Crédito de la imagen: Generado por herramientas Unbounded AI
A medida que ChatGPT promueve la moda de AIGC para calentarse rápidamente en todo el mundo, una gran cantidad de nuevas empresas de inteligencia artificial generativa también están surgiendo como hongos.
Sin embargo, incluso si estas nuevas empresas pueden obtener fácilmente miles de millones de dólares en fondos de inversión, todavía existe un talón de Aquiles, que es casi inevitable en la actualidad, es decir, la falta de datos de capacitación, que en última instancia puede ser la clave del éxito de estos. startups El mayor "bloque de tropiezo" en el camino. **
Brad Svrluga, cofundador y socio general de la firma de capital de riesgo Primary Venture Partners, dijo: "Hemos recibido muchas recomendaciones propias de empresas de IA que recién se inician. Los datos de capacitación para aplicaciones poderosas, sin mencionar los datos patentados que pueden ayudarlos a construir un foso competitivo en su negocio”.
Los datos son más "raros" que el dinero
La financiación de capital de riesgo para nuevas empresas de IA generativa ha crecido de $ 4.8 mil millones en 2022 a $ 12.7 mil millones en los primeros cinco meses de 2023, según PitchBook.
Ahora, muchas de estas empresas buscan construir más modelos de IA de nicho en campos como finanzas o atención médica, donde los conjuntos de datos de capacitación no son fáciles de conseguir.
** Paul Tyma, director de tecnología de Bullpen Capital, señaló que la construcción de modelos reales se ha mercantilizado hasta cierto punto, y el valor real radica en los datos. **
Algunas nuevas empresas de IA apuntan a asociaciones con grandes empresas ricas en datos. Por ejemplo, la vicepresidenta global responsable de impuestos de Ernst & Young, Marna Ricker, dijo que debido a que la empresa tiene una gran cantidad de datos de transacciones, las nuevas empresas de inteligencia artificial generativa se acercan a la cooperación todos los días.
Pero Andy Baldwin, socio gerente de servicios al cliente global de EY, dijo que estaba preocupado por lo que sucedería si los datos de EY se usaran para entrenar modelos externos.
"¿Quién será el propietario de los datos? Cuando entrenamos el modelo, ¿cuál es nuestro acceso al modelo? ¿Cómo pueden otras personas usar el modelo? ”, Dijo Baldwin. "Los datos son parte de nuestra propiedad intelectual".
Por supuesto, las nuevas empresas pueden resolver el problema de la propiedad intelectual entrenando un modelo diferente para cada cliente, utilizando solo datos de clientes. La startup TermSheet está utilizando esta estrategia para construir su producto Ethan, un modelo generativo de inteligencia artificial capaz de responder preguntas de la industria para desarrolladores, corredores e inversionistas de bienes raíces.
Pero Roger Smith, director ejecutivo y cofundador de TermSheet, dijo que incluso lograr que los clientes acepten eso requeriría mucho trabajo de convencimiento.
** Andy Wilson, cofundador y director ejecutivo de la empresa de tecnología legal Logikcull, señaló que también es un desafío cómo convencer a las empresas de que tiene una sólida capacidad de seguridad de red y que realmente puede proteger estos datos. **
LAS GRANDES EMPRESAS TIENEN GRANDES VENTAJAS
**Svrluga, de Primary Venture Partners, dijo que las grandes empresas tecnológicas claramente tienen una ventaja sobre las nuevas empresas en lo que respecta a las aplicaciones generativas de inteligencia artificial, en parte porque se han ganado la confianza de clientes más grandes que se sienten más cómodos con su procesamiento de datos. **
Tracy Daniels, directora de datos de la empresa de servicios financieros Truist, dijo que actualmente solo está explorando casos de uso de IA generativa con grandes empresas de tecnología, no con empresas emergentes. Ella dijo que confiaría en los proveedores más grandes para mantener los datos seguros.
Lo que todo esto significa es que incluso las empresas emergentes que pueden obtener una ventaja inicial con datos disponibles públicamente enfrentan desafíos para enriquecer sus modelos con conjuntos de datos empresariales.
Veesual es una startup de inteligencia artificial que genera imágenes de cómo se ven las personas cuando se prueban ropa. Inicialmente, la empresa entrenó a sus modelos principalmente con imágenes públicas en Internet, pero desde entonces ha tenido problemas para que los grandes minoristas accedan a entregar sus datos para mejorar los modelos.
El CEO y cofundador de Veesual, Maxime Patte, dijo que en algunos casos, los grandes minoristas incluso querían que Veesual pagara grandes dividendos o tomara una participación accionaria en la empresa a cambio del derecho de Veesual a usar los datos.Estas transacciones finalmente no se negociaron.
PatentPal es una startup de inteligencia artificial generativa que ayuda a los bufetes de abogados a redactar solicitudes de patentes. Su director ejecutivo y fundador, Jack Xu, también dijo que la compañía inicialmente solo podía capacitarse en solicitudes de patentes disponibles públicamente.
La herramienta de inteligencia artificial tiene el potencial de volverse aún más precisa si continúa entrenándose con comentarios encriptados o anónimos de casos reales de clientes, dijo. Pero hacer esto es complicado porque los comentarios deben mantenerse separados de los datos confidenciales y altamente sensibles, incluidos los secretos comerciales.
“Para las nuevas empresas en etapa inicial, existe un problema de reconocimiento de marca y también hay un problema de identidad social”, dijo.
**Al mismo tiempo, la "involución" entre industrias es cada vez más intensa. **Adam Struck, fundador y socio gerente de Struck Capital, dijo que algunas nuevas empresas compiten entre sí para proteger más datos en ciertas áreas y más rápido.
"Si crees que hay un conjunto de datos patentados, quieres obtenerlo antes que los demás y negocias la exclusividad”, dijo. *En ese sentido, casi se ha convertido en una carrera armamentista. *"
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.
El "punto débil" fatal de las empresas de IA que recién se inician: no escasea el dinero, sino que le falta urgentemente "eso"
**Fuente: **Asociación Financiera
Editar Xiaoxiang
A medida que ChatGPT promueve la moda de AIGC para calentarse rápidamente en todo el mundo, una gran cantidad de nuevas empresas de inteligencia artificial generativa también están surgiendo como hongos.
Sin embargo, incluso si estas nuevas empresas pueden obtener fácilmente miles de millones de dólares en fondos de inversión, todavía existe un talón de Aquiles, que es casi inevitable en la actualidad, es decir, la falta de datos de capacitación, que en última instancia puede ser la clave del éxito de estos. startups El mayor "bloque de tropiezo" en el camino. **
Brad Svrluga, cofundador y socio general de la firma de capital de riesgo Primary Venture Partners, dijo: "Hemos recibido muchas recomendaciones propias de empresas de IA que recién se inician. Los datos de capacitación para aplicaciones poderosas, sin mencionar los datos patentados que pueden ayudarlos a construir un foso competitivo en su negocio”.
Los datos son más "raros" que el dinero
La financiación de capital de riesgo para nuevas empresas de IA generativa ha crecido de $ 4.8 mil millones en 2022 a $ 12.7 mil millones en los primeros cinco meses de 2023, según PitchBook.
Ahora, muchas de estas empresas buscan construir más modelos de IA de nicho en campos como finanzas o atención médica, donde los conjuntos de datos de capacitación no son fáciles de conseguir.
** Paul Tyma, director de tecnología de Bullpen Capital, señaló que la construcción de modelos reales se ha mercantilizado hasta cierto punto, y el valor real radica en los datos. **
Algunas nuevas empresas de IA apuntan a asociaciones con grandes empresas ricas en datos. Por ejemplo, la vicepresidenta global responsable de impuestos de Ernst & Young, Marna Ricker, dijo que debido a que la empresa tiene una gran cantidad de datos de transacciones, las nuevas empresas de inteligencia artificial generativa se acercan a la cooperación todos los días.
Pero Andy Baldwin, socio gerente de servicios al cliente global de EY, dijo que estaba preocupado por lo que sucedería si los datos de EY se usaran para entrenar modelos externos.
"¿Quién será el propietario de los datos? Cuando entrenamos el modelo, ¿cuál es nuestro acceso al modelo? ¿Cómo pueden otras personas usar el modelo? ”, Dijo Baldwin. "Los datos son parte de nuestra propiedad intelectual".
Por supuesto, las nuevas empresas pueden resolver el problema de la propiedad intelectual entrenando un modelo diferente para cada cliente, utilizando solo datos de clientes. La startup TermSheet está utilizando esta estrategia para construir su producto Ethan, un modelo generativo de inteligencia artificial capaz de responder preguntas de la industria para desarrolladores, corredores e inversionistas de bienes raíces.
Pero Roger Smith, director ejecutivo y cofundador de TermSheet, dijo que incluso lograr que los clientes acepten eso requeriría mucho trabajo de convencimiento.
** Andy Wilson, cofundador y director ejecutivo de la empresa de tecnología legal Logikcull, señaló que también es un desafío cómo convencer a las empresas de que tiene una sólida capacidad de seguridad de red y que realmente puede proteger estos datos. **
LAS GRANDES EMPRESAS TIENEN GRANDES VENTAJAS
**Svrluga, de Primary Venture Partners, dijo que las grandes empresas tecnológicas claramente tienen una ventaja sobre las nuevas empresas en lo que respecta a las aplicaciones generativas de inteligencia artificial, en parte porque se han ganado la confianza de clientes más grandes que se sienten más cómodos con su procesamiento de datos. **
Tracy Daniels, directora de datos de la empresa de servicios financieros Truist, dijo que actualmente solo está explorando casos de uso de IA generativa con grandes empresas de tecnología, no con empresas emergentes. Ella dijo que confiaría en los proveedores más grandes para mantener los datos seguros.
Lo que todo esto significa es que incluso las empresas emergentes que pueden obtener una ventaja inicial con datos disponibles públicamente enfrentan desafíos para enriquecer sus modelos con conjuntos de datos empresariales.
Veesual es una startup de inteligencia artificial que genera imágenes de cómo se ven las personas cuando se prueban ropa. Inicialmente, la empresa entrenó a sus modelos principalmente con imágenes públicas en Internet, pero desde entonces ha tenido problemas para que los grandes minoristas accedan a entregar sus datos para mejorar los modelos.
El CEO y cofundador de Veesual, Maxime Patte, dijo que en algunos casos, los grandes minoristas incluso querían que Veesual pagara grandes dividendos o tomara una participación accionaria en la empresa a cambio del derecho de Veesual a usar los datos.Estas transacciones finalmente no se negociaron.
PatentPal es una startup de inteligencia artificial generativa que ayuda a los bufetes de abogados a redactar solicitudes de patentes. Su director ejecutivo y fundador, Jack Xu, también dijo que la compañía inicialmente solo podía capacitarse en solicitudes de patentes disponibles públicamente.
La herramienta de inteligencia artificial tiene el potencial de volverse aún más precisa si continúa entrenándose con comentarios encriptados o anónimos de casos reales de clientes, dijo. Pero hacer esto es complicado porque los comentarios deben mantenerse separados de los datos confidenciales y altamente sensibles, incluidos los secretos comerciales.
“Para las nuevas empresas en etapa inicial, existe un problema de reconocimiento de marca y también hay un problema de identidad social”, dijo.
**Al mismo tiempo, la "involución" entre industrias es cada vez más intensa. **Adam Struck, fundador y socio gerente de Struck Capital, dijo que algunas nuevas empresas compiten entre sí para proteger más datos en ciertas áreas y más rápido.
"Si crees que hay un conjunto de datos patentados, quieres obtenerlo antes que los demás y negocias la exclusividad”, dijo. *En ese sentido, casi se ha convertido en una carrera armamentista. *"