Maison
Lingxi Technology surmonte les obstacles à la commercialisation de l'IA grâce à un grand modèle causal, et parvient ainsi à une rentabilité évolutive

La start-up spécialisée dans l’IA Lingxi Technology a récemment utilisé son grand modèle causal propriétaire pour boucler la boucle entre la technologie et les résultats commerciaux dans des secteurs de vente à forte barrière à l’entrée, tels que l’assurance et la finance. L’entreprise affirme qu’elle prévoit d’atteindre une rentabilité à grande échelle et un flux de trésorerie positif d’ici 2025, proposant ainsi un nouveau modèle pour le déploiement de grands modèles dans le monde réel.
Depuis quelque temps, les entreprises clientes constatent que les applications des grands modèles ne leur apportent qu’un succès limité. Si les modèles généraux excellent dans la compréhension conversationnelle, ils produisent fréquemment des « hallucinations » et des décisions incohérentes dans des contextes de vente professionnels et axés sur la logique, comme l’assurance et la finance, ce qui les rend peu fiables pour remplacer directement l’intervention humaine dans des ventes complexes. De nombreuses entreprises se retrouvent confrontées à « des coûts élevés, une mise en œuvre difficile et des résultats incohérents », les grands modèles utilisés en première ligne étant souvent considérés comme de simples outils de chat incapables de générer de réelles performances.
Pour remédier à cela, Lingxi Technology a évité la course habituelle aux modèles toujours plus grands et s’est plutôt concentrée sur l’amélioration du raisonnement causal et de la prise de décision de l’IA. Son approche repose essentiellement sur l’« IA causale » et le « post-entraînement des grands modèles ». En encodant la logique commerciale des experts dans des repères causaux, l’IA va au-delà de la simple répétition mécanique de scripts. Elle apprend à cerner les besoins implicites des clients, à l’instar des meilleurs commerciaux, en réévaluant en permanence ses chemins décisionnels. Cette méthode de post-entraînement permet au modèle d’assimiler les connaissances sectorielles tout en maîtrisant la logique complexe des décisions commerciales.
Sur le plan commercial, Lingxi a adopté un modèle « Results as a Service » (RaaS) qui lie directement son succès à la croissance de ses clients. Contrairement au SaaS traditionnel, qui facture d’avance et espère obtenir des résultats, le RaaS évalue l’IA en fonction d’indicateurs commerciaux mesurables, tels que la croissance des primes et l’augmentation du chiffre d’affaires. Les données montrent qu’après le déploiement de son agent commercial par des clients du secteur de l’assurance, les nouvelles primes ont atteint 2 milliards de yuans en un an. À mesure que l’autonomie du modèle s’améliore, le taux de remplacement des tâches dans les secteurs verticaux est passé de 30 % au départ à une autonomie proche de la gestion complète des processus.
Aujourd’hui, la solution « Customer Engagement Agent » (ACE) a été déployée à grande échelle dans les secteurs de l’automobile, de la banque, de l’éducation et dans d’autres domaines, avec des partenaires tels que Chery et Gaochu. L’équipe principale de Lingxi est issue du département d’IA de Baidu et apporte plus d’une décennie d’expérience pratique en matière d’IA.
Les analystes du secteur soulignent que la véritable valeur de l’IA ne réside pas dans la taille de ses paramètres, mais dans sa capacité à générer de la valeur ajoutée dans l’économie réelle. Le cas de Lingxi montre que lorsque l’IA passe du statut d’« outil » à celui de véritable « facteur de productivité » et qu’elle influe directement sur les résultats commerciaux, les défis liés à la commercialisation des grands modèles peuvent être surmontés. Alors que les applications des grands modèles connaissent un essor fulgurant en Chine, les entreprises axées sur les résultats sont les premières à en récolter les fruits.
Article connexe
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
Conformité des véhicules autonomes en Californie : une nouvelle ère marquée par les amendes, les zones de géolocalisation et 1 million de miles
Guident exploite une navette AuveTech dans le sud de la Floride, gérant un parcours de quatre miles à West Palm Beach et un parcours d’un mile à Boca Raton grâce à sa technologie de surveillance à dis
Recommandations de sujets spéciaux liés
commentaires (0)

La start-up spécialisée dans l’IA Lingxi Technology a récemment utilisé son grand modèle causal propriétaire pour boucler la boucle entre la technologie et les résultats commerciaux dans des secteurs de vente à forte barrière à l’entrée, tels que l’assurance et la finance. L’entreprise affirme qu’elle prévoit d’atteindre une rentabilité à grande échelle et un flux de trésorerie positif d’ici 2025, proposant ainsi un nouveau modèle pour le déploiement de grands modèles dans le monde réel.
Depuis quelque temps, les entreprises clientes constatent que les applications des grands modèles ne leur apportent qu’un succès limité. Si les modèles généraux excellent dans la compréhension conversationnelle, ils produisent fréquemment des « hallucinations » et des décisions incohérentes dans des contextes de vente professionnels et axés sur la logique, comme l’assurance et la finance, ce qui les rend peu fiables pour remplacer directement l’intervention humaine dans des ventes complexes. De nombreuses entreprises se retrouvent confrontées à « des coûts élevés, une mise en œuvre difficile et des résultats incohérents », les grands modèles utilisés en première ligne étant souvent considérés comme de simples outils de chat incapables de générer de réelles performances.
Pour remédier à cela, Lingxi Technology a évité la course habituelle aux modèles toujours plus grands et s’est plutôt concentrée sur l’amélioration du raisonnement causal et de la prise de décision de l’IA. Son approche repose essentiellement sur l’« IA causale » et le « post-entraînement des grands modèles ». En encodant la logique commerciale des experts dans des repères causaux, l’IA va au-delà de la simple répétition mécanique de scripts. Elle apprend à cerner les besoins implicites des clients, à l’instar des meilleurs commerciaux, en réévaluant en permanence ses chemins décisionnels. Cette méthode de post-entraînement permet au modèle d’assimiler les connaissances sectorielles tout en maîtrisant la logique complexe des décisions commerciales.
Sur le plan commercial, Lingxi a adopté un modèle « Results as a Service » (RaaS) qui lie directement son succès à la croissance de ses clients. Contrairement au SaaS traditionnel, qui facture d’avance et espère obtenir des résultats, le RaaS évalue l’IA en fonction d’indicateurs commerciaux mesurables, tels que la croissance des primes et l’augmentation du chiffre d’affaires. Les données montrent qu’après le déploiement de son agent commercial par des clients du secteur de l’assurance, les nouvelles primes ont atteint 2 milliards de yuans en un an. À mesure que l’autonomie du modèle s’améliore, le taux de remplacement des tâches dans les secteurs verticaux est passé de 30 % au départ à une autonomie proche de la gestion complète des processus.
Aujourd’hui, la solution « Customer Engagement Agent » (ACE) a été déployée à grande échelle dans les secteurs de l’automobile, de la banque, de l’éducation et dans d’autres domaines, avec des partenaires tels que Chery et Gaochu. L’équipe principale de Lingxi est issue du département d’IA de Baidu et apporte plus d’une décennie d’expérience pratique en matière d’IA.
Les analystes du secteur soulignent que la véritable valeur de l’IA ne réside pas dans la taille de ses paramètres, mais dans sa capacité à générer de la valeur ajoutée dans l’économie réelle. Le cas de Lingxi montre que lorsque l’IA passe du statut d’« outil » à celui de véritable « facteur de productivité » et qu’elle influe directement sur les résultats commerciaux, les défis liés à la commercialisation des grands modèles peuvent être surmontés. Alors que les applications des grands modèles connaissent un essor fulgurant en Chine, les entreprises axées sur les résultats sont les premières à en récolter les fruits.
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés











