Una startup construida sobre el gran modelo lingüístico de otra persona sigue siendo defendible al poseer lo que un competidor no puede copiar con más dinero o un mejor equipo de ingeniería: datos propietarios, propiedad intelectual protegida y modelos internos superpuestos al LLM. Esa combinación, junto con un equipo que tiene experiencia en el campo y un producto que ha demostrado su adecuación al mercado, es lo que buscan los capitalistas de riesgo cuando la tecnología central no es la suya.
Puntos clave
- Depender de un LLM externo deja a una startup abierta a ser copiada por rivales y a empresas más grandes que ingresen a su mercado.
- La innovación y la protección de la propiedad intelectual diferencian a una startup más allá de la mera solicitud de un LLM.
- Los datos patentados son la defensa probada: disuaden a los competidores que tienen más financiamiento o equipos tecnológicos más fuertes.
- Un camino práctico es amplificar la tecnología y los datos patentados con modelos generativos y luego considerar un LLM interno una vez que se demuestre la adecuación del producto al mercado.
- Los capitalistas de riesgo quieren un equipo y una visión que vayan más allá de una simple llamada API.
¿Por qué la defensa es la primera pregunta que hacen los capitalistas de riesgo?
Como emprendedor y académico, a menudo los capitalistas de riesgo (VC) y las nuevas empresas se acercan a mí con una pregunta apremiante: "¿Cómo puede una startup seguir siendo competitiva y defendible cuando construye su núcleo en grandes modelos de lenguaje (LLM) como ChatGPT?"
Mi respuesta es cuidadosa. Las empresas con baja propiedad intelectual pueden generar preocupaciones, pero hay un factor que exige nuestra mayor atención. Este artículo explica por qué ese elemento es tan importante.
¿Por qué las startups respaldadas por LLM atrajeron tanto interés de capital de riesgo?
Los LLM han cambiado la forma en que interactuamos con la tecnología, permitiendo importantes avances en el procesamiento y la comprensión del lenguaje natural. La tecnología ha encontrado aplicaciones en muchos sectores, desde el servicio al cliente y la generación de contenido hasta el análisis de datos y la toma de decisiones. Como resultado, el panorama de las startups ha visto un aumento en las empresas construidas sobre estos poderosos modelos lingüísticos.
Después de que OpenAI lanzó ChatGPT, el interés que generó entre los capitalistas de riesgo de todo el mundo fue notable. Aunque algunos lo vieron como una perturbación menor, el entusiasmo que rodea a los LLM llamó la atención de inversores de renombre.
En el momento de escribir este artículo (2023), miles de nuevas empresas de IA generativa estaban atrayendo miles de millones de dólares de inversión, y PitchBook esperaba que el mercado global de IA generativa alcanzara los 42.6 mil millones de dólares en 2023.
¿Qué hace que la tecnología no patentada sea riesgosa para las nuevas empresas?
Los modelos de lenguaje transformadores han despertado un inmenso interés y potencial entre las nuevas empresas, pero es crucial reconocer los desafíos de construir sobre tecnología no patentada. Las empresas emergentes, a diferencia de los gigantes de la industria como Google, a menudo carecen de los recursos y la infraestructura para perfeccionar, reciclar o explotar plenamente las capacidades de los LLM.
Esta dependencia de tecnología de terceros los deja abiertos a la replicación de nuevas empresas rivales y a ser eclipsados por corporaciones más grandes que buscan capitalizar mercados en crecimiento. Con tecnologías bien establecidas y un hambre constante de nuevas aplicaciones, estos gigantes pueden desplegar sus propios recursos a escala y erosionar la ventaja competitiva de las empresas más pequeñas.
Una simple prueba concreta el riesgo. Si un competidor pudiera reconstruir su producto en unas pocas semanas con el mismo acceso al modelo y un mensaje bien escrito, su ventaja radica en la velocidad y la distribución, no en la tecnología. La velocidad y la distribución son importantes, pero rara vez sobreviven a una empresa más grande que decide ingresar a su mercado.
¿Cómo protegen la innovación y la propiedad intelectual a una startup respaldada por un LLM?
Para reducir el riesgo de replicación tecnológica, las startups deben encontrar activamente formas de diferenciarse más allá de la mera aplicación de LLM. La clave está en una cultura de innovación y protección de la propiedad intelectual. Un equipo que comprende los matices de la tecnología y que también aporta experiencia en el campo y resolución creativa de problemas puede ampliar su oferta y construir una ventaja competitiva que vaya más allá del modelo subyacente.
Combinar esto con la adquisición estratégica y la protección de los derechos de propiedad intelectual puede fortalecer la posición de una startup en el mercado y protegerla de los imitadores.
¿Por qué los datos propietarios son el elemento clave?
En el capital de riesgo, poseer datos únicos es una forma comprobada de proteger la defendibilidad de una tecnología. Los capitalistas de riesgo reconocen que los conjuntos de datos patentados pueden disuadir la competencia, evitando que los rivales simplemente copien ideas con equipos de tecnología o financiación superiores.
El valor de los datos únicos va más allá de ralentizar la replicación. Brinda a las empresas emergentes información valiosa, ayudándolas a identificar patrones ocultos, comprender el comportamiento de los clientes y mantenerse a la vanguardia de las tendencias del mercado. Al poner a trabajar datos patentados, las nuevas empresas pueden fortalecer su ventaja competitiva e impulsar la innovación en un panorama ferozmente competitivo.
Una forma para que los fundadores se mantengan por delante de su competencia a los ojos de los capitalistas de riesgo es amplificar sus datos y tecnología patentados con redes generativas modernas y, una vez que se demuestre que el producto se ajusta al mercado, buscar más en un LLM interno.
¿Cómo aplicó esto SOMIN?
Por ejemplo, al crear nuestra suite de análisis de la competencia, "SoMonitor", y su asistente de análisis basado en LLM, "SoDa", la defensa de la tecnología fue una de nuestras principales prioridades.
En esencia, establecimos un gran tesoro de datos anónimos que cubren cinco años de campañas publicitarias ejecutadas en la plataforma publicitaria de Meta para nuestros clientes. Utilizando la tecnología de inteligencia artificial patentada que creamos, estos datos se utilizan para predecir con precisión las tasas de clics (CTR) y las tasas de conversión (CR) de los banners publicitarios, junto con un mapa de calor que resalta los componentes visuales que impulsan la participación del cliente y las compras de productos.
Al integrar los datos visuales y textuales que tenemos, combinando nuestros modelos multimodales internos para la predicción del rendimiento creativo de los anuncios con el poder de los LLM, logramos que el sistema generara recomendaciones procesables para los clientes. Cubren arquetipos de marcas de la competencia, alcance a la audiencia, contenido e instantáneas promocionales, entregadas como un resumen en tiempo real. Esto permite a nuestros clientes perfeccionar sus estrategias, mejorar los activos creativos y mantenerse a la vanguardia en un mercado ferozmente competitivo.
Combinar los LLM con la IA interna de esta manera nos permitió crear una nueva aplicación en la industria de martech que no habría sido posible sin los LLM. Estas capacidades tampoco pueden replicarse fácilmente. Utilizamos LLM para describir la industria del marketing digital de manera integral, y la combinación de datos patentados y algoritmos de predicción de CTR hace que el sistema sea muy distintivo y difícil de copiar, lo que lo distingue de la competencia.
¿Cómo debería presentar una startup respaldada por un LLM a los capitalistas de riesgo?
La decisión de invertir en LLM sigue siendo una decisión subjetiva y los inversores la sopesan de manera diferente. Sin embargo, un consejo sigue siendo relevante: al lanzar una startup, respalde sus afirmaciones con tecnología patentada, propiedad intelectual valiosa y un equipo capacitado y comprometido con el éxito, especialmente en una etapa inicial.
Ir más allá de la superficie es crucial. Si el equipo muestra una experiencia prometedora y una visión que se extiende más allá de una simple llamada API, los capitalistas de riesgo seguramente querrán explorar su empresa más profundamente.
En la práctica, eso significa que una propuesta debe responder cuatro preguntas claramente: qué datos posee que otros no pueden obtener, qué ha construido sobre el modelo, qué protege ese trabajo y por qué su equipo es el indicado para hacerlo. Nuestro propio enfoque para los dos primeros se describe en artículos revisados por pares en la página de investigación SOMIN, y los datos de la misma categoría fundamentan los agentes de marketing de IA de SOMIN.
Lecturas relacionadas
- ¿Cómo pueden las empresas usar modelos de lenguaje de gran tamaño más allá de los chatbots?
- Datos propios de las agencias: por qué los datos de categoría superan a un mejor prompt
- ¿Qué es el potencial de clics de una creatividad y se puede predecir antes de invertir?
- Investigación SOMIN: artículos y charlas revisados por pares
- Agentes de marketing de IA de SOMIN
FAQ
¿Se puede defender una startup basada en un LLM de terceros?
Sí, si posee algo que el proveedor del modelo y sus rivales no pueden copiar. Los datos de propiedad, la propiedad intelectual protegida, los modelos internos y la experiencia en el dominio amplían la ventaja más allá del LLM subyacente.
¿Por qué los datos propietarios son tan importantes para los capitalistas de riesgo?
Los datos únicos disuaden a los competidores que tienen más financiación o equipos tecnológicos más fuertes, porque no pueden simplemente copiarlos. También brinda a la startup información sobre patrones, comportamiento de los clientes y tendencias del mercado.
¿Debería una startup respaldada por un LLM construir su propio modelo lingüístico?
No al principio. Un camino práctico es amplificar sus datos y tecnología patentados con modelos generativos existentes y luego buscar un LLM interno una vez que se demuestre que el producto y el mercado se ajustan.
¿Qué quieren ver los capitalistas de riesgo en el discurso de una startup de LLM?
Tecnología patentada, propiedad intelectual valiosa y un equipo capacitado y comprometido, especialmente en una etapa inicial. Por encima de todo, buscan experiencia y una visión que vaya más allá de una simple llamada API.
