Allie K. Miller เล่าทีม AI 34 agents ตั้งแต่เป้าหมายและระดับความริเริ่ม ไปจนถึง daily diary, watchdog และระบบใช้ซ้ำที่สร้างก่อนผลิตภัณฑ์
เดโมแอป forecast รวม actuals, baseline และแผนเดิม เปิดให้ปรับสมมติฐานรายบัญชีแล้วดูผลรวม พร้อมสิทธิ์และเหตุผลประกอบการเปลี่ยนตัวเลข
เดโมตรวจ financial model, revenue memo และ board deck เทียบ NetSuite ชี้ตำแหน่งตัวเลขต่างกัน แล้วตรวจซ้ำหลังแก้ โดยทีมการเงินรับรองผลสุดท้าย
เดโมกระทบยอด NetSuite กับ Board Outlook เพื่ออธิบาย variance จัดลำดับความเสี่ยง และส่ง release gates ให้เจ้าของงานตรวจ ก่อนทีมการเงินอนุมัติ
กรณีศึกษา Rajasthan Royals จาก OpenAI: ใช้ AI ช่วยวางแผนประมูลผู้เล่น ถามข้อมูล วิเคราะห์การขายบัตร และทดลองครีเอทีฟ โดยให้คนตัดสินใจ
แนวคิดรับมือปัญหาที่เพิ่มตามการเติบโต สร้าง network effects มอบอำนาจ และเลือก Physical AI ให้ตรงเศรษฐศาสตร์ของงาน
Roman เล่าการหาฟอร์แมตคอนเทนต์ที่ทำซ้ำได้ การจัดคู่มือให้ครีเอเตอร์ และตัวเลขธุรกิจที่รายงานในบทสัมภาษณ์
กรณี Symmetry จากบทสัมภาษณ์เต็ม: ใช้ activation, retention, OKRs และข้อมูลผู้ใช้เลือกการทดลอง พร้อมแยกผลที่รายงานออกจากสูตรรับประกันรายได้
จากเว็บแคมราคา 30 ดอลลาร์ถึงคลิปขอบคุณผู้ติดตาม: Nate Herk เล่าบทบาทของทีม ชุมชน และ AI ที่ช่วยงานคอนเทนต์
กรณี Oracle Applications Lab ให้ผู้ใช้ระบุผลลัพธ์ แล้วใช้ Codex วางแผนเรียกบริการและรวบรวมข้อมูล พร้อมข้อจำกัดที่คลิปไม่ได้แจกแจง
บทเรียนจากเดโม ChatGPT Work: เชื่อมผู้ใช้ เครดิต ประเภทงาน Skills และผลงาน Codex เข้ากับการทบทวน AI รายเดือนขององค์กร
กรณีศึกษา Oracle เริ่มจาก JD ค้นตำแหน่งเทียบเคียง และจัดข้อมูลก่อนคุยกับผู้จัดการ ตัวเลข 20 นาทีหมายถึงช่วงเตรียมงานที่ผู้พูดรายงาน ไม่ใช่เวลาจ้างคนทั้งหมด