Partai Republik terkejut oleh presiden Senat Donald Trump “RUU besar dan indah” melalui hambatan prosedural setelah berjam -jam negosiasi tegang yang menempatkan nasib Megabill sebagai pertanyaan.

Spekulasi memudar apakah Partai Republik akan puas dengan versi terbaru Mammoth Bell, yang dirilis tepat sebelum tengah malam Sabtu.

Hampir setiap penggemar, dengan pengecualian sense. Thom Tillis, rn.c, dan Rand PaulR-Ky. Mereka semua memilih untuk membuka diskusi maraton 20 jam tentang RUU tersebut. Pemimpin Mayoritas Senat John ThunRuby, hanya bisa menanggung kehilangan tiga suara.

Terlepas dari keberhasilannya, pemungutan suara partai 51-49 bukan tanpa drama.

“Hukum draft utama dan indah” Trump menghadapi perselisihan keluarga Republik, sementara Senat mengungkapkan teks akhirnya

Senator Ron Johnson, R. West.

Vans dipanggil dalam kasus pemungutan suara pengikat, tetapi hanya layanan negosiasi yang akhirnya menggunakannya.

Tak satu pun dari legislator yang ingin menjadi suara penentu keempat dan terakhir untuk membunuh RUU tersebut. Kepemimpinan Republik di tanah tetap terbuka selama sekitar empat jam, sementara negosiasi berlanjut – pertama di Aula Senat dan kemudian di kantor Thun di akhir.

RUU itu tidak akan segera dibahas berkat Demokrat Senat untuk memaksa seluruh mata uang legislatif 940 halaman di Aula Senat, yang dapat mengeringkan beberapa jam dan memperdalam di malam hari.

Schumer untuk memaksa Senat pada “tagihan besar dan indah” Trump

Nasib Megabill, dan apakah dia bisa lulus ujian pertamanya, paling misterius setelah anggota Senat bertemu di balik pintu tertutup pada hari Jumat, dan bahkan saat makan siang lagi pada hari Sabtu.

Kekhawatiran berkelanjutan di kedua dewan tentang Medicaid – khususnya tingkat penyedia Medicaid dan pengaruh pembayaran langsung untuk negara bagian – kredit pajak energi, pengurangan pajak lokal (SALT) dan poin nyeri lainnya yang mengancam kelangsungan hidup faktur.

Partai Republik khawatir tentang Trump di tengah bagian tentang “RUU besar dan indah”

Pemimpin mayoritas Senat, John Thun, terlihat setelah makan siang Senat di Gedung American Capitol pada hari Selasa, 24 Juni 2025. (Tom Williams/CQ-Roll Call, Inc via Getty Images)

Namun, perubahan menit terakhir dilakukan baik pada episode atau kepatuhan dengan aturan Senat. Memang, parlemen Senat telah melucuti banyak elemen dari rancangan undang -undang yang harus dirumuskan ulang.

Tarif pajak penyedia Medicaid sebagian besar disimpan, kecuali untuk tanggal implementasinya diulangi lagi setahun. Itu juga termasuk yang lokal untuk legislator seperti Sens. Susan Collins, R-Maine, Josh Hawley dan R-Mo, dan lainnya adalah dana stabilitas di rumah sakit pedesaan senilai $ 25 miliar selama lima tahun ke depan.

Collins mengatakan bahwa dia akan mendukung RUU tersebut melalui hambatan prosedural, dan mengindikasikan bahwa dana stabilitas di rumah sakit pedesaan adalah awal, tetapi apakah itu mendukung RUU di koridor akhir masih harus dilihat.

“Jika rancangan undang -undang tidak diubah, saya akan cenderung ke RUU tersebut, tetapi saya percaya bahwa pemungutan suara prosedural ini untuk mendapatkan RUU tersebut sehingga orang dapat membuat amandemen dan mendiskusikan hal ini,” kata Collins.

Tilis, yang juga khawatir tentang perubahan yang dilakukan pada seorang pelayan dan ingin melihat kembali ke versi Partai Republik, mengatakan dia tidak akan memilih hukum hukum selama klip terakhir.

Senator untuk Partai Republik menyerukan penembakan parlemen setelah menyerahkannya ke “RUU besar dan indah untuk Trump” oleh Trump “

Diskon garam yang termasuk dalam versi parlemen dari RUU tersebut juga bertahan, meskipun maksimum $ 40.000 akan tetap utuh selama lima tahun. Setelah itu, penutup akan kembali ke $ 10.000 saat ini.

Pemanis lain, seperti memperluas ruang lingkup nutrisi yang melepaskan di Alaska dan menurunkan pajak untuk kapten kapal paus, juga dilemparkan untuk menjadi moderat seperti Senator Lisa Morkovski, Rasca, di atas tagihan.

Senator Rand Paul berbicara, R-Ky. (Tom Williams/CQ-Roll Call, Inc)

Dia mengumumkan kepada saya bahwa dia menarik keputusan untuk menjual tanah terbuka, yang telah terbukti menjadi titik yang sesuai bagi legislator di Montana dan Idahu.

Namun, Partai Republik yang tidak puas dengan situasi rancangan undang-undang saat ini akan menggunakan “Pott-A Rama” yang akan datang, ketika legislator dapat membuat jumlah modifikasi yang tidak terbatas, untuk mencoba mengubah sebanyak mungkin sebelum klip akhir.

Namun, Demokrat akan menggunakan proses ini untuk menimbulkan rasa sakit sebanyak mungkin pada Partai Republik.

Setelah amandemen maraton, yang dapat terjadi pada dini hari Senin pagi, anggota parlemen akan pindah ke pemungutan suara terakhir untuk mengirim rancangan undang -undang, yang merupakan amandemen terhadap salinan Dewan Perwakilan Rakyat dari “hukum besar yang indah”, ke Kamar Bawah.

Klik di sini untuk mendapatkan aplikasi Fox News

Dari sana, ini adalah perlombaan mati untuk mendapatkan paket di kantor presiden pada 4 Juli.

Dalam pernyataan kebijakan manajemen yang diperoleh oleh Fox News Digital, Trump mengindikasikan bahwa ia akan menandatangani RUU tersebut.

“Presiden Trump berkomitmen untuk mempertahankan janjinya.” “Kegagalan untuk mengesahkan undang -undang ini akan menjadi pengkhianatan terakhir.”

Artikel ini adalah bagian dari jumlah khusus VentureBeat, “Biaya sebenarnya dari Amnesty International: Kinerja, Efisiensi dan Investasi Skala Besar.” Baca lebih lanjut dari nomor khusus ini.

Selama dua dekade terakhir, perusahaan memiliki pilihan antara teknologi terbuka dan properti tertutup.

Opsi asli untuk institusi terutama berpusat pada sistem operasi, karena Linux menawarkan sumber terbuka dari Windows Microsoft. Di dunia pengembang, bahasa open source seperti Python dan JavaScript mendominasi, karena teknologi open source, termasuk Kubernetes, adalah standar di cloud.

Jenis pilihan yang sama antara terbuka dan penutupan sekarang menghadapi institusi untuk kecerdasan buatan, dengan banyak opsi untuk kedua jenis model. Di bagian depan model kepemilikan tertutup, ada beberapa model terbesar dan paling banyak digunakan di planet ini, termasuk yang ada di openai dan antropologi. Di sisi open source, ada model seperti Meta’s Llama, IBM Granite, Qwen dan Deepseek Alibaba.

Memahami ketika model terbuka atau tertutup digunakan sebagai opsi yang menentukan bagi para pembuat keputusan yayasan pada tahun 2025 dan seterusnya. Memilihnya memiliki efek keuangan dan mengalokasikan pada setiap opsi yang perlu dipahami dan dipertimbangkan lembaga.

Pahami perbedaan antara lisensi terbuka dan tertutup

Tidak ada kekurangan dekade berlebihan yang berlebihan antara lisensi terbuka dan tertutup. Tapi apa arti semua ini untuk pengguna institusi?

Teknologi properti tertutup, seperti Openai’s GPT 4O, misalnya, tidak berisi kode pelatihan atau bobot yang terbuka atau patut dicontoh yang tersedia bagi siapa saja untuk melihatnya. Model ini tidak dapat dengan mudah tersedia dengan baik, dan hanya tersedia untuk penggunaan institusi nyata dengan biaya (pasti, chatgpt adalah lapisan gratis, Tapi ini tidak akan terganggu oleh pekerjaan lembaga nyata).

Teknologi terbuka, seperti meta llama, granit IBM, atau Deepseek, tersedia secara publik. Lembaga dapat menggunakan formulir secara bebas, secara umum tanpa batasan, termasuk penyesuaian dan kustomisasi.

Rohan Gupta, direktur dengan DeluetteMemberitahu VentureBeat bahwa diskusi terbuka versus sumber tertutup tidak unik atau asli dalam kecerdasan buatan, dan tidak mungkin diselesaikan dalam waktu dekat.

GOPTA menjelaskan bahwa penyedia sumber daya tertutup biasanya menawarkan banyak sampul tentang model mereka yang memungkinkan kemudahan penggunaan, ekspansi yang disederhanakan, promosi yang lebih halus, intervensi yang mengalir dan aliran perbaikan yang berkelanjutan. Ini juga memberikan dukungan besar bagi pengembang. Ini termasuk dokumen di samping saran praktis dan seringkali memberikan integrasi yang lebih ketat dengan infrastruktur dan aplikasi. Di sisi lain, lembaga dibayar selain layanan ini.

“Model open source, di sisi lain, dapat memberikan lebih banyak kontrol, fleksibilitas dan opsi alokasi, dan didukung oleh ekosistem yang dikembangkan yang dinamis,” kata Gupta. “Model -model ini dapat semakin diakses melalui fasad pemrograman aplikasi yang dikelola sepenuhnya melalui penjual cloud, yang memperluas distribusinya.”

Ambil pilihan antara model AI yang terbuka dan tertutup

Pertanyaan yang mungkin ditanyakan oleh banyak pengguna lembaga adalah yang terbaik: model terbuka atau tertutup? Tetapi jawabannya belum tentu satu atau lain.

“Kami tidak menganggap ini sebagai pilihan bilateral,” David Garrera, pemimpin Ai Tawili di Ey AmericaBeri tahu VentureBeat. “Terbuka versus tertutup semakin banyak ruang untuk desain cair, di mana model dipilih, atau bahkan diatur secara otomatis, berdasarkan perbedaan antara akurasi, jintan, biaya, interpretasi dan keamanan pada titik yang berbeda dalam alur kerja.”

Gararrera memperhatikan bahwa model tertutup membatasi cara meningkatkan organisasi atau adaptasi perilaku. Model cadangan sering membatasi perumusan formula, menagih tarif premium, atau menyembunyikan proses dalam kotak hitam. Meskipun alat API menyederhanakan integrasi, mereka mengambil banyak kendali, yang membuatnya sulit untuk membangun sistem yang spesifik atau dapat ditafsirkan.

Sebaliknya, model open source memungkinkan desain target, desain pegangan dan peningkatan untuk kasus penggunaan tertentu. Ini lebih penting di masa depan agen, karena model tidak lagi menjadi alat homogen untuk tujuan umum, tetapi mereka merupakan komponen pengganti dalam alur kerja yang dinamis. Kemampuan untuk membentuk perilaku model secara akurat menjadi, dengan biaya rendah dan melengkapi transparansi, keunggulan kompetitif yang besar saat menerbitkan tugas atau solusi yang terorganisir dengan ketat.

“Dalam praktiknya, kami mengharapkan masa depan agen di mana pemilihan model diekstraksi,” kata Garra.

Misalnya, pengguna dapat merumuskan pesan e -mail menggunakan satu alat AI, merangkum dokumen hukum dengan dokumen lembaga penelitian lainnya dengan model sumber terbuka, dan berinteraksi dengan kecerdasan buatan secara lokal melalui LLM pada perangkat, semua tanpa mengetahui model apa pun yang melakukan apa yang dia lakukan.

“Pertanyaan sebenarnya menjadi: Apa campuran model yang sesuai dengan tuntutan alur kerja Anda?” Kata Garrera.

Pertimbangkan total biaya kepemilikan

Dengan model terbuka, ide dasarnya adalah bahwa model tersedia secara gratis untuk digunakan. Meskipun sebaliknya, lembaga selalu membayar model tertutup.

Realitas adalah ketika datang untuk melihat total biaya kepemilikan (TCO) lebih akurat.

Praven Akkiraju, Direktur Pelaksana Mitra wawasan Saya menjelaskan risiko bahwa TCO memiliki banyak lapisan yang berbeda. Beberapa pertimbangan utama termasuk biaya hosting infrastruktur dan teknik: Apakah model open source di -host oleh lembaga atau penyedia cloud? Berapa banyak rekayasa, termasuk instalasi, tes taman penjaga dan tes keamanan, yang diperlukan untuk mengoperasikan model dengan aman?

Perhatikan Akkiraju itu Menyesuaikan model berat terbuka juga bisa menjadi tugas yang sangat kompleks. Perusahaan model perbatasan tertutup menghabiskan upaya rekayasa yang luar biasa untuk memastikan kinerja melalui berbagai tugas. Menurut pendapatnya, kecuali lembaga menerbitkan pengalaman teknik yang serupa, mereka benar -benar akan menghadapi anggaran yang kompleks ketika merumuskan model sumber terbuka. Ini menciptakan efek biaya ketika institusi memilih strategi penerbitan model. Misalnya, institusi dapat menyesuaikan beberapa versi model dari berbagai tugas atau menggunakan antarmuka pemrograman aplikasi tunggal untuk beberapa tugas.

Ryan Gross, Kepala Data dan Aplikasi di Penyedia Layanan Cloud Asli Kylent VentureBeat mengatakan bahwa dari sudut pandangnya, ketentuan lisensi tidak peduli, kecuali untuk skenario kasus Edge. Pembatasan terbesar seringkali terkait dengan ketersediaan model ketika ada akomodasi data. Dalam hal ini, menerbitkan formulir terbuka pada infrastruktur seperti Amazon Sagemaker mungkin satu -satunya cara untuk mendapatkan model yang lebih baru yang masih sesuai. Ketika datang ke TCO, Gross mencatat bahwa barter jatuh di antara biaya segalanya dan biaya hosting dan pemeliharaan.

“Ada titik setara yang jelas saat ekonomi berubah dari model terbuka tertutup menjadi lebih murah,” kata Gross.

Menurut pendapatnya, bagi sebagian besar organisasi, model tertutup, dengan solusi hosting dan ekspansi atas nama organisasi, akan lebih sedikit. Namun, untuk lembaga besar, perusahaan SaaS dengan permintaan yang sangat tinggi pada LLM, tetapi sapi yang disederhanakan membutuhkan kinerja dalam batas, atau produk yang berfokus pada kecerdasan buatan, dapat menjadi model penyuling yang lebih efektif.

Bagaimana pengembang program yayasan mengevaluasi model terbuka untuk yang tertutup

Josh Busquiz, CTO di Sistem depan kedua Ini adalah salah satu perusahaan yang harus berpikir dan mengevaluasi model terbuka untuk ditutup.

“Kami menggunakan model kecerdasan buatan yang terbuka dan tertutup, tergantung pada penggunaan spesifik, persyaratan keselamatan dan tujuan strategis,” kata Buswiz kepada VentureBeat.

Bosquez menjelaskan bahwa model terbuka memungkinkan perusahaannya untuk mengintegrasikan kemampuan canggih tanpa waktu atau biaya formulir pelatihan dari awal. Untuk eksperimen internal atau model awal yang cepat, model terbuka membantu perusahaannya untuk mengulangi dengan cepat dan mendapat manfaat dari perkembangan yang bergantung pada masyarakat.

Dia mengatakan: “Model tertutup, di sisi lain, adalah pilihan kami ketika database, dukungan gelar di tingkat lembaga dan jaminan keamanan diperlukan, terutama untuk aplikasi yang dihadapi pelanggan atau operasi penerbitan yang mencakup lingkungan yang sensitif atau terorganisir.” “Model -model ini sering berasal dari penjual yang andal, yang memberikan kinerja yang kuat, dukungan untuk kepatuhan dan opsi pengarahan diri.”

Bosquez mengatakan bahwa pemilihan model multi -fungsional dan infus risiko, tidak hanya mengevaluasi kesesuaian teknis, tetapi juga kebijakan pemrosesan data, persyaratan integrasi dan ekspansi jangka panjang.

Melihat TCO, ia mengatakan bahwa itu sangat berbeda antara model terbuka dan tertutup dan pendekatannya tidak lebih murah.

“Ini tergantung pada skala publikasi dan kedewasaan organisasi,” kata Busquiz. “Pada akhirnya, kami mengevaluasi TCO tidak hanya pada dolar yang dihabiskan, tetapi pada kecepatan pengiriman, risiko kepatuhan dan kemampuan untuk berkembang dengan aman.”

Apa artinya ini bagi strategi AI yayasan

Untuk pembuat keputusan teknologi pintar yang mengevaluasi investasi kecerdasan buatan pada tahun 2025, debat terbuka terhadap tertutup tidak terkait dengan pilihan kedua belah pihak. Muncul untuk membangun pendekatan dompet strategis yang meningkatkan berbagai kasus penggunaan dalam organisasi Anda.

Elemen tindakan langsung jelas. Pertama, periksa beban kerja AI saat ini dan rencanakan mereka untuk kerangka kerja pengambilan keputusan, dengan mempertimbangkan persyaratan akurasi, kebutuhan jintan, pembatasan biaya, persyaratan keselamatan dan kewajiban kepatuhan untuk setiap kasus penggunaan. Kedua, mengevaluasi kemampuan teknik organisasi Anda untuk merumuskan model model, hosting dan pemeliharaan, karena ini secara langsung mempengaruhi total biaya kepemilikan riil.

Ketiga, mulailah bereksperimen dengan model pemformatan platform yang secara otomatis dapat mengarahkan tugas ke model yang paling tepat, baik terbuka atau tertutup. Ini menempatkan institusi Anda untuk masa depan agen yang diharapkan oleh para pemimpin industri, seperti Guarrera di EY, di mana pemilihan model menjadi tidak terlihat bagi pengguna akhir.

Sementara institusi menghadapi tantangan penerbitan agen kecerdasan buatan dalam aplikasi kritis, model baru yang lebih realistis muncul yang mengembalikan kontrol manusia sebagai jaminan strategis terhadap kegagalan kecerdasan buatan.

Salah satu contoh MixusSebuah platform yang menggunakan platform “kolega episode” untuk membuat agen kecerdasan buatan dipercaya untuk bekerja penting.

Pendekatan ini merupakan respons terhadap meningkatnya bukti bahwa faktor independen lengkap adalah perjudian risiko tinggi.

Tingginya biaya kecerdasan buatan belum diverifikasi

masalah Hallus Amnesty International Ini telah menjadi bahaya nyata ketika perusahaan mengeksplorasi aplikasi kecerdasan buatan. Dalam sebuah insiden baru -baru ini, editor simbol -in -law, yang karya -karya kecerdasan buatan, menyaksikan robot dukungannya Membuat Kebijakan Palsu Membatasi langganan, yang meningkatkan gelombang pembatalan pelanggan publik.

Demikian juga, Fintech Klarna terkenal Jalur terbalik Ketika agen layanan pelanggan digantikan oleh kecerdasan buatan setelah mengenali langkah ini, itu menyebabkan penurunan kualitas. Dalam kasus yang lebih mengkhawatirkan, pengusaha bisnis yang disarankan di New York City Kejahatan dalam Praktik IlegalMenyoroti risiko kepatuhan bencana dengan faktor -faktor yang tidak produktif.

Kecelakaan ini adalah gejala kesenjangan kapasitas yang lebih besar. Menurut Mei 2025 Salesforce Kertas pencarianSaat ini, agen -agen terkemuka hanya berhasil 58 % dari waktu dalam satu tugas dan hanya 35 % dari waktu pada beberapa langkah itu, dengan sorotan “celah besar antara kemampuan LLM saat ini dan tuntutan multi -faceted untuk skenario lembaga di dunia nyata.”

Bentuk kolega dalam episode

Untuk mengisi kesenjangan ini, pendekatan baru berfokus pada kontrol manusia yang terorganisir. “Agen Amnesty International ke arah Anda dan karenanya,” Elliot Katz, co -founder Mixus, mengatakan kepada VentureBeat. “Tetapi tanpa pengawasan organisasi yang terintegrasi, itu sering kali sepenuhnya menciptakan faktor yang lebih independen daripada mereka.”

Filosofi ini mendukung model Mixus Fellow dalam episode ini, yang menjamin verifikasi manusia secara langsung dalam alur kerja. Misalnya, penjual ritel besar dapat menerima laporan mingguan dari ribuan toko yang berisi data operasi penting (misalnya, ukuran penjualan, jam kerja, tarif produktivitas, permintaan kompensasi dari kantor pusat). Analis manusia harus menghabiskan berjam -jam meninjau data secara manual dan membuat keputusan berdasarkan penalaran. Dengan Mixus, agen kecerdasan buatan mengotomatiskan pengangkatan berat, menganalisis pola kompleks dan anomali seperti permintaan gaji yang luar biasa tinggi atau nilai produktif.

Adapun keputusan berisiko tinggi seperti pernyataan pembayaran atau pelanggaran politik-alur kerja yang ditentukan oleh pengguna manusia sebagai “berisiko tinggi”-agen berhenti dan membutuhkan persetujuan manusia sebelum tindak lanjut. Divisi persalinan dikombinasikan antara kecerdasan buatan dan manusia dalam proses menciptakan agen.

“Pendekatan ini berarti bahwa manusia hanya terlibat ketika pengalaman mereka sudah menambahkan nilai-biasanya mengalir 5-10 % dari keputusan yang mungkin memiliki efek utama-sementara 90-95 % dari tugas rutin mengalir secara otomatis,” kata Katz. “Anda mendapatkan kecepatan otomatisasi penuh dari operasi standar, tetapi pengawasan manusia secara khusus berjalan ketika konteks, penilaian dan akuntabilitas lebih penting.”

Dalam pertunjukan eksperimental yang ditunjukkan oleh tim Mixus di VentureBeat, penciptaan agen operasi intuitif yang dapat dilakukan dengan instruksi teks biasa. Untuk membangun faktor -faktor -faktor pemeriksaan untuk koresponden, misalnya, co -founder Shai Magzimof menggambarkan proses multi -step dalam bahasa alami dan mengarahkan platform untuk memasukkan langkah -langkah verifikasi manusia dengan ambang batas tertentu, seperti ketika klaim sangat berbahaya dan dapat menyebabkan kerusakan yang terkenal atau konsekuensi hukum.

Salah satu kekuatan dasar dari platform ini adalah integrasi dengan alat -alat seperti Google Drive, E -mail dan stagnasi, yang memungkinkan pengguna lembaga untuk memasukkan sumber data mereka ke dalam tugas alur kerja dan berinteraksi dengan agen langsung dari platform komunikasi mereka, tanpa perlu beralih konteks atau mempelajari antarmuka baru (misalnya, penentu fakta bahwa pelanggan yang menentukan fakta.

Kemampuan integrasi undang -undang diperluas untuk lebih memenuhi kebutuhan lembaga tertentu. Mixus mendukung MCP Context Protocol (MCP), yang memungkinkan perusahaan untuk menghubungkan agen ke alat kustom dan antarmuka pemrograman aplikasi, dan menghindari kebutuhan untuk kembali merayap roda untuk sistem interior saat ini. Selain integrasi program lembaga lain seperti JIRA dan Salesforce, ini memungkinkan agen untuk melakukan tugas -tugas kompleks dan melalui platform, seperti memeriksa tiket rekayasa terbuka dan melaporkan situasi kepada manajer di Slack.

Pengawasan manusia sebagai ganda strategis

Area AI saat ini tunduk pada verifikasi realitas karena perusahaan beralih dari eksperimen ke produksi. Konsensus di antara banyak pemimpin industri adalah bahwa manusia dalam episode ini adalah kebutuhan praktis bagi agen untuk melakukan yang dapat diandalkan.

Model koperasi Mixus mengubah ekonomi penskalaan kecerdasan buatan. Mixus memperkirakan bahwa pada tahun 2030, agen dapat menumbuhkan 1000x dan semua pengawas manusia akan menjadi 50x lebih efisien dengan faktor kecerdasan buatan menjadi lebih dapat diandalkan. Tetapi kebutuhan penuh untuk kontrol manusia akan terus tumbuh.

“Semua pengawas manusia berjalan lebih dari kecerdasan buatan dari waktu ke waktu, tetapi Anda masih membutuhkan lebih banyak pengawasan secara keseluruhan dengan ledakan penyebaran kecerdasan buatan melalui organisasi Anda,” kata Katz.

Bagi para pemimpin lembaga, ini berarti bahwa keterampilan manusia akan berkembang daripada menghilang. Alih -alih menggantinya dengan AI, para ahli akan ditingkatkan ke peran di mana mereka mengatur armada agen intelijen buatan dan menangani keputusan berisiko tinggi yang telah ditandai untuk ditinjau.

Dalam konteks ini, membangun fungsi pengawasan manusia yang kuat menjadi keunggulan kompetitif, memungkinkan perusahaan untuk menyebarkan kecerdasan buatan dengan aman dan aman daripada pesaing mereka.

“Perusahaan yang menguasai perkalian ini akan mendominasi industri mereka, sementara mereka yang mengejar otomatisasi penuh akan menderita keandalan, kepatuhan dan kepercayaan diri,” kata Katz.

Visi harian tentang kasus penggunaan bisnis dengan VB setiap hari

Jika Anda ingin membujuk bos Anda di tempat kerja, Anda telah membahas VB setiap hari. Kami memberi Anda sendok dari dalam tentang apa yang dilakukan perusahaan dengan kecerdasan buatan kebidanan, dari transformasi organisasi hingga operasi penerbitan praktis, sehingga Anda dapat berbagi visi dari pengembalian investasi maksimum.

Baca Kebijakan Privasi Kami

Terima kasih telah berlangganan. Periksa lebih banyak buletin VB di sini.

Terjadi kesalahan.