他人の大規模な言語モデルに基づいて構築されたスタートアップは、競合他社がより多くの資金や優れたエンジニアリング チームを擁してもコピーできないもの、つまり独自のデータ、保護された知的財産、LLM の上に重ねられた社内モデルなどを所有することで防御可能であり続けます。コアテクノロジーが自社のものでない場合、ベンチャーキャピタリストが求めるのは、その分野の専門知識を持つチームと市場適合性が証明された製品との組み合わせです。
主なポイント
- サードパーティの LLM に依存すると、スタートアップはライバルによる模倣や、大企業の市場参入にさらされることになります。
- イノベーションと知的財産保護は、単なる LLM の適用を超えてスタートアップを差別化します。
- 独自のデータは実証済みの防御手段であり、より多くの資金やより強力な技術チームを持つ競合他社を阻止します。
- 実際的な方法は、生成モデルを使用して独自のデータとテクノロジーを強化し、製品と市場の適合性が証明された後に社内 LLM を検討することです。
- VC は、単なる API 呼び出しを超えたチームとビジョンを求めています。
VCが最初に尋ねる質問が防御可能性であるのはなぜですか?
起業家であり学者である私は、ベンチャーキャピタリスト (VC) やスタートアップ企業から、「ChatGPT などの大規模言語モデル (LLM) にコアを構築する場合、どうすれば競争力と防御力を維持できるのか?」という差し迫った質問を持ちかけられます。
私の答えは慎重です。知的財産の低い企業は懸念を引き起こすかもしれませんが、細心の注意を払う必要がある要因が 1 つあります。この記事では、その要素がなぜそれほど重要なのかを説明します。
なぜ LLM が支援するスタートアップが VC の関心をこれほど集めたのでしょうか?
LLM は私たちがテクノロジーと対話する方法を変え、自然言語の処理と理解における大きな進歩を可能にしました。このテクノロジーは、顧客サービスやコンテンツ生成からデータ分析や意思決定に至るまで、多くの分野で応用されています。その結果、スタートアップの世界では、これらの強力な言語モデルに基づいて構築されたベンチャー企業が急増しています。
OpenAI が ChatGPT をリリースした後、世界中の VC の間で生み出された ChatGPT への関心は顕著でした。混乱はそれほど大きくないと見る人もいたが、LLMを取り巻く熱狂は著名な投資家の注目を集めた。
この記事の執筆時点 (2023) では、数千の生成 AI スタートアップが数十億ドルの投資を集めており、PitchBook は世界の生成 AI 市場が 2023 で 42.6 十億ドルに達すると予想していました。
何がスタートアップにとって非独自技術を危険にさらすのでしょうか?
変革的な言語モデルはスタートアップ企業の間で多大な関心と可能性を呼び起こしていますが、独自技術以外のテクノロジーを基盤とする際の課題を認識することが重要です。 Google などの業界大手とは異なり、新興企業には、LLM の機能を微調整、再トレーニング、または最大限に活用するためのリソースやインフラストラクチャが不足していることがよくあります。
このようにサードパーティのテクノロジーに依存しているため、ライバルの新興企業による模倣や、成長市場を利用しようとする大企業の影に隠れてしまう可能性があります。確立されたテクノロジーと新しいアプリケーションへの絶え間ない渇望により、これらの巨人は自社のリソースを大規模に展開し、小規模ベンチャーの競争力を侵食する可能性があります。
簡単なテストでリスクが具体的にわかります。競合他社が同じモデルへのアクセスとよく書かれたプロンプトを使用して数週間で製品を再構築できた場合、貴社の利点はテクノロジーではなく、スピードと配布にあります。スピードと流通は重要ですが、市場への参入を決定した大企業にそれらが生き残ることはほとんどありません。
イノベーションと知財は LLM 支援のスタートアップをどのように保護するのでしょうか?
技術の複製のリスクを軽減するために、スタートアップ企業は、LLM の単なる適用を超えて自社を差別化する方法を積極的に見つける必要があります。鍵はイノベーションと知的財産保護の文化にあります。テクノロジーの微妙な違いを理解し、ドメインの専門知識と創造的な問題解決をもたらすチームは、そのサービスを拡張し、基礎となるモデルを超えた競争上の優位性を構築できます。
これを知的財産権の戦略的取得および保護と組み合わせることで、スタートアップの市場での地位を強化し、模倣者から守ることができます。
独自データが重要な要素なのはなぜですか?
ベンチャー キャピタルでは、独自のデータを所有することが、テクノロジーの防御性を保護する実証済みの方法です。 VCは、独自のデータセットが競争を阻害し、ライバルが優れた資金や技術チームのアイデアを単純にコピーすることを防ぐ可能性があることを認識しています。
一意のデータの価値は、レプリケーションの速度を低下させるだけではありません。これはスタートアップ企業に貴重な洞察を与え、隠れたパターンを特定し、顧客の行動を理解し、市場トレンドの先を行くのに役立ちます。独自のデータを活用することで、新興企業は競争力を強化し、熾烈な競争環境でイノベーションを推進できます。
ベンチャーキャピタルの目から見て創業者が競合他社の先を行くための 1 つの方法は、独自のデータとテクノロジーを最新の生成ネットワークで強化し、製品と市場の適合性が証明されたら、社内 LLM をさらに検討することです。
SOMINはこれをどのように応用しましたか？
たとえば、競合他社の分析スイートである「SoMonitor」と、LLM を利用した分析アシスタントである「SoDa」を構築するとき、テクノロジーの防御性は当社の最優先事項の 1 つでした。
その中核となるのは、クライアント向けに Meta の広告プラットフォームで実行された 5 年間の広告キャンペーンをカバーする膨大な匿名データの山です。当社が構築した独自の AI テクノロジーを使用して、このデータは広告バナーのクリックスルー率 (CTR) とコンバージョン率 (CR) を正確に予測するために使用され、顧客エンゲージメントと製品購入を促進する視覚的コンポーネントを強調表示するヒートマップも提供されます。
私たちが保持しているビジュアルデータとテキストデータを統合し、広告クリエイティブのパフォーマンス予測のための社内マルチモーダルモデルと LLM の力を組み合わせることで、システムがクライアントに実用的な推奨事項を生成できるようにしました。これらは、競合ブランドの原型、視聴者へのリーチ、コンテンツ、プロモーションのスナップショットをカバーしており、リアルタイムのダイジェストとして配信されます。これにより、クライアントは戦略を磨き、創造的な資産を改善し、熾烈な競争市場で優位に立つことができます。
このように LLM と社内 AI を組み合わせることで、LLM なしでは不可能だった新しいアプリケーションをマーテック業界に構築できるようになります。これらの機能も簡単には再現できません。当社はデジタル マーケティング業界を包括的に記述するために LLM を使用しており、独自のデータと CTR 予測アルゴリズムの組み合わせにより、このシステムは非常に独特で模倣が困難であり、競合他社との差別化を図っています。
LLM の支援を受けたスタートアップ企業は、VC にどのように売り込むべきでしょうか?
LLM に投資するかどうかは依然として主観的な決定であり、投資家の判断の仕方は異なります。ただし、重要なアドバイスが 1 つあります。スタートアップを売り込むときは、特に初期段階で、独自のテクノロジー、貴重な知的財産、成功に尽力する熟練したチームで自分の主張を裏付けてください。
表面を超えていくことが重要です。チームが有望な専門知識と、単なる API 呼び出しを超えたビジョンを示していれば、VC は間違いなくあなたの会社をより深く調査したいと思うでしょう。
実際には、これは、ピッチで 4 つの質問に明確に答える必要があることを意味します。それは、自分が所有し、他の人が入手できないデータは何か、モデルに基づいて構築したものは何か、その作業を保護するものは何か、なぜあなたのチームがそれを行うのかということです。最初の 2 つに対する私たち独自のアプローチは、SOMIN 調査 ページの査読済み論文で説明されており、同じカテゴリのデータが SOMIN の AI マーケティング エージェント の根拠となっています。
関連記事
- 企業はチャットボット以外に大規模言語モデルをどう活用できるのか？
- 代理店の独自データ：優れたプロンプトよりカテゴリーデータが勝る理由
- クリエイティブのクリックされやすさとは何か、出稿前に予測できるのか？
- SOMIN 研究: 査読済みの論文と講演
- SOMINのAIマーケティングエージェント
FAQ
サードパーティ LLM をベースに構築されたスタートアップは防御可能でしょうか?
はい、モデルプロバイダーやライバルがコピーできないものを所有している場合は可能です。独自のデータ、保護された IP、社内モデル、およびドメインの専門知識はすべて、基盤となる LLM を超えて利点を拡張します。
VCにとって独自データがそれほど重要なのはなぜでしょうか?
独自のデータは、より多くの資金やより強力な技術チームを持つ競合他社を阻止します。なぜなら、データを単純にコピーすることができないからです。また、スタートアップ企業はパターン、顧客の行動、市場の傾向についての洞察を得ることができます。
LLM 支援のスタートアップは独自の言語モデルを構築すべきでしょうか?
最初からではありません。現実的な方法は、独自のデータとテクノロジーを既存の生成モデルで拡張し、製品と市場の適合性が証明された後に社内 LLM を検討することです。
VC は LLM スタートアップのピッチで何を期待していますか?
独自のテクノロジー、貴重な知的財産、そして特に初期段階における熟練した献身的なチーム。何よりも、彼らは単なる API 呼び出しを超えた専門知識とビジョンを求めています。
