Lo que debes saber sobre la evaluación de una startup de inteligencia artificial para invertir

Por Salvatore Minetti, CEO, Fountech.Ventures

El interés en el espacio de tecnología profunda ha estado creciendo en los últimos años, particularmente dentro de la comunidad de inversores. Y de todos los sectores que operan dentro del ámbito de la tecnología profunda, la inteligencia artificial (IA) se ha convertido en un mercado en auge que hay que tener en cuenta.

Según los datos de la Asociación Nacional de Capital de Riesgo, se recaudaron $19.98 mil millones por 1,509 empresas de IA en Estados Unidos solo en 2019. Esta cifra crecerá en los años venideros, incluso si hay un descenso a corto plazo debido a la pandemia. De hecho, las startups de IA que prometen ayudarnos a superar los desafíos planteados por COVID-19 podrían impulsar una mayor inversión en este campo.

Para los capitalistas de riesgo (VC) ansiosos por hacer incursiones en este espacio, evaluar las startups de IA para invertir puede ser abrumador. A continuación, se presentan algunas consideraciones clave que deben tenerse en cuenta al buscar el mejor talento de IA para apoyar.

Identificar las verdaderas tecnologías de tecnología profunda

El primer obstáculo con el que se enfrentarán muchos inversores es cómo distinguir entre soluciones genuinamente innovadoras y aquellas que simplemente se hacen pasar por tales. Después de todo, la IA es víctima de su propio éxito: muchas startups buscan mejorar su oferta comercial y su atractivo ante los inversores, afirmando que están “impulsadas por IA” cuando, en realidad, no hay un uso sofisticado de la tecnología dentro de su negocio principal.

Además de este problema, es importante que los inversores tengan en cuenta las limitaciones que las empresas en etapas tempranas enfrentarán al establecerse en el mercado de IA.

El aprendizaje automático, las bibliotecas de acceso público, los modelos preentrenados y las API han servido para reducir las barreras de entrada para los empresarios y las startups. Las empresas que lanzan un producto utilizando solo estos conjuntos de herramientas probablemente tendrán una multitud de competidores en poco tiempo. Naturalmente, esto plantea un riesgo para los inversores.

Para mitigar esto, les instaría a los VC a buscar startups que innoven a nivel de ciencia y aplicación. Estas empresas de IA inventarán IA novel para sus propósitos y construirán la infraestructura subyacente a medida que lo hagan.

Esto necesariamente implica separar las empresas de nivel de aplicación, que simplemente regurgitan API de terceros, y aquellas que tienen una intensa y única investigación en su núcleo. De hecho, la verdadera tecnología profunda es novel y representa avances significativos sobre las tecnologías actualmente en uso.

Aquellos con poca experiencia previa en el campo podrían preocuparse por su capacidad para evaluar empresas de IA y determinar cuáles son verdaderamente innovadoras. Hay varias formas de abordar esto.

Para tener una exposición temprana a la tecnología profunda y evaluar eficazmente el talento de IA, los VC podrían considerar desarrollar su tecnología técnica interna. En efecto, esto implicaría tener un PhD en la nómina para proporcionar la debida competencia técnica. Al hacerlo, los inversores crearán la capacidad de evaluar empresas antes de que haya un producto y tracción en el mercado.

Alternativamente, podrían buscar socios que lo hagan por ellos. Los VC tienen la opción de coinvertir con inversores que ya tienen científicos en su nómina y una sólida comprensión de la tecnología profunda para seleccionar mejor a sus inversores, así como brindar el apoyo técnico adecuado en las primeras etapas de su viaje.

¿Cuáles son los rasgos y características que debe buscar en un equipo fundador?

La tecnología subyacente es un factor crítico al evaluar una startup de IA. Los inversores deben estar seguros de que un producto es genuinamente innovador, cumple efectivamente una necesidad del mercado y es viable comercialmente a largo plazo. Como parte de esto, la arquitectura detrás de la solución también deberá considerarse para asegurarse de que pueda manejar aumentos de datos de entrada y escalarse con el tiempo.

Para asegurarse de que todos los puntos anteriores se abordan, los inversores deben asegurarse de que todos los roles críticos estén llenos por personas con experiencia y conocimientos probados en el campo. Los arquitectos de sistemas, ingenieros de datos, científicos de datos y ingenieros de DevOps del equipo deben poder demostrar las calificaciones y la experiencia previa en el campo adecuadas.

Más allá de las habilidades técnicas obvias, es importante recordar que la IA no se trata solo de algoritmos y datos. Se trata de personas, también. Por esta razón, los VC deben prestar mucha atención a los rasgos y características que los equipos fundadores muestran. Si bien no hay un criterio establecido para seguir, aquí hay algunos rasgos que probablemente determinarán el éxito de una empresa de IA.

El primero es una buena conciencia de las fortalezas y debilidades relativas. Un fundador podría tener, por ejemplo, una visión convincente y el conocimiento técnico requerido para llevarla a cabo. Como sucede con frecuencia con las empresas incipientes, sin embargo, el fundador podría carecer de la debida astucia comercial para superar los obstáculos comunes.

Un equipo de IA de alto rendimiento podrá demostrar la voluntad de buscar ayuda y contratar al talento adecuado para llenar cualquier brecha de habilidades existente. La cultura de la empresa también debe reflejar su impulso por innovar: el deseo de buscar una retroalimentación crítica de pares, clientes y expertos irá muy lejos para superar los desafíos técnicos y comerciales que surjan en el camino y ayudará a los equipos a enfocarse en la imagen general.

Lo más importante, sin embargo, es que un gran equipo mostrará una actitud positiva: un requisito crucial para cualquier empresa en el competitivo espacio de IA. La determinación de hacer que las cosas funcionen, incluso cuando los tiempos son difíciles, separará a los equipos que tienen lo que se necesita para escalar una empresa de IA y aquellos que no.