Forbes에서 작성한 기사인 “How to create AI startup“을 간단히 요약합니다.
Key Takeaways
- AI 스타트업은 올바른 product market fit을 찾고 high-quality dateset을 확보하는데 어려움을 겪음
- 이를 극복하기 위해서 AI 역량을 강화하고자 하는 기업과 협력하거나 데이터를 수집하는 무료앱을 개발하는 것을 고려할 수 있음
- 성공적인 AI 스타트업을 만들기 위해서 추가적으로 1) proprietary dataset을 확보하고2) customized solution을 사용하는 비즈니스 영역에 역량에 집중하며, 3) 고객을 잘 이해하고 이를 solution 개발에 반영하여 adoption을 높이는 것과, 4) top-notch 팀을 구성하는 것을 조언하였음
Challenge 1: Product Market Fit(PMF)
글로벌 리서치 펌인 IDC에 따르면 AI에 대한 global spending은 2023년 $97.9B 에 달할 것으로 전망하며 이는 많은 스타트업들에게 좋은 기회가 될 것이라 함.
하지만 스타트업이 right PMF를 찾는 것은 쉽지 않을 것임.
- AI 모델은 high level customization을 요구함
- 같은 산업 내 회사들 간에도 종종 variation이 큼
Challange 2: High-quality Dataset
데이터 확보는 스타트업에겐 ‘닭과 달걀’ 딜레마임
- 고객이 없으면 데이터를 얻을 수 없고 이로 인해 알고리즘을 트레이닝 시킬 수 없음
- 알고리즘이 없으면 고객에게 가치를 제공할 수 없고 마켓에서 경쟁할 수 없음
- 따라서 스타트업은 데이터를 제공해주는 고객을 얻을 수 없음
Alternatives
올바른 PMF를 찾거나, Dataset를 확보하기 위해서 스타트업은 다음과 같은 대안을 선택할 수 있음
- AI 역량을 키우는데 도움이 필요한 기업과의 파트너쉽
- 데이터를 모으는 무료앱을 개발
Proprietary Datasets
Pilota의 CEO이자 cofounder인 Saniya는 성공적인 AI 스타트업을 만들기 위해서 proprietary data를 sourcing하고 building하는 것을 꼽았음. 이어서 Saniya는 모든 투자자들이 데이터는 어디서 수집하고 경쟁자들이 Pilota의 데이터에 access하지 못하게 어떠한 조치를 취하는 지 물어보았다 함.
Tailored AI Solution
atSpoke의 CEO이자 cofounder인 Jay Srinivasan에 따르면 투자자들은 기존에 해결할 수 없었던 문제에 특화된 tailored AI solution에 관심이 많다고 함. 그래서 콜센터나 back-office paperwork processing과 같이 비효율적이고 반복적인 업무가 많은 영역에 집중을 할 것을 조언함.
Adoption
Activ Surgical의 Associate Director인 Vasiliy Buharin에 따르면 AI 스타트업은 고객을 잘 알아야 한다고 함. 예를 들어서 스타트업이 LA의 교통체증이나 항공기 탑승절차를 간소화 시키는 알고리즘을 개발하더라도 AI 솔루션이 일반적인 사람들의 행동들을 반영하지 않고 preprogrammed automation으로 가정해서 개발되었으면 adopt되기 어렵다고 함.
Top-notch Team
AI 스타트업이 경험할 여러 어려움들로 인해서 스타트업은 multiple pivot을 진행할 것이고 이 때문에 스타트업 구성원은 최고 인재들로 구성해야 함.
Outlier의 CEO인 Sean Byrnes에 따르면 스타트업은 자사가 해결하려는 문제를 찾고 다양한 해결방법을 모색하는 과정에서 시장에 대해서 배우게 되고 비즈니스를 build하기에 최적인 best solution을 찾게 된다고 함.
“Spending 6 months exploring and selecting the right problem can save you 6 years of wasted effort trying to build around a flawed idea.”