Líderes de opinión

Cómo un socio académico puede ayudarte a validar el producto de tu startup

mm
Añade Unite.AI a tus fuentes preferidas en Google

La validación científica es una piedra angular crucial para las startups que buscan construir un negocio exitoso. Al someter a prueba rigurosamente las hipótesis en las que se basan sus productos, los fundadores con orientación tecnológica pueden mitigar riesgos, aumentar su atractivo para los inversores, mantener el cumplimiento regulatorio, fomentar la confianza del cliente y mejorar sus estrategias de marketing.

Sin embargo, aunque sirve como una ventaja competitiva y como una demostración del compromiso de la startup para construir productos de calidad, el proceso de validación puede encontrarse con varios obstáculos. Esto puede ocurrir debido a la escasez de datos, los recursos restringidos y la falta de experiencia. A continuación, se presenta una guía de seis pasos para que las startups aumenten sus posibilidades de éxito en la validación científica de su tecnología, un precursor necesario de un lanzamiento de producto confiado.

1. Define tu tecnología y tu audiencia objetivo

Comienza con una definición precisa de la tecnología y su función propuesta. Si tus conceptos siguen siendo nebulosos, realiza una investigación exhaustiva sobre el tema para asegurarte de que entiendes el mercado. La precisión es crucial, y lograr altos niveles de precisión en tus resultados sería ventajoso para avanzar a la siguiente etapa.

Para compilar los estudios más relevantes para tu proyecto, comienza centrándote en aquellos que resuelven un problema en particular, y luego sumérgete en los diferentes aspectos de los problemas relacionados con el tema. Realizar estudios confiables es una propuesta complicada, considerando que apenas hay una solución universal para cualquier problema en particular. Una vez que hayas identificado algunos estudios, se necesita más diligencia. Esté preparado para verificar:

  • Código de código abierto. Te permite verificar tu idea con menos esfuerzo, lo que te ahorrará tiempo. Además, el código te proporciona todos los detalles posibles sobre las posibles implementaciones, algo que puede ser fácil de pasar por alto en papel. Además, esto es un buen indicador de un buen estudio en general.

  • Citaciones. Si un estudio es citado con frecuencia en otros estudios, hay una mayor posibilidad de que puedas utilizar sus ideas para tu proyecto.

2. Registra tus resultados y compártelos con el mercado y los inversores

Una vez que hayas medido tus resultados, necesitas compartirlos con tus partes interesadas y con el mercado en general. Escribe un documento que resuma los datos y resultados recopilados, ya que servirá como testimonio de tu investigación. Este proceso no solo proporciona un registro tangible de tu trabajo, sino que también senta las bases para futuras exploraciones.

Cuando se trata de invertir en una empresa, también sirve como una forma de validación externa, que es un factor crítico y muy valioso para los inversores. Los inversores están muy atraídos por la credibilidad.

Por ejemplo, en nuestro caso, escribimos un preprint, que es un documento académico que se puede publicar en línea antes de ser revisado por pares, y en este preprint, discutimos el trabajo que se ha realizado sobre el tema que estábamos investigando, y por qué el mundo lo necesita. El preprint es, podrías decir, la etapa inicial de un artículo científico. También incluyó nuestro método, y luego pasamos a la experimentación, que es la tercera parte del preprint. Aquí, explicamos cómo recopilamos nuestros datos, cuáles fueron nuestros resultados iniciales y si validaron nuestra hipótesis. Después de una presentación exitosa del preprint a Harvard Medical School sin publicación previa, llegamos a un acuerdo para colaborar en un proyecto de investigación conjunto.

3. Escribe un artículo académico o científico

En el mundo académico, el proceso generalmente implica publicar un artículo en una revista reconocida y luego promocionarlo en conferencias científicas. Esta exposición a menudo lleva a otros investigadores a involucrarse con la comunidad, obtener valiosas perspectivas, mejorar continuamente la tecnología y, por supuesto, citar tu trabajo en sus propias investigaciones, lo que aumenta tu índice h, una métrica crucial para estudiantes de doctorado, profesores y cualquier persona que persiga una carrera de investigación académica.

Incluso si tu startup no despega, tener artículos publicados bajo tu nombre puede abrir puertas a mejores oportunidades laborales. También actúa como una forma de seguro. Con patentes y artículos científicos a tu nombre, tienes el potencial de aterrizar roles atractivos, como convertirte en el nuevo jefe de un grupo de ingeniería que se centra en la innovación y los nuevos desarrollos. ¿Quién sabe adónde te llevará tu carrera?

Además, publicar artículos agrega credibilidad a tu trabajo dentro de la comunidad científica y abre oportunidades para reclutar y construir la marca de recursos humanos de la empresa.

4. Encuentra socios para formular una hipótesis sobre la efectividad de tu tecnología

A medida que profundizamos en la efectividad de la tecnología que estás desarrollando, es importante considerar la colaboración con instituciones académicas o de investigación para autenticar aún más la tecnología y ampliar su impacto. Si esto no es factible, considera encontrar a otro socio para ayudar a ampliar el estudio aumentando la muestra de datos.

Por ejemplo, primero creamos una versión especial de la aplicación Neatsy diseñada específicamente para Harvard Medical School. Esta fue una versión simplificada de la aplicación Neatsy, pero ayudó a los investigadores de Harvard a recopilar datos más rápido, por lo que comenzaron a recopilar información sobre los pacientes y a obtener el consentimiento escrito de que estaban participando en un experimento científico.

Al negociar con socios académicos, recuerda que tienen sus propios objetivos, al igual que tú tienes los tuyos. En algunos casos, el objetivo de la institución académica es publicar más artículos de calidad para mejorar su contribución a la ciencia y avanzar en sus carreras mejorando su índice h, que se calcula en función de la cantidad de artículos que han publicado y con qué frecuencia se citan estos artículos. En términos más simples, es una medida de la calidad de un artículo y un indicador de cuán famoso es el autor.

5. Diseña experimentos

La validación experimental ayuda a mitigar el riesgo de una startup al confirmar la viabilidad de un producto antes de que llegue al mercado. El diseño del experimento es responsabilidad tanto de la empresa como del socio académico. Los ingenieros de la empresa son quienes saben cómo funciona la tecnología y el entorno necesario para que prospere. Los socios académicos saben cómo pueden realizar los experimentos y qué limitaciones tienen en su lado.

Por ejemplo, todo nuestro experimento tuvo que ser aprobado antes de que el proyecto pudiera comenzar por el IRB, que significa Junta de Revisión Institucional. Esta es un comité de revisión ética especial que cada escuela de medicina tiene, con el fin de garantizar que se respetan los derechos humanos en el estudio.

Antes de comenzar con un nuevo experimento que satisfaga a ambas partes, establece claramente los objetivos, reglas y limitaciones del proceso de actividad de investigación. Esto te ayudará a mantener la línea con los acuerdos establecidos con las instituciones asociadas. La buena comunicación con el socio académico en el proceso de realizar experimentos / pruebas es crucial.

Los objetivos pueden variar. Por ejemplo, un experimento puede estar diseñado para alcanzar un nivel de calidad que permita mover la tecnología a la producción al final de la etapa de estudio. Para equilibrar la rigidez científica con la necesidad de velocidad del mundo de las startups, debes tener restricciones de tiempo y presupuesto. Desafortunadamente, no todas las ideas son posibles de implementar y es importante encontrar el punto en el que debes detenerte.

6. Validar los resultados

Al validar los resultados, ten en cuenta que los datos aún pueden estar sesgados. Esto significa que los datos recibidos no representan lo que se supone que deben representar. Por ejemplo, todos los grupos de edad deben estar representados en el conjunto de datos, pero si solo hay personas jóvenes, los resultados no son confiables para las personas mayores. Por lo general, aquellos que realizan las pruebas se preocupan por este aspecto y verificarán los conjuntos de datos en consecuencia para evitar que estos sesgos salgan a la luz.

Hay otro tipo de prueba que recopila datos para el desarrollo de tecnología y la validación simultánea. Sin embargo, este enfoque generalmente tiene un problema de sobreajuste. Esto ocurre cuando el algoritmo se vuelve bueno en un conjunto de datos en particular. Hay diferentes técnicas de aprendizaje automático para evitar este sobreajuste y esta es la responsabilidad exclusiva de los ingenieros. Lo único que pueden hacer los que realizan el estudio es insistir en recopilar el conjunto de datos independiente para probar el modelo final.

Para proporcionar incentivos a los participantes y aumentar su tasa de inscripción, proporciona oportunidades para obtener vales, dinero en efectivo o regalos. Esto es lo que hicimos en Harvard. Los detalles del estudio se publicaron en un sitio web orientado a estudiantes, proporcionándoles la oportunidad de obtener un vale para comprar zapatillas si venían y nos permitían tomar algunas fotos. La oportunidad se volvió viral y nuestro estudio obtuvo conocimientos tremendos como resultado.

Una vez que hayas hecho esto, aquí hay un recordatorio final que no hace daño enfatizar. Ten en cuenta el segundo paso, no te olvides de registrar todos los datos y observaciones para que tu análisis sea preciso.

Artem Semjanow es el fundador y CEO de Neatsy.ai, la primera aplicación que utiliza IA y AR para detectar riesgos de problemas de podología con una cámara de teléfono. Él cambió de dirección dos veces: primero, de B2C a B2B, y luego de una empresa de zapatillas a una aplicación de salud de IA que trabaja con Harvard University y Massachusetts General Hospital.