Tỷ lệ đầu tư dành cho AI trước tiên đã tăng lên. Có vẻ như ngày nay mọi công ty khởi nghiệp sản xuất phần mềm đều có một phần AI trong đó.

Trong công việc của tôi là xây dựng và lãnh đạo một trong những Vườn ươm khởi nghiệp AI lớn nhất ở châu Âu, hợp tác chặt chẽ với nhiều nhà sáng lập khác nhau và giảng dạy một khóa học về AI cho sự đổi mới và tinh thần kinh doanh tại Đại học Kỹ thuật Munich, tôi đã sàng lọc rất nhiều bài thuyết trình về AI. và chứng kiến ​​rất nhiều công ty khởi nghiệp về AI đến rồi đi. Tôi thường xuyên được các nhà đầu tư và VC yêu cầu xem xét các công ty khởi nghiệp về AI và giúp họ đưa ra quyết định đầu tư. Trong loạt bài đăng này, tôi muốn chia sẻ giả thuyết đầu tư của mình và những gì tôi tìm kiếm khi đánh giá (và đầu tư) vào các công ty khởi nghiệp AI.

Cách đầu tư vào AI — Phần 2
Cách đầu tư vào AI — Phần 3 (Due Diligence)

Thách thức khi đầu tư vào các công ty khởi nghiệp AI.

“Tôi không nghĩ rằng tôi đã nhìn thấy một PowerPoint mà không có từ AI trong hai năm qua. Nó gần giống như phần mềm tương đương với AI.” Brian Ascher, Đối tác tại Venrock.

Đầu tư vào các công ty khởi nghiệp AI có thể là một thách thức. Nhiều công ty khởi nghiệp tuyên bố sử dụng AI, nhưng trên thực tế, họ có thể không sử dụng nó một cách có ý nghĩa hoặc có thể không có chuyên môn kỹ thuật để phát triển và triển khai các giải pháp AI một cách hiệu quả. Điều này có thể gây khó khăn cho các nhà đầu tư trong việc đánh giá chính xác tiềm năng của các công ty này. Điều này đã tạo ra bong bóng trong thị trường khởi nghiệp AI, với nhiều công ty tuyên bố sử dụng AI để thu hút đầu tư . Cái gọi là, dầu rắnCác công ty khởi nghiệp về AI là những công ty tuyên bố sử dụng trí tuệ nhân tạo (AI) trong các sản phẩm hoặc dịch vụ của họ, nhưng trên thực tế, họ có thể hoàn toàn không sử dụng AI hoặc có thể sử dụng nó một cách hời hợt hoặc gây hiểu lầm. Những loại hình khởi nghiệp này thường quan tâm đến việc tạo ra sự cường điệu và thu hút đầu tư hơn là mang lại giá trị thực thông qua việc sử dụng AI. Điều này có thể gây khó khăn cho các nhà đầu tư trong việc phân biệt giữa các công ty khởi nghiệp AI hợp pháp có tiềm năng thực sự và những công ty chỉ đơn giản là quảng cáo rầm rộ.

“ Bốn mươi phần trăm 'khởi nghiệp AI' ở Châu Âu không thực sự sử dụng AI “

Ngoài ra, tôi thấy rằng nhiều nhà đầu tư thiếu hiểu biết sâu sắc về AI và cách thức hoạt động của nó, điều này có thể khiến việc đánh giá chính xác khả năng tồn tại của một công ty khởi nghiệp AI trở nên khó khăn. Vấn đề là khi các nhà đầu tư nhìn thấy một khoản tiền lớn chảy vào AI, họ có thể đầu tư mà không cần hiểu công nghệ hoặc hoàn thành đánh giá xem liệu nó có mang lại lợi nhuận đầu tư theo thời gian hay không. Nếu bạn muốn tránh bong bóng và đầu tư hiệu quả vào AI, các quỹ đầu tư mạo hiểm và nhà đầu tư nên tự hỏi làm thế nào họ có thể giảm thiểu rủi ro cho khoản đầu tư của mình bằng sự hiểu biết về công nghệ và tiềm năng thu lợi nhuận trong tương lai của nó, cũng như thực hiện thẩm định cần thiết.

Vì vậy, đây là hướng dẫn của tôi dành cho nhà đầu tư AI hiểu biết:

Bước 1 — Hiểu sự khác biệt giữa AI và ML và hiểu giá trị mà startup có thể tạo ra khi sử dụng AI

Trí tuệ nhân tạo (AI) và máy học (ML) thường được sử dụng thay thế cho nhau, nhưng chúng không giống nhau . Trí tuệ nhân tạo đề cập đến khả năng máy móc thực hiện các tác vụ thường yêu cầu trí thông minh của con người, chẳng hạn như nhận dạng các mẫu, đưa ra quyết định hoặc giải quyết vấn đề. Mặt khác, học máy là một lĩnh vực con của AI tập trung vào phát triển các thuật toán và mô hình thống kê cho phép máy cải thiện hiệu suất của chúng đối với một nhiệm vụ cụ thể theo thời gian bằng cách học từ dữ liệu, thay vì được lập trình rõ ràng.

Một lý do khiến các thuật ngữ này thường bị nhầm lẫn là do máy học là thành phần chính của nhiều hệ thống AI và được sử dụng để cho phép chúng học hỏi và thích nghi. Tuy nhiên, không phải tất cả các hệ thống AI đều sử dụng máy học và không phải tất cả các hệ thống máy học đều được coi là AI.

Việc trộn lẫn các thuật ngữ này có thể gây ra vấn đề vì nó có thể dẫn đến sự hiểu lầm hoặc kỳ vọng không được đáp ứng. Ví dụ: một nhà đầu tư có thể mong đợi một công ty khởi nghiệp AI đã phát triển các thuật toán tiên tiến, tự học trong khi thực tế, công ty khởi nghiệp đó chỉ đơn giản là sử dụng các hệ thống dựa trên quy tắc cơ bản. Tương tự như vậy, một khách hàng có thể mong đợi một sản phẩm được hỗ trợ bởi AI có thể thích ứng và cải thiện theo thời gian, nhưng nếu sản phẩm không sử dụng công nghệ máy học thì sẽ không thể làm như vậy.

Vậy sự khác biệt mà các nhà đầu tư nên cố gắng hiểu là gì?

Để tránh hiểu lầm và đặt ra những kỳ vọng thực tế, điều quan trọng là phải hiểu được sự khác biệt giữa lập trình truyền thống và máy học, đồng thời truyền đạt chính xác những công nghệ mà công ty đang sử dụng.

Có hai cách lập trình khác nhau : Lập trình dựa trên quy tắc (truyền thống) và lập trình máy học là hai cách tiếp cận khác nhau để xây dựng hệ thống phần mềm.

Lập trình dựa trên quy tắc liên quan đến việc tạo ra một tập hợp các quy tắc hoặc điều kiện rõ ràng mà hệ thống phần mềm tuân theo để thực hiện một tác vụ. Ví dụ: hệ thống dựa trên quy tắc có thể được lập trình để gửi email cho khách hàng nếu một số điều kiện nhất định được đáp ứng, chẳng hạn như nếu số dư tài khoản của họ giảm xuống dưới một ngưỡng nhất định. Các hệ thống dựa trên quy tắc thường tuân theo các hướng dẫn chính xác và dễ gỡ lỗi, nhưng chúng có thể không linh hoạt và không thể thích ứng với các điều kiện thay đổi hoặc tình huống mới.

Mặt khác, lập trình máy học liên quan đến việc xây dựng các thuật toán cho phép hệ thống phần mềm học hỏi từ dữ liệu và cải thiện hiệu suất của nó đối với một nhiệm vụ cụ thể theo thời gian. Các thuật toán máy học được đào tạo trên một tập dữ liệu lớn và sử dụng các mô hình thống kê để tìm các mẫu và đưa ra dự đoán hoặc quyết định. Chúng không yêu cầu phải lập trình trước các quy tắc hoặc điều kiện rõ ràng mà thay vào đó, chúng học hỏi từ dữ liệu được cung cấp. Các hệ thống máy học có thể linh hoạt và dễ thích ứng hơn các hệ thống dựa trên quy tắc, nhưng chúng cũng có thể phức tạp hơn và yêu cầu nhiều dữ liệu cũng như tài nguyên tính toán hơn để đào tạo và vận hành.

Cả hai cách tiếp cận lập trình dựa trên quy tắc và máy học đều có những điểm mạnh và hạn chế, và cách tiếp cận phù hợp sẽ phụ thuộc vào nhiệm vụ cụ thể và mục tiêu của hệ thống.

Hiểu cách AI có thể mang lại giá trị

Hiểu được giá trị mà AI có thể tạo ra là rất quan trọng vì nó có thể giúp đánh giá các rủi ro và cơ hội tiềm ẩn liên quan đến việc khởi nghiệp AI và đưa ra các quyết định đầu tư sáng suốt hơn. Bằng cách hiểu cách thức mà AI có thể tạo ra giá trị, tôi cố gắng đánh giá tốt hơn tiềm năng tăng trưởng và khả năng tồn tại lâu dài của công ty khởi nghiệp mà tôi đang xem xét.

AI có thể tạo ra giá trị theo một số cách, tùy thuộc vào ứng dụng và trường hợp sử dụng cụ thể. Một số cách mà AI có thể tạo ra giá trị bao gồm:

1. Cải thiện hiệu quả và năng suất: AI có thể tự động hóa một số nhiệm vụ hoặc quy trình nhất định, cho phép các tổ chức làm việc hiệu quả và năng suất hơn.
2. Tăng cường khả năng ra quyết định: AI có thể phân tích một lượng lớn dữ liệu và cung cấp thông tin chi tiết hoặc đề xuất có thể giúp các tổ chức đưa ra quyết định tốt hơn.
3. Tạo nguồn doanh thu mới: AI có thể cho phép các tổ chức cung cấp sản phẩm hoặc dịch vụ mới hoặc nhắm mục tiêu thị trường mới, điều này có thể giúp thúc đẩy tăng trưởng doanh thu.
4. Giảm chi phí: AI có thể giúp các tổ chức hợp lý hóa hoạt động của họ và giảm chi phí, điều này có thể cải thiện lợi nhuận.

Tuyên bố miễn trừ trách nhiệm: Tôi đã viết bài viết này bằng kinh nghiệm và bí quyết của riêng mình về cách tôi tiếp cận việc đánh giá và thẩm định một công ty khởi nghiệp AI. Để tăng tốc độ viết, tôi đã sử dụng sự trợ giúp của ChatGPT. Tuy nhiên, tôi đã thêm các ví dụ, cuộc phỏng vấn, hình ảnh và tài liệu tham khảo theo cách thủ công, tôi chỉnh sửa đầu vào và đầu ra, viết lại và thêm các đoạn văn. Sử dụng chatGPT cho phép tôi viết loạt bài đăng này trong vài ngày thay vì vài tuần.