3 tipos de 'aplicativos inteligentes' que animam os investidores

Nota do editor: Este é um post convidado escrito por S. Somasegar, diretor administrativo do Madrona Venture Group;e Daniel Li, diretor do Madrona Venture Group.

[PUBLξ

Inteligência artificial é um termo amplo e superutilizado. Qualquer startup que arrecada dinheiro hoje precisa ter uma história de aprendizado de máquina e dados, e toda empresa está tentando entender como eles podem desbloquear o valor de seus dados de clientes e transações com a IA.

Acreditamos firmemente que todos os aplicativosque está sendo construído hoje é uma aplicação inteligente. Os aplicativos que não usam dados para criar sistemas de aprendizado contínuo que fornecem melhor valor com mais dados se tornarão obsoletos no mercado à medida que avançamos.

Mas o que se arriscacapitalistas realmente querem dizer quando dizem que querem investir em aplicativos inteligentes, IA ou aprendizado de máquina?Quando discutimos aplicativos inteligentes, procuramos aplicativos que podem usar a IA para melhorar os resultados em uma ordem de magnitude, e há três caminhos que esses aplicativos normalmente seguem. Aqui estão os três tipos de aplicativos inteligentes nos quais estamos mais entusiasmados em investir em Madrona: Automators, Augmenters e Avant Garde.

Automators: aplicativos que descobrem, automatizam e integram fluxos de trabalho

A primeira categoria de aplicativos inteligentes se concentra na identificação de processos repetitivos, demorados ou difíceis e na criação de novas maneiras de lidar com esses fluxos de trabalho de uma maneira que permita que os clientes concentrem mais tempo na síntese de alto valor e no trabalho cognitivo. Esta é uma pedra angular na transformação digital pela qual todas as empresas do trabalho estão passando atualmente.

As empresas mais conhecidas atualmente neste espaço são os fornecedores de RPA (robotic process automation), incluindo UiPath e AutomationQualquer lugar. Essas empresas criam um software que permite às empresas automatizar etapas individuais de um fluxo de trabalho, como abrir um documento PDF, extrair dados importantes, inserir esses dados em outro sistema e combinar essas etapas em um fluxo de trabalho automatizado.

Os fornecedores de RPA criaram plataformas horizontais e fazem parceria com integradores de sistemas e consultores para implantar e personalizar seu software em grandes empresas. No entanto, apesar do sucesso do RPA, ele mal arranha a superfície do que é possível com a IA. Com inovações em visão computacional, compreensão de linguagem natural e outras técnicas de aprendizado profundo, ainda resta muito a ser feito com o RPA.

Além dos projetos tradicionais de RPA, também estamosvendo cada vez mais empresas incorporar automação do tipo "RPA" em novos produtos para criar fluxos de trabalho de ponta a ponta para casos de uso e setores específicos, como serviços jurídicos, assistência médica e imóveis.

Esses fluxos de trabalho geralmentecombine um fluxo de trabalho primário que tenha um alto grau de automação com sistemas "humanos no circuito" projetados para lidar com precipitação e desvios do fluxo de trabalho automatizado. Com o tempo, a mágica desses produtos vem da integração de pessoas e máquinas em uma única experiência do cliente e do uso de loops de dados e feedback para melhorar continuamente a experiência.

Algumas das empresas mais interessantes nesse espaço vão além da automaçãoum fluxo de trabalho para automatizar vários fluxos de trabalho e criar um novo fluxo de trabalho integrado. Por exemplo, uma empresa como a OpenDoor combinou o processo de avaliação de uma casa com o processo de fechamento de uma transação imobiliária e criou uma nova maneira de os consumidores abordarem o mercado imobiliário.

Augmenters: aplicativos que aconselham ou auxiliam os humanos a realizar um trabalho exponencialmente melhor

Embora muitas empresas estejam focadas em automatizar um conjunto de fluxos de trabalho primários, até que tenhamos IAs no estilo Jarvis ou HAL, eleé difícil automatizar todos os casos de canto e exceções que podem resultar de um processo, e isso dificulta definir expectativas em relação à automação.

Uma maneira de ilustrar isso épensando em uma "IA" como o Alexa - o Alexa é ótimo para uma ou duas tarefas principais (por exemplo, ativar um cronômetro, como está o tempo?), mas é difícil usar o Alexa para 50 tarefas porque há muitas incógnitas,e é difícil prever como o Alexa reagirá a incógnitas.

Por esse motivo, além de automatizar uma seleção de tarefas e processos importantes, um melhor uso para IA e aprendizado de máquina é treinar as pessoas sobre como melhorar em tarefas específicas ou fornecer ferramentas que possam ajudar alguém a concluir uma tarefa. Mesmo que a IA não possa automatizar muitas tarefas cognitivas complexas, pode ser muito útil na coleta de dados sobre entradas e resultados para ajudar os humanos a melhorar seu desempenho.

Alguns dos melhores exemplos para treinadores de IA atualmente são tarefas que sãodepende do texto e dos dados estruturados - como escrever um email, descrição do trabalho ou descrição do produto - mas não exige muitas atualizações de contexto ou em tempo real no sistema. Palantir é um exemplo de uma grande empresa hoje que adotou a abordagem de combinar analistas humanos com inteligência de máquinas para produzir um sistema que é mais eficaz do que apenas humano ou máquina.

Agora também estamos começando a verOs consultores de IA aparecem em áreas onde tradicionalmente é difícil analisar e coletar dados, como email complexo e correspondência de bate-papo ou bate-papo por voz e vídeo. Por exemplo, Gong e Chorus usam dados das chamadas Zoom para entender como os representantes de vendas podem melhorar suas reuniões de vendas e melhorar o desempenho das vendas ao longo do tempo.

Com o tempo, essas empresas estarão em condições de criar conjuntos de dados de alto valore integrar em múltiplos sistemas de registro e sistemas de ação. Dada a compreensão do desempenho e dos resultados, eles também podem se tornar importantes fornecedores de plataformas.

Avant Garde: aplicativos que criam novos produtos e experiências ativadas pela IA

A última categoria deaplicativos são os que criam experiências e produtos completamente novos usando o aprendizado de máquina. Em outras palavras, coisas que antes não eram possíveis antes da combinação de computação em nuvem de baixo custo, grandes quantidades de dados e novos algoritmos de aprendizado de máquina.

Por exemplo, automóveis autônomos criam veículos completamente novosfatores de forma, modelos de negócios e serviços que não seriam possíveis sem avanços na ML, e os assistentes de voz da Siri e do Google Home possibilitam modelos de interação completamente novos que não seriam possíveis sem avanços no processamento de linguagem natural.

Muitosdas empresas nessa categoria são pioneiras em trazer novas tecnologias importantes, como visão computacional, aprendizado profundo, robótica e PNL para os consumidores, por isso é um espaço muito dinâmico para assistir porque fica no cruzamento de grandes mercados, novas tecnologias,e novos modelos de negócios.

Isso significa que as empresas podem ser grandes oportunidades se trabalharem, mas também podem ser mais difíceis de medir e monetizar no curto prazo. Por exemplo, uma empresa como a Adaptive Biotechnologies utiliza décadas de pesquisa sobre o sistema imunológico, máquinas de sequenciamento de próxima geração e aprendizado de máquina para detectar alterações no sistema imunológico para diagnosticar doenças, mas teve que gastar tempo procurando os clientes certose modelos de negócios para monetizar sua tecnologia.

Grandes pools de capital certamente ajudam a construir essas experiências “novas em rede”, e os experimentos de grandes empresas de tecnologia, incluindo as lojas Go da Amazon ou veículos autônomos da Waymo, exigiram grandes investimentos. No entanto, existem muitos exemplos de startups que criam essas experiências “novas em rede”, como startups competindo diretamente com a Amazon em lojas sem caixa ou Waymo em veículos sem motorista. Todas essas empresas exigem profunda experiência em tecnologia e mercado, e os vencedores serão os que encontrarão as maneiras certas de aplicar novas tecnologias aos problemas dos clientes.

Conclusão

Aplicativos inteligentes são aplicativosque usam "inteligência artificial" para criar sistemas de aprendizado contínuo que proporcionam experiências ricas, adaptáveis ​​e personalizadas para os usuários. Embora esses aplicativos inteligentes tenham uma ampla variedade de clientes, parceiros e construtores, as empresas mais atraentes são tipicamente Automators, Augmenters ou Avant Grade, que podem demonstrar melhorias de ordem de magnitude nas métricas de negócios.

Via: Geek Wire