Noticias

DeepSeek’s R1 and OpenAI’s Deep Research just redefined AI — RAG, distillation, and custom models will never be the same

Published

2 meses ago

6 febrero, 2025

Join our daily and weekly newsletters for the latest updates and exclusive content on industry-leading AI coverage. Learn More

Things are moving quickly in AI—and if you’re not keeping up, you’re falling behind.

Two recent developments are reshaping the landscape for developers and enterprises alike: DeepSeek’s R1 model release and OpenAI’s new Deep Research product. Together, they’re redefining the cost and accessibility of powerful reasoning models, which has been well reported on. Less talked about, however, is how they’ll push companies to use techniques like distillation, supervised fine-tuning (SFT), reinforcement learning (RL), and retrieval-augmented generation (RAG) to build smarter, more specialized AI applications.

After the initial excitement around the amazing achievements of DeepSeek begins to settle, developers and enterprise decision-makers need to consider what it means for them. From pricing and performance to hallucination risks and the importance of clean data, here’s what these breakthroughs mean for anyone building AI today.

Cheaper, transparent, industry-leading reasoning models – but through distillation

The headline with DeepSeek-R1 is simple: It delivers an industry-leading reasoning model at a fraction of the cost of OpenAI’s o1. Specifically, it’s about 30 times cheaper to run, and unlike many closed models, DeepSeek offers full transparency around its reasoning steps. For developers, this means you can now build highly customized AI models without breaking the bank—whether through distillation, fine-tuning, or simple RAG implementations.

Distillation, in particular, is emerging as a powerful tool. By using DeepSeek-R1 as a “teacher model,” companies can create smaller, task-specific models that inherit R1’s superior reasoning capabilities. These smaller models, in fact, are the future for most enterprise companies. The full R1 reasoning model can be too much for what companies need – thinking too much, and not taking the decisive action companies need for their specific domain applications. “One of the things that no one is really talking about in, certainly in the mainstream media, is that actually the reasoning models are not working that well for things like agents,” said Sam Witteveen, an ML developer who works on AI agents, which are increasingly orchestrating enterprise applications.

As part of its release, DeepSeek distilled its own reasoning capabilities onto a number of smaller models, including open-source models from Meta’s Llama family and Alibaba’s Qwen family, as described in its paper. It’s these smaller models that can then be optimized for specific tasks. This trend toward smaller, fast models to serve custom-built needs will accelerate: there will be armies of them. “We are starting to move into a world now where people are using multiple models. They’re not just using one model all the time,” said Witteveen. And this includes the low-cost, smaller closed-sourced models from Google and OpenAI as well. “Meaning that models like Gemini Flash, GPT-4o Mini, and these really cheap models actually work really well for 80% of use cases,” he said.

If you work in an obscure domain, and have resources: Use SFT…

After the distilling step, enterprise companies have a few options to make sure the model is ready for their specific application. If you’re a company in a very specific domain, where details around the domain are not on the web or in books – where LLMs can train on them – you can inject it with your own domain-specific data sets, in a process called supervised fine tuning (SFT). One example would be the ship container-building industry, where specifications, protocols and regulations are not widely available.

DeepSeek showed that you can do this well with “thousands” of question-answer data sets. For an example of how others can put this into practice, Chris Hay, an IBM engineer, demonstrated how he fine-tuned a small model using his own math-specific datasets to achieve lightning-fast responses—outperforming OpenAI’s o1 on the same tasks (See his hands-on video here)

…and a little RL

Additionally, companies wanting to train a model with additional alignment to specific preferences – for example making a customer support chatbot sound empathetic while being concise – will want to do some reinforcement learning (RL) on the model. This is also good if a company wants its chatbot to adapt its tone and recommendation based on a user’s feedback. As every model gets good at everything, “personality” is going to be increasingly big, said Wharton AI professor Ethan Mollick on X yesterday.

These SFT and RL steps can be tricky for companies to implement well, however. Feed the model with data from one specific domain area, or tune it to act a certain way, and it suddenly becomes useless for doing tasks outside of that domain or style.

For most companies, RAG will be good enough

For most companies, however, retrieval-augmented generation (RAG) is the easiest and safest path forward. RAG is a relatively straight-forward process that allows organizations to ground their models with proprietary data contained in their own databases — ensuring outputs are accurate and domain-specific. Here, an LLM feeds a user’s prompt into vector and graph databases, in order to search information relevant to that prompt. RAG processes have gotten very good at finding only the most relevant content.

This approach also helps counteract some of the hallucination issues associated with DeepSeek, which currently hallucinates 14% of the time compared to 8% for OpenAI’s o3 model, according to a study done by Vectara, a vendor that helps companies with the RAG process.

This distillation of models plus RAG is where the magic will come for most companies. It has become so incredibly easy to do, even for those with limited data science or coding expertise. I personally downloaded the DeepSeek distilled 1.5b Qwen model, the smallest one, so that it could fit nicely on my Macbook Air. I then loaded up some PDFs of job applicant resumes into a vector database, and then asked the model to look over the applicants to tell me which ones were qualified to work at VentureBeat. (In all, this took me 74 lines of code, which I basically borrowed from others doing the same).

I loved that the Deepseek distilled model showed its thinking process behind why or why not it recommended each applicant — a transparency that I wouldn’t have gotten easily before Deepseek’s release.

In my recent video discussion on DeepSeek and RAG, I walked through how simple it has become to implement RAG in practical applications, even for non-experts. Sam Witteveen also contributed to the discussion by breaking down how RAG pipelines work and why enterprises are increasingly relying on them instead of fully fine-tuning models. (Watch it here).

OpenAI Deep Research: Extending RAG’s capabilities — but with caveats

While DeepSeek is making reasoning models cheaper and more transparent, OpenAI’s Deep Research announced Sunday, represents a different but complementary shift. It can take RAG to a new level by crawling the web to create highly customized research. The output of this research can then be inserted as input into the RAG documents companies can use, alongside their own data.

This functionality, often referred to as agentic RAG, allows AI systems to autonomously seek out the best context from across the internet, bringing a new dimension to knowledge retrieval and grounding.

Open AI’s Deep Research is similar to tools like Google’s Deep Research, Perplexity and You.com, but OpenAI tried to differentiate its offering by suggesting its superior chain-of-thought reasoning makes it more accurate. This is how these tools work: A company researcher requests the LLM to find all the information available about a topic in a well-researched and cited report. The LLM then responds by asking the researcher to answer another 20 sub-questions to confirm what is wanted. The research LLM then goes out and performs 10 or 20 web searches to get the most relevant data to answer all those sub-questions, then extract the knowledge and present it in a useful way.

However, this innovation isn’t without its challenges. Amr Awadallah, the CEO of Vectara, cautioned about the risks of relying too heavily on outputs from models like Deep Research. He questions whether indeed it is more accurate: “It’s not clear that this is true,” Awadallah noted: “We’re seeing articles and posts in various forums saying no, they’re getting lots of hallucinations still and Deep Research is only about as good as other solutions out there on the market.”

In other words, while Deep Research offers promising capabilities, enterprises need to tread carefully when integrating its outputs into their knowledge bases. The grounding knowledge for a model should come from verified, human-approved sources to avoid cascading errors, Awadallah said.

The cost curve is crashing: why this matters

The most immediate impact of DeepSeek’s release is its aggressive price reduction. The tech industry expected costs to come down over time, but few anticipated just how quickly it would happen. DeepSeek has proven that powerful, open models can be both affordable and efficient, creating opportunities for widespread experimentation and cost-effective deployment.

Awadallah emphasized this point, noting that the real game-changer isn’t just the training cost—it’s the inference cost, which for DeepSeek is about 1/30th of OpenAI’s o1 or o3 for inference cost per token. “The margins that OpenAI, Anthropic, and Google Gemini were able to capture will now have to be squished by at least 90% because they can’t stay competitive with such high pricing,” Awadallah said.

Not only that, but those costs will continue to go down. Dario Amodei, CEO of Anthropic said recently that the cost of developing models continues to drop at around a 4x rate each year. It follows that the rate that LLM providers charge to use them will continue to drop as well. “I fully expect the cost to go to zero,” said Ashok Srivastava, chief data officer of Intuit, a company that has been driving AI hard in its tax and accounting software offerings like TurboTax and Quickbooks. “…and the latency to go to zero. They’re just going to be commodity capabilities that we will be able to use.”

This cost reduction isn’t just a win for developers and enterprise users; it’s a signal that AI innovation is no longer confined to big labs with billion-dollar budgets. The barriers to entry have dropped, and that’s inspiring smaller companies and individual developers to experiment in ways that were previously unthinkable. Most importantly, the models are so accessible that any business professional will be using them, not just AI experts, said Srivastava.

DeepSeek’s disruption: Challenging “Big AI’s” stronghold on model development

Most importantly, DeepSeek has shattered the myth that only major AI labs can innovate. For years, companies like OpenAI and Google positioned themselves as the gatekeepers of advanced AI, spreading the belief that only top-tier PhDs with vast resources could build competitive models.

DeepSeek has flipped that narrative. By making reasoning models open and affordable, it has empowered a new wave of developers and enterprise companies to experiment and innovate without needing billions in funding. This democratization is particularly significant in the post-training stages—like RL and fine-tuning—where the most exciting developments are happening.

DeepSeek exposed a fallacy that had emerged in AI—that only the big AI labs and companies could really innovate. This fallacy had forced a lot of other AI builders to the sidelines. DeepSeek has put a stop to that. It has given everyone inspiration that there’s a ton of ways to innovate in this area.

The Data imperative: Why clean, curated data is the next action-item for enterprise companies

While DeepSeek and Deep Research offer powerful tools, their effectiveness ultimately hinges on one critical factor: data quality. Getting your data in order has been a big theme for years, and accelerated over the past nine years of the AI era. But it has become even more important with generative AI, and now with DeepSeek’s disruption, it’s absolutely key. Hilary Packer, CTO of American Express, underscored this in an interview with VentureBeat yesterday: “The AHA moment for us, honestly, was the data. You can make the best model selection in the world… but the data is key. Validation and accuracy are the holy grail right now of generative AI.”

This is where enterprises must focus their efforts. While it’s tempting to chase the latest models and techniques, the foundation of any successful AI application is clean, well-structured data. Whether you’re using RAG, SFT, or RL, the quality of your data will determine the accuracy and reliability of your models.

And while many companies aspire to perfect their entire data ecosystems, the reality is that perfection is elusive. Instead, businesses should focus on cleaning and curating the most critical portions of their data to enable point AI applications that deliver immediate value.

Related to this, a lot of questions linger around the exact data that DeepSeek used to train its models on, and this raises questions about the inherent bias of the knowledge stored in its model weights. But that’s no different from questions around other open source models, such as Meta’s Llama model series. Most enterprise users have found ways to fine-tune or ground the models with RAG enough so that they can mitigate any problems around such biases. And that’s been enough to create serious momentum within enterprise companies toward accepting open source, indeed even leading with open source.

Similarly, there’s no question that many companies will be using DeepSeek models, regardless of the fear around the fact that the company is from China. Though it’s also true that a lot of companies in highly regulated companies such as finance or healthcare are going to be cautious about using any DeepSeek model in any application that interfaces directly with customers, at least in the short-term.

Conclusion: The future of enterprise AI Is open, affordable, and data-driven

DeepSeek and OpenAI’s Deep Research are more than just new tools in the AI arsenal—they’re signals of a profound shift, where enterprises will be rolling out masses of purpose-built models, extremely affordably, competent, and grounded in the company’s own data and approach.

For enterprises, the message is clear: the tools to build powerful, domain-specific AI applications are at your fingertips. You risk falling behind if you don’t leverage these tools. But real success will come from how you curate your data, leverage techniques like RAG and distillation, and innovate beyond the pre-training phase.

As AmEx’s Packer put it, the companies that get their data right will be the ones leading the next wave of AI innovation.

Daily insights on business use cases with VB Daily

If you want to impress your boss, VB Daily has you covered. We give you the inside scoop on what companies are doing with generative AI, from regulatory shifts to practical deployments, so you can share insights for maximum ROI.

Read our Privacy Policy

Thanks for subscribing. Check out more VB newsletters here.

An error occured.

Noticias

Estrategia de Openai para mantener competitiva a la IA estadounidense

Published

15 horas ago

30 marzo, 2025

Sergio Villanueva

La siguiente es una publicación invitada de Ahmad Shadid, fundador de O.XYZ.

En una era en la que la inteligencia artificial dicta la dinámica del poder global, OpenAi está haciendo movimientos audaces para asegurar el dominio de Estados Unidos en el sector. Su nuevo plan llamado “Plan de acción de IA” intenta aliviar el marco regulatorio, implementar controles de exportación y aumentar la inversión federal para mantenerse por delante de la expansión de la IA de China.

Operai firmó un acuerdo con la administración Trump para el nuevo “Plan de acción de AI“El 13 de marzo. El acuerdo giró en torno a la supervisión regulatoria limitada y el rápido desarrollo de IA en los Estados Unidos.

La propuesta destaca una verdad fundamental: demasiada regulación a nivel estatal podría socavar el liderazgo de Estados Unidos en la IA, incluso cuando los jugadores de IA respaldados por China, liderados por Deepseek, continúan creciendo rápidamente.

Defender la IA de la censura

El modelo R1 de Deepseek, lanzado en enero de 2025, se realizó al nivel de los principales sistemas de IA de EE. UU., Aunque se ha desarrollado a un costo mucho menor, desafiando el dominio de los gigantes tecnológicos estadounidenses.

Esto resultó ser una gran venta de acciones de EE. UU., Con empresas como Nvidia que sufren grandes pérdidas. Poco después, el gobierno de los Estados Unidos levantó banderas rojas sobre la seguridad nacional y la privacidad de los datos, debatiendo las soluciones de políticas para mantener a Estados Unidos al frente en las mismas tecnologías para las que escribió las reglas.

El enfoque de OpenAI representa un punto fundamental en la política de IA estadounidense, combinando la defensa regulatoria con la ambición industrial para garantizar que Estados Unidos se mantenga al tanto del juego cuando se trata de IA. Además, en el corazón del plan de OpenAI hay una estrategia de control de exportación que tiene como objetivo limitar la influencia en expansión del país en China.

Esto evitará el mal uso de las plataformas y tecnologías de IA mediante naciones opuestas. En consecuencia, los controles de exportación protegerán la seguridad nacional de los Estados Unidos.

El plan de OpenAI también exige el uso de dólares federales para explicar al mundo que la IA de fabricación estadounidense es más segura y que las empresas con sede en los Estados Unidos deberían mantenerse a la vanguardia de la transmisión internacional de IA.

Deepseek no es solo una iniciativa de IA china y un competidor comercial, sino también un aliado fundamental del Partido Comunista Chino (CCP). A fines de enero, Deepseek se volvió infame por bloquear la información sobre la masacre de la Plaza Tiananmen de 1989, montando una ola de capturas de pantalla en las redes sociales señalando Censura de China.

El plan de $ 500 mil millones

Una parte central del tono de OpenAi se está bloqueando en mayor financiación federal para infraestructura de IA. Esto significa garantizar que la marca de alta agua para el progreso estadounidense en el campo de la IA no se preocupe por la protección de lo que viene a continuación de las amenazas extranjeras, sino que también refuerza la infraestructura computacional y de datos necesaria para mantener el crecimiento a largo plazo.

El Proyecto Stargatepor ejemplo, es un esfuerzo conjunto de Openai, SoftBank, Oracle y MGX que proporcionará hasta $ 500 mil millones para el desarrollo de la infraestructura de IA en los Estados Unidos.

Esta ambiciosa iniciativa está destinada a consolidar la superioridad de la IA estadounidense mientras produce miles de empleos domésticos, mucho en contra de la creencia de la narrativa de “AI podría reemplazar su trabajo”.

Es un cambio táctico importante en el enfoque de la política de IA, reconociendo que las inversiones en el sector privado no son suficientes para seguir siendo competitivos en comparación con los esfuerzos patrocinados por el estado como DeepSeek de China.

El proyecto Stargate quiere garantizar la construcción de centros de datos avanzados y la expansión de la fabricación de semiconductores dentro de los Estados Unidos para mantener el desarrollo de la IA doméstico en los Estados Unidos.

En sus primeras etapas, el apoyo federal a la infraestructura de IA es crítico, tanto para la creciente competitividad económica como para la seguridad nacional. Las características con IA a menudo se usan en defensa e inteligencia nacional. Por ejemplo, Escudo de Nova de AI es un dron de quadcopter autónomo que utiliza IA para volar a través de entornos complejos sin GPS para recopilar información que salva vidas en entornos de combate.

Además, la IA también es crítica en la defensa cibernética contra el pirateo, el phishing, el ransomware y otras amenazas de ciberseguridad porque puede identificar desviaciones o anormalidades en los sistemas en tiempo real. Por lo tanto, su papel en la detección de patrones y detectar irregularidades ayuda a los Estados Unidos a salvaguardar la infraestructura de defensa crítica de los ataques cibernéticos, lo que hace que sea aún más importante acelerar el crecimiento de la IA para la defensa.

Batalla por los modelos de entrenamiento de IA

Un elemento clave de la propuesta de OpenAI es el llamado a un nuevo enfoque de derechos de autor que garantice que los modelos de IA estadounidenses puedan acceder a material con derechos de autor para su uso en su capacitación. La capacidad de entrenar en una amplia gama de conjuntos de datos es vital para mantener sofisticados modelos de IA.

Si las políticas de derechos de autor son restrictivas, podría poner a los Estados Unidos en desventaja a sus competidores extranjeros, especialmente los chinos, que operan entre la aplicación de derechos de autor más débil.

Las herramientas de IA se evalúan por riesgo, escrutinio de la junta de gobierno y marcos de verificación de cumplimiento como el Política de IA de la casa y aprobaciones condicionales del DHS. Aunque el ‘pase rápido’ de Fedramp puede acelerar el despliegue, las antenas de la FTC y las regulaciones mantendrán los propósitos de IA en el mismo estante que la política de seguridad nacional y las protecciones del consumidor.

Estas salvaguardas, aunque sin duda son muy importantes, a menudo ralentizan el ritmo de la adopción de IA en casos de uso del gobierno crucial.

Ahora, OpenAi, en particular, está presionando por una asociación entre el gobierno y la industria, donde las compañías de IA contribuyen voluntariamente con los datos de sus modelos, y a cambio, no estarían sujetos a restricciones estatales fuertes.

No es un camino fácil por delante

Aunque la propuesta de OpenAI es audaz y ambiciosa, plantea serias preguntas sobre cuánto regulación puede ayudar a impulsar la innovación en este floreciente sector.

Si bien debilitar la supervisión regulatoria a nivel estatal dejará espacio para desarrollos de IA más rápidos, hay una preocupación significativa por resolver. La estructura de la asociación de las organizaciones de IA con el gobierno federal podría crear el potencial para que las empresas privadas tengan un poder descomunal sobre las políticas de la nación sobre la IA y los propios usuarios.

Independientemente de estos miedos, una cosa está clara: Estados Unidos no puede permitirse el lujo de quedarse atrás de sus competidores en el desarrollo de la IA. Si se hace bien, esta asociación podría garantizar que la IA estadounidense sea el marco dominante en todo el mundo en lugar de ceder terreno a competidores extranjeros controlados por el gobierno como el profundo de China.

Mencionado en este artículo

Noticias

El nuevo generador de imágenes de Openai es servidores derritiendo

Published

16 horas ago

30 marzo, 2025

Sergio Villanueva

San Francisco, California – 16 de noviembre: el CEO de OpenAi, Sam Altman, observa durante la Cumbre del CEO de APEC … Más en Moscone West el 16 de noviembre de 2023 en San Francisco, California. La cumbre de APEC se celebra en San Francisco y se extiende hasta el 17 de noviembre. (Foto de Justin Sullivan/Getty Images)

Getty Images

Aquí hay cinco cosas en tecnología que ocurrieron esta semana en NEWS TECH Tech y cómo afectan su negocio. ¿Los extrañaste?

Esta semana en NEWS TECHOLES DE NEGOCIOS

Noticias de tecnología empresarial #1 – El nuevo generador de imágenes de OpenAI se vuelve viral

Esta semana Openai lanzó una poderosa herramienta de generador de imágenes como parte de sus ofertas de chatgpt que muestra imágenes increíblemente vívidas. ¡Se ha vuelto tan viral que la compañía dice que la demanda está “derritiendo” sus GPU! (Fuente: Open AI, CNBC)

Por qué esto es importante para su negocio:

Las capacidades del generador de imágenes son extremadamente potentes y pueden tener un enorme impacto en el marketing y la marca de su empresa. Según la compañía: “La generación de imágenes GPT-4O se destaca para representar con precisión el texto, seguir con precisión las indicaciones y aprovechar la base de conocimiento inherente de 4O y el contexto de chat, incluida la transformación de imágenes de carga o usarlas como inspiración visual. Estas capacidades hacen que sea más fácil crear exactamente la imagen que imagina, ayudándole a comunicar de manera más efectiva a través de las imágenes y avanzar en una generación de imágenes prácticas con una práctica práctica con la precisión y alimentación de la imagen. Echa un vistazo a esta publicación X para ver algunos excelentes ejemplos.

Business Tech News #2 – LinkedIn presenta actualizaciones de marketing.

LinkedIn ha introducido actualizaciones en su gerente de campaña, con el objetivo de mejorar el éxito de los especialistas en marketing. Las características clave incluyen un planificador de medios para los resultados de la campaña de pronóstico, UTM dinámicos para un seguimiento más fácil y paneles mejorados para obtener información detallada de rendimiento. Además, un Digest de rendimiento de la campaña impulsado por la IA proporciona explicaciones de texto sencillo de las fortalezas y debilidades de la campaña. (Fuente: LinkedIn)

Por qué esto es importante para su negocio:

Según la compañía, estas actualizaciones se centran en refinar estrategias, optimizar el gasto publicitario y simplificar la gestión de la campaña. Se incluyen comentarios/revisiones de dueños de negocios que han utilizado estas herramientas para mejorar sus campañas. Las campañas de LinkedIn son más caras que la mayoría de las otras plataformas de redes sociales, pero nuevamente obtienes lo que pagas: acceso a excelentes datos B2B. Estas herramientas pueden ser de gran ayuda para los especialistas en marketing que se inclinan fuertemente en esta plataforma.

Business Tech News #3 – 40 por ciento de los equipos cibernéticos no han informado de ataques cibernéticos por temor a perder empleos, según New VikingCloud Research.

La compañía de ciberseguridad VikingCloud ha publicado algunas investigaciones muy reveladas. Entre los profesionales de los Estados Unidos, el Reino Unido e Irlanda, el 40 por ciento de los equipos de ciberseguridad admitieron que han evitado informar incidentes cibernéticos debido al temor a la pérdida de empleo. Este subregistro destaca una brecha significativa para abordar las violaciones cibernéticas a nivel mundial. A pesar de esto, el 96 por ciento de las empresas encuestadas expresaron su confianza en su capacidad para detectar y responder a los ataques en tiempo real, lo que puede conducir a una falsa sensación de seguridad. Además, el 68 por ciento de los equipos admitieron que no pudieron cumplir con la nueva regla de divulgación de cuatro días de la Comisión de Valores y Valores para incidentes cibernéticos. El informe enfatiza los desafíos que enfrentan los profesionales de la ciberseguridad y la necesidad de mejorar la resiliencia y las estrategias de respuesta. (Fuente: Business Wire)

Por qué esto es importante para su negocio:

¡Sí, esta es una gran apertura! ¡Imagínese no saber acerca de una violación de seguridad porque su equipo de TI no quiere admitirlo! Se trata de la cultura de la empresa y tener un entorno en el que las personas no tengan que tener miedo de cometer errores. Tome esta información en serio y tenga un corazón en serio con su gente tecnológica. Es mejor saber que no saber.

Noticias de tecnología empresarial #4 – El agente de reuniones de Otter.ai puede programar llamadas y escribir correos electrónicos para usted.

Otter.ai ha introducido un agente de reuniones de IA activado por voz que puede participar activamente en reuniones virtuales. Este agente puede responder preguntas, programar seguimientos, redactar correos electrónicos y realizar otras tareas basadas en datos de reuniones. Inicialmente compatible con Zoom, pronto admitirá los equipos de Microsoft y Google Meet. Otter también lanzó agentes especializados para demostraciones de ventas y productos, con el objetivo de optimizar los flujos de trabajo y mejorar la productividad. La compañía ha dicho que planea liberar más agentes “verticales” en el futuro. (Fuente: Engadget)

Por qué esto es importante para su negocio:

He entregado a algunos de mis clientes a esta aplicación porque hace muy bien las reuniones. Creo que sus mejores capacidades son cuando lo usa en su dispositivo móvil en reuniones cara a cara, en lugar de solo en línea. Aprovechando a Otter.ai cuando está en un cliente le permite concentrarse más en las relaciones y no preocuparse por tomar notas y acciones. Si va a inclinarse en esta aplicación, le recomiendo usarla cuando esté en el sitio, no solo en línea.

Business Tech News #5 – Honeybook acelera la innovación de IA para empoderar a las pequeñas empresas.

Honeybook ha presentado su próxima fase de herramientas de gestión empresarial con IA, diseñada para ayudar a los empresarios basados en servicios a racionalizar las operaciones y aumentar el crecimiento. Al incrustar la IA directamente en flujos de trabajo, Honeybook permite una automatización perfecta y proactiva. La compañía afirma que los empresarios que usan AI de Honeybook han informado beneficios significativos, incluida la duplicación de sus reservas de proyectos y el logro de un volumen de pago bruto 94 por ciento más alto. La plataforma también ayuda a los usuarios a ahorrar hasta tres horas por semana en tareas manuales, lo que permite más tiempo para el trabajo del cliente y el crecimiento comercial. (Fuente: Yahoo Finance)

Por qué esto es importante para su negocio:

Para las pequeñas empresas en el Service Sector Honeybook es una herramienta poderosa para ayudar tanto al marketing como a la implementación de servicios. A medida que la compañía se inclina más en la IA, como muchas otras compañías como esta, puede esperar más ahorros de tiempo y una mejor productividad. Definitivamente una aplicación que vale la pena intentarlo.

Cada semana redondeo cinco historias de tecnología empresarial que afectan a las pequeñas empresas y luego explico por qué. ¡Espero que disfrutes!

Noticias

Horóscopo diario hoy 30 de marzo: Horóscopo hoy, 30 de marzo de 2025: Predicciones astrológicas detalladas para el amor, la carrera y la salud para Aries, Tauro, Géminis, Cáncer, Leo y More

Published

1 día ago

29 marzo, 2025

La paciencia es clave. No se apresure, siga las cosas que se desarrollan naturalmente, y la decisión correcta se aclarará.

Salud

Evite la fatiga de la decisión dándose espacio para respirar. Una mente descansada toma las mejores decisiones.

Preguntas frecuentes:

¿Qué predice el horóscopo de Aries para el 30 de marzo de 2025?
Aries debe centrarse en el descanso, la reflexión y la recarga de energía emocional.

¿Leo tomará una decisión importante hoy?
Sí, se alienta a Leo a tomar medidas audaces y abrazar nuevas posibilidades.

Declaración de descargo de responsabilidad: Este contenido es escrito por un tercero. Las opiniones expresadas aquí son las de los respectivos autores/ entidades y no representan las opiniones de los tiempos económicos (ET). ET no garantiza, garantiza ni respalda ninguno de sus contenidos ni es responsable de ellos de ninguna manera. Tome todos los pasos necesarios para determinar que cualquier información y contenido proporcionado sea correcto, actualizado y verificado. ET por la presente renuncia a todas y cada una de las garantías, expresas o implícitas, relacionadas con el informe y cualquier contenido en el mismo.