3 tipi di "applicazioni intelligenti" che entusiasmano gli investitori

Nota dell'editore: questo è un post per gli ospiti scritto da S.
Somasegar, amministratore delegato di Madrona Venture Group; e Daniel Li, direttore del gruppo Madrona Venture.
L'intelligenza artificiale è un termine ampio e abusato.
Ogni startup che raccoglie denaro oggi deve avere una storia di dati e machine learning e ogni impresa sta cercando di capire come possono sbloccare il valore dei propri clienti e i dati delle transazioni con AI.
Crediamo fermamente che ogni applicazione che viene costruita oggi sia un'applicazione intelligente.
Le applicazioni che non utilizzano i dati per costruire sistemi di apprendimento continuo che forniscono un valore migliore con più dati diventeranno obsolete sul mercato man mano che andiamo avanti.
Ma cosa significano realmente i venture capitalist quando affermano di voler investire in applicazioni intelligenti, intelligenza artificiale o machine learning? Quando discutiamo di applicazioni intelligenti, stiamo cercando applicazioni che possano usare l'IA per migliorare i risultati di un ordine di grandezza e ci sono tre percorsi che queste applicazioni in genere seguono.
Ecco i tre tipi di applicazioni intelligenti in cui siamo più entusiasti di investire a Madrona: Automators, Augmenters e Avant Garde.
Automatici: applicazioni che scoprono, automatizzano e integrano i flussi di lavoro La prima categoria di applicazioni intelligenti si concentra sull'identificazione di processi ripetitivi, dispendiosi in termini di tempo o difficili e sulla creazione di nuovi modi per gestire questi flussi di lavoro in modo da consentire ai clienti di concentrarsi maggiormente sul loro tempo sintesi di alto valore e lavoro cognitivo.
Questa è una pietra miliare nella trasformazione digitale che attualmente sta attraversando ogni impresa attorno al lavoro.
Le aziende più note in questo spazio oggi sono i fornitori di automazione di processo robotizzata (RPA), tra cui UiPath e Automation Anywhere.
Queste aziende creano software che consente alle aziende di automatizzare singole fasi di un flusso di lavoro, come l'apertura di un documento PDF, l'estrazione di dati chiave, l'inserimento di tali dati in un altro sistema e la combinazione di questi passaggi in un flusso di lavoro automatizzato.
I fornitori di RPA hanno creato piattaforme orizzontali e collaborano con integratori di sistemi e consulenti per implementare e personalizzare il loro software nelle grandi aziende.
Tuttavia, nonostante il successo di RPA, sta a malapena graffiando la superficie di ciò che è possibile con l'IA.
Con le innovazioni nella visione artificiale, nella comprensione del linguaggio naturale e in altre tecniche di apprendimento profondo, resta ancora molto da fare con l'RPA.
Oltre ai tradizionali progetti RPA, stiamo anche assistendo a un numero sempre maggiore di aziende che creano automazioni simili a "RPA" in nuovi prodotti per creare flussi di lavoro end-to-end per casi d'uso specifici e settori come servizi legali, assistenza sanitaria e proprietà immobiliari.
Questi flussi di lavoro spesso combinano un flusso di lavoro primario che presenta un elevato grado di automazione con sistemi "umani nel ciclo" progettati per far fronte a ricadute e deviazioni dal flusso di lavoro automatizzato.
Nel tempo, la magia di questi prodotti deriva dall'integrazione di uomo e macchina in un'esperienza cliente senza soluzione di continuità e l'utilizzo di cicli di dati e feedback per migliorare continuamente l'esperienza.
Alcune delle aziende più interessanti in questo spazio vanno oltre l'automazione di un flusso di lavoro, l'automazione di più flussi di lavoro e la creazione di un nuovo flusso di lavoro integrato.
Ad esempio, un'azienda come OpenDoor ha combinato il processo di valutazione di una casa con il processo di chiusura di una transazione immobiliare e ha creato un nuovo modo per i consumatori di avvicinarsi al mercato immobiliare.
Aumentatori: applicazioni che consigliano o aiutano gli esseri umani a svolgere un lavoro in modo esponenziale migliore Mentre molte aziende si concentrano sull'automazione di una serie di flussi di lavoro primari, fino a quando non avremo IIS in stile Jarvis o HAL, sarà difficile automatizzare tutti i casi limite e le eccezioni che può cadere fuori da un processo e questo rende difficile fissare aspettative sull'automazione.
Un modo per illustrare questo è pensare a un "AI" come Alexa – Alexa è ottimo per una o due attività chiave (ad esempio, attivare un timer, che tempo fa?), Ma è difficile usare Alexa per 50 attività perché ci sono troppe incognite ed è difficile prevedere come Alexa reagirà alle incognite.
Per questo motivo, al di fuori dell'automazione di una selezione di attività e processi chiave, un uso migliore per l'intelligenza artificiale e l'apprendimento automatico è di istruire le persone su come migliorare in determinati lavori o fornire strumenti che possano supportare qualcuno nel completare un lavoro.
Anche se l'IA non può automatizzare molti compiti cognitivi complessi, può essere molto utile per raccogliere dati su input e risultati per aiutare le persone a migliorare le loro prestazioni.
Alcuni dei migliori esempi per gli allenatori di intelligenza artificiale oggi sono per attività che dipendono da testo e dati strutturati – come la scrittura di un'e-mail, una descrizione del lavoro o una descrizione del prodotto – ma non richiedono molti contesti o aggiornamenti in tempo reale al sistema.
Oggi Palantir è un esempio di una grande azienda che ha adottato l'approccio di combinare gli analisti umani con l'intelligenza delle macchine per produrre un sistema più efficace di quello umano o della sola macchina.
Ora stiamo anche iniziando a vedere i consulenti di intelligenza artificiale spuntare in aree in cui tradizionalmente è stato difficile analizzare e raccogliere dati, come la corrispondenza complessa di e-mail e chat o chat vocali e video.
Ad esempio, Gong e Chorus utilizzano i dati delle chiamate Zoom per capire come i rappresentanti di vendita potrebbero migliorare le loro riunioni di vendita e migliorare le prestazioni delle vendite nel tempo.
Nel tempo, queste aziende saranno in grado di costruire set di dati di alto valore e integrarsi in più sistemi di registrazione e sistemi di azione.
Data la loro comprensione delle prestazioni e dei risultati, potrebbero anche diventare importanti fornitori di piattaforme.
Avant Garde: applicazioni che creano nuovi prodotti ed esperienze netti abilitati da AI L'ultima categoria di applicazioni è quella che crea esperienze e prodotti completamente nuovi utilizzando l'apprendimento automatico.
In altre parole, cose che prima non erano possibili prima della combinazione di cloud computing a basso costo, enormi quantità di dati e nuovi algoritmi di apprendimento automatico.
Ad esempio, le automobili a guida autonoma creano fattori di forma del veicolo completamente nuovi, modelli di business e servizi che non sarebbero possibili senza scoperte ML e gli assistenti vocali di Siri e Google Home consentono modelli di interazione completamente nuovi che non sarebbero stati possibili senza progressi naturali elaborazione del linguaggio.
Molte delle aziende di questa categoria sono pioniere nel portare ai consumatori nuove importanti tecnologie come la visione artificiale, l'apprendimento profondo, la robotica e la PNL, quindi è uno spazio molto dinamico da guardare perché si trova all'intersezione di mercati enormi, nuove tecnologie e nuovi modelli di business.
Ciò significa che le aziende possono essere enormi opportunità se lavorano, ma possono anche essere più difficili da misurare e monetizzare a breve termine.
Ad esempio, un'azienda come Adaptive Biotechnologies sfrutta decenni di ricerca sul sistema immunitario, i macchinari di sequenziamento di prossima generazione e l'apprendimento automatico al fine di rilevare i cambiamenti nel sistema immunitario per diagnosticare la malattia, ma ha dovuto trascorrere del tempo a trovare i clienti giusti e modelli di business per monetizzare la loro tecnologia.
Grandi pool di capitali aiutano sicuramente a costruire queste esperienze "nette-nuove" e gli esperimenti di grandi aziende tecnologiche tra cui i negozi Go di Amazon oi veicoli autonomi di Waymo hanno richiesto grandi investimenti.
Tuttavia, ci sono molti esempi di startup che creano anche queste esperienze "net-new", come le startup che competono direttamente con Amazon nei negozi senza cassa o Waymo sui veicoli senza conducente.
Tutte queste aziende richiedono una profonda competenza tecnologica e di mercato e i vincitori saranno quelli che potranno trovare i modi giusti per applicare le nuove tecnologie ai problemi dei clienti.
Conclusione Le app intelligenti sono applicazioni che usano "l'intelligenza artificiale" per creare sistemi di apprendimento continuo che offrono agli utenti esperienze ricche, adattive e personalizzate.
Mentre queste app intelligenti hanno una vasta gamma di clienti, partner e costruttori diversi, le aziende più interessanti sono in genere Automators, Augmenter o Avant Grade in grado di dimostrare i miglioramenti di ordine di grandezza nelle metriche aziendali.