Nonostante l’entusiasmo generato dall’IA generativa nel campo finanziario, i rapporti attuali indicano che il finanziamento delle startup in questo settore rimane scarso, soprattutto per i nuovi arrivati che non hanno ancora dimostrato il proprio valore. Secondo un rapporto di Venture Intelligence a giugno, gli investimenti nelle startup nazionali di intelligenza artificiale hanno subito un calo significativo quest’anno, totalizzando solamente 510 milioni di dollari da gennaio a maggio. Questo importo rappresenta solo la metà della media registrata nello stesso periodo dell’anno precedente, pari a 1,02 miliardi di dollari.
Ottener finanziamenti dagli investitori per le startup di intelligenza artificiale generativa non è più facile come un tempo. Gli investitori hanno capito che queste aziende devono dimostrare di avere una nicchia di mercato prima di poter ottenere fondi. Al giorno d’oggi, la maggior parte delle startup di intelligenza artificiale generativa sembra sfruttare l’onda dell’IA generativa per trarne profitto senza apportare sostanziali applicazioni per i propri clienti.
Ci saranno alcune startup che avranno successo e riusciranno a creare imprese sostenibili, ma probabilmente il 70-80% di loro fallirà alla fine. Ad esempio, ZuAI, una startup di intelligenza artificiale generativa nel settore dell’Edtech, ha recentemente raccolto 484.000 dollari (4 crore rupie indiane) in un round di finanziamento guidato dall’investitore iniziale Prime Venture Partners. Tuttavia, ZuAI affronta ancora una sfida significativa poiché la piattaforma basata su GPT non è in grado di generare contenuti per tutte le materie, poiché i modelli di intelligenza artificiale attuali non eccellono in soluzioni matematiche.
I venture capitalist tendono ad investire non solo nelle idee, ma anche nei fondatori di startup di intelligenza artificiale che provengono da istituzioni prestigiose come Stanford, Harvard e altre, e che hanno esperienze pregresse in grandi aziende tecnologiche. Ad esempio, Mistral AI, con sede a Parigi, ha raccolto 133 milioni di dollari in finanziamenti iniziali ed è stata fondata da ex studenti di DeepMind e Meta di Google per competere con OpenAI nella costruzione, formazione e applicazione di modelli linguistici di grandi dimensioni e intelligenza artificiale generativa. Un caso simile è quello di Inflection.AI di Mustafa Suleyman, che ha già lavorato con DeepMind, e Anthropic AI, fondata da Dario Amodei, ex dipendente di OpenAI.
Uno dei fattori chiave e ampiamente discussi nel campo dell’intelligenza artificiale è il concetto di dati proprietari. La ragione di questa importanza è evidente: i dati sono fondamentali per l’IA e costituiscono il carburante essenziale per i modelli di base. Nonostante i consistenti finanziamenti destinati alle startup di intelligenza artificiale generativa, queste rischiano il fallimento se non riescono ad accedere ai dati appropriati, il che può risultare una sfida ardua. Molte startup di intelligenza artificiale falliscono perché non dispongono dei dati essenziali per addestrare i loro modelli.
Se le aziende stanno sviluppando un’applicazione di intelligenza artificiale promettente ma non hanno accesso ai dati necessari per creare un’applicazione potente, il loro futuro appare incerto. Recentemente, OpenAI ha stretto una collaborazione con AP per avere accesso alle notizie archiviate dall’agenzia a partire dal 1985. Pertanto, sarà difficile per le startup di intelligenza artificiale competere con OpenAI, supportata da Microsoft, se non dispongono di risorse simili.
Negli ultimi tempi, molte aziende stanno cercando di creare set di dati specializzati utilizzando ChatGPT (basato su GPT-4) e altri strumenti per addestrare modelli open source più piccoli come LLaMA, in modo da adattarli ai casi d’uso specifici e alle necessità di utilizzo. Concentrarsi sulla creazione di set di dati di alta qualità per l’addestramento dei modelli di base può essere un’ottima strategia.
Jasper AI, basandosi su GPT-4, sta cercando di differenziarsi da ChatGPT e ha persino pubblicato un blog intitolato “Jasper vs ChatGPT: perché Jasper vince”. Tuttavia, sorge la domanda se Jasper stia effettivamente ottenendo un vantaggio. Perché un’azienda dovrebbe acquistare un abbonamento a Jasper quando può utilizzare direttamente ChatGPT o creare un proprio modello basato sull’API di OpenAI?
Nel mezzo dell’entusiasmo intorno a ChatGPT, sempre più startup stanno utilizzando GPT nel loro nome o costruendo tecnologie utilizzando le API fornite da OpenAI. Se si costruisce basandosi sulle API di altri, è importante considerare quale sia il proprio valore distintivo. La UI/UX dovrebbe essere così buona che gli utenti non abbiano voglia di utilizzare il modello originale. L’importanza di creare un’esperienza utente unica, basata esclusivamente su UI/UX, non deve essere trascurata. La UI/UX può aiutare a invertire questa tendenza. Una discussione animata su Twitter riguardo al fatto che la UI/UX possa o meno rappresentare un fossato dimostra l’interesse crescente su questo tema.
Sviluppare soluzioni o prodotti di intelligenza artificiale generativa per clienti B2B è una sfida complessa. Sin dall’inizio, i dirigenti delle grandi aziende si sono mostrati interessati all’IA, il che ha portato molti fondatori di startup e venture capitalist a credere che queste aziende sarebbero state i clienti ideali. Tuttavia, le startup che sviluppano soluzioni di IA per queste aziende spesso sottovalutano la capacità dei dirigenti e degli ingegneri aziendali di implementare rapidamente l’IA utilizzando strumenti open source.
Un dirigente tecnico preferirebbe creare gratuitamente la propria infrastruttura e sviluppare la tecnologia internamente anziché acquistare qualcosa da una nuova startup. Ad esempio, Zoho, un’importante società indiana di software-as-a-service (SaaS), ha accettato la sfida di sviluppare il proprio modello di linguaggio di grandi dimensioni simile ai modelli GPT di OpenAI e PaLM 2 di Google. Il progetto è guidato dal fondatore e CEO di Zoho, Sridhar Vembu.
In modo simile, TCS sta cercando di creare la propria alternativa a Github Copilot, un generatore di codice aziendale. Tech Mahindra è stato il primo gigante IT a lanciare un Generative AI Studio a aprile.
Se guardiamo le famose startup di intelligenza artificiale come Inflection, Cohere e Anthropic, molte di loro hanno il supporto di Microsoft e Google. Costruire un’azienda di successo nell’IA richiede molto denaro e menti brillanti. E per sviluppare un modello di intelligenza artificiale generativa di successo, sono necessari enormi quantità di dati, infrastrutture e finanziamenti, che i venture capitalist non concederanno facilmente.
Una volta trovata un’idea e sviluppato un MVP (Minimum Viable Product), può essere una scelta saggia partecipare a programmi di accelerazione o incubazione offerti dai grandi colossi tecnologici. Alcuni di questi programmi includono il Google for Startups Accelerator e il Microsoft for Startups. Di recente, Neo ha annunciato un nuovo percorso di accelerazione AI chiamato Neo Accelerator, in collaborazione con Microsoft e OpenAI, per fornire ai fondatori di startup il meglio dell’IA generativa.
Se osserviamo le startup che hanno successo nell’IA generativa, vediamo che stanno trovando un’applicazione di nicchia e non stanno semplicemente copiando OpenAI o utilizzando la sua API. Midjourney e Stability AI sono esempi di aziende che hanno successo poiché offrono un valore commerciale e una differenziazione unica per mantenere una posizione di rilievo.