رصيد الصورة: تم إنشاؤه بواسطة أدوات * Unbounded AI *
في الأشهر التسعة الماضية ، بصفتنا مستثمرين في رأس المال الاستثماري ، فإن معظم الشركات الناشئة الجديدة / الأفكار الجديدة التي رأيناها مرتبطة بالذكاء الاصطناعي (AI) ، وخاصة الذكاء الاصطناعي التوليدي (الذكاء الاصطناعي التوليدي) ، وهو أمر غير متفاجئ. لقد رأينا المئات من عروض الشركات الناشئة في هذا المجال ، لكننا استثمرنا فقط في عدد قليل منها. من الواضح أننا لسنا الوحيدين الذين يواجهون هذا الموقف ، حيث تم استثمار 1.7 مليار دولار في شركات GenAI الناشئة في الربع الأول من عام 2023 وحده ، وقد يزيد هذا الرقم خمسة أضعاف في الربع الثاني.
نود أن نشارككم بعض الموضوعات والمشاريع الساخنة التي نشهدها ، والخصائص المهمة التي ينتبه إليها المستثمرون ، والعناصر التي تميز "الجيد من العظيم" من منظور مالي. لا يزال الوقت مبكرًا لهذه المساحة ولا يوجد شيء مؤكد ، ولكننا نأمل أن يكون ما يلي مفيدًا للمؤسسين وهم يتطلعون إلى تمييز أنفسهم في هذا المجال الذي يتزايد فيه التنافس.
* الاستثمار التقديري لرأس المال الجريء في الفئة الفرعية التوليدية للذكاء الاصطناعي (المصدر: غرفة الصفقات) *
1. ما نوع الأفكار التي نراها عادةً؟
** المرحلة المبكرة (ما قبل البذور / البذور / الجولة) **
في المراحل المبكرة جدًا ، نشهد ظهور عدد كبير من الشركات "المولدة". هذه الشركات نفسها مبنية على قمة النموذج الأساسي ، إما كتطبيق يخدم المستخدم النهائي أو كطبقة أداة "وسيطة" تقع بين النموذج والتطبيق.
** الفكرة 1: استخدم النماذج لإنشاء محتوى نصي ** يمكنه إنشاء نص جديد أو تحسين نص موجود في البريد الإلكتروني وقواعد المعرفة والتطبيقات الأخرى.
** الفكرة 2: "مساعد X" ؛ ** يعمل وكلاء الذكاء الاصطناعي جنبًا إلى جنب مع المشغلين البشريين لزيادة قدرتهم على كتابة التعليمات البرمجية ومسودة العروض التقديمية وأداء مهام أخرى. لقد رأينا الكثير من التطبيقات التجريبية التي تستهدف حالات استخدام عمودية محددة ، بالإضافة إلى محاولة بعضها لتحقيق برنامج مساعد "شخصي" أكثر.
** الفكرة 3: أداة LLM (نموذج اللغة الكبيرة) لإدارة حفلات الزفاف وقواعد بيانات المتجهات. **
** ملخص: ** لكي تكون شركة ناشئة تعمل بالذكاء الاصطناعي متمايزة في مرحلة مبكرة ، من المهم جدًا امتلاك خندق واحد أو أكثر. يمكن أن تتراوح الخنادق من الوصول غير العادل إلى التوزيع ، أو موهبة الذكاء الاصطناعي / التعلم الآلي ، أو الحوسبة ، أو البيانات ، أو النماذج ، أو وجود وجهات نظر مختلفة حول مجال المشكلة الذي تحله وكيفية إنشاء تجربة مستخدم أكثر إمتاعًا.
** فترة النمو المبكر وفترة النمو (B / C + الجولة) **
بالنسبة للشركات التي نراها في مرحلة B / C ، فإنها عادة ما تكون مولودة في عصر "ما قبل LLM" وتقوم الآن باكتشاف أفضل طريقة لدمج إمكانات النموذج الأساسي في المنتجات الحالية. نحن نطلق على هذه الشركات اسم الشركات "المحسنة التوليدية" (المحسّنة التوليدية) ، فهي لا تحتاج بالضرورة إلى إعادة اختراع عجلاتها ، ولكن تأكد من أنها لا تخسر أمام الشركات الناشئة الأصلية في LLM.
** الإبداع 1: التحليلات التنبؤية ** ؛ تستخدم العديد من شركات SaaS واسعة النطاق الذكاء الاصطناعي لاستخلاص رؤى من مجموعات البيانات الكبيرة الموجودة لديها للتنبؤ بشكل أكثر دقة بنمو الإيرادات ، ومعدلات تضخم العملاء ، والمؤشرات الأخرى.
** الفكرة 2: التخصيص والتوصيات ** ؛ هذه واحدة من أسرع الطرق وأكثرها تأثيرًا التي نرى فيها الشركات الناشئة في مرحلة النمو تستفيد من الذكاء الاصطناعي. يسمح ظهور النماذج الأساسية لشركات B2B و B2C بتقديم توصيات منتجات أكثر قوة ودقة للعملاء الحاليين.
** الفكرة 3: "الإكمال التلقائي الفوري" ** ؛ في جميع الشركات التي تمر بمرحلة النمو تقريبًا والتي تحتوي على نص أو مكون كتابة ، نرى استخدام LLM في "الإكمال التلقائي الفوري" ، على غرار تجربة المستخدمين مع ChatGPT.
** ملخص: ** إذا لم تكن قد بدأت في محاولة تحسين عملك أو إعادة تصميمه ليكون "صديقًا للذكاء الاصطناعي" ، ففكر في تخصيص جزء صغير من فريق المنتج الخاص بك لبناء ميزات جديدة.
** تحذير للشركات الناشئة التي تدخل هذا المجال **: من المهم تقييم مقدار التمويل الذي تم جمعه من قبل شركات الذكاء الاصطناعي التوليدية ، لا سيما في فئات فرعية محددة. ألقِ نظرة على المشهد السوقي لأكثر من 250 شركة من شركات الذكاء الاصطناعي التوليدية التي رسمتها Dealbook. لقد جمعت الشركات في بناء النماذج وأدوات كتابة الإعلانات وقواعد بيانات المتجهات مئات الملايين من الدولارات في التمويل. بالطبع ، هذا لا يعني أنه لا يمكن إطلاق شركة ناشئة مبتكرة أخرى في هذا المجال ، ولكن من المهم ملاحظة أن ...
2. كيف تبدو كلمة "جيدة" من منظور مالي؟
لا يزال فهمنا لما يبدو عليه المقياس المالي "الجيد" لشركة تطبيقات ذكية في مراحله الأولى ، ولكن في مساحة SaaS ، نعتقد أن معدل النمو "الأفضل في فئته" مشابه للموقف في الشكل أقل. تذكر أننا لم نعد نطارد النمو بأي ثمن ، لذا فإن الكفاءة ومعدل الاحتراق من العوامل المهمة.
** وقت إصدار المنتج: ** من مزايا التطبيقات الذكية القدرة على إصدار المنتجات بشكل أسرع من أي وقت مضى. نتصور أن العديد من شركات التطبيقات الذكية تطلق منتجات في حالة "تجريبية" حتى يتمكنوا من البدء في جمع بيانات المستخدم واستخدامها لإنشاء حلقة "التعلم المعزز من ردود الفعل البشرية" (RLHF). من الناحية التاريخية ، قد يستغرق الأمر عامًا بعد إطلاق المنتج للوصول إلى مليون دولار من الإيرادات السنوية القابلة للتكرار (ARR) ، لكننا قد نرى شركات الذكاء الاصطناعي المنتجة تصل إلى مليون دولار في ARR بشكل أسرع لأن العملاء يمكنهم رؤية عائد الاستثمار (ROI) بسرعة. تستفيد العديد من منتجات الذكاء الاصطناعي التوليدية أيضًا من الانتشار من خلال النمو الذي يقوده المنتج (PLG) / المبيعات من أسفل إلى أعلى (مثل Jasper و Lensa و Harvey و Tome وما إلى ذلك).
** الاحتفاظ بالعملاء: ** في حين أن شركة الذكاء الاصطناعي التوليدية قد تجذب عملاء جدد بسرعة ، إلا أنها قد تتمتع أيضًا بمعدلات أعلى. بالنسبة لشركة SaaS ، يبلغ معدل الاحتفاظ الإجمالي الجيد حوالي 85٪ -95٪ ، والأفضل في فئته أقرب إلى 95٪ +. من حيث صافي الاحتفاظ ، نعتقد أن المعدل الجيد هو 110٪ -120٪ + ، وأفضل حالة هي 120٪ +. يمكن أن يكون معدل التموج الأعلى ناتجًا عن أن النموذج ينتج باستمرار مخرجات خاطئة ، وظهور منتجات منافسة أخرى ، وما إلى ذلك. يتمثل العامل الكبير في نهج PLG في حالة التطبيقات الذكية في أنه من السهل جدًا على العملاء تجربة منتج جديد أو دفع ما بين 10 إلى 20 دولارًا شهريًا ، فقط للتغلب على المشكلة بسرعة.
** تكلفة البضائع المباعة (COGS) وإجمالي الهامش: ** نتوقع أن يكون للعديد من شركات التطبيقات الذكية تكاليف جديدة تتعلق بما يلي: 1) النماذج ؛ 2) التدريب والضبط ؛ 3) عمليات إدارة المرافق. لقد سمعنا أن تكلفة تشغيل الاستعلامات على LLM ومخازن قواعد البيانات المتجهة (عبر شركات مثل Pinecone) كانت مرتفعة. في كثير من الحالات ، سمعنا أن العملاء قد يقومون بتشغيل استعلامات على أحد النماذج حتى يحصلوا على المخرجات التي يريدونها ، وبما أنهم يدفعون لكل ترخيص ، فإن عدد الاستعلامات التي يتم تشغيلها له تأثير مادي على التكلفة. نتيجة لذلك ، نتوقع أن تشهد الشركات التي يقودها الذكاء الاصطناعي على الأرجح هوامش إجمالية أقل.
3. ما الفرق بين "جيد" و "ممتاز"؟
كما هو الحال مع أي تقنية أو صناعة أخرى ، بصفتنا مستثمرين في رأس مال المخاطرة ، ما زلنا في نهاية المطاف نقيم الفرق العظيمة والأسواق الضخمة والفهم الشديد لنقاط ضعف العملاء. هذه المبادئ الأساسية لن تتغير:
** التركيز على العميل / حل نقاط الضعف الحقيقية: ** في أي تغيير تكنولوجي جديد ، سنرى العديد من الشركات الجديدة تحاول فقط "متابعة الاتجاه" وإنشاء تقنية "رائعة" ، لكنها لا تحل مشكلات العملاء حقًا نقاط الألم. السؤال الأول الذي يجب فهمه هو: أنت تحل مشكلة "الشعر على النار" ، هل الذكاء الاصطناعي التوليدي أفضل طريقة للمساعدة في حل هذه المشكلة ، أم أنها تقنية غير ضرورية؟
** الفريق: ** في هذا العصر الجديد من LLM ، أصبحت فرصة بناء منتجات جديدة وبدء الشركات ديمقراطية للغاية. نتيجة لذلك ، نرى أن العديد من الفرق المؤسسة تبدأ أعمالًا في مجالات ليس لديهم فيها سوى القليل من المعرفة أو الخبرة في المجال. السؤال الذي يجب فهمه هو: لماذا فريقك هو الأنسب لحل هذه المشكلة؟
** القدرة على التكيف والتنفيذ بسرعة: ** مما لا شك فيه أن هذا المجال يتطور بسرعة. الآن أكثر من أي وقت مضى ، من المهم للفرق أن تكون مرنة وتعديل المنتجات والاستراتيجيات بسرعة حسب الحاجة. في الوقت نفسه ، من المهم التمسك بالأساسيات وليس مجرد مطاردة الضجيج. بمعنى آخر: كيف ستتفاعل وتفهم متى يكون الوقت المناسب لإجراء تعديل محتمل على الشركة؟
** قابلية إعادة الإنتاج: ** بينما يمكن للذكاء الاصطناعي مساعدة الشركات على الانطلاق بشكل أسرع ، فهذا يعني أيضًا أنه قد يكون هناك عدد أكبر بكثير من المنافسين في فئة ما مما كان عليه في السابق. ما عليك سوى إلقاء نظرة على الخرائط التي تم إصدارها للجمهور لمشهد سوق الذكاء الاصطناعي التوليدي والأموال التي تتدفق في هذه الفئة. يتعرف المؤسسون والفرق الجيدون على الأماكن التي توجد بها فجوات فريدة لملء الحقول الفرعية وتجنبها إلى حد كبير حيث يمكن أن يضيعوا سريعًا في الفوضى.
4. الخلاصة
بصفتنا مستثمرين في رأس المال الاستثماري ، نحن متحمسون ومتفائلون مثل أي شخص آخر بشأن التأثير الكامل للذكاء الاصطناعي. ومع ذلك ، من بين مئات العروض التقديمية للمشروعات التي رأيناها خلال العام الماضي ، من الواضح أن هناك الكثير من الضجيج في هذه الفئة ، ومن المهم أكثر من أي وقت مضى أن يميز المؤسسون ويبرزون ، وأخيرًا إثبات قيمة منتج.
** بعض الملاحظات الأخرى: **
** التقييم: ** على الرغم من انخفاض سوق رأس المال الاستثماري بشكل عام مقارنة بذروته في عام 2021 ، إلا أن التمويل والتقييمات الخاصة بالذكاء الاصطناعي (وخاصة الذكاء الاصطناعي التوليدي) لا تزال مرتفعة. يعكس هذا اهتمام رأس المال الجريء والمؤسس بالمساحة ، ولكن من المهم ملاحظة أنه ، مثل أي دورة أخرى (مثل فقاعة الدوت كوم والانهيار) ، فإن جزءًا صغيرًا فقط من الشركات الناشئة ينجو في النهاية ، مع التقييمات التالية في السنوات القليلة القادمة سنة ، قد تنخفض بأكثر من 90٪.
** Generative Native vs Generative Augmented **: بصفتك شركة أصلية مولدة ، ما الذي يمكنك بناءه ولا تستطيع الشركة المعززة التوليدية؟ كشركة ناشئة جديدة تدخل فئة ، ما هو الفرق الهادف بينك وبين الشركات القائمة؟ تعتمد شركات التكنولوجيا الكبيرة مثل Microsoft و Google و Amazon بالفعل LLM بسرعة ، لذا فإن فهم أين يمكنك التنافس معها بشكل فعال أمر أساسي.
** قيود الميزانية: ** مع تحديات البيئة الكلية وتشديد الميزانيات ، من المهم أن تفهم الضرورة الحقيقية لمنتجك. في الأسواق الصاعدة السابقة ، يمكن لأي منتج SaaS تقريبًا أن يدر عدة ملايين من الدولارات في الإيرادات. في البيئة الحالية والمخاطر المستمرة (وإن كانت متضائلة) للركود ، يبحث كبار مسؤولي المعلومات في Target (CIOs) في كل حساب في شركاتهم لمعرفة أي منها يمكن قطعه. هل سيؤدي دمج الذكاء الاصطناعي في منتجك إلى مساعدتهم أم أنه غير ذي صلة في النهاية؟
----- (نهاية النص) -----
العنوان الأصلي:
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
بصفتي مستثمرًا في رأس مال المخاطرة ، فإن آرائي حول ازدهار الشركات الناشئة في مجال الذكاء الاصطناعي ...
** المؤلف: Gui Shuguang **
** المصدر: ** Angel Tea House
** المؤلف الأصلي: SABRINA WU / VIVEK RAMASWAMI **
في الأشهر التسعة الماضية ، بصفتنا مستثمرين في رأس المال الاستثماري ، فإن معظم الشركات الناشئة الجديدة / الأفكار الجديدة التي رأيناها مرتبطة بالذكاء الاصطناعي (AI) ، وخاصة الذكاء الاصطناعي التوليدي (الذكاء الاصطناعي التوليدي) ، وهو أمر غير متفاجئ. لقد رأينا المئات من عروض الشركات الناشئة في هذا المجال ، لكننا استثمرنا فقط في عدد قليل منها. من الواضح أننا لسنا الوحيدين الذين يواجهون هذا الموقف ، حيث تم استثمار 1.7 مليار دولار في شركات GenAI الناشئة في الربع الأول من عام 2023 وحده ، وقد يزيد هذا الرقم خمسة أضعاف في الربع الثاني.
نود أن نشارككم بعض الموضوعات والمشاريع الساخنة التي نشهدها ، والخصائص المهمة التي ينتبه إليها المستثمرون ، والعناصر التي تميز "الجيد من العظيم" من منظور مالي. لا يزال الوقت مبكرًا لهذه المساحة ولا يوجد شيء مؤكد ، ولكننا نأمل أن يكون ما يلي مفيدًا للمؤسسين وهم يتطلعون إلى تمييز أنفسهم في هذا المجال الذي يتزايد فيه التنافس.
1. ما نوع الأفكار التي نراها عادةً؟
** المرحلة المبكرة (ما قبل البذور / البذور / الجولة) **
في المراحل المبكرة جدًا ، نشهد ظهور عدد كبير من الشركات "المولدة". هذه الشركات نفسها مبنية على قمة النموذج الأساسي ، إما كتطبيق يخدم المستخدم النهائي أو كطبقة أداة "وسيطة" تقع بين النموذج والتطبيق.
** الفكرة 1: استخدم النماذج لإنشاء محتوى نصي ** يمكنه إنشاء نص جديد أو تحسين نص موجود في البريد الإلكتروني وقواعد المعرفة والتطبيقات الأخرى.
** الفكرة 2: "مساعد X" ؛ ** يعمل وكلاء الذكاء الاصطناعي جنبًا إلى جنب مع المشغلين البشريين لزيادة قدرتهم على كتابة التعليمات البرمجية ومسودة العروض التقديمية وأداء مهام أخرى. لقد رأينا الكثير من التطبيقات التجريبية التي تستهدف حالات استخدام عمودية محددة ، بالإضافة إلى محاولة بعضها لتحقيق برنامج مساعد "شخصي" أكثر.
** الفكرة 3: أداة LLM (نموذج اللغة الكبيرة) لإدارة حفلات الزفاف وقواعد بيانات المتجهات. **
** ملخص: ** لكي تكون شركة ناشئة تعمل بالذكاء الاصطناعي متمايزة في مرحلة مبكرة ، من المهم جدًا امتلاك خندق واحد أو أكثر. يمكن أن تتراوح الخنادق من الوصول غير العادل إلى التوزيع ، أو موهبة الذكاء الاصطناعي / التعلم الآلي ، أو الحوسبة ، أو البيانات ، أو النماذج ، أو وجود وجهات نظر مختلفة حول مجال المشكلة الذي تحله وكيفية إنشاء تجربة مستخدم أكثر إمتاعًا.
** فترة النمو المبكر وفترة النمو (B / C + الجولة) **
بالنسبة للشركات التي نراها في مرحلة B / C ، فإنها عادة ما تكون مولودة في عصر "ما قبل LLM" وتقوم الآن باكتشاف أفضل طريقة لدمج إمكانات النموذج الأساسي في المنتجات الحالية. نحن نطلق على هذه الشركات اسم الشركات "المحسنة التوليدية" (المحسّنة التوليدية) ، فهي لا تحتاج بالضرورة إلى إعادة اختراع عجلاتها ، ولكن تأكد من أنها لا تخسر أمام الشركات الناشئة الأصلية في LLM.
** الإبداع 1: التحليلات التنبؤية ** ؛ تستخدم العديد من شركات SaaS واسعة النطاق الذكاء الاصطناعي لاستخلاص رؤى من مجموعات البيانات الكبيرة الموجودة لديها للتنبؤ بشكل أكثر دقة بنمو الإيرادات ، ومعدلات تضخم العملاء ، والمؤشرات الأخرى.
** الفكرة 2: التخصيص والتوصيات ** ؛ هذه واحدة من أسرع الطرق وأكثرها تأثيرًا التي نرى فيها الشركات الناشئة في مرحلة النمو تستفيد من الذكاء الاصطناعي. يسمح ظهور النماذج الأساسية لشركات B2B و B2C بتقديم توصيات منتجات أكثر قوة ودقة للعملاء الحاليين.
** الفكرة 3: "الإكمال التلقائي الفوري" ** ؛ في جميع الشركات التي تمر بمرحلة النمو تقريبًا والتي تحتوي على نص أو مكون كتابة ، نرى استخدام LLM في "الإكمال التلقائي الفوري" ، على غرار تجربة المستخدمين مع ChatGPT.
** ملخص: ** إذا لم تكن قد بدأت في محاولة تحسين عملك أو إعادة تصميمه ليكون "صديقًا للذكاء الاصطناعي" ، ففكر في تخصيص جزء صغير من فريق المنتج الخاص بك لبناء ميزات جديدة.
** تحذير للشركات الناشئة التي تدخل هذا المجال **: من المهم تقييم مقدار التمويل الذي تم جمعه من قبل شركات الذكاء الاصطناعي التوليدية ، لا سيما في فئات فرعية محددة. ألقِ نظرة على المشهد السوقي لأكثر من 250 شركة من شركات الذكاء الاصطناعي التوليدية التي رسمتها Dealbook. لقد جمعت الشركات في بناء النماذج وأدوات كتابة الإعلانات وقواعد بيانات المتجهات مئات الملايين من الدولارات في التمويل. بالطبع ، هذا لا يعني أنه لا يمكن إطلاق شركة ناشئة مبتكرة أخرى في هذا المجال ، ولكن من المهم ملاحظة أن ...
2. كيف تبدو كلمة "جيدة" من منظور مالي؟
لا يزال فهمنا لما يبدو عليه المقياس المالي "الجيد" لشركة تطبيقات ذكية في مراحله الأولى ، ولكن في مساحة SaaS ، نعتقد أن معدل النمو "الأفضل في فئته" مشابه للموقف في الشكل أقل. تذكر أننا لم نعد نطارد النمو بأي ثمن ، لذا فإن الكفاءة ومعدل الاحتراق من العوامل المهمة.
** الاحتفاظ بالعملاء: ** في حين أن شركة الذكاء الاصطناعي التوليدية قد تجذب عملاء جدد بسرعة ، إلا أنها قد تتمتع أيضًا بمعدلات أعلى. بالنسبة لشركة SaaS ، يبلغ معدل الاحتفاظ الإجمالي الجيد حوالي 85٪ -95٪ ، والأفضل في فئته أقرب إلى 95٪ +. من حيث صافي الاحتفاظ ، نعتقد أن المعدل الجيد هو 110٪ -120٪ + ، وأفضل حالة هي 120٪ +. يمكن أن يكون معدل التموج الأعلى ناتجًا عن أن النموذج ينتج باستمرار مخرجات خاطئة ، وظهور منتجات منافسة أخرى ، وما إلى ذلك. يتمثل العامل الكبير في نهج PLG في حالة التطبيقات الذكية في أنه من السهل جدًا على العملاء تجربة منتج جديد أو دفع ما بين 10 إلى 20 دولارًا شهريًا ، فقط للتغلب على المشكلة بسرعة.
** تكلفة البضائع المباعة (COGS) وإجمالي الهامش: ** نتوقع أن يكون للعديد من شركات التطبيقات الذكية تكاليف جديدة تتعلق بما يلي: 1) النماذج ؛ 2) التدريب والضبط ؛ 3) عمليات إدارة المرافق. لقد سمعنا أن تكلفة تشغيل الاستعلامات على LLM ومخازن قواعد البيانات المتجهة (عبر شركات مثل Pinecone) كانت مرتفعة. في كثير من الحالات ، سمعنا أن العملاء قد يقومون بتشغيل استعلامات على أحد النماذج حتى يحصلوا على المخرجات التي يريدونها ، وبما أنهم يدفعون لكل ترخيص ، فإن عدد الاستعلامات التي يتم تشغيلها له تأثير مادي على التكلفة. نتيجة لذلك ، نتوقع أن تشهد الشركات التي يقودها الذكاء الاصطناعي على الأرجح هوامش إجمالية أقل.
3. ما الفرق بين "جيد" و "ممتاز"؟
كما هو الحال مع أي تقنية أو صناعة أخرى ، بصفتنا مستثمرين في رأس مال المخاطرة ، ما زلنا في نهاية المطاف نقيم الفرق العظيمة والأسواق الضخمة والفهم الشديد لنقاط ضعف العملاء. هذه المبادئ الأساسية لن تتغير:
** التركيز على العميل / حل نقاط الضعف الحقيقية: ** في أي تغيير تكنولوجي جديد ، سنرى العديد من الشركات الجديدة تحاول فقط "متابعة الاتجاه" وإنشاء تقنية "رائعة" ، لكنها لا تحل مشكلات العملاء حقًا نقاط الألم. السؤال الأول الذي يجب فهمه هو: أنت تحل مشكلة "الشعر على النار" ، هل الذكاء الاصطناعي التوليدي أفضل طريقة للمساعدة في حل هذه المشكلة ، أم أنها تقنية غير ضرورية؟
** الفريق: ** في هذا العصر الجديد من LLM ، أصبحت فرصة بناء منتجات جديدة وبدء الشركات ديمقراطية للغاية. نتيجة لذلك ، نرى أن العديد من الفرق المؤسسة تبدأ أعمالًا في مجالات ليس لديهم فيها سوى القليل من المعرفة أو الخبرة في المجال. السؤال الذي يجب فهمه هو: لماذا فريقك هو الأنسب لحل هذه المشكلة؟
** القدرة على التكيف والتنفيذ بسرعة: ** مما لا شك فيه أن هذا المجال يتطور بسرعة. الآن أكثر من أي وقت مضى ، من المهم للفرق أن تكون مرنة وتعديل المنتجات والاستراتيجيات بسرعة حسب الحاجة. في الوقت نفسه ، من المهم التمسك بالأساسيات وليس مجرد مطاردة الضجيج. بمعنى آخر: كيف ستتفاعل وتفهم متى يكون الوقت المناسب لإجراء تعديل محتمل على الشركة؟
** قابلية إعادة الإنتاج: ** بينما يمكن للذكاء الاصطناعي مساعدة الشركات على الانطلاق بشكل أسرع ، فهذا يعني أيضًا أنه قد يكون هناك عدد أكبر بكثير من المنافسين في فئة ما مما كان عليه في السابق. ما عليك سوى إلقاء نظرة على الخرائط التي تم إصدارها للجمهور لمشهد سوق الذكاء الاصطناعي التوليدي والأموال التي تتدفق في هذه الفئة. يتعرف المؤسسون والفرق الجيدون على الأماكن التي توجد بها فجوات فريدة لملء الحقول الفرعية وتجنبها إلى حد كبير حيث يمكن أن يضيعوا سريعًا في الفوضى.
4. الخلاصة
بصفتنا مستثمرين في رأس المال الاستثماري ، نحن متحمسون ومتفائلون مثل أي شخص آخر بشأن التأثير الكامل للذكاء الاصطناعي. ومع ذلك ، من بين مئات العروض التقديمية للمشروعات التي رأيناها خلال العام الماضي ، من الواضح أن هناك الكثير من الضجيج في هذه الفئة ، ومن المهم أكثر من أي وقت مضى أن يميز المؤسسون ويبرزون ، وأخيرًا إثبات قيمة منتج.
** بعض الملاحظات الأخرى: **
** التقييم: ** على الرغم من انخفاض سوق رأس المال الاستثماري بشكل عام مقارنة بذروته في عام 2021 ، إلا أن التمويل والتقييمات الخاصة بالذكاء الاصطناعي (وخاصة الذكاء الاصطناعي التوليدي) لا تزال مرتفعة. يعكس هذا اهتمام رأس المال الجريء والمؤسس بالمساحة ، ولكن من المهم ملاحظة أنه ، مثل أي دورة أخرى (مثل فقاعة الدوت كوم والانهيار) ، فإن جزءًا صغيرًا فقط من الشركات الناشئة ينجو في النهاية ، مع التقييمات التالية في السنوات القليلة القادمة سنة ، قد تنخفض بأكثر من 90٪.
** Generative Native vs Generative Augmented **: بصفتك شركة أصلية مولدة ، ما الذي يمكنك بناءه ولا تستطيع الشركة المعززة التوليدية؟ كشركة ناشئة جديدة تدخل فئة ، ما هو الفرق الهادف بينك وبين الشركات القائمة؟ تعتمد شركات التكنولوجيا الكبيرة مثل Microsoft و Google و Amazon بالفعل LLM بسرعة ، لذا فإن فهم أين يمكنك التنافس معها بشكل فعال أمر أساسي.
** قيود الميزانية: ** مع تحديات البيئة الكلية وتشديد الميزانيات ، من المهم أن تفهم الضرورة الحقيقية لمنتجك. في الأسواق الصاعدة السابقة ، يمكن لأي منتج SaaS تقريبًا أن يدر عدة ملايين من الدولارات في الإيرادات. في البيئة الحالية والمخاطر المستمرة (وإن كانت متضائلة) للركود ، يبحث كبار مسؤولي المعلومات في Target (CIOs) في كل حساب في شركاتهم لمعرفة أي منها يمكن قطعه. هل سيؤدي دمج الذكاء الاصطناعي في منتجك إلى مساعدتهم أم أنه غير ذي صلة في النهاية؟
----- (نهاية النص) -----
العنوان الأصلي: