Después de este invierno COVID llega una primavera AI


Durante el auge, las empresas se centran en el crecimiento. Quieren mejorar la eficiencia en tiempos difíciles. La historia nos muestra que después de cada recesión económica importante desde la década de 1980, las empresas confiaron en la tecnología digital, y particularmente en las innovaciones de tecnología de software, para volver a la productividad total con menos trabajos repetitivos y menos hinchazón.

Los años que tengo como VC me han convencido de que este es el mejor momento para comenzar una primera empresa de inteligencia artificial, no debido a la recesión, sino a causa de ella. La próxima recuperación económica será impulsada por inteligencia artificial y acelerará su introducción.

Las extensiones están basadas en software

Mientras que la Gran Recesión a menudo se ve como una "recuperación sin empleo", los economistas de la Oficina Nacional de Investigación Económica (NBER) han descubierto que la recesión es el cambio de trabajos repetitivos a trabajos no rutinarios acelerado en los extremos superior e inferior del espectro. Sí, las tareas existentes se han automatizado, pero las empresas han proporcionado datos y análisis a sus empleados para mejorar su juicio y mejorar la productividad y la calidad. Este es un ciclo virtuoso de datos y juicio que aumenta la rentabilidad y crea un trabajo más gratificante.

De hecho, las tasas de desempleo más altas durante la Gran Recesión fueron seguidas por un aumento en la matrícula en educación postsecundaria en análisis y ciencia de datos a medida que las personas buscaban oportunidades para educarse. El período fue seguido por una recuperación en la cual el desempleo cayó a mínimos históricos a pesar de la creciente automatización.

VB Transform 2020 en línea – 15-17 Julio. Únase a los principales líderes de IA: regístrese para la transmisión en vivo gratuita.

Sin nuestra propia culpa, estamos nuevamente en el ciclo de recesión y recuperación. Las industrias ya esperan beneficiarse de la inteligencia artificial mejorada y el aprendizaje automático en la próxima recuperación. Esta expectativa abrirá nuevas oportunidades para los empresarios de IA.

Cada recuperación económica se define por la tecnología de software emergente y una serie de aplicaciones.

Las empresas que crecieron en la economía débil de principios de los años ochenta realizaron las primeras OPI de software cuando la economía se recuperó a mediados de esta década: Lotus, Microsoft, Oracle, Adobe, Autodesk y Borland.

El software empaquetado marcó un punto de inflexión único en la historia de la empresa minorista. La categoría no requería inversión ni costos de personal. Las compañías de software tenían márgenes brutos del 80% o más, lo que las hacía sorprendentemente resistentes al crecimiento o la reducción sin poner en peligro su existencia. Si los empresarios estuvieran dispuestos a trabajar por salarios más bajos, las compañías de software podrían establecerse rápidamente con una inversión externa mínima o nula, y si pudieran encontrar un ajuste temprano en el mercado de productos, a menudo podrían iniciarse y crecer orgánicamente.

Estas nuevas compañías de software se adaptaron perfectamente para fomentar la innovación en las recesiones, ya que había personas altamente calificadas disponibles, más baratas y con mucho espacio de oficina. Al mismo tiempo, las compañías establecidas han dejado de desarrollar nuevos productos al tratar de atender y mantener a los clientes existentes.

Comencé a trabajar como VC en 1990 para la primera empresa de riesgo enfocada únicamente en inversiones de software, Hummer Winblad. Si bien John Hummer y Ann Winblad necesitaban trabajo duro y tenacidad para reunir este primer fondo, su oportunidad como inversionista resultó ser perfecta. Una recesión comenzó en el segundo trimestre de este año y continuó hasta el primer trimestre de 1991.

Las compañías de software que surgieron de esta recesión fueron pioneras en la informática rentable cliente-servidor. Sybase, que comenzó esta tendencia con sus interfaces abiertas de cliente-servidor, se hizo pública en 1991 después de haber crecido un 54% en el año anterior.

Para entonces, las universidades habían completado muchos programadores y habían creado un grupo de talentos para nuevas empresas. Las nuevas plataformas de desarrollo de software hicieron que estos programadores fueran más productivos. La década de 1990 fue la primera era dorada para la informática empresarial. Una empresa de Hummer Winblad, Arbor Software, inventó la categoría de procesamiento analítico en línea (OLAP). Otro, Powersoft, se convirtió en la plataforma dominante de desarrollo cliente-servidor sin código. Fue la primera adquisición de software de la industria de mil millones de dólares.

Las primeras empresas de CRM que surgieron de esta recesión se hicieron públicas con éxito de 1993 a 1999. Esta clase incluía Remedy, una empresa a la que BusinessWeek se refirió sin aliento como la "Compañía número uno más popular de Estados Unidos" en 1996. Scopus, Vantive y Clarify crecieron rápidamente y se hicieron públicas o fueron adquiridas durante o poco después .

Esta exuberancia terminó con la redada de Dotcom en marzo de 2000.

En ese momento, Salesforce solo había existido durante un año. Concur era una empresa relativamente nueva que se vio obligada a reinventarse cuando el negocio del software empaquetado colapsó. Muchas personas habrían pensado que su momento era terrible, pero no tenían la obligación de mantener una base instalada durante la recesión de 2001 después de la quiebra. Esto les permitió trabajar de manera innovadora y se convirtieron en dos de las primeras compañías SaaS.

Salesforce se hizo pública en 2004 y ahora tiene una capitalización de mercado de aproximadamente $ 135 mil millones. En 2013, Concur se vendió a SAP por $ 8,3 mil millones. Amazon Web Services también se diseñó durante esta recesión y se lanzó en julio de 2002. SaaS y la computación en la nube fueron mutuamente beneficiosas para el resto de la década.

La Gran Recesión marcó el comienzo de la era del Big Data

Como subprime La crisis hipotecaria detuvo a toda la economía, las empresas tuvieron que retener clientes y mejorar la eficiencia, objetivos que a menudo se contradicen entre sí. La idea de un futuro de big data ya había echado raíces y los ejecutivos con visión de futuro sospechaban que la solución ya estaba en sus datos si solo podían encontrarla. Al mismo tiempo, las compañías de software establecidas también han reducido el gasto en I + D. Esto abrió un terreno fértil para las empresas de análisis más nuevas y más ágiles.

La mayoría de las compañías de software no vieron crecimiento en 2009, pero Omniture, un proveedor líder de análisis web, creció más del 80% ese año, lo que llevó a Adobe a asumir más de $ 1.9 mil millones. Tableau fue fundada en 2003, pero creció lentamente hasta la recesión. De 2008 a 2010, las ventas aumentaron de $ 13 millones a $ 34 millones. Durante el mismo período, Splunk aumentó de $ 9 millones a $ 35 millones. Ayasdi, Cloudera, Mapr y Datameer se lanzaron en las profundidades de la Gran Recesión.

Por supuesto, ninguna de estas empresas podría haber prosperado sin científicos de datos. Así como las universidades aceleraron la creación de desarrolladores de software a principios de la década de 1990, nuevamente aceleraron la creación de expertos en análisis y científicos de datos durante la gran recesión, que a su vez ayudó a impulsar la recuperación y una década de expansión económica, crecimiento del empleo y desarrollo para avanzar en el mercado alcista más largo de la historia de Estados Unidos.

Ahora es el turno de AI.

Incluso antes de la pandemia, muchos economistas y directores financieros corporativos consideraron que en 2020 habría al menos un 50% de posibilidades de recesión.

Hace más de un año Parlamento – la revista política publicada por el Parlamento Europeo – predijo que la próxima recesión provocaría una ola de IA. La revista citó a Mirko Draca de la London School of Economics diciendo: "Esperamos que otro boom tecnológico basado en la IA y la tecnología de robots continúe en los próximos 10 a 15 años".

Aquellos que predijeron una mera recesión eran: por decir lo menos, insuficientemente pesimista. Las empresas han reducido sus costos laborales de forma más agresiva que nunca para hacer frente a la situación repentina y grave. Nuevamente, dependerán de la automatización para aumentar la producción cuando comience la recuperación.

El Atlantic Council encuestó a más de 100 expertos en tecnología sobre el impacto que COVID-19 tendría en la innovación global. Incluso en medio de la pandemia, estos expertos creían que los datos y la IA tendrían más impacto que la bioingeniería médica en los próximos dos a cinco años. Los dos no son mutuamente excluyentes; Deepmind Technologies de Google recientemente utilizó su herramienta AlphaFold para predecir patrones complejos de plegamiento de proteínas que son útiles para encontrar una vacuna.

Las empresas que emergen de esta recesión ajustarán los procesos para "vacunar" sus sistemas contra la próxima pandemia. En respuesta a las interrupciones de la cadena de suministro, Volkswagen está considerando expandir sus capacidades de impresión 3D en Alemania para proporcionar al fabricante de automóviles una fuente redundante de piezas. El banco de desarrollo del gobierno de Japón subvencionará los costos de las compañías que trasladan la producción a Japón.

Para recuperar la producción en tierra y controlar los costos al mismo tiempo, se requieren inversiones considerables en robótica e IA. Incluso las compañías que no tienen sus propias capacidades de producción, como los minoristas en línea, planean usar IA para mejorar la confiabilidad de las complejas cadenas de suministro globales. Por lo tanto, un aumento en la demanda de talento de IA es inevitable.

En 2018, varias universidades grandes anunciaron iniciativas para desarrollar este talento. El MIT ha anunciado el mayor compromiso de la universidad con la IA hasta la fecha: una iniciativa de $ 1 mil millones para crear una Facultad de Informática. Carnegie-Mellon creó el primer Bachillerato en Ciencias en Inteligencia Artificial. UC Berkeley anunció un nuevo departamento para ciencia de datos. Y Stanford anunció una iniciativa de IA centrada en el ser humano.

Docenas de otras escuelas han seguido su ejemplo. El aprendizaje automático ha evolucionado de la oscuridad a la omnipresencia, al igual que el desarrollo de software hace 30 años y la ciencia de datos hace 10 años.

La recuperación dependerá de la productividad real.

Ya en 2017, algunos de mis colegas escribieron sobre la curva de riesgo de IA alegando que la introducción de la IA no fue a través de la tecnología, sino a través de la percepción del gerente de los riesgos asociados con el reemplazo de un empleado (cuyo desempeño se conoce) Se conecta un proceso de software desconocido, se ralentiza.

Las recesiones aumentan la presión sobre los gerentes para reducir los costos laborales y, por lo tanto, aumentan su tolerancia a los riesgos asociados con la introducción de nuevas tecnologías. Durante el próximo año o dos, las empresas estarán más dispuestas a asumir riesgos e integrar nuevas tecnologías en su infraestructura. Sin embargo, los desafíos de sobrevivir en la recesión harán que las primeras compañías de IA realicen mejoras cuantificables en calidad y productividad.

Un riesgo relativamente nuevo que los gerentes tienen que tolerar son los datos. Incluso las empresas que aún no utilizan sus datos de manera efectiva ahora lo reconocen como un recurso valioso. Dado que las nuevas empresas utilizan sistemas de software de inteligencia artificial que demuestran ser más precisos y menos costosos que los humanos, sus primeros clientes adoptantes deben estar más dispuestos a confiarles datos patentados. Esto permite a las compañías de IA entrenar nuevos productos y hacerlos aún más inteligentes. Y para asumir este riesgo, las empresas deben hacer que sus modelos sean más transparentes, más fáciles de reproducir y más explicables para sus clientes, auditores y reguladores.

En el área de la alimentación y la agricultura, la IA nos ayudará y comprenderá cómo adaptarnos a un clima cambiante. En términos de infraestructura y seguridad, los modelos de aprendizaje automático mejorarán la eficiencia, la confiabilidad y el rendimiento de la infraestructura de la nube. Los modelos de riesgo mejores y más dinámicos ayudarán a las empresas y a todo el mercado financiero a superar la próxima crisis.

Para lograr todo esto, se necesita una variedad de nuevas compañías para IA aplicada, especialmente compañías que habilitan la IA y desarrollan mejores herramientas e infraestructura de desarrollo, sistemas de optimización continua y productos que ayudan a las disciplinas a mejorar la calidad, seguridad y privacidad de los datos.

Los tiempos de auge favorecen a las empresas establecidas. Tienes el flujo de efectivo para financiar skunkworks y hacer una investigación pura. Sin embargo, es obvio que el gasto en I + D es una de las primeras cosas que hacen las grandes empresas en una recesión. Como emprendedor, la idea de comenzar un negocio en este momento puede dar miedo, pero este corte por parte de competidores establecidos te deja un nuevo terreno para desarrollar nuevas ideas.

La primera señal de una primavera de IA vendrá cuando las compañías pronostiquen nuevamente una mayor demanda e intenten mejorar la productividad. La única forma de estar allí cuando se presente la oportunidad es comenzar ahora.

La mejor parte es que no solo te beneficias del resto, sino que también ayudas a crearlo.

[VentureBeat’s Transform 2020 event in July will feature a host of disruptive new AI technologies and companies.]

Mark Gorenberg es el fundador y director gerente de Zetta Venture Partners.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *