Startups ganadoras en el Boom de la IA

Docenas de startups, así como algunas empresas públicas, están alimentando un auge de la inteligencia artificial que está automatizando cada vez más ciertas funciones de

Docenas de startups, así como algunas empresas públicas, están alimentando un auge de la inteligencia artificial que está automatizando cada vez más ciertas funciones de las empresas o sus productos.

The Information ha obtenido las cifras de ingresos y crecimiento de algunas de las empresas de nueva creación más destacadas en materia de inteligencia artificial (véase más abajo), ya que los clientes de las empresas adquieren programas informáticos que les permiten gestionar las cadenas de suministro y ejecutar robots de chat automatizados que atienden a clientes o empleados.

Los puntos

  • Las startups obtienen beneficios cuando las empresas adoptan la IA
  • El auge del aprendizaje por máquina impulsa las ganancias
  • Los altos costos del desarrollo de la IA siguen siendo un obstáculo

Mientras que muchas empresas emergentes de la IA construyen productos dirigidos a clientes no técnicos, un número creciente de empresas están desarrollando herramientas que permiten a los propios ingenieros y estadísticos de los clientes mejorar el aprendizaje de las máquinas en la empresa. La competencia en este sector se ha intensificado a medida que las empresas de nueva creación han desarrollado productos similares, dijeron los fundadores e inversores. (AI transformó una piscifactoría en Noruega.)

El crecimiento de los ingresos no cuenta toda la historia. Las nuevas empresas de IA tienden a tener altos costos, tanto porque trabajan con grandes cantidades de datos, un proceso que requiere mucho tiempo y recursos, como porque el proceso requiere trabajadores calificados para manipular y mejorar los modelos de aprendizaje automático.

Hace aproximadamente una década, un grupo anterior de empresas de plataformas de aprendizaje automático trató de expandir la IA al mundo de los negocios en general. La mayoría de esos esfuerzos fracasaron, dijo Greg Sands, socio de Costanoa Ventures, en parte porque la computación en nube no era aún lo suficientemente buena para manejar las cargas de trabajo del aprendizaje automático y ayudar a los desarrolladores a manejar sus datos. Citó dos que llegaron demasiado pronto: AlchemyAPI, una startup centrada en la comprensión del lenguaje natural que IBM compró en 2015, y Kaggle, que organizó concursos en línea para profesionales del aprendizaje automático (Google lo compró en 2017).

Otros han sobrevivido lo suficiente como para aprovechar el auge actual e incluso podrían estar quitando cuota de mercado a los servicios de Watson AI de IBM para empresas. Los ingresos de Watson AI cayeron alrededor de un 5% a 2.400 millones de dólares en los primeros seis meses de 2020. Aún así, muchas empresas de IA siguen sin estar probadas.

A continuación hay 12 empresas de software que vale la pena ver.

Databricks

Esta empresa de 7 años de antigüedad, valorada recientemente en 6.200 millones de dólares, proporciona herramientas de software para ayudar a acelerar el tiempo que se tarda en emplear los modelos de aprendizaje por máquina y una base de datos en la nube donde los clientes pueden almacenar su información. Los creadores de Apache Spark, un software de código abierto para el procesamiento de datos a gran escala, fundaron la compañía.

Databricks tiene 7.000 clientes de pago que van desde Starbucks hasta el desarrollador farmacéutico Regeneron. Se espera que la compañía genere al menos 85 millones de dólares en ingresos durante el actual trimestre, según una persona con conocimiento del tema, un aumento de alrededor del 70% desde los 50 millones de dólares más o menos en el tercer trimestre de 2019 y 25 millones de dólares en el mismo trimestre de 2018. Eso implica ingresos anuales este año de al menos 300 millones de dólares, en gran parte de los ingresos de suscripción recurrentes. Una portavoz de Databricks se negó a discutir las finanzas de la compañía.

Shell Oil ha dicho que Databricks le ayuda a ahorrar millones de dólares al año, entre otras cosas, almacenando y organizando los datos de su inventario de equipos y sensores conectados a las válvulas de las tuberías. De esta manera, los modelos de aprendizaje de la propia Shell pueden utilizar los datos para predecir cuándo comprar piezas e identificar cuáles de sus válvulas están a punto de romperse.

Snowflake

Snowflake, un rival de Databricks en el mercado de las bases de datos en nube, también es un beneficiario del uso de las máquinas de aprendizaje, incluso si no proporciona directamente las herramientas de aprendizaje de las máquinas de la manera en que lo hace Databricks. Ha tenido una trayectoria de ingresos similar. Recientemente se propuso alcanzar los 400 millones de dólares de ingresos este año, The Information informó anteriormente, y ha presentado una solicitud confidencial para que se haga pública a finales de este año.

El producto de la base de datos de Snowflake reúne información de múltiples fuentes dentro de una organización para que las aplicaciones analíticas, incluyendo los modelos de aprendizaje de máquinas, puedan acceder rápidamente a ella para la previsión de ventas u otras necesidades. Snowflake diseñó su software para funcionar sólo en proveedores de nubes como AWS en lugar de centros de datos privados.

Fivetran

Fivetran es otra compañía que ha aumentado la IA y el almacenamiento de datos ha dado un impulso. Automatiza el proceso de trasladar los datos de una empresa desde numerosas aplicaciones -como Salesforce, anuncios de Facebook o bases de datos de Oracle- a un almacén de datos como Snowflake, Databricks o los gestionados por AWS, Microsoft o Google. La compañía dice que tiene más de 1.300 clientes de pago y generó 30 millones de dólares en ingresos en los 12 meses que terminaron en mayo, un 130% más que en los 12 meses anteriores.

DataRobot

Un relativo veterano en el campo, DataRobot, de 8 años de edad, proyectó que generaría unos 85 millones de dólares en ingresos el año pasado, frente a los 45 millones de dólares en 2018 y los 20 millones de dólares en 2017, según una persona con conocimiento de la empresa. La firma con sede en Boston es similar a IBM Watson en términos de su enfoque de ventas y servicios, ofreciendo una variedad de servicios de inteligencia artificial a empresas en una miríada de industrias. El año pasado, proyectó sus ventas y costos de mercadeo en alrededor de 60 millones de dólares, considerados altos como un porcentaje de los ingresos en comparación con otras empresas de IA.

No está claro si DataRobot ha mantenido su crecimiento este año, y una portavoz de la compañía, que reveló los despidos en marzo, no hizo comentarios.

AWS SageMaker

Este servicio de 3 años de edad ayuda a los ingenieros a trabajar con modelos de aprendizaje a máquina. Tuvo relativamente poco uso en 2018, su primer año completo como producto. Pero en 2019, se esperaba que generara entre 60 y 70 millones de dólares de ingresos, según una proyección interna de ese año. El propietario de TurboTax, Intuit, que, según datos internos de AWS, ha sido el cliente número uno de SageMaker, se esperaba que gastara al menos varios millones de dólares en el servicio en 2019.

Tales ventas, aunque diminutas comparadas con el resto de AWS, habrían representado un fuerte incremento después de que los clientes comerciales de la compañía gastaran un total de 11 millones de dólares en SageMaker en 2018, informó The Information anteriormente.

AWS ha incentivado a su personal de ventas para impulsar SageMaker y otros servicios de alto valor para los clientes. Los ejecutivos de la compañía, incluyendo el CEO de Amazon, Jeff Bezos, han promocionado el crecimiento de Sagemaker. El año pasado, AWS dijo que la plataforma tenía más de 10.000 usuarios, aunque muchas empresas más pequeñas utilizan una versión gratuita.

Domino Data Lab

Un rival de SageMaker respaldado por Sequoia Capital, Domino está valorado en más de 450 millones de dólares y generó al menos 30 millones de dólares en 2019, según una persona familiarizada con la compañía. Los ingresos han crecido más del 70% en lo que va del año en comparación con el año pasado, según otra persona con conocimiento de las finanzas de la compañía, lo que implica unos ingresos en 2020 de al menos 50 millones de dólares. Domino ayuda a los equipos de ciencia de datos de las empresas de Fortune 100 – 18 de ellas, según el CEO Nick Elprin – a colaborar y experimentar con nuevos modelos de aprendizaje a máquina. Elprin dice que el compromiso promedio de los clientes es de 300.000 dólares.

Entre los clientes se encuentran Bayer, BNP Paribas y Allstate. MoneySuperMarket, que opera un sitio de compras de comparación de precios en el Reino Unido, ha dicho que fue capaz de generar millones de dólares de ingresos adicionales mediante el uso de Domino para predecir mejor si un recorte de precio a un determinado producto en su sitio conduciría a más ventas.

Gina Papush, directora de datos y análisis de Cigna, un proveedor de servicios de salud mundial, dijo a The Information que su intención era hacer de Domino, en lugar de SageMaker de Amazon, el “lugar central” donde el equipo de más de 100 científicos de datos de la empresa trabajaría en conjunto para desarrollar modelos que puedan predecir la propagación de Covid-19 e informar los planes de los empleadores para volver a las oficinas. Los modelos también pueden identificar a los clientes que están en riesgo de adicción a los opiáceos o de sobredosis, utilizando datos sobre las historias de salud de los pacientes y los registros clínicos, dijo.

Scale AI

Esta puesta en marcha especializada en datos de etiquetas para tareas de aprendizaje de máquinas comenzó en 2016. Ayuda a los desarrolladores de automóviles autoconductores haciendo que los contratistas coloquen cajas digitales alrededor de los peatones y los vehículos en las imágenes y otros datos recogidos por los automóviles. El etiquetado ayuda a capacitar a los sistemas de aprendizaje automático para reconocer y diferenciar objetos.

Scale espera generar unos 20 millones de dólares de ingresos trimestrales para finales de este año, frente a los 10 millones de dólares de ingresos trimestrales a mediados de 2019, cuando estaba valorado en unos 1.000 millones de dólares en papel, dijo una persona con conocimiento del tema. Un portavoz de Scale no hizo comentarios.

La compañía, respaldada por Founders Fund e Index Ventures, ha automatizado desde entonces parte del etiquetado y se ha expandido más allá de los autos autoconductores. Ahora ayuda a otras empresas a mejorar la comprensión del lenguaje natural etiquetando el texto o automatizando el procesamiento de documentos de las empresas para extraer información y analizar el texto en las solicitudes de préstamos, facturas y otros formularios. Entre sus clientes se encuentran OpenAI, Liberty Mutual y el fabricante de software de recursos humanos Gusto. También ayuda a los minoristas que tratan de desarrollar tiendas sin caja.

Uno de los principales rivales de Scale es Appen, una empresa de etiquetado de datos que cotiza en bolsa. En 2019, Appen generó 536 millones de dólares en ingresos, un 47% más que en 2018, y generó un beneficio neto de unos 41,5 millones de dólares en cada uno de esos dos años.

Hugging Face

Una compañía de software de código abierto que lleva el nombre de un emoji de una cara sonriente que ofrece un abrazo, Hugging Face crea transformadores. Este conjunto de métodos relativamente nuevos ayuda a los modelos de aprendizaje automático a entender el significado detrás del texto escrito en un proceso conocido como comprensión del lenguaje natural.

Fundada en 2016, Hugging Face desarrolló una versión de transformadores que ayudaron a traducir palabras de un idioma a otro y a detectar contenido escrito inapropiado en un tablero de chat, una característica que Roblox, un servicio de desarrollo de juegos en línea, utiliza actualmente. Square, un proveedor de sistemas para puntos de venta al por menor, utilizó los transformadores de Hugging Face para desarrollar una herramienta de mensajes de texto para teléfonos móviles que los clientes de Square pueden ofrecer a los clientes para confirmar, cancelar o reprogramar citas automáticamente.

Hugging Face, respaldado por Lux Capital, aún no tiene muchos ingresos. Espera adoptar los modelos de negocio de otras empresas de código abierto después de que los transformadores se adopten más ampliamente, como por ejemplo ofrecer versiones más fáciles de usar para clientes menos técnicos, dijo el CEO Clément Delangue. Más de 1.000 empresas utilizan transformadores Hugging Face, dijo.

Moveworks

La startup Moveworks, de 4 años de edad, vende un chatbot digital que responde a las preguntas de los empleados relacionadas con la tecnología de la información. Estaba generando unos 8 millones de dólares anuales cuando Kleiner Perkins realizó una inversión de 75 millones de dólares a finales del año pasado, según una persona familiarizada con la situación. Moveworks dijo que un cliente, el fabricante de chips Broadcom, es capaz de resolver el 55% de las preguntas de TI de sus empleados en cinco minutos o menos utilizando el chatbot de Moveworks.

Weights & Biases

Iniciada en 2018, esta startup ayuda a las empresas a experimentar con sus propios modelos de aprendizaje a máquina. Sus servicios son similares en ciertos aspectos a los de Domino Data Lab.

La compañía está en camino de generar varios millones de dólares anuales, dijo el CEO Lukas Biewald, y tiene 5.000 usuarios activos semanales del software, que ofrece una versión gratuita. Dijo que las empresas de salud, farmacéuticas y de imágenes médicas se han inscrito en el software de su empresa en los últimos dos trimestres. “Casi todas las compañías farmacéuticas tienen ahora un equipo de aprendizaje profundo”, dijo.

Mientras él y sus compañeros se preparan para un mundo en el que el aprendizaje automático está “democratizado”, dijo, algunas de las tendencias actuales no apuntan a eso. A saber, los sueldos de los profesionales del aprendizaje automático han seguido estando por las nubes.

Atomwise

Atomwise es uno de los emprendimientos más comentados relacionados con la IA en el sector de la salud. Fundada en 2012, Atomwise examina miles de millones de moléculas y utiliza métodos de aprendizaje profundo para identificar qué terapias podrían ser eficaces contra enfermedades difíciles de tratar.

La empresa privada no ha revelado ingresos, pero tiene asociaciones con un “quién es quién” de la industria farmacéutica, lo que le permitiría generar importantes ingresos si las terapias resultantes de su software tienen éxito. El martes, anunció una financiación de la serie B de 123 millones de dólares, codirigida por el actual inversor B Capital Group.

Recursion Pharmaceuticals, otro descubrimiento de fármacos impulsado por el aprendizaje automático, también vale la pena verlo.

Lambda

Otra empresa más antigua de este grupo, Lambda, se ha beneficiado recientemente del auge de las unidades de procesamiento de gráficos. La empresa ha sorprendido a los observadores con su capacidad de vender ordenadores con GPU, destinados específicamente a tareas de aprendizaje profundo, de una manera que es menos costosa para algunos clientes que alquilar la potencia de computación de la nube de AWS. El director general Stephen Balaban dijo que la empresa, que comenzó hace ocho años y medio, es rentable en base a los principios de contabilidad generalmente aceptados para las empresas públicas de EE.UU. Genera más de 20 millones de dólares anuales, y los ingresos se han multiplicado por diez en los últimos dos años.

A pesar del reciente aumento de las ventas, Balaban dijo que la mayoría de las empresas con las que trabaja -que incluyen contratistas de defensa como Raytheon Technologies y aseguradoras de salud como Anthem- siguen experimentando con el aprendizaje automático en lugar de implementarlo de manera amplia.

Eso no le sorprende. Hace siete años, Apple adquirió la empresa anterior para la que trabajaba, Perceptio, con el fin de implementar la tecnología de reconocimiento facial -impulsada por el aprendizaje profundo- para su aplicación de fotos para el iPhone. En ese momento, dijo, “parecía que todo era posible [con este tipo de software] y el progreso sería rápido”. Ahora, Balaban cree que tomará décadas para que tal software penetre completamente en el resto del mundo.

“Hay grandes compañías de tecnología que lo integran adecuadamente, y un montón de otras compañías que todavía están tratando de averiguarlo”, dijo.

Amir Efrati
Via The Information


HyperNoir.

Related Posts