Actualizar: La ronda en cuestión fue de $ 135 millones, no $ 100 millones como se señaló originalmente. ¡Pido disculpas por el error!
¿Cómo llamas a la IA en estos días? ML en traje.
ML, o aprendizaje automático, es un gran mercado en la actualidad. Eso es gracias a las corporaciones modernas que acumulan datos como acumuladores y la ciencia de datos madura como una categoría de trabajo. La evidencia de lo primero se puede encontrar en el crecimiento publicado por Databricks en los últimos trimestres, y la segunda en la cantidad de efectivo que las empresas de Big Tech están dispuestas a gastar en roles centrados en ML.
El mercado que Pesos y sesgos juega, entonces, está activo estos días. Eso hace que no sea una gran sorpresa que la startup haya recaudado más de $ 135 millones en una Serie C de gran tamaño. La compañía ahora vale alrededor de $ 1 mil millones, dijo en un comunicado. Felicis, Insight Partners, Bond y Coatue contribuyeron al trato.
Según a los datos de Carta, las rondas de la Serie C centradas en datos y análisis desde principios de 2020 tienen valores medios de 43,75 millones de dólares y valoraciones medias resultantes (post-dinero) de alrededor de 416 millones de dólares. Eso hace que esta ronda sea efectivamente un doble de lo que podríamos esperar que la empresa recaude, dados los datos históricos.
En términos de producto, Weights & Biases juega en el espacio “MLOps”, o el mercado de operaciones de aprendizaje automático. MLOps es análogo a DevOps, naturalmente, a pesar de ser una categoría más nueva.
Créditos de imagen: Pesos y sesgos. El producto en cuestión.
Según el cofundador de Weights & Biases Lukas Biewald, el mundo del software tiene un conjunto de herramientas creadas para que los desarrolladores escriban e implementen código correctamente. Esto podría incluir un servicio de estilo git (GitLab, GitHub, etc.), seguimiento (Atlassian, perro de datos, etc.) y similares.
El objetivo de su empresa, explicó, es construir una pila similar de servicios para el mundo de ML. Y hoy, explicó, muchos equipos de ML están trabajando con herramientas ad-hoc o simplemente sin asistencia de software.
La necesidad de una pila de este tipo podría ser extrema. Una diferencia entre el desarrollo y el mundo de ML, según Biewald, es que mientras el código falla cuando falla, el trabajo de ML puede “comportarse mal” de formas más sutiles.
Ingrese Pesos y sesgos, naturalmente. La vida del producto de la startup comenzó con el seguimiento de experimentos, que Biewald comparó con el control de versiones del código en la pila de DevOps. Git, explicó, aunque es excelente para el control de versiones del código que escriben los humanos, es algo pobre en el manejo de diferentes versiones de código generado por computadora, como el que proviene del trabajo de aprendizaje automático. Ese es el tipo de problema que Weights & Biases quiere abordar.
El esfuerzo ciertamente está atrayendo la atención de los inversores. El inversionista de Felicis, Aydin Senkut, le dijo a TechCrunch que había estado pendiente de Weights & Biases durante algún tiempo, pero que otros inversionistas terminaron liderando las dos rondas anteriores. Esta vez, Senkut se subió a la tabla de límites al adelantarse a la empresa. Según Biewald, Weights & Biases habría levantado una ronda similar, aunque más tarde, si Felicis no hubiera liderado la carga.
TechCrunch investigó el esquema de precios de la startup antes de conversar con la empresa. Su lista de precios parecía económica en comparación con la productividad que Weights & Biases parece intentar ofrecer a medida que desarrolla su servicio. Tenga en cuenta que esto no es un cumplido per se; la infravaloración es una forma de transferir valor de la empresa (y de los inversores) a los clientes a corto plazo.
Biewald dijo que Weights & Biases está tasando su servicio para que sea fácil de acceder para cualquiera. Senkut agregó que en medio de los controles de clientes ejecutados por Felicis durante su diligencia para la inversión, los clientes dijeron que la startup estaba subestimando su servicio en un factor de tres.
El inversor agregó que estaba entusiasmado con la perspectiva, ya que otras compañías como Shopify habían perseguido una codicia similar a largo plazo sobre los ingresos a corto plazo.
Francamente, estoy intrigado por lo que Weights & Biases parece querer construir. Veamos hasta dónde puede llegar la empresa con un cheque de nueve cifras que llegó antes. La próxima vez que hablemos, será el momento de centrarse en las métricas de crecimiento de manera más precisa y verificar los impactos en los márgenes de su servicio gratuito (a menos, por supuesto, que incluya ese elemento en particular en su línea de gastos de ventas y marketing).