Her er, hvad du skal vide om at evaluere en AI-startup til investering

Af Salvatore Minetti, CEO, Fountech.Ventures

Interessen for dyb teknologi har været stigende de seneste år, især inden for investeringsmiljøet. Og af alle sektorer, der opererer inden for dyb teknologi, er kunstig intelligens (AI) blevet en vækstmarked at holde øje med.

Ifølge data fra National Venture Capital Association blev der i 2019 samlet 19,98 milliarder dollars fra 1.509 AI-virksomheder alene i USA. Dette tal vil stige i de kommende år, selv hvis der er en kortvarig nedgang på grund af pandemien. Faktisk kan AI-startups, der lover at hjælpe os med at overvinde de udfordringer, som COVID-19 stiller, muligvis fremme større investering i dette felt.

For venturekapitalister (VC’er), der ønsker at komme ind i dette marked, kan det være overvældende at evaluere AI-startups til investering. Her er nogle nøgleovervejelser, der skal være i mente, når man søger efter de bedste AI-talenter at støtte.

At identificere sand dyb teknologi

Det første hinder, mange investorer vil støde på, er, hvordan man kan skelne mellem virkelig innovative løsninger og dem, der blot masquerer sig som sådan. AI er nemlig offer for sin egen succes – mange startups søger at styrke deres kommercielle tilbud og attraktivitet for investorer ved at påstå, at de er “drevet af AI”, når der i virkeligheden ikke er nogen avanceret brug af teknologien i deres kerneforretning.

Desuden er det vigtigt, at investorer husker på de begrænsninger, som tidlige virksomheder vil støde på, når de søger at etablere sig på AI-markedet.

Maskinlæring, offentligt tilgængelige biblioteker, forudtrænede modeller og API’er har alle bidraget til at sænke barriererne for iværksættere og startups. Virksomheder, der lancerer et produkt, der kun anvender disse værktøjer, vil sandsynligvis have en række konkurrenter i kort tid. Dette udgør en risiko for investorer.

For at mindske denne risiko vil jeg opfordre VC’er til at søge efter startups, der innovere på både videnskabs- og anvendelsesniveau. Disse AI-virksomheder vil opfinde nyt AI til deres formål og bygge den underliggende infrastruktur, mens de gør det.

Dette indebærer nødvendigvis at skelne mellem virksomheder på anvendelsesniveau, der blot gentager tredjeparts-API’er, og dem, der har intens og unik forskning i deres kerne. Sand dyb teknologi er nemlig ny og repræsenterer betydelige fremskridt i forhold til de teknologier, der i forvejen er i brug.

De, der har lidt forudgående erfaring i feltet, kan være bekymret for deres evne til at screen AI-firmaer og bestemme, hvilke der virkelig er med til at udvide grænserne for teknologien. Der er flere måder at komme rundt om dette på.

For at have tidlig eksponering for dyb teknologi og effektivt evaluere AI-talenter kan VC’er overveje at bygge ud deres interne tekniske kompetence. Dette ville indebære at have en ph.d. på lønningslisten for at give den rette tekniske kompetence. Ved at gøre dette vil investorerne skabe kapaciteten til at screen virksomheder, før der er et produkt og markedstrækkende.

Alternativt kan de søge efter partnere, der kan gøre det for dem. VC’er har mulighed for at co-investere med investorer, der allerede har in-house videnskabsmænd og en solid forståelse for dyb teknologi for at bedre vælge deres investeringer samt give den rette tekniske støtte i de tidlige faser af deres rejse.

Hvilke egenskaber og karakteristika skal man søge efter i en grundlæggende team?

Den underliggende teknologi er en kritisk faktor, når det kommer til at vurdere en AI-startup. Investorer må være sikre på, at et produkt virkelig er innovativt, effektivt opfylder et markedbehov og er kommercielt bæredygtigt på længere sigt. Som en del af dette vil arkitekturen bag løsningen også nødvendigvis være underlagt overvejelse for at sikre, at den kan håndtere øgende indtastninger af data og kan skaleres over tid.

For at være sikker på, at alle ovenstående punkter er tilgodeset, skal investorer sikre, at alle kritiske roller er besat af personer med dokumenteret erfaring og viden på området. Teamets systemsarkitekter, dataingeniører, datavidenskabsmænd og DevOps-ingeniører skal alle kunne dokumentere relevante kvalifikationer og forudgående erfaring.

Ud over de åbenlyse tekniske færdigheder er det vigtigt at huske, at AI ikke kun handler om algoritmer og data. Det handler også om mennesker. Derfor skal VC’er være opmærksomme på de egenskaber og karakteristika, som grundlæggende teams viser. Selv om der ikke er nogen fast kriterium at følge, er her nogle egenskaber, der sandsynligvis vil bestemme succesen for en AI-iværksætter.

Den første er en god forståelse af relative styrker og svagheder. En grundlægger kan f.eks. have en overbevisende vision og den nødvendige tekniske viden til at gennemføre den. Som ofte er tilfældet med unge virksomheder kan grundlæggeren dog mangle den rette forretningsdygtighed til at overvinde almindelige hindringer.

Et højtpræsterende AI-team vil være i stand til at demonstrere en villighed til at søge hjælp og til at rekruttere det rette talent til at udfylde eventuelle færdighedsgapper. En virksomheds kultur skal også afspejle deres drive til at innovere: en ønske om at søge kritisk feedback fra ligemænd, kunder og eksperter vil gå langt til at overvinde tekniske og forretningsmæssige udfordringer, der opstår undervejs, og hjælpe teams med at fokusere på det store billede.

Men det vigtigste er, at et stort team vil vise en positiv holdning: en afgørende krav til enhver iværksætter i det konkurrencedygtige AI-miljø. En beslutning om at gøre det til at fungere, selv når tiderne er hårde, vil adskille teams, der har, hvad der skal til for at skala en AI-virksomhed, og dem, der ikke har.