Crédito de la imagen: Generado por herramientas Unbounded AI
En los últimos nueve meses, como inversores de capital de riesgo, la mayoría de las nuevas empresas emergentes/nuevas ideas que hemos visto están relacionadas con la inteligencia artificial (IA), especialmente la IA generativa (IA generativa), que no es suficiente Sorprendido. Hemos visto cientos de lanzamientos de empresas emergentes en este espacio, pero solo invertimos en un puñado de ellos. Aparentemente, no somos los únicos que enfrentamos esta situación, con $ 1.7 mil millones invertidos en nuevas empresas de GenAI solo en el primer trimestre de 2023, y ese número podría multiplicarse por cinco en el segundo trimestre.
Nos gustaría compartir algunos de los temas y proyectos candentes que estamos presenciando, las características importantes a las que los inversores prestan atención y los elementos que distinguen "lo bueno de lo excelente" desde una perspectiva financiera. Todavía es pronto para este espacio y nada es seguro, pero esperamos que lo siguiente sea útil para los fundadores mientras buscan diferenciarse en este espacio cada vez más competitivo.
Inversión estimada de VC en la subcategoría de IA generativa (Fuente: Dealroom)
1. ¿Qué tipo de ideas solemos ver?
Etapa temprana (Pre-Semilla/Semilla/Ronda A)
En las primeras etapas, vemos surgir un gran número de empresas "generativas-nativas". Estas empresas están construidas sobre el modelo subyacente, ya sea como una aplicación que sirve al usuario final o como una capa de herramientas de "middleware" que se encuentra entre el modelo y la aplicación.
Idea 1: Utilice modelos para generar contenido basado en texto que pueda crear texto nuevo o mejorar el existente en correos electrónicos, bases de conocimientos y otras aplicaciones.
Idea 2: "Copiloto de X"; Los agentes de IA trabajan junto con operadores humanos para aumentar su capacidad de escribir código, redactar presentaciones y realizar otras tareas. Hemos visto muchas aplicaciones de copiloto dirigidas a casos de uso verticales específicos, así como algunas que intentan lograr un copiloto más "personalizado".
**Idea 3: Herramienta LLM (Large Language Model) para gestionar incrustaciones y bases de datos vectoriales. **
Resumen: Para ser una startup de IA generativa diferenciada en etapa temprana, es muy importante tener uno o más fosos. Los fosos pueden variar desde acceso injusto a la distribución, talento de IA/ML, computación, datos, modelos o tener diferentes perspectivas sobre el dominio del problema que está resolviendo y cómo crear una experiencia de usuario más placentera.
Período de crecimiento temprano y período de crecimiento (Ronda B/C+)
Para las empresas que vemos en la etapa B/C, generalmente nacieron en la era "pre-LLM" y ahora están descubriendo cómo integrar mejor las capacidades del modelo base en los productos existentes. Llamamos a estas empresas empresas "generativas mejoradas" (generative-enhanced), no necesariamente necesitan reinventar sus ruedas, pero asegúrese de que no pierdan frente a las nuevas empresas nativas de LLM.
Creatividad 1: análisis predictivo; muchas empresas de SaaS a gran escala están utilizando IA para extraer información de sus grandes conjuntos de datos existentes para predecir con mayor precisión el crecimiento de los ingresos, las tasas de abandono de clientes y otros indicadores.
Idea 2: Personalización y recomendaciones; esta es una de las formas más rápidas e impactantes en las que vemos que las empresas emergentes en etapa de crecimiento aprovechan la IA. La aparición de modelos subyacentes permite a las empresas B2B y B2C proporcionar recomendaciones de productos más sólidas y precisas a los clientes existentes.
Idea 3: "Autocompletar instantáneo"; En casi todas las empresas en etapa de crecimiento con un componente de texto o escritura, vemos que LLM se usa para "Autocompletar instantáneo", similar a lo que experimentan los usuarios con ChatGPT.
Resumen: Si aún no ha comenzado a tratar de mejorar su negocio o rediseñarlo para que sea más "amigable con la IA", considere dedicar una pequeña parte de su equipo de producto a crear nuevas funciones.
Advertencia para las nuevas empresas que ingresan a este espacio: es importante evaluar cuánto financiamiento han recaudado las empresas de IA generativa, especialmente en subcategorías específicas. Eche un vistazo al panorama del mercado de más de 250 empresas de inteligencia artificial generativa trazadas por Dealbook. Las empresas de creación de modelos, herramientas de redacción y bases de datos vectoriales han recaudado cientos de millones de dólares en financiación. Por supuesto, eso no significa que no se pueda lanzar otra startup innovadora en este espacio, pero es importante tener en cuenta que...
2. ¿Cómo se ve "bueno" desde una perspectiva financiera?
Nuestra comprensión de cómo se ve una métrica financiera "buena" para una empresa de aplicaciones inteligentes aún está en sus primeras etapas, pero en el espacio SaaS, creemos que la tasa de crecimiento "mejor en su clase" es similar a la situación en la figura abajo. Recuerde, ya no perseguimos el crecimiento a toda costa, por lo que la eficiencia y la tasa de consumo son factores importantes.
Tiempo de lanzamiento del producto: Una de las ventajas de las aplicaciones inteligentes es la capacidad de lanzar productos más rápido que nunca. Prevemos que muchas empresas de aplicaciones inteligentes lancen productos en un estado "beta" para que puedan comenzar a recopilar datos de los usuarios y utilizarlos para crear un ciclo de "aprendizaje de refuerzo a partir de la retroalimentación humana" (RLHF). Históricamente, puede tomar un año después del lanzamiento de un producto alcanzar $ 1 millón en ingresos anuales repetibles (ARR), pero podemos ver que las empresas de IA generativa alcanzan $ 1 millón en ARR más rápido porque los clientes pueden ver el retorno de la inversión (ROI) rápidamente. Muchos productos de IA generativa también se benefician de la viralidad a través del crecimiento impulsado por el producto (PLG)/ventas ascendentes (por ejemplo, Jasper, Lensa, Harvey, Tome, etc.).
Retención de clientes: Si bien una empresa de IA generativa puede atraer nuevos clientes rápidamente, también puede tener una tasa de abandono más alta. Para una empresa SaaS, una buena tasa de retención bruta es de alrededor del 85 % al 95 %, y la mejor en su clase está más cerca del 95 % o más. En términos de retención neta, creemos que una buena tasa es 110%-120%+, el mejor de los casos es 120%+. Una tasa de abandono más alta podría deberse a que el modelo produce constantemente resultados incorrectos, la aparición de otros productos competidores, etc. Un factor importante en el enfoque de PLG en el caso de las aplicaciones inteligentes es que es muy fácil para los clientes probar un nuevo producto o pagar entre $10 y $20 al mes, solo para terminar rápidamente.
Costo de bienes vendidos (COGS) y margen bruto: Esperamos que muchas empresas de aplicaciones inteligentes tengan nuevos costos relacionados con: 1) modelos; 2) capacitación y ajuste; 3) operaciones de administración de instalaciones. Hemos escuchado que el costo de ejecutar consultas en estas tiendas de bases de datos vectoriales y LLM (a través de compañías como Pinecone) ha sido alto. En muchos casos, hemos escuchado que los clientes pueden ejecutar consultas en un modelo hasta obtener el resultado que desean y, dado que pagan por licencia, la cantidad de consultas ejecutadas tiene un impacto material en el costo. Como resultado, esperamos que las empresas impulsadas por IA probablemente vean márgenes brutos más bajos.
3. ¿Cuál es la diferencia entre "bueno" y "excelente"?
Al igual que con cualquier otra tecnología o industria, como inversionistas de capital de riesgo, en última instancia evaluamos grandes equipos, grandes mercados y una gran comprensión de los puntos débiles de los clientes. Estos principios básicos no cambiarán:
**Centrado en el cliente/resuelve problemas reales: **En cualquier nuevo cambio tecnológico, veremos muchas empresas nuevas que simplemente intentan "seguir la tendencia" y crear tecnología "genial", pero en realidad no resuelven los problemas de los clientes. puntos de dolor. La primera pregunta que debe entender es: está resolviendo un problema de "pelo en llamas", ¿es la IA generativa una mejor manera de ayudar a resolver este problema o es una tecnología innecesaria?
Equipo: En esta nueva era de LLM, la oportunidad de crear nuevos productos y comenzar empresas se ha democratizado mucho. Como resultado, vemos que muchos equipos fundadores inician negocios en áreas en las que tienen poco conocimiento o experiencia en la industria. La pregunta que hay que entender es: ¿por qué su equipo es el más adecuado para resolver este problema?
Capacidad de Adaptarse y Ejecutar Rápidamente: No hay duda de que este campo está evolucionando rápidamente. Ahora más que nunca, es importante que los equipos sean ágiles y ajusten rápidamente los productos y las estrategias según sea necesario. Al mismo tiempo, es importante apegarse a los fundamentos y no solo perseguir la exageración. En otras palabras: ¿cómo reaccionará y comprenderá cuándo es el momento adecuado para realizar un posible ajuste en la empresa?
Reproducibilidad: Si bien la IA puede ayudar a las empresas a despegar más rápido, también significa que puede haber muchos más competidores en una categoría de los que solía haber. Solo mire los mapas publicados públicamente del panorama del mercado de IA generativa y el dinero que se invierte en la categoría. Los buenos fundadores y equipos reconocen dónde hay agujeros únicos para llenar y evitan en gran medida los subcampos donde pueden perderse rápidamente en el desorden.
4. Conclusión
Como inversores de capital de riesgo, estamos tan entusiasmados y optimistas como cualquiera sobre el impacto total que tendrá la IA. Sin embargo, de los cientos de lanzamientos de proyectos que hemos visto durante el año pasado, está claro que hay mucha publicidad en la categoría, y es más importante que nunca que los fundadores se diferencien y se destaquen, y finalmente demuestren el valor de la producto.
Algunas otras notas:
**Valoración:**Aunque el mercado general de capital de riesgo ha disminuido en relación con su punto máximo en 2021, la financiación y las valoraciones de la IA (especialmente la IA generativa) siguen siendo altas. Esto refleja el interés de los capitalistas de riesgo y los fundadores en el espacio, pero es importante tener en cuenta que, como cualquier otro ciclo (como la burbuja y la caída de las puntocom), solo una pequeña fracción de las nuevas empresas finalmente sobrevive para salir, con valoraciones que seguirán en los próximos años. , puede caer en más del 90%.
Generativo nativo versus generativo aumentado: como empresa generativa nativa, ¿qué puede construir que una empresa generativa aumentada no pueda? Como una nueva empresa que ingresa a una categoría, ¿cuál es la diferencia significativa entre usted y las empresas existentes? Las grandes empresas de tecnología como Microsoft, Google y Amazon ya están adoptando LLM rápidamente, por lo que es clave comprender dónde puede competir efectivamente con ellos.
RESTRICCIONES DE PRESUPUESTO: Con el entorno macro desafiante y los presupuestos ajustados, es importante comprender la necesidad real de su producto. En mercados alcistas anteriores, casi cualquier producto SaaS podría generar varios millones de dólares en ingresos. En el entorno actual y el riesgo de recesión en curso (aunque menguante), los directores de información (CIO) de Target están analizando todos los gastos corporativos para ver cuáles se pueden recortar. ¿La incorporación de IA en su producto los ayudará o, en última instancia, será irrelevante?
-----(fin del texto)-----
Direccion original:
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Como inversionista de capital de riesgo, mi opinión sobre el auge de las startups de IA generativa....
Autor: Gui Shuguang
Fuente: Angel Tea House
Autor original: SABRINA WU / VIVEK RAMASWAMI
En los últimos nueve meses, como inversores de capital de riesgo, la mayoría de las nuevas empresas emergentes/nuevas ideas que hemos visto están relacionadas con la inteligencia artificial (IA), especialmente la IA generativa (IA generativa), que no es suficiente Sorprendido. Hemos visto cientos de lanzamientos de empresas emergentes en este espacio, pero solo invertimos en un puñado de ellos. Aparentemente, no somos los únicos que enfrentamos esta situación, con $ 1.7 mil millones invertidos en nuevas empresas de GenAI solo en el primer trimestre de 2023, y ese número podría multiplicarse por cinco en el segundo trimestre.
Nos gustaría compartir algunos de los temas y proyectos candentes que estamos presenciando, las características importantes a las que los inversores prestan atención y los elementos que distinguen "lo bueno de lo excelente" desde una perspectiva financiera. Todavía es pronto para este espacio y nada es seguro, pero esperamos que lo siguiente sea útil para los fundadores mientras buscan diferenciarse en este espacio cada vez más competitivo.
1. ¿Qué tipo de ideas solemos ver?
Etapa temprana (Pre-Semilla/Semilla/Ronda A)
En las primeras etapas, vemos surgir un gran número de empresas "generativas-nativas". Estas empresas están construidas sobre el modelo subyacente, ya sea como una aplicación que sirve al usuario final o como una capa de herramientas de "middleware" que se encuentra entre el modelo y la aplicación.
Idea 1: Utilice modelos para generar contenido basado en texto que pueda crear texto nuevo o mejorar el existente en correos electrónicos, bases de conocimientos y otras aplicaciones.
Idea 2: "Copiloto de X"; Los agentes de IA trabajan junto con operadores humanos para aumentar su capacidad de escribir código, redactar presentaciones y realizar otras tareas. Hemos visto muchas aplicaciones de copiloto dirigidas a casos de uso verticales específicos, así como algunas que intentan lograr un copiloto más "personalizado".
**Idea 3: Herramienta LLM (Large Language Model) para gestionar incrustaciones y bases de datos vectoriales. **
Resumen: Para ser una startup de IA generativa diferenciada en etapa temprana, es muy importante tener uno o más fosos. Los fosos pueden variar desde acceso injusto a la distribución, talento de IA/ML, computación, datos, modelos o tener diferentes perspectivas sobre el dominio del problema que está resolviendo y cómo crear una experiencia de usuario más placentera.
Período de crecimiento temprano y período de crecimiento (Ronda B/C+)
Para las empresas que vemos en la etapa B/C, generalmente nacieron en la era "pre-LLM" y ahora están descubriendo cómo integrar mejor las capacidades del modelo base en los productos existentes. Llamamos a estas empresas empresas "generativas mejoradas" (generative-enhanced), no necesariamente necesitan reinventar sus ruedas, pero asegúrese de que no pierdan frente a las nuevas empresas nativas de LLM.
Creatividad 1: análisis predictivo; muchas empresas de SaaS a gran escala están utilizando IA para extraer información de sus grandes conjuntos de datos existentes para predecir con mayor precisión el crecimiento de los ingresos, las tasas de abandono de clientes y otros indicadores.
Idea 2: Personalización y recomendaciones; esta es una de las formas más rápidas e impactantes en las que vemos que las empresas emergentes en etapa de crecimiento aprovechan la IA. La aparición de modelos subyacentes permite a las empresas B2B y B2C proporcionar recomendaciones de productos más sólidas y precisas a los clientes existentes.
Idea 3: "Autocompletar instantáneo"; En casi todas las empresas en etapa de crecimiento con un componente de texto o escritura, vemos que LLM se usa para "Autocompletar instantáneo", similar a lo que experimentan los usuarios con ChatGPT.
Resumen: Si aún no ha comenzado a tratar de mejorar su negocio o rediseñarlo para que sea más "amigable con la IA", considere dedicar una pequeña parte de su equipo de producto a crear nuevas funciones.
Advertencia para las nuevas empresas que ingresan a este espacio: es importante evaluar cuánto financiamiento han recaudado las empresas de IA generativa, especialmente en subcategorías específicas. Eche un vistazo al panorama del mercado de más de 250 empresas de inteligencia artificial generativa trazadas por Dealbook. Las empresas de creación de modelos, herramientas de redacción y bases de datos vectoriales han recaudado cientos de millones de dólares en financiación. Por supuesto, eso no significa que no se pueda lanzar otra startup innovadora en este espacio, pero es importante tener en cuenta que...
2. ¿Cómo se ve "bueno" desde una perspectiva financiera?
Nuestra comprensión de cómo se ve una métrica financiera "buena" para una empresa de aplicaciones inteligentes aún está en sus primeras etapas, pero en el espacio SaaS, creemos que la tasa de crecimiento "mejor en su clase" es similar a la situación en la figura abajo. Recuerde, ya no perseguimos el crecimiento a toda costa, por lo que la eficiencia y la tasa de consumo son factores importantes.
Retención de clientes: Si bien una empresa de IA generativa puede atraer nuevos clientes rápidamente, también puede tener una tasa de abandono más alta. Para una empresa SaaS, una buena tasa de retención bruta es de alrededor del 85 % al 95 %, y la mejor en su clase está más cerca del 95 % o más. En términos de retención neta, creemos que una buena tasa es 110%-120%+, el mejor de los casos es 120%+. Una tasa de abandono más alta podría deberse a que el modelo produce constantemente resultados incorrectos, la aparición de otros productos competidores, etc. Un factor importante en el enfoque de PLG en el caso de las aplicaciones inteligentes es que es muy fácil para los clientes probar un nuevo producto o pagar entre $10 y $20 al mes, solo para terminar rápidamente.
Costo de bienes vendidos (COGS) y margen bruto: Esperamos que muchas empresas de aplicaciones inteligentes tengan nuevos costos relacionados con: 1) modelos; 2) capacitación y ajuste; 3) operaciones de administración de instalaciones. Hemos escuchado que el costo de ejecutar consultas en estas tiendas de bases de datos vectoriales y LLM (a través de compañías como Pinecone) ha sido alto. En muchos casos, hemos escuchado que los clientes pueden ejecutar consultas en un modelo hasta obtener el resultado que desean y, dado que pagan por licencia, la cantidad de consultas ejecutadas tiene un impacto material en el costo. Como resultado, esperamos que las empresas impulsadas por IA probablemente vean márgenes brutos más bajos.
3. ¿Cuál es la diferencia entre "bueno" y "excelente"?
Al igual que con cualquier otra tecnología o industria, como inversionistas de capital de riesgo, en última instancia evaluamos grandes equipos, grandes mercados y una gran comprensión de los puntos débiles de los clientes. Estos principios básicos no cambiarán:
**Centrado en el cliente/resuelve problemas reales: **En cualquier nuevo cambio tecnológico, veremos muchas empresas nuevas que simplemente intentan "seguir la tendencia" y crear tecnología "genial", pero en realidad no resuelven los problemas de los clientes. puntos de dolor. La primera pregunta que debe entender es: está resolviendo un problema de "pelo en llamas", ¿es la IA generativa una mejor manera de ayudar a resolver este problema o es una tecnología innecesaria?
Equipo: En esta nueva era de LLM, la oportunidad de crear nuevos productos y comenzar empresas se ha democratizado mucho. Como resultado, vemos que muchos equipos fundadores inician negocios en áreas en las que tienen poco conocimiento o experiencia en la industria. La pregunta que hay que entender es: ¿por qué su equipo es el más adecuado para resolver este problema?
Capacidad de Adaptarse y Ejecutar Rápidamente: No hay duda de que este campo está evolucionando rápidamente. Ahora más que nunca, es importante que los equipos sean ágiles y ajusten rápidamente los productos y las estrategias según sea necesario. Al mismo tiempo, es importante apegarse a los fundamentos y no solo perseguir la exageración. En otras palabras: ¿cómo reaccionará y comprenderá cuándo es el momento adecuado para realizar un posible ajuste en la empresa?
Reproducibilidad: Si bien la IA puede ayudar a las empresas a despegar más rápido, también significa que puede haber muchos más competidores en una categoría de los que solía haber. Solo mire los mapas publicados públicamente del panorama del mercado de IA generativa y el dinero que se invierte en la categoría. Los buenos fundadores y equipos reconocen dónde hay agujeros únicos para llenar y evitan en gran medida los subcampos donde pueden perderse rápidamente en el desorden.
4. Conclusión
Como inversores de capital de riesgo, estamos tan entusiasmados y optimistas como cualquiera sobre el impacto total que tendrá la IA. Sin embargo, de los cientos de lanzamientos de proyectos que hemos visto durante el año pasado, está claro que hay mucha publicidad en la categoría, y es más importante que nunca que los fundadores se diferencien y se destaquen, y finalmente demuestren el valor de la producto.
Algunas otras notas:
**Valoración:**Aunque el mercado general de capital de riesgo ha disminuido en relación con su punto máximo en 2021, la financiación y las valoraciones de la IA (especialmente la IA generativa) siguen siendo altas. Esto refleja el interés de los capitalistas de riesgo y los fundadores en el espacio, pero es importante tener en cuenta que, como cualquier otro ciclo (como la burbuja y la caída de las puntocom), solo una pequeña fracción de las nuevas empresas finalmente sobrevive para salir, con valoraciones que seguirán en los próximos años. , puede caer en más del 90%.
Generativo nativo versus generativo aumentado: como empresa generativa nativa, ¿qué puede construir que una empresa generativa aumentada no pueda? Como una nueva empresa que ingresa a una categoría, ¿cuál es la diferencia significativa entre usted y las empresas existentes? Las grandes empresas de tecnología como Microsoft, Google y Amazon ya están adoptando LLM rápidamente, por lo que es clave comprender dónde puede competir efectivamente con ellos.
RESTRICCIONES DE PRESUPUESTO: Con el entorno macro desafiante y los presupuestos ajustados, es importante comprender la necesidad real de su producto. En mercados alcistas anteriores, casi cualquier producto SaaS podría generar varios millones de dólares en ingresos. En el entorno actual y el riesgo de recesión en curso (aunque menguante), los directores de información (CIO) de Target están analizando todos los gastos corporativos para ver cuáles se pueden recortar. ¿La incorporación de IA en su producto los ayudará o, en última instancia, será irrelevante?
-----(fin del texto)-----
Direccion original: