È necessario partire facendo un po’ di chiarezza, soprattutto in un momento come questo, in cui l’Intelligenza Artificiale è sulla bocca di tutti. Cosa intendiamo veramente per Intelligenza Artificiale?
Troppo spesso semplici processi di data mining (l’estrazione di informazioni da grandi quantità di dati) vengono spacciati per Intelligenza Artificiale. In realtà, questo termine si riferisce alla capacità di una macchina di eseguire compiti che sono solitamente eseguiti grazie all’intelligenza umana.
Tutto questo per dire che si tratta di un mondo tecnicamente molto complesso e con varie sfaccettature e che il numero di sfide che si presentano, sia da un punto di vista computazionale che in termini di risorse, è in costante aumento. Basti pensare che sotto il cappello di Intelligenza Artificiale possiamo enumerare una lunga serie di specializzazioni: machine learning, deep learning, natural language processing, speech to text, text to speech, image recognition e così via.
Startup di Intelligenza Artificiale VS Intelligenza Artificiale in una startup
Esiste una sostanziale differenza tra avviare una startup di pura AI, che fa di essa il proprio core business, e utilizzare l’AI all’interno di una startup. Questa differenza può essere sintetizzata come l’amplificazione di tutte le sfide e le problematiche legate al fare ogni giorno Intelligenza Artificiale.
Vediamo dunque quali sono le sfide principali a cui una startup può andare incontro nel momento in cui voglia creare un prodotto basato in gran parte sull’AI.
Sono innanzitutto richieste parecchie skill specifiche molto verticali, nonché difficili da reperire e che richiedono strategie di ingaggio alternative. Pensiamo alla necessità di affiancare le figure di sviluppo con nuove professionalità, quali data scientist, data engineer ed esperti di machine learning, ognuno dei quali ha il più delle volte intrapreso percorsi di specializzazione differenti (fare NLP e analizzare quindi il linguaggio naturale si discosta molto dall’analisi delle immagini).
Un tasto dolente è legato ai costi infrastrutturali, come ad esempio quelli per l’utilizzo di GPU, il cui prezzo è ultimamente schizzato alle stelle a causa delle attività di mining delle criptovalute. Tali processori sono utilizzati per il training di modelli basati su reti neurali o anche solo per accelerare l’esecuzione delle stesse.
Fare Intelligenza Artificiale richiede tempo, sia in termini di ricerca che di sviluppo. Tempo che una startup difficilmente ha a disposizione, soprattutto in fase iniziale di go-to-market. Questa lentezza intrinseca va ovviamente in conflitto con i rapidi tempi di obsolescenza propri di tecnologie cutting-edge e in continua evoluzione. Il rischio di investire risorse in un prodotto che diventa obsoleto nel momento stesso in cui viene immesso sul mercato è altissimo.
Come si affrontano tutte queste sfide se non con investimenti adeguati per supportare la crescita e la scalabilità? Basta dare un’occhiata ai round chiusi da società di pura AI, come Hugging Face, che dal 2017 ha già raccolto più di $60M o Jarvis.ai, con più di $6M tra il 2020 e il 2021.
Fortunatamente buona parte delle difficoltà sopra citate vengono mitigate dalla presenza di una forte e attiva community mondiale che gravita intorno all’AI e che punta molto sui concetti di Open Source e condivisione.
L’Intelligenza Artificiale come valore aggiunto di un SaaS
Se quindi è molto difficile fare dell’AI il core business di una startup, come la si può impiegare all’interno di un prodotto, in particolare di un SaaS?
Credo che la chiave di lettura di questo problema sia l’impiego dell’Intelligenza Artificiale come elemento abilitante di un software, funzionale ad aggiungere nuove feature o ad arricchire quelle esistenti.
L’AI può essere utilizzata per semplificare l’esperienza utente durante la navigazione di un’interfaccia utilizzando – ad esempio – l’interpretazione del linguaggio naturale (NLP) per mostrare all’utente riassunti di testi lunghi da leggere o evidenziando nel testo le principali entità identificate per facilitarne la comprensione.
Oltretutto, essendo alto il costo di computazione e utilizzo di servizi di AI, le logiche di pricing scalabile di un SaaS ben si prestano a ottimizzare questo aspetto, consentendo di abilitare determinate funzionalità solo nelle fasce di abbonamento più alte.
Ecco quindi che rendere modulare l’Intelligenza Artificiale in un SaaS favorisce l’arricchimento dell’offerta e l’adozione di un business model estremamente scalabile.
Come usiamo l’Intelligenza Artificiale in Startup Bakery?
In Startup Bakery l’Intelligenza Artificiale è uno degli ingredienti alla base delle nostre ricette, utilizzato per aggiungere valore ai SaaS di ogni startup.
Il nostro framework tecnologico infatti, oltre a contenere componenti e servizi per consentire di velocizzare quanto più possibile lo sviluppo degli MVP, mette a disposizione delle startup anche servizi di Intelligenza Artificiale ad alto valore aggiunto.
Ma non solo… il team di Startup Bakery sta lavorando a QuSeed, un software proprietario per facilitare le analisi di dati a supporto delle decisioni di investimento.
QuSeed incamera dati di vario tipo (strutturati e non strutturati) da diverse fonti e li elabora per offrire a Business Analyst e Investment Manager preziosi insight sui trend di investimenti e acquisizioni legati al mondo dell’innovazione.
QuSeed fa uso di una pipeline NLP proprietaria per l’interpretazione del linguaggio naturale, nonché di reti neurali e modelli matematici per l’estrazione di informazioni dai dati numerici.
Per concludere, in Startup Bakery l’intelligenza artificiale è la ciliegina sulle torte volta a portare valore e innovazione immediati agli utenti dei nostri SaaS.
Startup Bakery è lo startup studio italiano specializzato nella creazione di aziende SaaS B2B con Intelligenza Artificiale. Offriamo ad aspiranti Co-Founders l’opportunità di sviluppare un’idea di business. Creiamo opportunità di investimento per Investitori Professionali. Aiutiamo le aziende nel processo di innovazione.
