Här är vad du bör veta om att utvärdera en AI-start för investeringar

Av Salvatore Minetti, VD, Fountech.Ventures

Intresset för djupteknologin har ökat under de senaste åren, särskilt inom investeringsvärlden. Och av alla sektorer som är verksamma inom djupteknologin har artificiell intelligens (AI) blivit en växande marknad att titta på.

Enligt data från National Venture Capital Association samlades 19.98 miljarder dollar in av 1,509 2019 AI-företag bara i USA under 19. Denna siffra kommer att växa under de kommande åren, även om det blir en kortsiktig nedgång på grund av pandemin. Faktum är att nystartade AI-företag som lovar att hjälpa oss övervinna utmaningarna från covid-XNUMX kan mycket väl underblåsa större investeringar på detta område.

För riskkapitalister (VC) som vill göra intåg i detta område kan det vara skrämmande att utvärdera AI-start-ups för investeringar. Nedan finns några viktiga överväganden att tänka på när du letar efter den bästa AI-talangen att stödja.

Identifiera äkta djupteknologisk teknologi

Det första hindret många investerare kommer att ställas inför är hur man kan skilja mellan genuint innovativa lösningar och de som helt enkelt maskerar sig som sådana. När allt kommer omkring är AI ett offer för sin egen framgång – många nystartade företag vill stärka sitt kommersiella utbud och attraktivitet inför investerare genom att hävda att de är "driven av AI" när det i verkligheten inte finns någon sofistikerad användning av tekniken inom deras kärnverksamhet.

Utöver denna fråga är det viktigt att investerare tänker på de begränsningar som företag i tidiga skeden kommer att möta när de försöker etablera sig på AI-marknaden.

Maskininlärning, offentligt tillgängliga bibliotek, förutbildade modeller och API:er har alla bidragit till att sänka inträdesbarriärerna för entreprenörer och nystartade företag. Företag som lanserar en produkt med enbart dessa verktygssatser kommer sannolikt att ha en myriad av konkurrenter på nolltid. Naturligtvis utgör detta en risk för investerare.

För att mildra detta skulle jag uppmana VC att leta efter nystartade företag som är innovativa på både vetenskaps- och tillämpningsnivå. Dessa AI-företag kommer att uppfinna ny AI för sina syften och bygga den underliggande infrastrukturen när de gör det.

Detta innebär med nödvändighet att separera företag på applikationsnivå, som helt enkelt återupplivar API:er från tredje part, och de som har intensiv och unik forskning i kärnan. Sann djupteknologi är faktiskt ny och representerar betydande framsteg jämfört med den teknik som för närvarande används.

De med liten tidigare erfarenhet inom området kan vara oroliga över deras förmåga att screena AI-företag och avgöra vilka som verkligen tänjer på teknikens gränser. Det finns ett antal sätt runt detta.

För att få tidig exponering för djupteknologi och effektivt utvärdera AI-talanger, kan VC:er överväga att bygga ut sin interna tekniska teknik. I själva verket skulle detta innebära att ha en doktorsexamen på lönelista för att ge lämplig teknisk kompetens. Genom att göra det kommer investerare att skapa kapacitet att screena företag innan det ens finns en produkt- och marknadsdragkraft.

Alternativt kan de söka till partners för att göra det åt dem. VCs har möjligheten att saminvestera med investerare som redan har interna forskare och en gedigen förståelse för djupteknologi för att bättre kunna välja ut sina investerare samt ge lämplig teknisk support i de tidiga stadierna av deras resa.

Vilka är egenskaperna och egenskaperna att leta efter i ett grundarteam?

Den underliggande tekniken är en kritisk faktor när det gäller att bedöma en AI-start. Investerare måste vara säkra på att en produkt är genuint innovativ, effektivt uppfyller ett marknadsbehov och är kommersiellt gångbar på lång sikt. Som en del av detta kommer arkitekturen bakom lösningen också att behöva övervägas för att säkerställa att den kan hantera ökande inmatningar av data och kan skalas över tiden.

För att vara säker på att alla ovanstående punkter tas upp, bör investerare se till att alla viktiga roller fylls av personer med beprövad erfarenhet och kunskap inom området. Teamets systemarkitekter, dataingenjörer, datavetare och DevOps-ingenjörer bör alla kunna visa lämpliga kvalifikationer och tidigare fälterfarenhet.

Utöver de uppenbara tekniska färdigheterna är det viktigt att komma ihåg att AI inte bara handlar om algoritmer och data. Det handlar om människor också. Av denna anledning bör VC:er ägna stor uppmärksamhet åt de egenskaper och egenskaper som grundande team uppvisar. Även om det inte finns några fastställda kriterier att följa, är här några egenskaper som sannolikt kommer att avgöra framgången för en AI-satsning.

Den första är en god medvetenhet om relativa styrkor och svagheter. En grundare kan till exempel ha en övertygande vision och den tekniska kunskap som krävs för att se igenom den. Som så ofta är fallet med nystartade företag kan grundaren dock sakna det lämpliga affärsmannaskapet för att övervinna vanliga hinder.

Ett högpresterande AI-team kommer att kunna visa en vilja att söka hjälp och ta med rätt talang för att fylla eventuella befintliga kompetensluckor. Ett företags kultur bör också återspegla deras drivkraft att förnya sig: en önskan att söka kritisk feedback från kollegor, kunder och experter kommer att räcka långt för att övervinna tekniska och affärsmässiga utmaningar som uppstår under resan och hjälpa team att fokusera på det stora bild.

Men viktigast av allt kommer ett bra team att visa en positiv attityd: ett avgörande krav för varje satsning på det konkurrenskraftiga AI-området. En beslutsamhet att få saker att fungera, även när tiderna är tuffa, kommer att skilja team som har vad som krävs för att skala ett AI-företag, och de som inte gör det.