Стартап, построенный на чьей-то большой языковой модели, остается защищенным, владея тем, что конкурент не может скопировать, имея больше денег или лучшую команду разработчиков: собственные данные, защищенную интеллектуальную собственность и собственные модели, наложенные поверх LLM. Эта комбинация вместе с командой, обладающей опытом в предметной области, и продуктом, доказавшим свою пригодность для рынка, — это то, что ищут венчурные капиталисты, когда основная технология не ваша.
Главное
- Использование стороннего LLM оставляет стартап открытым для копирования со стороны конкурентов и для более крупных компаний, выходящих на его рынок.
- Инновации и защита интеллектуальной собственности отличают стартап от простого применения степени LLM.
- Запатентованные данные — проверенная защита: они отпугивают конкурентов, у которых больше финансирования или более сильные технологические команды.
- Практический путь — расширить собственные данные и технологии с помощью генеративных моделей, а затем рассмотреть возможность собственного LLM, как только будет доказано соответствие продукта рынку.
- Венчурным инвесторам нужна команда и видение, выходящие за рамки простого вызова API.
Почему обороноспособность — первый вопрос, который задают венчурные капиталисты?
Как предпринимателю и ученому, венчурные капиталисты (ВК) и стартапы часто обращаются ко мне с одним насущным вопросом: «Как стартап может оставаться конкурентоспособным и защищенным, строя свое ядро на больших языковых моделях (LLM), таких как ChatGPT?»
Мой ответ осторожный. Компании с низким уровнем интеллектуальной собственности могут вызывать обеспокоенность, но один фактор требует нашего пристального внимания. В этой статье объясняется, почему этот элемент так важен.
Почему стартапы, поддерживаемые LLM, привлекают такой большой интерес венчурных капиталистов?
LLM изменили способ нашего взаимодействия с технологиями, позволив добиться значительных успехов в обработке и понимании естественного языка. Эта технология нашла применение во многих секторах: от обслуживания клиентов и создания контента до анализа данных и принятия решений. В результате в среде стартапов наблюдается всплеск предприятий, построенных на этих мощных языковых моделях.
После того как OpenAI выпустила ChatGPT, интерес к нему среди венчурных капиталистов по всему миру был поразительным. Хотя некоторые сочли это меньшим потрясением, энтузиазм вокруг LLM привлек внимание известных инвесторов.
На момент написания (2023) тысячи стартапов в области генеративного ИИ привлекали миллиарды инвестиционных долларов, и PitchBook ожидал, что глобальный рынок генеративного ИИ достигнет 42.6 миллиардов долларов в 2023.
Что делает непатентованные технологии рискованными для стартапов?
Трансформирующие языковые модели вызвали огромный интерес и потенциал среди стартапов, но крайне важно признать проблемы, связанные с использованием непатентованных технологий. Стартапам, в отличие от отраслевых гигантов, таких как Google, часто не хватает ресурсов и инфраструктуры для точной настройки, переобучения или полного использования возможностей LLM.
Такая зависимость от сторонних технологий делает их открытыми для копирования со стороны конкурирующих стартапов и затмевает их более крупными корпорациями, стремящимися извлечь выгоду из растущих рынков. Благодаря хорошо зарекомендовавшим себя технологиям и постоянной потребности в новых приложениях эти гиганты могут масштабно использовать собственные ресурсы и подрывать конкурентные преимущества более мелких предприятий.
Простой тест делает риск конкретным. Если конкурент может переделать ваш продукт за несколько недель, используя ту же модель доступа и хорошо написанную подсказку, ваше преимущество заключается в скорости и распространении, а не в технологии. Скорость и распространение имеют значение, но они редко выживают, когда более крупная компания решает выйти на ваш рынок.
Как инновации и интеллектуальная собственность защищают стартап, поддерживаемый LLM?
Чтобы снизить риск технологического тиражирования, стартапы должны активно находить способы дифференцироваться, помимо простого применения программ LLM. Ключ лежит в культуре инноваций и защите интеллектуальной собственности. Команда, которая понимает нюансы технологии, а также обладает знаниями в предметной области и творчески подходит к решению проблем, может расширить свое предложение и создать конкурентное преимущество, выходящее за рамки базовой модели.
Сочетание этого со стратегическим приобретением и защитой прав интеллектуальной собственности может укрепить позиции стартапа на рынке и защитить его от подражателей.
Почему конфиденциальные данные являются ключевым элементом?
В венчурном капитале владение уникальными данными — проверенный способ защитить защищенность технологии. Венчурные капиталисты признают, что проприетарные наборы данных могут сдерживать конкуренцию, не позволяя соперникам просто копировать идеи с более сильным финансированием или технологическими командами.
Ценность уникальных данных выходит за рамки замедления репликации. Это дает стартапам ценную информацию, помогая им выявлять скрытые закономерности, понимать поведение клиентов и опережать тенденции рынка. Используя собственные данные, стартапы могут укрепить свои конкурентные преимущества и стимулировать инновации в условиях жесткой конкуренции.
Один из способов для основателей оставаться впереди своих конкурентов в глазах венчурных капиталистов — это расширить свои собственные данные и технологии с помощью современных генеративных сетей и, как только соответствие продукта рынку будет доказано, продолжить изучение собственного LLM.
Как SOMIN применил это?
Например, при создании нашего пакета анализа конкурентов «SoMonitor» и его помощника по аналитике «SoDa» на основе LLM защита технологий была одним из наших главных приоритетов.
В основе лежит огромный массив анонимизированных данных, охватывающих рекламные кампании, проводимые на рекламной платформе Meta для наших клиентов за пять лет. Используя созданную нами запатентованную технологию искусственного интеллекта, эти данные используются для точного прогнозирования показателей кликабельности (CTR) и коэффициентов конверсии (CR) рекламных баннеров, а также для создания тепловой карты, которая выделяет визуальные компоненты, способствующие вовлечению клиентов и покупкам продуктов.
Объединив имеющиеся у нас визуальные и текстовые данные, объединив наши собственные мультимодальные модели для прогнозирования эффективности рекламных креативов с возможностями LLM, мы заставили систему генерировать действенные рекомендации для клиентов. Они охватывают архетипы брендов конкурентов, охват аудитории, контент и рекламные снимки, предоставляемые в виде дайджеста в реальном времени. Это позволяет нашим клиентам совершенствовать свои стратегии, улучшать творческие активы и оставаться впереди на рынке с жесткой конкуренцией.
Такое объединение LLM с собственным искусственным интеллектом позволило нам создать новое приложение в отрасли маркетинговых технологий, которое было бы невозможно без LLM. Эти возможности также нелегко воспроизвести. Мы используем LLM для всестороннего описания индустрии цифрового маркетинга, а сочетание собственных данных и алгоритмов прогнозирования CTR делает систему очень уникальной и трудно копируемой, выделяя ее среди конкурентов.
Как стартапу, поддерживаемому LLM, следует презентовать свою деятельность венчурным капиталистам?
Стоит ли инвестировать в LLM, остается субъективным решением, и инвесторы оценивают его по-разному. Однако один совет остается актуальным: представляя стартап, подкрепляйте свои претензии запатентованными технологиями, ценной интеллектуальной собственностью и квалифицированной командой, стремящейся к успеху, особенно на ранней стадии.
Выход за пределы поверхности имеет решающее значение. Если команда продемонстрирует многообещающий опыт и видение, выходящее за рамки простого вызова API, венчурные капиталисты наверняка захотят более глубоко изучить вашу компанию.
На практике это означает, что презентация должна четко отвечать на четыре вопроса: какими данными вы владеете и которые другие не могут получить, что вы построили на основе модели, что защищает эту работу и почему именно ваша команда должна ее выполнять. Наш собственный подход к первым двум описан в рецензируемых статьях на странице SOMIN Research, и данные той же категории лежат в основе AI-маркетинговых агентов SOMIN.
Читайте также
- Как бизнес может использовать большие языковые модели за пределами чат-ботов?
- Собственные данные агентства: почему данные о категории важнее более удачного промпта
- Что такое кликабельность креатива и можно ли предсказать её до затрат?
- Исследование SOMIN: рецензируемые статьи и доклады
- Маркетинговые агенты SOMIN по искусственному интеллекту
FAQ
Может ли стартап, построенный на стороннем LLM, быть оправданным?
Да, если у него есть что-то, что поставщик модели и конкуренты не могут скопировать. Собственные данные, защищенная интеллектуальная собственность, собственные модели и опыт в предметной области — все это расширяет преимущества, выходящие за рамки базового LLM.
Почему частные данные так важны для венчурных капиталистов?
Уникальные данные отпугивают конкурентов, у которых больше финансирования или более сильные технологические команды, потому что они не могут просто скопировать их. Это также дает стартапу представление о закономерностях, поведении клиентов и тенденциях рынка.
Должен ли стартап, поддерживаемый LLM, создать собственную языковую модель?
Не в начале. Практический путь — расширить ваши собственные данные и технологии с помощью существующих генеративных моделей, а затем рассмотреть возможность собственного LLM, как только соответствие продукта рынку будет доказано.
Что венчурные капиталисты хотят видеть в презентации стартапа LLM?
Собственная технология, ценная интеллектуальная собственность и квалифицированная, преданная своему делу команда, особенно на ранней стадии. Прежде всего, они ищут опыт и видение, выходящие за рамки простого вызова API.
