当前位置:人工智能行业动态 → 正文

如何衡量一家AI初创公司的好坏?

责任编辑:cres |来源:企业网D1Net  2018-09-10 15:24:44 本文摘自:36氪

编者按:Zetta Venture 基金合伙人 Ivy Nguyen,近日在外媒 TechCrunch 上发表了文章,阐述如何用正确的标尺去衡量AI创业公司,根据原文编译如下:
 
人工智能公司,很多时候更像是服务或咨询公司,二者都需要根据 客户的具体需求,量身定制解决方案,但从投资层面来看,其实是有很大差别的。
 
服务收入一直是风险投资增长的对立面,因为它产生的利润率较低,缺乏可重复性和可扩展性。随着公司服务业务带来更多客户,公司需要相应地扩大员工人数进行支持,导致持续较低的利润率。Palantir是一家大数据分析独角兽,就是一家陷入服务需求的公司。
 
与服务提供商不同,人工智能企业有可能实现大规模的目标和更高的投资回报率。如何判断一家人工智能公司是否值得投资,以下是一些参考指标:
 
人为干涉比例
 
随着AI在业务中的应用,应该会替代很多人工工作,并且只有当AI低于预定的准确度或置信度阈值时,人工才进行干涉。这使得企业能够以数量有限的员工,为越来越多的客户提供服务。
 
Lilt 为企业提供机器翻译,翻译AI自动将文本从一种语言翻译成另一种语言,再由翻译专家更正错误。随着翻译AI的改进,人工翻译的更正比例必须持续减少。更一般地说, 人为干涉与自动化任务的比率应该在下降。
 
ROI曲线
 
选择正确的人工智能应用以实现长期收益是关键。通常情况下, 改善客户能力下线的应用面临着有限的改进机会,而改善客户收入的应用对增长机会没有任何限制。
 
例如,一旦AI将生产线的运行效率提高到受原料化学反应所需时间限制的程度,AI就无法再为该特定应用提供更大的价值。但是 帮助客户找到新的收入机会则不同,例如 Constructor.io ,它提供基于人工智能的网站搜索服务,并帮助Jet.com等客户增加购物车购买转化,不会有天花板。
 
AI公司应该密切跟踪每个客户的累计ROI,以确保曲线随时间增加而不是平稳或逐渐减少。
 
升级成本
 
部署AI产品是一个复杂的过程,AI需要数据进行训练,因此AI产品可能比SaaS产品花费更多时间来提供价值。
 
许多行业最近才开始数字化,有价值的数据可能是难以提取的格式,例如手写笔记,非结构化观察日志或PDF。为了捕获这些数据,在部署AI系统之前,公司可能不得不花费大量人力,在低利润的数据准备服务上。
 
数据结构的方式也可能因客户而异,要求AI工程师花费额外的时间来规范数据或将其转换为标准化模式,以便可以应用AI模型。
 
与典型的SaaS产品推出相比,AI产品的升级成本更高,并且可能会对客户获取成本(CAC)产生的利润产生同样大的影响。公司应该仔细跟踪这些升级的时间,以及每个新客户的成本。如果存在真正的数据网络效应,这些数字会随着时间的推移而减少。
 
数据护城河
 
与竞争新功能的SaaS企业不同,AI初创公司有机会建立长期壁垒。可扩展的AI初创公司将开启一个良性循环,产品表现越好,客户就越多地贡献并生成数据,从而提高产品的性能。这种强化循环构建了复合壁垒,这在以前是SaaS业务中是没有的。
 
仅仅是大量的数据太简单了,还需要问自己关于数据的这些问题,以在以下方面判断数据壁垒:
 
• 可访问性:它是多么容易获得?
 
• 时间:数据在模型中积累和使用的速度有多快?
 
• 成本:获取和标记此数据需要多少钱?
 
• 唯一性:是否可以为其他人建立模型并获得相同结果的类似数据?
 
• 维度:数据集中描述了多少个不同的属性?
 
• 广度:属性值的变化有多大,以至于它们可以解释边缘情况和罕见的例外情况?
 
• 时效性:数据长期有用吗?
 
AI模型在更多数据的情况下表现更好,但随着时间的推移,性能可能会趋于稳定。公司应该注意跟踪,为客户实现增量价值所需数据的时间和数量,以确保数据护城河继续增长。简而言之,模仿者需要多少时间和多少数据才能与你的性能水平相匹配?

关键字:人工智能

本文摘自:36氪

如何衡量一家AI初创公司的好坏? 扫一扫
分享本文到朋友圈

关于我们联系我们版权声明友情链接广告服务会员服务投稿中心招贤纳士

企业网版权所有©2010-2018 京ICP备09108050号-6

^