استارت آپ های هوش مصنوعی با مجموعه ای از چالش های متفاوت از شرکت معمولی SaaS شما روبرو هستند. این پیام رودینا سسری، بنیانگذار و شریک مدیر شرکت Glasswing Ventures، هفته گذشته در رویداد TechCrunch Early Stage در بوستون بود.
سسری به صراحت گفت که فقط به این دلیل که به برخی از APIهای هوش مصنوعی متصل می شوید، شما را یک شرکت هوش مصنوعی نمی کند. سسری گفت: «منظورم از AI-native این نیست که شما با تماسی به OpenAI یا Anthropic با یک رابط کاربری شبیه به انسان و شما یک شرکت هوش مصنوعی، یک لفاف براق می‌زنید. منظورم زمانی است که شما واقعاً الگوریتم ها و داده ها را در هسته و بخشی از ارزش آفرینی که ارائه می کنید دارید.
سسری می‌گوید این بدان معناست که تفاوت‌های عمده‌ای در نحوه قضاوت مشتریان و سرمایه‌گذاران درباره یک شرکت هوش مصنوعی در مقابل یک استارت‌آپ SaaS وجود دارد و درک تفاوت‌ها بسیار مهم است. برای شروع، می‌توانید چیزی را با SaaS در جهان قرار دهید که هنوز کامل نشده است. به دلایل مختلف نمی توانید این کار را با هوش مصنوعی انجام دهید.
او گفت: “مشخصه اینجاست: با محصول SaaS که کدگذاری می کنید، شما QA و به نوعی نسخه بتا را دریافت می کنید – این محصول نهایی نیست، اما می توانید آن را از آنجا دریافت کنید و می توانید ادامه دهید.”
هوش مصنوعی حیوانی کاملاً متفاوت است: شما نمی توانید چیزی را در آنجا قرار دهید و به بهترین ها امیدوار باشید. دلیل آن این است که یک محصول هوش مصنوعی به زمان نیاز دارد تا مدل به نقطه ای برسد که به اندازه کافی برای مشتریان واقعی کار کند و آنها به آن در زمینه تجاری اعتماد کنند.
او گفت: “در روزهای اولیه، این یک منحنی شیب دار در یادگیری و آموزش الگوریتم است، و با این حال باید به اندازه کافی خوب باشد تا مشتری بخواهد خرید کند، بنابراین باید به اندازه کافی خوب باشد تا شما ارزش ایجاد کنید.” و یافتن آن برای یک استارتاپ در مراحل اولیه سخت است.
و این امر یافتن پذیرندگان اولیه را چالش برانگیزتر می کند. او می گوید که شما می خواهید از تماس طولانی که در آن خریدار فقط سعی می کند در مورد هوش مصنوعی بیاموزد اجتناب کنید. بنیانگذاران استارت‌آپ زمانی برای چنین تماس‌هایی ندارند. او می گوید مهم است که روی محصول خود تمرکز کنید و به خریدار کمک کنید ارزش پیشنهادی شما را درک کند، حتی اگر هنوز کاملاً وجود نداشته باشد.
“همیشه مشکلی را که حل می کنید و چه معیاری را بیان کنید – چگونه آن را اندازه گیری می کنید؟” او گفت. در مورد آنچه برای خریدار اهمیت دارد بهینه سازی کنید. بنابراین شما در حال حل مشکلی هستید که نتایج تصمیم گیری تجاری دارد. اشکالی ندارد که دیدگاه خود را بیان کنید، اما همیشه بحث خود را بر اساس اولویت‌های کسب‌وکار و نحوه اطلاع‌رسانی الگوریتم‌های شما در این زمینه قرار دهید.
چگونه استارتاپ های هوش مصنوعی برنده می شوند؟
همانطور که کسب و کار خود را ایجاد می کنید، باید به این فکر کنید که چگونه می توانید جایگاه قابل دفاعی در هوش مصنوعی داشته باشید، چیزی که به ویژه چالش برانگیز است زیرا بازیگران بزرگ به طور مداوم تکه های عظیمی از ایده های تجاری را ایجاد می کنند.
سسری خاطرنشان می کند که در عصر ابر، ما یک لایه پایه داشتیم که در آن عوامل زیرساخت ادعای خود را مطرح کردند. یک لایه میانی که بازیکنان پلت فرم در آن زندگی می کردند. و در بالا ما لایه برنامه ای را داریم که SaaS در آن زندگی می کرد.
با استفاده از ابر، چند بازیکن مانند آمازون، مایکروسافت و گوگل برای کنترل زیرساخت ها ظهور کردند. لایه پایه در هوش مصنوعی جایی است که مدل های زبان بزرگ در آن زندگی می کنند و چند بازیکن مانند OpenAI و Anthropic ظهور کرده اند. در حالی که می‌توانید استدلال کنید که اینها استارت‌آپ‌ها هستند، اما به معنای واقعی نیستند، زیرا توسط همان بازیگران بزرگی که بر بازار زیرساخت تسلط دارند، تأمین مالی می‌شوند.
“اگر می خواهید برای یک لایه پایه جدید رقابت کنید، یا می دانید، بازی LLM، با نیاز به سرمایه چند میلیارد دلاری بسیار سخت خواهد بود، و در پایان روز، این احتمال وجود دارد که در نهایت به یک کالا تبدیل شود. ،” او گفت.
در بالای پشته، لایه اپلیکیشن قرار دارد که هزاران شرکت SaaS توانستند از آن در عصر ابری استفاده کنند. او گفت که بازیگران بزرگی مانند آمازون، گوگل و مایکروسافت قادر به تصاحب همه کسب و کار لایه اپلیکیشن نیستند و فضایی برای استارت آپ ها برای توسعه و رشد به کسب و کارهای بزرگ و موفق وجود دارد.
همچنین یک لایه میانی وجود دارد که در آن لوله کشی انجام می شود. او به شرکت هایی مانند Snowflake اشاره می کند که با فراهم کردن مکانی برای بازیکنان برنامه برای قرار دادن داده های خود، موفق به ایجاد کسب و کارهای موفق در لایه میانی شده اند.
بنابراین وقتی صحبت از هوش مصنوعی به میان می آید، او کجا سرمایه گذاری می کند؟ «من دلارهایم را در لایه برنامه و بسیار انتخابی در لایه میانی قرار دادم. چون فکر می‌کنم خندقی در اطراف الگوریتم‌ها وجود دارد، چه الگوریتم‌هایی که اختصاصی شما هستند، چه منبع باز – و داده‌ها. شما نیازی به مالکیت داده ها ندارید. اما اگر مجبور باشم انتخاب کنم، می‌خواهم دسترسی به داده‌ها و الگوریتم‌های منحصربه‌فرد داشته باشم. اگر مجبور شوم یکی را انتخاب کنم، به دنبال داده‌ها خواهم بود.»
ساختن یک استارتاپ هوش مصنوعی مطمئناً آسان نیست، شاید حتی از یک استارتاپ SaaS نیز چالش برانگیزتر باشد. اما این جایی است که آینده در آن قرار دارد و شرکت‌هایی که می‌خواهند آن را امتحان کنند باید بدانند با چه چیزی روبرو هستند و بر اساس آن بسازند.
