(Comments)

Machine Learning

Disaat makin banyak orang yang berpikir bahwa sudah saatnya untuk menerapkan Machine learning ke dalam perusahaan anda. Namun anda belum yakin, maka mungkin beberapa hal berikut dapat menjadi referensi. Seperti dikutip dari harian Medium berikut. 

Meskipun masih ada teknologi yang berada dalam inovator atau fase adopter awal dari siklus hidup adopsi teknologi khas (VR dan bitcoin sebagai contoh), pembelajaran mesin dan AI jelas berada pada fase mayoritas awal. Dan sangat mungkin bahwa mereka akan mencapai mayoritas akhir bahkan sebelum beberapa teknologi lain mencapai mayoritas awal!

Tidak akan lama sebelum penggunaan pembelajaran mesin dan AI diasumsikan untuk setiap aplikasi di setiap industri.

Sudah, VC mengalami kesulitan mengambil pitch perangkat lunak dengan serius jika mereka tidak memasukkan ML / AI sebagai fondasi. Dengan cara yang sama SaaS sekarang dikenal sebagai mekanisme pengiriman dan pergeseran model bisnis, AI dan pembelajaran mesin akan diakui sebagai teknologi yang memungkinkan setiap aplikasi (dan setiap pengguna aplikasi) lebih pintar dan lebih mampu.

Dengan cara yang sama bahwa tidak ada yang eksklusif tentang SaaS, kami percaya bahwa dalam jangka panjang tidak akan ada yang eksklusif tentang perangkat lunak yang memungkinkan AI / ML. Sudah, Google, Amazon, Microsoft, IBM dan banyak lainnya membuat kerangka kerja ML mereka tersedia. Dan itu karena mereka mengakui bahwa adopsi ML dalam perangkat lunak sebagian besar menguntungkan mereka.

Jika semua perangkat lunak bergantung pada ML, ada satu aset yang menjadi penting untuk keberhasilan perangkat lunak itu - data. Para pemain petahana menikmati keuntungan data yang jelas dan signifikan. Jika Anda berpikir Anda akan bersaing dengan Google, Facebook, Amazon, atau Apple di bidang yang memiliki data mendalam, semoga sukses untuk Anda. Dan lebih dari itu, semoga sukses juga mengumpulkan uang ventura.

Jadi, di mana peluang bagi startup? Di Homebrew, kami berfokus pada investasi ML / AI di perusahaan yang memiliki dua elemen kunci: 1) data yang sebagian besar disembunyikan dari pemain lama dan 2) strategi win-the-market yang efektif dan dapat diukur (strategi lama untuk pasar tidak cukup baik!). Pandangan kami adalah kombinasi dari dua elemen ini yang mengarah pada keuntungan jangka panjang dan parit kompetitif yang melindungi baik para pemain lama maupun startup lain yang memasuki pasar.

Menemukan kumpulan data yang merupakan kotak hitam untuk pemain lama biasanya berarti menargetkan vertikal atau menggunakan kotak di mana pemain yang lebih besar tidak memiliki akses, pengalaman, atau fokus.

Misalnya, pulseData bekerja dengan penyedia layanan kesehatan untuk mengakses data rekam medis, data hasil pasien dan data klaim asuransi untuk memprediksi dan mencegah kejadian kesehatan akut di antara populasi pasien penyedia layanan. Data perusahaan tidak hanya tersedia untuk perusahaan lain, tetapi juga membutuhkan kerja yang sulit untuk mengumpulkan, membersihkan dan menormalkan data, yang berasal dari banyak sumber dan dalam berbagai bentuk.

Hickory sebenarnya melangkah lebih jauh untuk membuat data yang dibutuhkan untuk model ML-nya. Melalui aplikasi pelatihan termodulasi, perusahaan menilai seberapa baik perwakilan layanan pelanggan mengetahui informasi yang diperlukan untuk pekerjaan mereka. Dan kemudian menggunakan data itu untuk membangun model untuk memprediksi kapan setiap perwakilan kemungkinan telah melupakan informasi tertentu sehingga pelajaran pelatihan yang tepat dapat muncul kembali pada waktu yang tepat untuk perwakilan yang tepat.

pulseData dan Hickory sama-sama bekerja dengan data yang tidak ada dalam domain raksasa teknologi dan tidak mudah diakses oleh mereka mengingat prioritas mereka ada di tempat lain.

Tetapi seperti yang mungkin Anda perhatikan, kedua perusahaan bergantung pada mendapatkan akses ke data dari pelanggan mereka. Itulah sebabnya kami percaya bahwa strategi memenangkan pasar adalah komponen keberhasilan kedua bagi perusahaan perangkat lunak ML / AI.

Kami berpikir memenangkan pasar sebagai lawan dari hanya pergi ke pasar karena yang terakhir mengasumsikan bahwa hanya menjual itu penting. Kami percaya bahwa penjualan diperlukan, tetapi tidak cukup, untuk menang, terutama di pasar yang didorong oleh ML / AI. Sama pentingnya dengan penjualan adalah memberikan kesuksesan pelanggan.

Bahkan, kita akan mengatakan bahwa di sebagian besar pasar perangkat lunak itu bukan produk terbaik yang menang, itu adalah "distribusi lengket" terbaik. Ketika kita mengevaluasi strategi menang-pasar, kita melihat tiga komponen spesifik untuk mengukur potensi keberhasilan.

Yang pertama adalah apakah perusahaan sedang mengatasi titik nyeri akut, yang sering kita sebut sebagai masalah "rambut terbakar". Jika rambut Anda terbakar, Anda mungkin akan memadamkan api itu sebelum melakukan hal lain! Dengan cara yang sama, jika Anda adalah pelanggan bisnis yang menghadapi banyak tantangan berbeda (dan menjadi solusi perangkat lunak sepanjang hari!), Anda akan berfokus pertama pada kebutuhan yang paling mendesak dan solusi potensial untuk masalah itu.

Komponen kedua adalah apakah perangkat lunak memerlukan perubahan dalam perilaku pengguna. Membuat orang melakukan sesuatu yang berbeda dari apa yang mereka lakukan hari ini adalah sulit. Dan itu bahkan lebih benar dalam konteks bisnis ketika beberapa orang atau tim mungkin terlibat dalam alur kerja atau proses tertentu.

Lebih jauh, jauh lebih mudah untuk mengakses anggaran yang sudah dibuat untuk masalah khusus daripada membuat anggaran untuk sesuatu yang tampaknya baru. Memasukkan ke dalam bisnis dan anggaran pelanggan potensial yang ada menjadikan proses penjualan lebih sederhana dan siklus penjualan yang lebih pendek.

Komponen ketiga adalah apakah perangkat lunak akan membuat pelanggan menjadi pahlawan. Adalah satu hal untuk membuat seseorang membeli perangkat lunak Anda, itu adalah hal lain baginya untuk berhasil menggunakannya. Kekuatan ML / AI adalah dapat membantu memberi pelanggan kecepatan, ketepatan dan wawasan yang secara bermakna memengaruhi bisnis mereka.

Solusi yang paling mungkin berhasil adalah solusi yang tidak hanya memanfaatkan data dalam jumlah besar, tetapi juga memberikan kekuatan super kepada pengguna akhir yang membantu mereka menjadi pahlawan dalam organisasi.

Para pahlawan tidak suka menyerahkan kekuatan super mereka.

Shield AI sedang membangun robot yang digerakkan oleh AI untuk sektor publik untuk mengumpulkan data di tempat-tempat di mana personel manusia akan berada dalam bahaya. Produk pertama Shield adalah drone yang sepenuhnya otonom yang dapat menavigasi dan mengumpulkan data di lingkungan indoor atau outdoor yang ditolak atau ancaman tinggi.

Ini membantu pelanggan menghindari cedera atau kematian, mengatasi masalah besar, kritis. Shield cocok dengan gelombang besar robotika dan otonomi di sektor publik yang dimulai dengan penggunaan robot-robot darat sederhana yang dikendalikan dari jarak jauh. Dan orang-orang yang menggunakan Shield adalah pahlawan sejati, menyelamatkan nyawa setiap hari. Shield adalah contoh sempurna dari perusahaan yang kami lihat memiliki strategi memenangkan-pasar yang menjanjikan.

Alasan bahwa memenangkan pasar begitu penting dalam konteks bisnis perangkat lunak ML / AI adalah karena skala pelanggan dan retensi menghasilkan lebih banyak data. Dan jika data itu adalah jenis yang tidak dimiliki para pemain besar, Anda memiliki siklus yang baik yang mengarah pada diferensiasi dan kesuksesan jangka panjang.

Pelanggan yang puas = semakin banyak data yang sulit didapat = model yang lebih baik = lebih banyak nilai pelanggan = lebih banyak pelanggan yang bahagia.

Homebrew mencari bisnis perangkat lunak ML / AI yang meningkatkan data yang tidak bisa dimiliki oleh pemain lama dan yang tahu bagaimana memenangkan pasar. Kami telah berinvestasi di lebih dari selusin perusahaan perangkat lunak bertenaga ML / AI dalam dua setengah tahun terakhir. Dan kami senang melihat di mana lagi pendiri paling inovatif akan membidik dengan ML / AI toolets mereka.

Currently unrated

Comments