Cuando se habla de inversiones en empresas emergentes de inteligencia artificial frente a empresas emergentes de aprendizaje automático, es importante distinguir “IA” de “aprendizaje automático”. Esas frases a menudo se usan indistintamente, pero tienen un significado ligeramente diferente.
El aprendizaje automático, o ML, es un método de entrenamiento de modelos de IA para que puedan aprender a tomar decisiones. Dicho de otra manera, ML implica entrenar modelos para resolver tareas específicas aprendiendo de los datos y haciendo predicciones. AI, por otro lado, es el concepto más amplio para los sistemas que imitan la cognición humana.
Entonces ML es un subcampo de AI pero no es lo mismo.
Lonne Jaffe, directora general de Insight Partners, explica que Insight utiliza un marco de “tres capas” para descomprimir la definición de una startup de ML.
Estamos ampliando nuestra perspectiva, buscando más inversionistas para participar en las encuestas de TechCrunch+, donde encuestamos a los mejores profesionales sobre los desafíos en su industria.
Si es inversor y le gustaría participar en futuras encuestas, rellene esta forma.
En la primera capa, dice, están las empresas de infraestructura central: productos con los que una persona construye un sistema ML. En la segunda capa se encuentran las aplicaciones que buscan abordar un caso de uso o flujo de trabajo en particular utilizando ML. Mientras tanto, la tercera capa comprende las nuevas empresas de ML que se manifiestan dentro de una industria como un “jugador real” en esa industria: piense en las nuevas empresas que se convierten en un banco de nuevas empresas, incluso si el núcleo de la nueva empresa sigue siendo el talento de ML.
De acuerdo con este marco, los ejemplos de nuevas empresas de ML van desde Weights & Biases, que proporciona herramientas para crear y monitorear modelos de IA, hasta Iterative Health, una empresa de atención médica que aprovecha un sistema de ML diseñado para identificar pólipos cancerosos a partir de una colonoscopia.
El mercado de ML es bastante grande, con una informe de Grand View Research, que estimó que tenía un valor de $49,600 millones en 2022 y podría crecer a una CAGR del 33,5 % para 2030. Y se ha estado desarrollando durante algún tiempo: una encuesta de 2021 realizada por Dresner Advisory Services encontró que el 59 % de todas las grandes empresas están implementando ML, con el 50% de esas organizaciones afirmando tener 25 o más modelos ML en uso hoy.
¿Por qué esta área está creciendo tan rápido? 451 Research, el grupo de investigación y desarrollo tecnológico dentro de S&P, planteó en un reciente informe que la ola inicial de adopción de ML se centró en hacer que los sistemas y procesos heredados sean más inteligentes, como inteligencia comercial, atención al cliente, ventas y marketing y seguridad. Pero ahora, a medida que esas aplicaciones maduran, la atención se ha desplazado a aplicaciones de ML más lucrativas, específicas de la industria y de nicho, particularmente en finanzas, comercio minorista, manufactura y atención médica.
Jerry Chen, socio de Greylock, cree que recién estamos comenzando a ver cuál será la próxima generación de empresas de ML. “El ciclo se está fortaleciendo”, dijo a TechCrunch+. “Tengo curiosidad por ver cómo las empresas establecidas y los actores tecnológicos ingresan, compiten o se asocian con las nuevas empresas. En particular, creo que veremos algunas asociaciones de comercialización interesantes en los próximos meses”.
Pero, ¿qué pasa con el ecosistema de capital de riesgo más amplio? ¿Son los capitalistas de riesgo en general optimistas sobre el futuro de ML?
Para tener una mejor idea, TechCrunch+ encuestó a inversores, incluidos Chen y Jaffe, sobre el estado actual de las inversiones en ML. Nos referimos a la salud del panorama de financiación de ML, y si la exageración en torno a ML, que hace varios años era bastante fuerte, está comenzando a disminuir. También preguntamos a los inversores qué desafíos se interponen en el camino de la adopción de la tecnología ML y cómo podrían ser los próximos meses en términos de crecimiento del mercado.
Hablamos con:
(Nota del editor: las siguientes respuestas se han editado por motivos de extensión y claridad).
Lonne Jaffe, directora general, Insight Partners
¿Qué tan fuerte es el mercado de recaudación de fondos de riesgo de ML hoy y cómo ha evolucionado hasta ahora en 2023?
El lanzamiento de ChatGPT hace cinco meses encendió el fuego de la innovación de inicio en torno a ML, junto con una dinámica renovada de recaudación de fondos. Hemos pasado de sistemas de predicción, como sistemas de clasificación o recomendación, a sistemas de creación. Si bien la financiación ha estado fluyendo hacia los sistemas de ML generativos, también ha habido un gran progreso en los sistemas de ML discriminativos más “tradicionales”, como los sistemas de predicción o clasificación.
Hemos estado particularmente activos recientemente en los sistemas ML de visión por computadora aplicados en el cuidado de la salud, algunos de los cuales pronto pueden igualar o incluso superar el rendimiento de los médicos humanos en ciertos dominios. Por ejemplo, la startup dental Overjet utiliza IA para analizar radiografías dentales para ayudar a los dentistas a decidir si un diente necesita un empaste o una corona, lo que mejora los resultados de los pacientes.
Source link