Hva er de viktigste hindringene som forhindrer AI-startups fra å skala opp? – Tankeledere

Av Salvatore Minetti, CEO, Fountech.Ventures

Løftet om kunstig intelligens (AI) har uten tvil fanget mange investorer over de siste ti årene. Drevet av sterk offentlig interesse, har teknologien blitt en virkelig kraft for godt, med løsninger som har potensial til å løse noen av verdens største problemer.

I forhold til andre nye teknologier, var AI-selskaper den ledende investeringskategorien globalt i 2019, med over 23 milliarder dollar i finansiering ifølge Tech Nation.

Men AI-selskaper trenger mer enn bare investeringer for å virkelig trives i dagens klima. Problemet er ikke så mye mangel på start-ups, men mangel på skala-ups.

For å virkelig fremme denne disiplinen, er det på tide at vi øker våre bestrebelser for å nære bare de mest innovative bedriftene mot langvarig suksess, så de kan bli formidable selskaper. Dette stiller spørsmålet: hva er hindringene som holder AI-bedrifter tilbake fra å vokse utover start-fasen?

Å bestemme ‘ekte’ AI-bedrifter

Det er ingen hemmelighet at merket ‘AI’ har blitt overalt, med selskaper som bruker betegnelsen til venstre, høyre og midt for å sikre investeringer. Problemet med dette er at noen selskaper uten AI i kjernen holder tilbake fremgangen i sektoren som helhet, og hindrer utviklingen av progressive løsninger.

Disse problemene med semantikk gjør det vanskeligere for investorer å bestemme hvilke bedrifter som faktisk bruker ‘ekte’ AI, og hvilke som ikke gjør det. En nylig rapport fra MMC Ventures avslørte at to femdeler av Europas AI-startups ikke faktisk bruker AI i noen av deres produkter. Eksempler som dette viser hvor utbredt misbruk av betegnelsen er. Uten tvil kan sammenblanding av en produkts eller tjenestes mening ikke bare føre til overspending og dårlig gjennomføring, men også en bedrifts endelige sammenbrudd når den konkurreres ut av andre med mer klarhet og fokus.

Investorer ville derfor gjøre godt i å unngå denne skjebnen ved å granske selskaper grundig tidlig i prosessen. Dette kan oppnås ved å stille nøkkelspørsmål, som ‘gjør dette selskapet en konkurransefordel ved å bruke AI?’, og ‘vil dette selskapet fremme sektoren fremover?’. På denne måten kan ressursene brukes mer verdifullt på selskaper med skalerbare tekniske løsninger og virkelig konkurransefordel.

Start-up hindringer

I deep-tech-området har ambisiøse unge lag generelt den determinasjon og tekniske ekspertise som trengs for å designe og skape en innovativ produkt. Men kraftfulle konsepter er ikke alltid nok til å garantere suksessen for et nytt bedriftsprosjekt, og for mye fokus på teknologien kan hemme fremgangen.

Mangel på klare målinger for AI-startups er spesielt utfordrende; det er vanskelig å måle hva som gjør en ‘god’ AI-bedrift. Hypeen rundt AI og dens økende popularitet har også ført til intens konkurranse, noe som betyr at grunnleggerne må være spesielt oppmerksomme på hindringene de vil møte.

Noen grunnleggende aspekter er viktige for alle bedrifter. For det første må entreprenører kunne demonstrere at de løser et stort og viktig problem – og vise hvorfor de er i den beste posisjon til å løse det. Kanskje enda viktigere er det at bedrifter må etablere om folk vil være villige til å betale godt for løsningen.

AI-startups vil generelt falle på mange av de samme hindringene som deres mer tradisjonelle motparter. En rapport fra CB Insights avslørte de vanligste årsakene til at unge entreprenører kan mislykkes på vei opp, som inkluderer mangel på markedets behov for produktet, ikke å ha riktig lag, og å bli konkurrert ut av andre bedrifter.

Den første av disse krever spesiell oppmerksomhet: plage ånden til mange teknologi-startups er at de bygger produktet, og så håper at noen ønsker det. En mangel på å ta de riktige skrittene fra starten for å forstå potensiell passform og etterspørsel betyr at det endelige produktet ikke til slutt fanger oppmerksomheten til målmarkedet.

For AI-bedrifter er det imidlertid noen ekstra elementer som også må vurderes. Laget må kunne demonstrere at deres AI faktisk legger til verdi til dataene de bruker – og ikke bare brukes som en skjerm. Hjelper AI med å forklare mønster i dataene, avlede nøyaktige forklaringer, identifisere viktige trender og til slutt optimalisere bruken av informasjonen?

Hvis ikke, må de spørre seg selv om de virkelig burde selge seg som en AI-startup. Det er en reell risiko for at ressurser vil bli brukt unødvendig på å bygge og markedsføre en løsning som ikke faktisk løser et problem ved hjelp av kunstig intelligens. Til slutt er slike bedrifter sannsynligvis å tape sin visjon over tid og ikke leve opp til målet de måtte ha hatt for seg selv. De kan også slite med å sikre finansiering; etter all, de fleste VCs vil ikke ønske å risikere en investering i en teknologi som er tvetydig.

Ungt lag tenderer også å møte veiblokkeringer når det kommer til den finansielle siden av tingene: AI-startups er enten underfinansiert fra starten eller brenner mer penger enn nødvendig. For å oppnå bærekraftig vekst, må unge selskaper kunne planlegge utover utviklingsbudsjettet og skape en skalerbar kommersiell modell som vil bestå over tid. Det er ingen enkel bedrift med begrenset forretningsnøkkel.

Å nære AI-startups til suksess

Mange av disse feilene kan føres tilbake til at start-ups ofte mangler passende mentorering og forretningsnøkkel. Det er grunnleggende at selskapsgrunnleggerne arbeider med tredjeparts-rådgivere for å kompensere for eventuelle hull i kunnskap. Unge lag trenger mentorer for å hjelpe dem manøvrere ukjent terreng, og å gi ytterligere juridisk, finansiell og logistisk veiledning.

Til slutt er det ikke nok å bare finansiere et prosjekt. Det er essensielt at vi arbeider for å tilby en mer helhetlig modell for å støtte unge AI-startups, så selskaper er på vei mot kommersielt skalerbare prosjekter. Det er bare ved å gi spesialisert støtte og hjelp med de mer grunnleggende aspektene av bedrift – samt tilgang til talent, kapital og peer-nettverk – at vi kan virkelig fremme AI-teknologien.