Polonia: 100 startups de IA

He estado siguiendo la escena de las startups de IA polacas durante un tiempo, y he decidido estructurar el conocimiento y crear un panorama de startups de IA polacas. ¡ He identificado 100 de ellas!

Este panorama tiene como objetivo identificar y categorizar nuevas empresas innovadoras de IA de Polonia. También espero que el panorama facilite a las empresas destacadas el acceso a capital, clientes y talento.

Ha habido mucha expectación en torno a la IA recientemente, y casi todas las empresas emergentes afirman ser una empresa emergente de IA. Teniendo eso en cuenta, hice todo lo posible para seleccionar solo startups que ofrecieran soluciones en las que la IA es un elemento inherente. En otras palabras, si puede eliminar el componente de IA de la solución proporcionada por la empresa y el valor de la solución desde la perspectiva del cliente no disminuye drásticamente, la empresa queda excluida de la lista.

El ecosistema polaco de IA desde la perspectiva de un fundador

En los últimos años, he observado un aumento sustancial en la conciencia y madurez de las nuevas empresas basadas en IA en Polonia. Para muchas empresas, la IA ya no es solo una palabra de moda utilizada para atraer clientes e inversores, sino un diferenciador crítico del valor agregado. Este hecho, combinado con el extraordinario nivel de habilidades técnicas y talento, hace de nuestra región un lugar muy interesante para iniciar, hacer crecer y escalar organizaciones basadas en IA.

Las palabras de Kamil se confirman en el mapa que puedes ver a continuación. Ya hay 100 nuevas empresas de IA en Polonia y espero que este número aumente en los próximos años.

Atención médica y cuenta de chat/voz para un tercio del ecosistema

Al observar el panorama, vemos que la categoría de atención médica contiene la mayoría de las nuevas empresas de IA. Esto no es sorprendente, ya que también es la categoría que recibió la mayor cantidad de fondos de capital de riesgo en Polonia: el 15% del financiamiento total de capital de riesgo en Polonia en 2022 se destinó a nuevas empresas de atención médica . Otra categoría importante es el servicio al cliente, el chat y la voz. Las dos categorías contienen algunas de las startups más exitosas de la lista: Infermedica (120 millones PLN serie B en 2021) y Tido (109 millones PLN serie B en 2022).

Tendencias de aplicaciones de IA: mucho más que IA generativa

La IA generativa es definitivamente el tema de IA más candente en la actualidad, sin embargo, la gran cantidad de nuevas aplicaciones que desbloquea justifica la exageración. Espero ver surgir muchas nuevas empresas gracias a esta tecnología. El servicio al cliente es probablemente la categoría más obvia que se verá afectada por el progreso en la IA generativa debido a la naturaleza similar a una conversación de las interacciones con los clientes inherentes a herramientas como Chat GPT. Creo que también veremos muchas nuevas empresas que trabajan en herramientas de marketing basadas en IA que permitirán una generación de contenido más económica y rápida. Esto no se limita sólo al texto, ya que la generación de imágenes y videos también impulsará estas soluciones .

Es probable que la categoría de herramientas para desarrolladores también florezca en los próximos años. Ya hemos visto aplicaciones que prueban el potencial de esta tecnología, por ejemplo, Codex que convierte el lenguaje natural en código o Copilot que sugiere código en tiempo real . Sin embargo, creo que todavía tenemos que ver muchas herramientas nuevas que hagan que la creación, prueba o depuración de software sea más fácil y rápida.

Además, veo un inmenso potencial en las soluciones de código bajo o sin código que permiten a los usuarios menos técnicos crear aplicaciones de IA. Esto se verá impulsado por la gran cantidad de posibles casos de uso de IA , pero un número muy limitado de desarrolladores de IA.

Otra categoría que espero que crezca considerablemente es la IA en el cuidado de la salud. Esta ya es la categoría más grande en el ecosistema polaco, pero la creciente cantidad de datos de salud y la democratización del acceso permiten un crecimiento más rápido . Hay una explosión de datos de salud gracias a los registros médicos electrónicos, las reclamaciones de seguros, la gran cantidad de aplicaciones de seguimiento de la salud y los dispositivos portátiles. Todos proporcionan fuentes de datos para entrenar modelos de IA (según algunas estimaciones, el 30% del volumen de datos generado en el mundo lo genera la industria de la salud ). Además, las soluciones de atención médica digital de IA son cada vez más accesibles gracias a la atención virtual y móvil. Como resultado, los pacientes se están acostumbrando cada vez más a la atención médica habilitada por la tecnología, que estará cada vez más impulsada por la IA.

La informática es cada vez más barata, pero el tamaño de los modelos aumenta rápidamente

Una tendencia importante que beneficiará a todas las aplicaciones de IA es el costo decreciente de entrenar y ejecutar modelos de IA . Por ejemplo, según una investigación de Stanford, el costo de entrenar un sistema de clasificación de imágenes ha disminuido en 2/3 desde 2018, con una disminución aún mayor en el tiempo de entrenamiento del modelo.

La reducción de costos es posible principalmente gracias a un hardware dedicado a la IA más eficiente, como las Unidades de procesamiento de tensores (TPU) de Google o los chips de Nvidia, por ejemplo, A100 . Para las empresas de inteligencia artificial, los costos de computación en la nube suelen ser un componente importante del COGS (costo de los bienes vendidos). Cuando los costos informáticos disminuyen, hacen que las nuevas aplicaciones sean económicamente viables, lo que permite una adopción comercial más generalizada de la IA .

Sin embargo, los modelos de IA también son cada vez más grandes y, por lo tanto, más caros de entrenar (el costo estimado de entrenamiento de GPT-3 es de hasta 12 millones de USD ). Esta tendencia puede compensar el efecto de la disminución de los costos de cómputo por unidad, pero esto se refiere principalmente a los modelos de última generación publicados por investigadores en lugar de los sistemas ya comercializados.

La explicabilidad, el sesgo y la calidad de los datos son los principales desafíos

La naturaleza de caja negra (es decir, la incapacidad de comprender cómo un algoritmo toma decisiones) de muchos sistemas de IA es una de las barreras importantes para la adopción de IA. Los usuarios a menudo requieren una predicción del algoritmo y una explicación de cómo se hizo la predicción. Ofrecer esta explicación es extremadamente difícil para algoritmos como las redes neuronales, y la falta de una explicación puede impedir que algunos usuarios adopten soluciones de IA. El aumento del número de parámetros de los modelos solo amplifica este problema.

Otro desafío es el sesgo: la tendencia del algoritmo a reflejar los sesgos humanos presentes en el conjunto de datos de entrenamiento. Por ejemplo, un algoritmo generativo de IA solicitó generar imágenes de "una persona pobre" y un "matón" que generó predominantemente caras con piel oscura. Si se adoptan a gran escala, los algoritmos sesgados amplificarán los estereotipos y sesgos ya presentes en nuestra sociedad.

La disponibilidad de datos de calidad también es una preocupación. A pesar de la creciente cantidad de datos generados a nivel mundial, los datos almacenados por las empresas suelen ser de mala calidad, lo que hace que la implementación de sistemas de IA sea mucho más desafiante.

A pesar de estos desafíos, estoy convencido de que los ecosistemas de IA polacos y globales tienen los mejores años por delante. ¡No puedo esperar a ver nuevas empresas emergentes que surgirán!

Si conoce alguna empresa que deba agregarse a la lista, complete este formulario y hágamelo saber en los comentarios.

Metodología:

1. He incluido solo empresas de productos, es decir, se excluyen las empresas que desarrollan software de IA personalizado.

2. Mi objetivo era identificar solo las empresas emergentes en las que el componente de IA es fundamental para el correcto funcionamiento de la solución; en otras palabras, excluir el componente de IA haría que la solución perdiera la mayor parte del valor ofrecido a los clientes.

3. He dividido el mapa en tres categorías principales según el tipo de aplicación:

• Aplicaciones intersectoriales: aplicaciones que pueden utilizar múltiples industrias, por ejemplo, herramientas de ciberseguridad.
• Aplicaciones específicas de la industria: soluciones dirigidas a una industria en particular, por ejemplo, atención médica
• Herramientas para desarrolladores: herramientas que se pueden usar durante la investigación y el desarrollo relacionados con la IA o herramientas basadas en la IA que respaldan el desarrollo de software.