El porcentaje de inversiones que son IA primero ha aumentado. Casi parece que hoy en día cada startup que hace software tiene un componente de IA.

En mi trabajo en la construcción y dirección de una de las incubadoras de empresas emergentes de IA más grandes de Europa, trabajando en estrecha colaboración con varios fundadores e impartiendo un curso sobre IA para la innovación y el espíritu empresarial en la Universidad Técnica de Múnich, examino muchas presentaciones sobre IA. y llegar a ver muchas nuevas empresas de IA que van y vienen. Con frecuencia, los inversores y los capitalistas de riesgo me piden que analice las nuevas empresas de IA y las ayude a tomar su decisión de inversión. En esta serie de publicaciones quiero compartir mi hipótesis de inversión y lo que busco cuando se trata de evaluar (e invertir) en nuevas empresas de IA.

Cómo invertir en IA — Parte 2
Cómo invertir en IA — Parte 3 (Due Diligence)

El reto de invertir en startups de IA.

“No creo haber visto un PowerPoint sin la palabra IA en los últimos dos años. Es casi como si el software fuera igual a la IA”. Brian Ascher, socio de Venrock.

Invertir en nuevas empresas de IA puede ser un desafío. Muchas empresas emergentes afirman usar IA, pero en realidad, es posible que no la estén usando de manera significativa o que no tengan la experiencia técnica para desarrollar e implementar soluciones de IA de manera efectiva. Esto puede dificultar que los inversores evalúen con precisión el potencial de estas empresas. Esto ha creado una burbuja en el mercado de empresas emergentes de IA, con muchas empresas que afirman usar IA para atraer inversiones . Así llamado, aceite de serpienteLas nuevas empresas de IA son empresas que afirman utilizar inteligencia artificial (IA) en sus productos o servicios, pero en realidad, es posible que no utilicen IA en absoluto o que la utilicen de manera superficial o engañosa. Estos tipos de empresas emergentes a menudo están más interesadas en generar entusiasmo y atraer inversiones que en brindar valor real mediante el uso de IA. Esto puede dificultar que los inversionistas distingan entre las empresas emergentes legítimas de IA con potencial real y aquellas que simplemente se están aprovechando de las expectativas.

“ El cuarenta por ciento de las 'startups de IA' en Europa en realidad no usan IA ”

Además, tengo la experiencia de que muchos inversores carecen de un conocimiento profundo de la IA y de cómo funciona, lo que puede dificultar la evaluación precisa de la viabilidad de una startup de IA. El problema es que cuando los inversionistas ven que grandes sumas de dinero fluyen hacia la IA, pueden invertir sin comprender la tecnología o sin completar una evaluación de si proporcionará retornos de inversión con el tiempo. Si desea evitar la burbuja y realizar buenas inversiones en IA, los capitalistas de riesgo y los inversores deberían preguntarse cómo pueden reducir el riesgo de su inversión con una comprensión de la tecnología y su potencial para rendimientos futuros, así como también hacer la debida diligencia necesaria.

Así que aquí está mi guía para el inversionista experto en IA:

Paso 1: comprenda la diferencia entre IA y ML y comprenda el valor que la puesta en marcha puede crear usando IA

La inteligencia artificial (AI) y el aprendizaje automático (ML) a menudo se usan indistintamente, pero no son lo mismo . La IA se refiere a la capacidad de una máquina para realizar tareas que normalmente requerirían inteligencia humana, como reconocer patrones, tomar decisiones o resolver problemas. El aprendizaje automático, por otro lado, es un subcampo de la IA que se centra en el desarrollo de algoritmos y modelos estadísticos que permiten a las máquinas mejorar su desempeño en una tarea particular a lo largo del tiempo aprendiendo de los datos, en lugar de programarlas explícitamente.

Una razón por la que estos términos a menudo se confunden es que el aprendizaje automático es un componente clave de muchos sistemas de IA y se utiliza para permitirles aprender y adaptarse. Sin embargo, no todos los sistemas de IA utilizan el aprendizaje automático y no todos los sistemas de aprendizaje automático se consideran IA.

Confundir estos términos puede causar problemas porque puede generar malentendidos o expectativas que no se cumplen. Por ejemplo, un inversor puede esperar que una startup de IA haya desarrollado algoritmos avanzados de autoaprendizaje cuando, en realidad, la startup simplemente está utilizando sistemas básicos basados ​​en reglas. Del mismo modo, un cliente puede esperar que un producto impulsado por IA pueda adaptarse y mejorar con el tiempo, pero si el producto no utiliza el aprendizaje automático, no podrá hacerlo.

Entonces, ¿cuál es la diferencia que los inversores deberían tratar de entender?

Para evitar malentendidos y establecer expectativas realistas, es importante comprender la diferencia entre la programación tradicional y el aprendizaje automático y comunicar con precisión qué tecnologías está utilizando una empresa.

Hay dos formas diferentes de cómo funciona la programación: la programación basada en reglas (tradicional) y la programación de aprendizaje automático son dos enfoques diferentes para construir sistemas de software.

La programación basada en reglas implica la creación de un conjunto de reglas o condiciones explícitas que sigue un sistema de software para realizar una tarea. Por ejemplo, un sistema basado en reglas podría programarse para enviar un correo electrónico a un cliente si se cumplen ciertas condiciones, como si el saldo de su cuenta cae por debajo de un cierto umbral. Los sistemas basados ​​en reglas generalmente son buenos para seguir instrucciones precisas y son fáciles de depurar, pero pueden ser inflexibles y es posible que no puedan adaptarse a condiciones cambiantes o situaciones nuevas.

La programación de aprendizaje automático, por otro lado, implica la creación de algoritmos que permiten que un sistema de software aprenda de los datos y mejore su rendimiento en una tarea particular a lo largo del tiempo. Los algoritmos de aprendizaje automático se entrenan en un gran conjunto de datos y usan modelos estadísticos para encontrar patrones y hacer predicciones o decisiones. No requieren que se programen reglas o condiciones explícitas de antemano, sino que aprenden de los datos que se les dan. Los sistemas de aprendizaje automático pueden ser más flexibles y adaptables que los sistemas basados ​​en reglas, pero también pueden ser más complejos y requerir más datos y recursos computacionales para entrenar y operar.

Tanto los enfoques de programación basados ​​en reglas como los de aprendizaje automático tienen sus puntos fuertes y sus limitaciones, y el enfoque adecuado dependerá de la tarea específica y los objetivos del sistema.

Comprender cómo la IA puede ofrecer valor

Comprender el valor que la IA puede crear es importante porque puede ayudar a evaluar los riesgos y oportunidades potenciales asociados con una startup de IA y tomar decisiones de inversión más informadas. Al comprender las formas en que la IA puede crear valor, trato de evaluar mejor el potencial de crecimiento y la viabilidad a largo plazo de la startup que estoy considerando.

La IA puede crear valor de varias maneras, según la aplicación específica y el caso de uso. Algunas de las formas en que la IA puede crear valor incluyen:

1. Mejorar la eficiencia y la productividad: la IA puede automatizar ciertas tareas o procesos, lo que permite a las organizaciones trabajar de manera más eficiente y eficaz.
2. Mejora de la toma de decisiones: la IA puede analizar grandes cantidades de datos y proporcionar información o recomendaciones que pueden ayudar a las organizaciones a tomar mejores decisiones.
3. Creación de nuevas fuentes de ingresos: la IA puede permitir a las organizaciones ofrecer nuevos productos o servicios, o dirigirse a nuevos mercados, lo que puede ayudar a impulsar el crecimiento de los ingresos.
4. Reducción de costos: la IA puede ayudar a las organizaciones a optimizar sus operaciones y reducir costos, lo que puede mejorar la rentabilidad.

Descargo de responsabilidad: he escrito este artículo utilizando mi propia experiencia y conocimiento sobre cómo abordo la evaluación y la debida diligencia de una startup de IA. Para acelerar la escritura utilicé la ayuda de ChatGPT. Sin embargo, agregué manualmente ejemplos, entrevistas, imágenes y referencias, modifiqué las entradas y salidas y reescribí y agregué párrafos. Usar chatGPT me permitió escribir esta serie de publicaciones en un par de días en lugar de semanas.