غواصی عمیق با سه سرمایه گذار پیشرو در هوش مصنوعی که به طور جمعی میلیارد ها دلار سرمایه در معرض خطر را اداره می کنند و از برخی از شرکتهای ابتکاری در زمینه هوش مصنوعی حمایت کرده اند.
هیئت متخصص
کارن پیج ، شریک عمومی در B Capital کارن دارای یک تجربه عمیق عملیاتی و سرمایه گذاری B Capital است ، جایی که او روی نرم افزار شرکت ها و سرمایه گذاری هوش مصنوعی تمرکز دارد. B Capital بیش از 6B دارایی را مدیریت می کند و از شرکت هایی که این دسته را در نرم افزار شرکت ها ، FinTech و مراقبت های بهداشتی تعریف می کنند ، پشتیبانی می کند.
Rudina Sesseri ، مدیر شریک در GlassWing Ventures به عنوان بنیانگذار و شریک مدیریت GlassWing Ventures ، رودینا در مرحله اولیه با تمرکز ویژه روی بازارهای سازمانی و امنیت سایبری در شرکت AI و Frontier Tech سرمایه گذاری می کند. این بیش از دو دهه تجربه در سرمایه ریسک فن آوری آورده شده است و به عنوان یکی از 100 زن اول تأثیرگذار در تجارت شناخته می شود.
جوزلین گلدفین ، مدیر عامل شرکت Zeta Venture Partners جوزلین یک تکنسین است که به سرمایه گذاری در AI و زیرساخت های داده در Zeta Venture Partners تبدیل شده است و با تمرکز بر ایجاد مایع منی. پیش از این ، مدیر مهندسی فیس بوک و معاون مهندسی VMware ، وی دارای تخصص فنی عمیق برای ارزیابی شرکت های هوش مصنوعی در مرحله اولیه است.
https://www.youtube.com/watch؟v=0dz4-2OCSD0
وضعیت پذیرش هوش مصنوعی: ذهن را در برابر بخشی از نمونه کارها به اشتراک بگذارید
بیایید واقعی باشیم – شکاف بزرگی بین AI Hype و پذیرش واقعی شرکت وجود دارد. در حالی که 50 ٪ از مشاغل در پروژه های هوش مصنوعی شرکت کرده اند ، اما بیشتر آنها هنوز هم در اطراف لبه ها بازی می کنند نه اینکه تجارت اصلی خود را دگرگون کنند. این چیزی است که واقعاً اتفاق می افتد:
آزمایش بزرگ هوش مصنوعی
هر فاضلاب در مورد هوش مصنوعی صحبت می کند. خواستار سود شرکت دولتی با ذکرهای هوش مصنوعی همراه است. اما وقتی به زیر کاپوت نگاه می کنید ، آنچه می یابید بیشتر آزمایشات و POC است. یک مدیرعامل جهانی بانک در پنج کشور برتر در سراسر جهان اعتراف کرد که آنها 150 پروژه در Genai در آزمایشگاه دارند اما در تولید صفر هستند. این به شما می گوید هر آنچه را که باید بدانید در مورد کجا در منحنی فرزندخواندگی هستیم.
چرا مشاغل مردد هستند
علیرغم علاقه رانندگی FOMO ، مشاغل به دلایل مختلف از سرمایه گذاری عمده هوش مصنوعی خجالتی هستند:
- خطرات و انطباق داده های ناشناخته
- عمل
- هزینه بالای زیرساخت داده ها
- شکاف استعدادی در AI/ML
این برای بنیانگذاران AI چه معنی دارد
تله زیرساخت
سال 2023 سال تظاهرات بود. 2024 باید سال تولید باشد. اما این چالش در اینجا وجود دارد – ما می بینیم که بنیانگذاران زیادی در آنچه من “دام زیرساخت” می نامم قرار می گیرند. آنها بسته بندی های باشکوه را در اطراف API Openai می سازند و خود را شرکت های AI می نامند. این کار آن را کاهش نمی دهد.
جایی که فرصت واقعی زندگی می کند
بزرگترین گزینه در حال حاضر همان چیزی است که من “برنامه های AI را به عنوان یک سرویس” می نامم (AIAAS). اینها برنامه های ویژه ای هستند که:
- مشکلات خاص دپارتمان را حل کنید
- کاربران را 1-2 سطح زیر C-Suite هدف قرار دهید
- بازده سرمایه گذاری قابل اندازه گیری
- با گرفتن از پایین به بالا آشکار می شود
https://www.youtube.com/watch؟v=sfrql-8v_p0
سه کلید برای ساخت یک شرکت AI محافظت شده
1
استراتژی داده شما فقط باید از حضور بسیاری از داده ها فراتر رود. موفق ترین شرکت های هوش مصنوعی که ما می بینیم ساخت و ساز MOATS است:
- منابع داده منحصر به فرد (به عنوان مثال ، داده های آزمایشگاهی مرطوب در علوم زندگی)
- درمان و توضیح عالی
- تمرکز عمودی باریک منجر به داده های با کیفیت بالاتر
- اثرات شبکه ای که با مقیاس بهبود می یابد
2. بازی توزیع
فقط به این دلیل که هوش مصنوعی دارید ، سعی نکنید سر خود را با شرکت کنندگان قدم بزنید. آنها کوه های توزیع و داده دارند. در عوض:
- قابلیت های Greenfield را پیدا کنید که AI قبلاً راه حل های غیرممکن را امکان پذیر کند
- جریانهای کار جدیدی بسازید ، نه فقط هوش مصنوعی که می تواند فعال شود
- بخش ها یا توابع هدف را که در آن می توان رشد پایین را رشد داد
3. تاریخچه بازده بازده بازده
برندگان هوش مصنوعی قادر به بازده سرمایه گذاری شفاف کریستال هستند. دریافت FeatureByte – آنها می توانند به چشم انداز بگویند: “این روند معمولاً 6 ماه و 2 میلیون دلار برای هر مجموعه داده طول می کشد. ما می توانیم این کار را با قیمت X انجام دهیم.” این سطح وضوح مورد نیاز شما است.
استراتژی های کار بازار که در واقع کار می کنند
حرکت در AI
رشد محصول در هوش مصنوعی مرده نیست. موفق ترین حرکاتی که می بینیم:
- تمرکز روی پزشکان فردی اول (به عنوان مثال توسعه دهندگان ، دانشمندان داده)
- روی سود عملکرد فوری تمرکز کنید
- اصطکاک روی تخته را درست کنید
- در استفاده اصلی از محصولات بخیه های ویروسی بسازید
رویکرد عمودی
این تخصص ، به ویژه در لایه زیرساخت ها برنده می شود. شرکت هایی مانند Laiva از: به بستر زندگی تبدیل شده اند:
- درک عمیقی از جریان کار عمودی خاص
- هوش مصنوعی هدفمند را برای استفاده در صنعت بسازید
- ایجاد اثرات دو جانبه بر بازار
- رانندگی سالانه بالا با قفل کردن روند کار
VC در واقع به دنبال چیست؟
مسئله MVP
تعریف MVP در AI موقعیتی است. شما باید درک کنید:
- سطح دقت لازم برای مورد استفاده شما
- خطاهای قابل قبول
- ارزش
- اجرای
چشم انداز سکو
اگرچه شما باید تمرکز خود را شروع کنید ، VC می خواهید ببینید:
- مسیرهای پاک برای گسترش
- پتانسیل اثر شبکه
- مزایای تجمع داده ها
- از نظر منطقی بازارهای مجاور
شاخص های جدید که مهم هستند
شاخص های سنتی SaaS مهم است ، اما شرکت های هوش مصنوعی باید نشان دهند:
- شاخص های اولویت داده
- نقاط داده منحصر به فرد
- توضیح
- درجه بهبود مدل
- عمق شاخص های استفاده
- زمان صرفه جویی شده
- کاهش خطاها
- اتوماسیون فرآیند
- شاخص های اقتصادی
- پایان
- در حال گسترش حاشیه با مقیاس
- هزینه جمع آوری داده ها
تاپ های اساسی برای بنیانگذاران
- زیرساخت ها را بسازید مگر اینکه واقعاً رویکرد جدیدی داشته باشید. بازار پر است.
- روی مشکلات خاص تمرکز کنید نه برای هدف کلی. هرچه بیشتر متمرکز شود ، بهتر.
- تولیدبدون تظاهرات 2024 برای دریافت اجرای واقعی است.
- مدیریت را در نظر بگیرید زود مشاغل برای مقیاس هوش مصنوعی به این امر نیاز دارند.
- برای بازگشت سرمایه گذاری داستانهای روشنی ایجاد کنید پشتیبانی شده توسط داده ها. روزهای فروش هوش مصنوعی به پایان رسیده است.
شرکت های بزرگ هوش مصنوعی بعدی فقط به این دلیل که از هوش مصنوعی استفاده می کنند برنده نمی شوند. آنها برنده خواهند شد زیرا آنها مشکلات واقعی را به روش هایی که قبلاً امکان پذیر نبوده اند ، با بازده روشن سرمایه گذاری و مزایای محافظتی حل می کنند. روی آنجا تمرکز کنید و هنگام دریافت مشتری و دلار VC ، یک عکس بسیار بهتر خواهید داشت.
https://www.youtube.com/watch؟v=0dz4-2OCSD0
