Hier is wat u moet weten over het evalueren van een AI-startup voor investering

Door Salvatore Minetti, CEO, Fountech.Ventures

De interesse in de deep tech-branche is de afgelopen jaren toegenomen, vooral binnen de investeringsgemeenschap. En van alle sectoren die opereren binnen het domein van deep tech, is artificial intelligence (AI) een bloeiende markt geworden.

Volgens gegevens van de National Venture Capital Association werd er in 2019 $19,98 miljard opgehaald door 1.509 AI-bedrijven in de VS alleen. Dit bedrag zal in de komende jaren groeien, zelfs als er een korte termijn dip is vanwege de pandemie. In feite kunnen AI-startups die beloven ons te helpen de uitdagingen van COVID-19 te overwinnen, mogelijk meer investeringen in dit veld aantrekken.

Voor venture capitalists (VC’s) die graag in deze ruimte willen investeren, kan het evalueren van AI-startups voor investeringen ontmoedigend zijn. Hieronder volgen enkele belangrijke overwegingen om in gedachten te houden bij het zoeken naar de beste AI-talenten om te ondersteunen.

Het identificeren van echte deep tech-technologieën

De eerste hindernis waar veel investeerders mee geconfronteerd zullen worden, is hoe ze het onderscheid kunnen maken tussen echt innovatieve oplossingen en die welke zich alleen voordoen als zodanig. AI is immers het slachtoffer van haar eigen succes – veel startups proberen hun commerciële aanbod te versterken en aantrekkelijker te maken voor investeerders door te beweren “gestuurd te worden door AI” wanneer er in werkelijkheid geen geavanceerd gebruik van de technologie is binnen hun kernbedrijf.

Daarnaast is het belangrijk dat investeerders in gedachten houden dat startende bedrijven te maken krijgen met beperkingen als ze proberen zich te vestigen in de AI-markt.

Machine learning, openbare bibliotheken, pre-getrainde modellen en API’s hebben allemaal de drempel verlaagd voor ondernemers en startups. Bedrijven die een product lanceren met alleen deze toolsets, zullen waarschijnlijk snel veel concurrenten hebben. Dit vormt een risico voor investeerders.

Om dit te mitigeren, zou ik VC’s aanraden om naar startups te zoeken die innoveren op zowel het wetenschappelijke als het applicatie-niveau. Deze AI-bedrijven zullen nieuwe AI uitvinden voor hun doeleinden en de onderliggende infrastructuur opbouwen terwijl ze dit doen.

Dit houdt noodzakelijkerwijs in dat men onderscheid maakt tussen applicatie-niveau bedrijven, die alleen derden-API’s herhalen, en die welke intensief en uniek onderzoek aan hun kern hebben. Echte deep tech is immers nieuw en vertegenwoordigt significante vooruitgang ten opzichte van de huidige technologieën.

Diegenen met weinig ervaring in het veld kunnen zich zorgen maken over hun vermogen om AI-bedrijven te screenen en te bepalen welke echt de grenzen van de technologie verleggen. Er zijn verschillende manieren om hiermee om te gaan.

Om vroeg te worden blootgesteld aan deep tech en AI-talent effectief te evalueren, kunnen VC’s overwegen om hun in-house technische capaciteiten uit te breiden. Dit zou inhouden dat ze een PhD in dienst nemen om de juiste technische vaardigheden te bieden. Op deze manier creëren investeerders de capaciteit om bedrijven te screenen voordat er een product en markttractie is.

Alternatief kunnen ze naar partners kijken om dit voor hen te doen. VC’s hebben de optie om samen te investeren met investeerders die al in-house wetenschappers hebben en een solide begrip van deep tech, om zo hun investeringen beter te selecteren en passende technische ondersteuning te bieden in de vroege stadia van hun reis.

Welke eigenschappen en kenmerken moet men zoeken in een oprichtend team?

De onderliggende technologie is een cruciale factor bij het beoordelen van een AI-startup. Investeerders moeten erop vertrouwen dat een product echt innovatief is, effectief een marktbehoefte vervult en op lange termijn commercieel haalbaar is. Als onderdeel hiervan zal de architectuur achter de oplossing ook moeten worden overwogen om ervoor te zorgen dat deze om kan gaan met toenemende gegevensinvoer en kan worden geschaald in de loop van de tijd.

Om ervan verzekerd te zijn dat al deze punten worden aangepakt, moeten investeerders ervoor zorgen dat alle kritieke rollen worden ingevuld door personen met bewezen ervaring en kennis in het veld. De systeemarchitecten, data-engineers, datawetenschappers en DevOps-engineers van het team moeten allemaal aantonen dat ze de juiste kwalificaties en ervaring in het veld hebben.

Naast de voor de hand liggende technische vaardigheden, is het belangrijk om te onthouden dat AI niet alleen over algoritmes en gegevens gaat. Het gaat ook over mensen. Daarom moeten VC’s goed letten op de eigenschappen en kenmerken die oprichtende teams vertonen. Hoewel er geen vaste criteria zijn om te volgen, zijn hier enkele eigenschappen die waarschijnlijk de succesfactor van een AI-onderneming zullen bepalen.

Het eerste is een goed bewustzijn van relatieve sterke en zwakke punten. Een oprichter kan bijvoorbeeld een overtuigende visie hebben en de vereiste technische kennis om deze te realiseren. Zoals vaak het geval is met beginnende bedrijven, kan de oprichter echter het benodigde zakelijke inzicht ontberen om gemeenschappelijke hindernissen te overwinnen.

Een hoogpresterend AI-team zal in staat zijn om aan te tonen dat ze hulp willen zoeken en de juiste talenten willen aannemen om bestaande vaardigheidsgaten te vullen. De cultuur van een bedrijf moet ook een weerspiegeling zijn van hun drive om te innoveren: een verlangen om kritische feedback van peers, klanten en experts te zoeken, zal een lange weg helpen om technische en zakelijke uitdagingen die ontstaan tijdens de reis te overwinnen en teams helpen om zich op het grote plaatje te concentreren.

Het allerbelangrijkste, echter, is dat een geweldig team een positieve houding zal vertonen: een cruciale vereiste voor elk avontuur in de concurrerende AI-ruimte. Een vastberadenheid om dingen te laten werken, zelfs als het moeilijk wordt, zal teams die het in zich hebben om een AI-bedrijf te laten groeien, van diegenen die dat niet doen, scheiden.