Her er hva du bør vite om å vurdere et AI-starterbedrift for investering

Av Salvatore Minetti, CEO, Fountech.Ventures

Interessen for dypteknologiområdet har økt de siste årene, spesielt innen investeringsmiljøet. Og av alle sektorene som opererer innen dypteknologi, har kunstig intelligens (AI) blitt en voksende marked å følge med på.

Ifølge data fra National Venture Capital Association, ble 19,98 milliarder dollar samlet inn av 1 509 AI-selskaper i USA alene i 2019. Dette tallet vil øke i årene som kommer, selv om det kan være en midlertidig nedgang på grunn av pandemien. I virkeligheten kan AI-starterbedrifter som lover å hjelpe oss å overvinne utfordringene som COVID-19 stiller, godt kan føre til økt investering i dette feltet.

For venturekapitalister (VCs) som ønsker å gjøre inntog i dette markedet, kan det være vanskelig å vurdere AI-starterbedrifter for investering. Under er noen nøkkeloverveielser å holde i mente når man søker etter de beste AI-talentene å støtte.

Å finne ekte dypteknologier

Den første hindringen mange investorer vil møte, er hvordan de kan skille mellom virkelig innovative løsninger og de som bare maskerer seg som slike. AI er nemlig offer for sin egen suksess – mange starterbedrifter søker å styrke sin kommersielle tilbud og attraktivitet for investorer, ved å hevde at de er “drevet av AI” når, i virkeligheten, det ikke er noen sofistikert bruk av teknologien i deres kjernvirksomhet.

Videre må investorer huske på begrensningene som tidlige bedrifter vil møte når de søker å etablere seg i AI-markedet.

Maskinlæring, offentlig tilgjengelige biblioteker, forhånds trenede modeller og API-er har alle bidratt til å senke terskler for entreprenører og starterbedrifter. Selskaper som lanserer et produkt som bare bruker disse verktøyene, vil sannsynligvis få mange konkurrenter på kort tid. Dette utgjør en risiko for investorer.

For å motvirke dette, ville jeg oppmuntre VCs til å se etter starterbedrifter som innoverer på både vitenskapelig og anvendt nivå. Disse AI-selskapene vil oppfinne ny AI for sine formål og bygge den underliggende infrastrukturen mens de gjør det.

Dette innebærer å skille mellom selskaper på anvendelsesnivå, som bare gjentar tredjeparts-API-er, og de som har intens og unik forskning i kjernen. Virkelig dypteknologi er nemlig ny og representerer betydelige fremgangsforskjeller i forhold til teknologier som brukes i dag.

De som har liten forhåndserfaring i feltet kan være bekymret for sin evne til å screene AI-selskaper og avgjøre hvilke som virkelig driver grensene for teknologien. Det finnes flere måter å gå rundt dette på.

For å få tidlig eksponering for dypteknologi og effektivt vurdere AI-talent, kan VCs overveie å bygge ut sin egen tekniske kompetanse. Dette ville innebære å ha en PhD på lønningslisten for å gi den nødvendige tekniske kompetansen. Ved å gjøre dette, vil investorer skape kapasiteten til å screene selskaper før det finnes en produkt og markedstrøk.

Alternativt kan de se etter partnere som kan gjøre dette for dem. VCs har muligheten til å co-investere med investorer som allerede har in-house forskere og en solid forståelse av dypteknologi for å bedre kunne velge sine investeringer, samt gi nødvendig teknisk støtte i de tidlige fasene av deres reise.

Hva er egenskapene og karakteristikkene å se etter i en grunnleggergruppe?

Den underliggende teknologien er en kritisk faktor når det gjelder å vurdere en AI-starterbedrift. Investorer må være trygge på at et produkt er virkelig innovativt, effektivt dekker et markedets behov og er kommersielt levedyktig på lang sikt. Som en del av dette, vil arkitekturen bak løsningen også måtte vurderes for å sikre at den kan håndtere økende innputt av data og kan skaleres over tid.

For å være sikker på at alle ovennevnte punkter blir adressert, bør investorer sikre at alle kritiske roller er fylt av personer med dokumentert erfaring og kunnskap i feltet. Teamets systemarkitekter, dataingeniører, dataforskere og DevOps-ingeniører bør alle kunne demonstrere relevante kvalifikasjoner og tidligere erfaring i feltet.

Utenom de åpenbare tekniske ferdighetene, er det viktig å huske at AI ikke bare handler om algoritmer og data. Det handler også om mennesker. Derfor bør VCs være oppmerksomme på egenskapene og karakteristikkene som grunnleggergrupper viser. Selv om det ikke finnes noen fast kriterier å følge, er her noen egenskaper som sannsynligvis vil bestemme suksessen til en AI-venter.

Den første er en god bevissthet om relative styrker og svakheter. En grunnlegger kan ha en overbevisende visjon og den nødvendige tekniske kunnskapen for å gjennomføre den. Likevel kan grunnleggeren mangler den nødvendige forretningskompetansen for å overvinne vanlige hindringer.

En høytfremmende AI-gruppe vil kunne demonstrere en villighet til å søke hjelp og påta seg riktig talent for å fylle eventuelle ferdighetsgap. En selskapskultur bør også reflektere deres drive til å innovere: en ønske om å søke kritisk tilbakemelding fra likemenn, kunder og eksperter vil gå langt i å overvinne tekniske og forretningsmessige utfordringer som oppstår underveis og hjelpe team til å fokusere på det store bildet.

Det viktigste, likevel, er at et godt team vil vise en positiv holdning: en kritisk krav for enhver venter i det konkurranseutsatte AI-rommet. En bestemmelse på å gjøre ting arbeide, selv når tider er tøffe, vil skille team som har hva det tar til å skalerer et AI-selskap, og de som ikke gjør det.