yang disimpan secara khusus. Waktu adalah mata uang berharga untuk profesi apa pun.

Ini penting bahwa kami memiliki pelatihan yang kuat untuk mengukur pendapatan dalam film. Kami mencoba mencari tahu trek monetisasi. Apakah lebih baik, lebih baik atau harga terbaik? Harga kenaikan waktu? Modul mandiri? Kami ingin mengaitkan pendapatan yang berbeda dengan investasi AI.

Saran untuk menawarkan organisasi dalam perjalanan AI?

Mike Cartels (NASDAQ): Pertama, mendirikan pemerintahan di pagi hari, terutama untuk industri array. Kedua, kekuatan teknologi di jalur eksponensial, yang mencoba tiga atau empat bulan sebelum tidak berhasil sekarang, jadi pergi dan lagi. Ketiga, Anda tidak memiliki ide tentang cara AI jika Anda tidak menggunakannya sendiri. Bereksperimenlah dengan chatgpt, risiko atau LLM apa pun tentang kehidupan pribadi Anda, kemudian terjemahkan pengalaman dengan nilai pelanggan.

Kelly Delaney (Savvas Learning): Pelajari ketika tim dan model belajar seperti. Bagikan apa yang Anda ajar adalah beasiswa kolaboratif. Siapkan ruang obrolan Anda, kekuatan bisnis, dan indikator berbagi. Jangan takut untuk mencoba kegagalan ketakutan baru dan model. Kami semua berada di garis awal, jadi Anda mengelilingi diri Anda dengan orang -orang keingintahuan intelektual dan belajar pada saat yang sama.

Alo Mugker (US Bank): Fokus pada nilai pelanggan mana juga dalam penggunaan kasus internal. Dengan AI terasa, naksir, fokuslah pada apa yang akan membantu film dan pengampunan Anda.

Panel ini diadakan pada 17 Juni 2025. Membaca Pendonii Pendomoniumx NYCatau Jelajahi semua rilis musim panas ’25.