Hvad er de primære hindringer, der forhindrer AI-startups i at skala op? – Tankeledere

Af Salvatore Minetti, CEO, Fountech.Ventures

Løftet om kunstig intelligens (AI) har uden tvivl fanget mange investorer over de seneste ti år. Drevet af stærk offentlig interesse er teknologien blevet en reel kraft for godt, med løfter om at levere løsninger med potentiale til at løse nogle af verdens største problemer.

I forhold til andre opkomne teknologier var AI-virksomheder den førende investeringskategori globalt i 2019, med en sikring af over 23 milliarder dollar i finansiering ifølge Tech Nation.

Men AI-virksomheder kræver mere end bare investeringer for virkelig at trives i den nuværende klima. Det er faktisk ikke så meget mangel på start-ups, men snarere mangel på scale-ups.

For virkelig at fremme denne disciplin fremad er det tid, at vi intensiverer vores bestræbelser på at pleje kun de mest innovative virksomheder mod langsigtede succes, så de kan blive formidable virksomheder. Dette stiller spørgsmålet: hvad er hindringerne, der holder AI-virksomheder tilbage fra at vokse ud over start-up-fasen?

At bestemme ‘sand’ AI-virksomheder

Det er ingen hemmelighed, at mærket ‘AI’ er blevet almindeligt, med virksomheder, der bruger betegnelsen til venstre, højre og centre for at sikre investering. Problemet med dette er, at nogle virksomheder uden AI i deres kerne holder tilbage for fremskridt i sektoren som helhed, og hindrer udviklingen af progressive løsninger.

Disse problemer med semantik gør det mere svært for investorer at bestemme, hvilke virksomheder, der faktisk bruger ‘sand’ AI, og hvilke ikke. Faktisk afslørede en rapport fra MMC Ventures, at to femtedele af Europas AI-startups ikke faktisk bruger AI i nogen af deres produkter. Eksempler som dette viser, hvor udbredt misbrugen af betegnelsen er. Uvivlsomt kan sammenblanding af en produkts eller tjenestes betydning ikke kun føre til overudgifter og dårlig gennemførelse, men også en virksomheds endelige undergang, når den er underlegen af dem med mere klarhed og fokus.

Investorer ville derfor gøre bedst i at undgå denne skæbne ved at gennemgå virksomheder grundigt tidligt i processen. Dette kan opnås ved at stille nøglespørgsmål, såsom ‘giver denne virksomhed sin konkurrencefordel ved brug af AI?’ og ‘vil denne virksomhed fremme sektoren fremad?’. På denne måde kan ressourcer bruges mere værdifuldt på virksomheder med skalerbare tekniske løsninger og reel konkurrencefordel.

Start-up hindringer

I deep-tech-arenaen har ambitiøse unge hold generelt den determination og tekniske ekspertise, der kræves for at designe og oprette et innovativt produkt. Men kraftfulde koncepter er ikke altid nok til at garantere succes for en ny virksomheds venture, og for meget fokus på teknologien kan støjre dens fremgang.

Mangel på klare mål for AI-startups er særligt udfordrende; det er svært at måle, hvad der gør en ‘god’ AI-virksomhed. Hype omkring AI og dens voksende popularitet har også ført til intens konkurrence, hvilket betyder, at grundlæggere skal være særligt opmærksomme på de hindringer, de vil møde.

Nogle grundlæggende aspekter er vigtige for enhver virksomhed. For det første skal iværksættere kunne demonstrere, at de beskæftiger sig med et stort og vigtigt problem – og vise, hvorfor de er i den bedste position til at løse det. Måske endnu vigtigere er det, at virksomheder skal etablere, om folk vil være villige til at betale godt for deres løsning.

AI-startups vil generelt falde over mange af de samme hindringer som deres mere traditionelle modparter. En rapport fra CB Insights afslørede de mest almindelige årsager til, at unge iværksættere kan mislykkes på deres vej opad, hvilket inkluderede mangel på markedets behov for produktet, ikke at have det rette hold og at blive overgået af andre virksomheder.

Det første af disse kræver særlig opmærksomhed: det er en plage for mange tech-startups, at de bygger produktet og så håber, at nogen ønsker det. En mangel på at træffe de rette skridt i begyndelsen for at forstå den potentielle fit og efterspørgsel betyder, at det endelige produkt ikke ultimativt fanger opmærksomheden hos målmarkedet.

For AI-virksomheder er der dog yderligere elementer, der også skal være under overvejelse. Holdet skal kunne demonstrere, at deres AI faktisk tilføjer værdi til de data, de bruger – og ikke kun bruges som en røgslør. Gør AI’en det muligt at forklare mønstre i data, aflede præcise forklaringer, identificere vigtige tendenser og ultimativt optimere brugen af informationen?

Hvis ikke, skal de spørge, om de virkelig skal sælge sig selv som en AI-startup. Der er en reel risiko for, at ressourcer vil blive brugt unødvendigt på at bygge og markedsføre en løsning, der ikke faktisk løser et problem ved hjælp af kunstig intelligens. Ultimativt er sådanne virksomheder sandsynligvis til at miste deres vision over tid og ikke at leve op til det mærke, de måske havde forestillet sig for sig selv. De kan også have svært ved at sikre finansiering; efter alt, vil de fleste VCs ikke ønske at risikere en investering i en teknologi, der er tvetydig.

Unge hold har også tendens til at møde vejblokeringer, når det kommer til den finansielle side af tingene: AI-startups er enten underfinansierede fra starten eller brænder mere kontanter, end nødvendigt. For at opnå bæredygtig vækst har unge virksomheder brug for at kunne planlægge ud over udviklingsbudgettet og skabe en skalerbar kommerciel model, der kan stå distancen.

At pleje AI-startups til succes

Mange af disse fejl skyldes, at start-ups ofte falder kort, hvor passende mentorering og forretningsdygtighed er vedrørende. Faktisk ville de fleste have gavn af lidt ekstra ekspertise for at navigere i almindelige hindringer.

Det er fundamentalt, at virksomhedsgrundlæggere arbejder med tredjeparts-rådgivere for at kompensere for eventuelle huller i viden. Unge hold har brug for mentorer for at hjælpe med at manøvrere ukendt territorium og give yderligere juridisk, finansielle og logistiske vejledning.

Ultimativt er det blot at finansiere et projekt ikke nok. Det er afgørende, at vi arbejder på at give en mere holistisk model til at støtte unge AI-startups, så virksomheder kan sættes på vej mod kommercielt skalerbare projekter. Det er kun ved at give specialiseret støtte og assistance med de mere grundlæggende aspekter af forretningsvirksomhed – samt adgang til talent, kapital og peer-netværk – at vi kan virkelig flytte nålen fremad i banende AI-teknologi.