Polandia: 100 Startup AI

Saya telah mengikuti kancah startup AI Polandia untuk sementara waktu, dan saya telah memutuskan untuk menyusun pengetahuan dan membuat lanskap startup AI Polandia — saya telah mengidentifikasi 100 di antaranya!

Lanskap ini bertujuan untuk mengidentifikasi dan mengkategorikan startup AI inovatif dari Polandia. Saya juga berharap lanskap akan memudahkan perusahaan unggulan untuk mengakses modal, klien, dan bakat.

Ada banyak hype seputar AI baru-baru ini, dan hampir setiap startup mengklaim sebagai startup AI. Dengan mengingat hal itu, saya melakukan yang terbaik untuk memilih hanya startup yang menawarkan solusi di mana AI merupakan elemen yang melekat. Dengan kata lain, jika Anda dapat menghapus komponen AI dari solusi yang disediakan oleh perusahaan dan nilai solusi dari sudut pandang klien tidak berkurang drastis, perusahaan tersebut dikeluarkan dari daftar.

Ekosistem AI Polandia dari sudut pandang pendiri

Selama beberapa tahun terakhir, saya telah mengamati peningkatan substansial dalam kesadaran dan kematangan startup berbasis AI di Polandia. Bagi banyak perusahaan, AI tidak lagi sekadar kata kunci yang digunakan untuk menarik klien dan investor, tetapi sebagai pembeda penting dari nilai tambah. Fakta ini, dikombinasikan dengan tingkat keterampilan dan bakat teknis yang luar biasa, menjadikan wilayah kami tempat yang sangat menarik untuk memulai, mengembangkan, dan meningkatkan skala organisasi berbasis AI.

Kata-kata Kamil dikonfirmasi oleh peta yang bisa Anda lihat di bawah. Sudah ada 100 startup AI di Polandia dan saya perkirakan jumlah ini hanya akan meningkat dalam beberapa tahun ke depan.

Layanan kesehatan dan akun obrolan/suara untuk sepertiga ekosistem

Melihat lanskapnya, kami melihat bahwa kategori perawatan kesehatan berisi startup AI terbanyak. Hal ini tidak mengherankan karena ini juga merupakan kategori yang menerima pendanaan VC terbanyak di Polandia — 15% dari total pendanaan VC di Polandia pada tahun 2022 disalurkan ke perusahaan rintisan perawatan kesehatan . Kategori penting lainnya adalah layanan pelanggan, obrolan, dan suara. Dua kategori tersebut berisi beberapa startup paling sukses dari daftar: Infermedica (120 juta PLN seri B pada tahun 2021) dan Tido (109 juta PLN seri B pada tahun 2022).

Tren aplikasi AI — jauh lebih banyak daripada AI generatif

AI generatif jelas merupakan topik AI terpanas saat ini, namun segudang aplikasi baru yang dibukanya membenarkan hype tersebut. Saya berharap melihat banyak startup baru muncul berkat teknologi ini. Layanan pelanggan mungkin adalah kategori yang paling jelas yang akan terpengaruh oleh kemajuan dalam AI generatif karena sifat interaksi seperti percakapan dengan pelanggan yang melekat pada alat seperti Chat GPT. Saya pikir kita juga akan melihat banyak startup baru mengerjakan alat pemasaran berbasis AI yang akan memungkinkan pembuatan konten yang lebih murah dan lebih cepat. Ini tidak hanya terbatas pada teks karena pembuatan gambar dan video juga akan memberdayakan solusi ini .

Kategori alat pengembang juga kemungkinan akan berkembang di tahun-tahun mendatang. Kami telah melihat aplikasi yang menggoda potensi teknologi ini misalnya Codex yang mengubah bahasa alami menjadi kode atau Copilot menyarankan kode secara real-time . Namun, menurut saya kita masih belum melihat banyak alat baru yang membuat pembuatan, pengujian, atau debugging perangkat lunak menjadi lebih mudah dan lebih cepat.

Selain itu, saya melihat potensi besar dalam solusi kode rendah atau tanpa kode yang memungkinkan lebih sedikit pengguna teknis untuk membuat aplikasi AI. Ini akan didorong oleh banyaknya kasus penggunaan AI potensial tetapi jumlah pengembang AI yang sangat terbatas.

Kategori lain yang saya perkirakan akan tumbuh pesat adalah AI dalam perawatan kesehatan. Ini sudah menjadi kategori terbesar dalam ekosistem Polandia, tetapi meningkatnya jumlah data kesehatan dan demokratisasi akses memungkinkan pertumbuhan pesat lebih lanjut . Ada ledakan data kesehatan berkat rekam medis elektronik, klaim asuransi, segudang aplikasi pelacakan kesehatan, dan perangkat yang dapat dikenakan. Mereka semua menyediakan sumber data untuk melatih model AI (menurut beberapa perkiraan, 30% dari volume data yang dihasilkan dunia dihasilkan oleh industri perawatan kesehatan ). Selain itu, solusi perawatan kesehatan AI digital semakin mudah diakses berkat perawatan virtual dan seluler. Akibatnya, pasien menjadi lebih terbiasa dengan perawatan kesehatan yang didukung teknologi, yang akan semakin didukung oleh AI.

Komputasi semakin murah, tetapi ukuran model meningkat pesat

Salah satu tren utama yang akan menguntungkan semua aplikasi AI adalah penurunan biaya pelatihan dan menjalankan model AI . Misalnya, menurut penelitian Stanford, biaya pelatihan sistem klasifikasi gambar telah menurun 2/3 sejak 2018, dengan penurunan waktu pelatihan model yang lebih besar.

Penurunan biaya terutama dimungkinkan berkat perangkat keras khusus AI yang lebih efisien seperti Unit Pemrosesan Tensor Google (TPU) atau chip Nvidia misalnya A100 . Untuk perusahaan AI, biaya komputasi awan biasanya merupakan komponen COGS (harga pokok penjualan) utama. Ketika biaya komputasi berkurang, mereka membuat aplikasi baru layak secara ekonomi, sehingga memungkinkan adopsi AI komersial yang lebih luas .

Namun, model AI juga semakin besar, sehingga lebih mahal untuk dilatih (perkiraan biaya pelatihan GPT-3 mencapai 12 juta USD ). Tren ini dapat mengimbangi efek penurunan biaya komputasi unit, namun ini lebih banyak menyangkut model canggih yang diterbitkan oleh para peneliti daripada sistem yang sudah dikomersialkan.

Keterjelasan, bias, dan kualitas data merupakan tantangan utama

Sifat kotak hitam (yaitu ketidakmampuan untuk memahami bagaimana suatu algoritme membuat keputusan) dari banyak sistem AI adalah salah satu hambatan signifikan untuk adopsi AI. Pengguna seringkali memerlukan prediksi dari algoritme dan penjelasan tentang bagaimana prediksi dibuat. Menawarkan penjelasan ini sangat sulit untuk algoritme seperti jaringan saraf, dan kurangnya penjelasan dapat mencegah beberapa pengguna mengadopsi solusi AI. Meningkatnya jumlah parameter model, hanya memperbesar masalah ini.

Tantangan lainnya adalah bias — kecenderungan algoritme untuk mencerminkan bias manusia yang ada dalam kumpulan data pelatihan. Misalnya, satu algoritme AI generatif diminta untuk menghasilkan gambar "orang miskin" dan "preman" yang sebagian besar dihasilkan oleh wajah berkulit gelap. Jika diadopsi dalam skala besar, algoritme yang bias akan memperkuat stereotip dan bias yang sudah ada di masyarakat kita.

Ketersediaan data yang berkualitas juga menjadi perhatian. Meskipun semakin banyak data yang dihasilkan secara global, data yang disimpan oleh bisnis seringkali berkualitas buruk, membuat penerapan sistem AI jauh lebih menantang.

Terlepas dari tantangan ini, saya yakin ekosistem AI Polandia dan global memiliki tahun-tahun terbaik di masa depan. Saya tidak sabar untuk melihat startup baru yang akan muncul!

Jika Anda tahu ada perusahaan yang harus ditambahkan ke daftar, isi formulir ini dan beri tahu saya di komentar!

Metodologi:

1. Saya hanya menyertakan perusahaan produk, yaitu perusahaan yang mengembangkan perangkat lunak AI khusus yang dikecualikan

2. Saya bertujuan untuk mengidentifikasi hanya startup di mana komponen AI sangat penting untuk memfungsikan solusi dengan benar — dengan kata lain, mengecualikan komponen AI akan menyebabkan solusi kehilangan sebagian besar nilai yang ditawarkan kepada pelanggan

3. Saya telah membagi peta menjadi tiga kategori utama berdasarkan jenis aplikasinya:

• Aplikasi lintas industri — aplikasi yang dapat digunakan oleh banyak industri, misalnya alat keamanan siber
• Aplikasi khusus industri — solusi yang menargetkan industri tertentu misalnya perawatan kesehatan
• Alat pengembang — alat yang dapat digunakan selama penelitian dan pengembangan terkait AI atau alat berbasis AI yang mendukung pengembangan perangkat lunak