Lo que las startups de IA necesitan lograr antes de que los VC inviertan – TechCrunch


Financiación de artificial Las empresas centradas en la inteligencia alcanzaron aproximadamente $ 9.3 mil millones en los EE. UU. en 2018, una cantidad que continuará aumentando a medida que se realice el impacto transformador de la IA. Dicho esto, no todas las startups de IA tienen lo necesario para asegurar una inversión y escalar hacia el éxito.

Entonces, ¿qué buscan los capitalistas de riesgo al considerar una inversión en una empresa de inteligencia artificial?

Lo que buscamos en todas las startups

Algunos fundamentos son importantes en cualquiera de nuestras inversiones, IA o de otro tipo. Primero, los empresarios necesitan articular que están resolviendo un problema grande e importante. Puede sonar extraño, pero encontrar el problema correcto puede ser más difícil que encontrar la solución correcta. Los emprendedores deben demostrar que los clientes estarán dispuestos a cambiar de lo que están usando actualmente y pagar por la nueva solución.

El equipo debe demostrar su competencia en el dominio, sus habilidades funcionales y, sobre todo, su persistencia y compromiso. Las mejores ideas probablemente no tendrán éxito si el equipo no puede ejecutar. Establecer y lograr hitos realistas es una buena manera de mantener a los operadores e inversores alineados. Los empresarios exitosos deben mostrar por qué su solución ofrece un valor superior a los competidores en el mercado, o, en la minoría de los casos en que existe una necesidad no resuelta, por qué están en la mejor posición para resolverla.

Además, el equipo debe explicar claramente cómo funciona su tecnología, cómo difiere y es ventajosa en relación con los competidores existentes y debe explicar a los inversores cómo puede mantenerse esa ventaja competitiva.

Para los empresarios de IA, hay factores adicionales que deben abordarse. ¿Por qué? Está bastante claro que estamos en las primeras etapas de esta floreciente industria que revolucionará los sectores, desde la atención médica hasta la tecnología financiera, la logística y el transporte y más. Los estándares no se han establecido, hay una escasez de personal, las grandes empresas todavía están luchando con el despliegue, y gran parte del talento se concentra en algunas grandes empresas e instituciones académicas. Además, existen desafíos regulatorios que son complejos y crecientes debido a la naturaleza del aspecto evolutivo de la tecnología.

Aquí hay cinco cosas que nos gusta ver que los empresarios de IA demuestren antes de hacer una inversión:

Demostrar dominio sobre sus datos y su valor: La IA necesita grandes datos para tener éxito. Hay dos modelos: las empresas pueden ayudar a los clientes a agregar valor a sus datos o crear un negocio de datos utilizando inteligencia artificial. En cualquier caso, las startups deben demostrar que los datos son confiables, seguros y cumplen con todas las reglas regulatorias. También deben demostrar que la IA está agregando valor a sus propios datos: debe explicar algo, derivar una explicación, identificar tendencias importantes, optimizar o entregar valor de otra manera.

Con la gran cantidad de datos disponibles para que las empresas recopilen hoy, es imperativo que las nuevas empresas tengan una infraestructura ágil que les permita almacenar, acceder y analizar estos datos de manera eficiente. Una startup basada en datos debe ser cada vez más receptiva, proactiva y coherente con el tiempo.

Los empresarios de inteligencia artificial deben saber que, si bien el aprendizaje automático puede aplicarse a muchos problemas, no siempre puede generar predicciones precisas en cada situación. Los modelos pueden fallar por una variedad de razones, una de las cuales son datos inadecuados, inconsistentes o variables. El dominio exitoso de los datos demuestra a los clientes que el flujo de datos es robusto, consistente y que el modelo puede adaptarse si cambian las fuentes de datos.

Los emprendedores pueden abordar mejor las necesidades de sus clientes si pueden demostrar una forma rápida y eficiente de normalizar y etiquetar los datos mediante metaetiquetado y otras técnicas.

Recuerda que la transparencia es una virtud: Existe una mayor necesidad en ciertas industrias, como los servicios financieros, de explicar a los reguladores cómo se hace la salchicha, por así decirlo. Como resultado, los empresarios deben ser capaces de demostrar explicabilidad para mostrar cómo el modelo llegó al resultado (por ejemplo, un puntaje de crédito). Esto nos lleva a un problema adicional sobre la contabilidad del sesgo en los modelos y, una vez más, el emprendedor debe mostrar la capacidad de detectar y corregir el sesgo tan pronto como se encuentren.

LO MÁS LEÍDO

Leave a Reply

Your email address will not be published. Required fields are marked *