Empresas de IA a nivel mundial recaudaron más de $100 mil millones en dólares de capital de riesgo en 2024, de acuerdo a los datos de Crunchbase, un incremento del más del 80% en comparación con 2023. Esto representa casi un tercio del total de dólares de capital de riesgo invertidos en 2024. Esa es una gran cantidad de dinero dirigiéndose a muchas compañías de inteligencia artificial.

La industria de la IA se ha expandido tanto en los últimos dos años que se ha llenado de empresas superpuestas, startups que aún usan IA solo en el ámbito del marketing, pero no en la práctica, y prometedoras startups de IA trabajando duro. Los inversores tienen un arduo trabajo a la hora de encontrar las startups con potencial de convertirse en líderes de categoría. ¿Dónde incluso comienzan?

TechCrunch recientemente encuestó a 20 inversionistas de capital de riesgo que respaldan startups que desarrollan para empresas sobre qué le ofrece a una startup de IA una ventaja competitiva, o qué la distingue entre sus contemporáneas. Más de la mitad de los encuestados mencionaron que lo que dará una ventaja a las startups de IA es la calidad o rareza de sus datos propios.

Paul Drews, socio principal en Salesforce Ventures, declaró a TechCrunch que es realmente difícil para las startups de IA tener una ventaja porque el entorno está cambiando con rapidez. Añadió que busca startups que poseen una combinación de datos diferenciados, innovación en investigación técnica y una experiencia de usuario convincente.

Jason Mendel, inversionista de capital de riesgo en Battery Ventures, coincidió en que las ventajas tecnológicas están disminuyendo. “Busco empresas que tengan profundas ventajas en datos y flujos de trabajo,” dijo Mendel a TechCrunch. “El acceso a datos únicos y propios permite a las compañías ofrecer productos mejores que los de sus competidores, mientras que un flujo de trabajo engomoso o experiencia de usuario permite que se conviertan en los sistemas principales de compromiso e inteligencia en los que los clientes confían diariamente.”

Poseer datos propios, o difíciles de obtener, se vuelve cada vez más esencial para empresas que desarrollan soluciones verticales. Scott Beechuk, socio en Norwest Venture Partners, indicó que las compañías capaces de perfeccionar sus datos únicos son las startups con mayor potencial a largo plazo.

Andrew Ferguson, vicepresidente en Databricks Ventures, comentó que tener datos ricos del cliente, y datos que crean un bucle de retroalimentación dentro de un sistema de IA, aumenta su eficacia y ayuda a las startups a destacar también.

Valeria Kogan, CEO de Fermata, una startup que utiliza visión por computadora para detectar plagas y enfermedades en cultivos, compartió con TechCrunch que piensa que una de las razones por las que Fermata pudo ganar terreno es porque su modelo está entrenado tanto con datos de clientes como con datos del propio centro de investigación y desarrollo de la empresa. La cuestión de que la empresa realiza todo su etiquetado de datos internamente también ayuda a marcar la diferencia cuando se trata de la precisión del modelo, agregó Kogan.

Jonathan Lehr, cofundador y socio general en Work-Bench, añadió que no se trata solo de los datos que las empresas poseen, sino también de cómo son capaces de limpiarlos y ponerlos en funcion. “Como un fondo semilla enfocando la mayor parte de nuestra energía en oportunidades verticales de IA que abordan flujos de trabajo específicos de negocio que requieren un conocimiento profundo del dominio y en donde la IA es principalmente un facilitador de adquirir datos previamente inaccesibles (o muy costosos de adquirir) y limpiarlos de una manera que requeriría cientos o miles de horas de trabajo humano,” comentó Lehr.

Más allá de los datos, los inversionistas mencionaron que buscan equipos de IA liderados por talento fuerte, aquellos que ya tienen integraciones robustas con otras tecnologías, y compañías que tienen un profundo entendimiento del flujo de trabajo del cliente.