Cómo este VC evalúa las startups de IA generativa

El lanzamiento de ChatGPT en noviembre de 2022 impulsó a nuestro mundo hacia la era de la IA, y la industria tecnológica nunca volverá a ser la misma.

Casi todas las presentaciones que he visto desde diciembre tenían IA en las dos primeras páginas.

Sin embargo, como ocurre con cualquier tecnología emergente, los capitalistas de riesgo como yo hemos tenido que desarrollar rápidamente una estrategia para separar las nuevas empresas de alto potencial de aquellas que son en su mayoría exageradas o que probablemente enfrentarán desafíos insuperables que les impedirán alcanzar una escala de riesgo.

Comprender esa distinción requiere fluidez en las distintas capas de la pila de valor de la IA generativa, determinar cuáles están maduras para la inversión y crear una estrategia de diligencia debida para evaluar los riesgos y oportunidades de una startup determinada.

En concreto, la IA generativa se compone de:

• Datos.
• Programa intermedio.
• Modelos especializados afinados.
• La capa de nube e infraestructura.
• Modelos fundacionales.
• La capa de aplicación.

Dentro de esta pila de tecnología, hay algunas áreas en las que creemos que son especialmente invertibles y otras en las que es más difícil competir para una empresa en etapa inicial. A continuación se explica cómo lo desglosamos todo.

Áreas que nos interesan

Datos

Uno de los mayores desafíos de la IA generativa (y, por tanto, una de sus mayores áreas de oportunidad) es la precisión y confiabilidad de la información que proporciona. Hoy en día, los modelos de IA generativa se basan en conjuntos de datos masivos, algunos tan amplios como la propia Internet, que contienen información relevante y útil, y mucho más.

Creemos que la galaxia de aplicaciones de IA generativa que surgirá en los próximos años estará compuesta de datos más precisos, o fragmentos de modelos diferentes y más especializados. En lugar de ofrecer una amplia red, estos modelos especializados utilizarán datos propietarios específicos de un dominio, lo que ayudará a personalizar el resultado de la aplicación y a garantizar la precisión.

Tener datos propietarios para infundir modelos fundamentales, combinados con la arquitectura de middleware adecuada, dará como resultado estos modelos especializados, que creemos impulsarán la capa de aplicaciones con la que interactúan los consumidores y las empresas.

software intermedio

Acompañando a la capa de datos de la pila de IA generativa está el middleware, que definimos como herramientas e infraestructura que respaldan el desarrollo de nuevas aplicaciones de IA generativa y es la segunda parte de nuestra tesis de inversión en el sector.

Específicamente, somos optimistas respecto de las empresas de infraestructura y herramientas que evalúan y garantizan la seguridad, precisión y privacidad en todos los resultados de los modelos; orquestar inferencias a través de múltiples modelos; y optimizar la incorporación de datos propietarios en grandes modelos de lenguaje (LLM).