Новости

Провалы ИИ-стартапов часто обусловлены комбинацией личных ошибок их команды и неудачно сложившихся обстоятельств, которые при прочих равных могли быть не настолько критическими.

Трудности на каждом шагу: в чем причины повышенной «смертности» ИИ-стартапов

1. Недостаток мощностей

Возможности цифровизации развиваются экспоненциально. С одной стороны, это, безусловно, обеспечивает устойчивый технологический прогресс, а с другой — аппаратное обеспечение устаревает почти с той же скоростью. Мощностей и объемов памяти перестает хватать на все задуманное. Кроме того, появление более новых технологий и моделей ИИ у конкурентов (в том числе крупнейших производителей) может утопить даже самый многообещающий стартап.

Обновление «железа» для разработки инноваций в области ИИ — процесс дорогостоящий, без спонсорской поддержки практически невозможный. В России в настоящее время отдельный вызов представляет поиск оборудования, поставка и обслуживание которого не зависят от санкционного давления. Отечественные производители делают все возможное, чтобы поскорее закрыть этот пробел, но им требуется время.

Как правило, из такой ситуации существуют три выхода:

1. Если в основе стартапа лежат зарубежные технологии, то и мощности задействуются тоже их. Но и здесь есть недостаток: встает вопрос о конфиденциальности данных перед иностранными сервисами.
2. Аренда мощностей у российских гигантов (МТС, «ВКонтакте», «Яндекс»). Однако при росте спроса повышаются и цены. Возможности не бесконечны — они ограничиваются поставками в Россию современных чипов и недостатком специалистов по сбору кластеров.
3. Покупка собственных мощностей, но это заведомо дорогостоящий процесс. При отсутствии уверенности в прибыльности проекта это может быть не оправдано.

2. Отсутствие гибкости

Требования к программному обеспечению неизбежно меняются в ходе проекта, это особенно заметно в случае с новыми технологическими разработками. Могут возникать технические проблемы, для решения которых необходимы изменения во всей конструкции, или потребность внести новые функции, которое текущее ПО не обеспечивает. Такие ситуации подразумевают определенную гибкость организации, а также умение вовремя отследить, когда первоначальные задачи уже не актуальны. Масштабирование узкопрофильного продукта на широкую аудиторию требует большой подвижности, на которую готовы не все организаторы ИИ-проектов.

3. Недостаток информационной базы

Для обучения ИИ требуются огромные объемы качественных данных. Подавляющее большинство поступает из открытого доступа, иными словами — из интернета. Конечно, далеко не все их можно назвать релевантными. Крупные компании, располагающие проверенными базами данных, не всегда готовы ими делиться.

4. Нехватка кадров

При том что эксперты отмечают дефицит кадров в ИТ-отрасли в целом, в сфере ИИ этот недостаток ощущается особенно полно. Когда речь идет о стартапах, предприниматели в большинстве случаев заинтересованы в том, чтобы решать задачи «своими силами», а значит, обучать уже имеющихся сотрудников новым навыкам, а не нанимать людей извне. Таким образом, мы наблюдаем популярность корпоративного обучения в области ИИ для не айтишников. Чаще всего обращаются с запросом обучить людей использовать ИИ-инструменты в своей работе в различных отделах: маркетинг, HR, юридических. Исследования Harvard Business School показали, что грамотное применение ИИ-инструментов в работе может помочь повысить эффективность деятельности сотрудников на 43%.

5. Спешка

Речь в первую очередь о преждевременных запусках — когда не полностью завершено тестирование новой ИИ-технологии (многие баги могут быть невидимыми на первый взгляд, а затем серьезно мешать работе всего продукта), пропущен этап изучения обратной связи пользователей и т.д. Чаще всего этапы вывода бизнеса на рынок сталкиваются с этим «недугом» тогда, когда авторы ИИ-изобретений слишком увлечены своей идеей и игнорируют необходимую маркетинговую составляющую. Бурный рост необходимо постоянно поддерживать, и ускоренная экспансия может стать губительной для ИИ-стартапа, который мог бы успешно развиваться на меньших скоростях.

6. Перенасыщенность рынка

Многие идеи для стартапов, возникающие на хайпе, вскоре либо теряют свою актуальность, либо попадают в число идентичных продуктов с разным интерфейсом. Эта проблема особенно больно бьет по компаниям, которые выбрали первый путь развития (взять имеющиеся технологии с открытым API и добавить к ним новый UI). На международном портале There is an AI for that представлены почти 13 тыс. видов различных ИИ-инструментов для более чем 16 тыc. задач и свыше 4 тыc. профессий. В таких условиях очень сложно разработать уникальное торговое предложение, которое действительно позволит выделиться среди остальных. Переупаковка существующих идей без добавления новой ценности не принесет стартапу успеха.

7. Потребность в дополнительном финансировании

Ценность для инвесторов имеют те проекты в области искусственного интеллекта, прибыльность которых подлежит измерению. Даже если идея ИИ-стартапа поражает своей гениальностью, отсутствие денежных перспектив становится серьезным препятствием на пути к привлечению финансирования — что для молодых проектов губительно. Иногда инвесторы попросту теряют интерес к определенным направлениям, которые раньше их привлекали. В этих случаях среди стартапов выживают единицы. И хотя с ИИ создавать минимально жизнеспособный продукт и тестировать гипотезы стало гораздо проще, на следующих этапах потребуется больше вложений в разработку и обучение моделей — и стоимость, соответственно, возрастает.

8. Неустоявшееся законодательное регулирование

В марте 2024 года был принят закон об искусственном интеллекте Европейского союза (The EU AI Act). Это первый в мире закон, полноценно регламентирующий системы искусственного интеллекта. Он затрагивает не только компании в ЕС, но и все, чьи разработки используются на этой территории. По данным Европарламента, цель этого регулирования заключается в основном в защите «фундаментальных прав и основ демократии от высокорискованных систем ИИ». Его прототип был представлен в 2021 году. Узнать, будет ли новое законодательство соответствовать реалиям рынка и как оно повлияет на предприятия в сфере ИИ и стартапы, мы сможем в ближайшие годы.

Авторские права представляют собой отдельный предмет дискуссии. Генеративные ИИ уже давно «захватили» интернет, используя образы, голоса и стили знаменитостей, политических деятелей и других людей без прямого на то разрешения. Примером может служить ситуация американской художницы Келли Маккернан, которая судится с Midjourney и Stable Diffusion. Разработчики ИИ применяли ее работы для обучения своих нейросетей без разрешения. В иске Маккернан и других художниц подчеркивается, что генеративные ИИ нарушают права миллионов авторов, и предъявляется требование об обязательном получении официального разрешения на использование чужих произведений в машинном обучении.

То же самое можно сказать и о дипфейках: сгенерированные фото и видео могут принести многомиллионный ущерб людям, как уже произошло в Гонконге. Одной из главных проблем, связанных с нейросетями, является вероятная неспособность обнаружить фальсификацию данных. В свою очередь это ведет к потенциальному распространению дезинформации, манипулированию общественным мнением и многим другим негативным сценариям.

На начало 2024 года в мире было зарегистрировано более 67 тыс. стартапов в сфере ИИ и машинного обучения, свидетельствует статистика платформы Traxcn. При этом Россия, как отметил министр экономического развития Максим Решетников, входит в тройку лидеров по объему совокупных вычислительных мощностей с использованием искусственного интеллекта, а общий уровень внедрения ИИ в приоритетных сферах экономики превышает 31%.

Оптимизаторы и первопроходцы: чем различаются ИИ-стартапы

При этом перечисленные выше проблемы присущи не всем ИИ-стартапам сразу. Все зависит от типа. Глобально ИИ-стартапы можно разделить на два типа.

Стартапы первого типа не создают собственных технологий, а задействуют уже существующие — придают им собственный пользовательский интерфейс (UI) и адаптируют под конкретные бизнес-задачи. Опорой в этом чаще всего служат такие инструменты, как ChatGTP, DALL-E, Sora, Midjourney, YaLM и другие. Наличие открытого программного интерфейса (Open API) позволяет компаниям интегрировать их функциональность в свое программное обеспечение.

Например, так появился один из ведущих проектов в области копирайтинга Copy.ai, который создает различные виды контента маркетинговой направленности. А также приложения Photoroom для редактирования фотографий на новом уровне и Descript для обработки видео и подкастов. Похожим образом функционирует приложение Replika — чат-бот для эмоциональной поддержки: он дает пользователям советы о том, как справляться со стрессом, негативным мышлением, моральным истощением и другими проблемами.

ИИ-стартапы, основанные на переосмыслении функций уже известных инструментов, — это чаще всего небольшие бизнесы, взлетающие на хайпе и wow-эффекте. Их успех напрямую зависит от той базовой модели, которая лежит в основе: ее доступности, функций и стоимости. Поэтому велик риск, что при обновлениях в исходном ресурсе построенный на нем продукт столкнется с рядом проблем вплоть до потери актуальности или работоспособности. А значит, полагание на технологии с открытым кодом может служить красным флагом для инвесторов. Еще один вызов для стартапов, особенно работающих на зарубежном рынке, — отказ крупных корпораций предоставлять доступ к своим данным, если речь идет о продажах в b2b-секторе. Кроме того, чем дольше существует тот или иной открытый ИИ-инструмент, тем больше пользователей обучаются прямому взаимодействию с ним — и аудитория стартап-продукта довольно быстро сокращается.

ИИ-стартапы второго типа разрабатывают новые технологии. В свое время такой была компания Open AI (основана в 2015 году), автор ChatGPT, DALL-E и Sora. Сюда же можно отнести Labelbox (2018 год) — платформу для маркировки данных для машинного обучения. В России в 2016 году появился фотосервис Prisma от Prisma Labs, который стал приложением года по версии App Store и Google Play во всем мире. Сама компания успешно вышла на зарубежный рынок. В 2019 году стартовала российская платформа для автоматизации закупок Bidzaar, где размещают заказы крупнейшие игроки рынка всех категорий.

Один из новейших стартапов в области ИИ — немецкий Qdrant (2022 год), среди авторов которого есть бывший сотрудник российского банка. Проект связан с разработкой системы управления векторными базами. Векторный поиск — новая технология, которая помогает создавать чат-ботов, рекомендательные системы и многое другое. В глобальные планы стартапа входит изменение принципов поиска в интернете, а также выпуск продукции крупного бизнеса.

Второй подход упирается в наличие мощностей: чтобы разработать, протестировать и ввести в эксплуатацию такие технологии, необходимо располагать передовым аппаратным обеспечением. Проработка и воплощение суперидей включают более сложные задачи, чем разворачивание готового коробочного решения рядовыми программистами, и невозможны без высокой квалификации персонала. В совокупности это выливается в огромную стоимость и потребность в финансировании. Взлет таких стартапов затрудняется и высокой конкуренцией с крупнейшими производителями: Google, Microsoft, «Яндекс», «Сбер» и другими. Разработки гигантов зачастую затмевают собой стартапы, и последним остается только продать свой бизнес более крупным игрокам или стать их частью. На фоне глобального перехода на модели искусственного интеллекта они довольно быстро берут ИИ-стартапы под свой контроль.

Недостаток мощностей и информационной базы, гибкости и финансирования, а также нюансы не до конца сформировавшегося регулирования — это общие камни преткновения для ИИ-стартапов и первого, и второго типов. Что касается остальных проблем, то для «оптимизаторов технологий» основные риски несет перенасыщенность рынка и недостаток УТП, а для «первопроходцев» - нехватка кадров и спешка с выходом на рынок.

Задача у стартапов первого и у второго типов преимущественно состоит в том, чтобы решать задачи бизнеса и государства, тем самым отвечая конкретному запросу. При этом не все венчурные фонды готовы поддерживать новые проекты на ранних стадиях — до того, как они масштабируются и выйдут на стабильную окупаемость. Стартапам тем не менее требуется время для научной составляющей и эксперимента, поэтому период взлета может стать довольно затяжным.

Как быть? Один из вариантов для предпринимателей, которые хотят развиваться в ИИ с меньшими рисками, — сфокусироваться на сегменте b2b. Мы, к примеру, выбрали для себя путь разработки b2b-решений и корпоративного обучения ИИ-инструментам. Это позволяет тестировать гипотезы спроса сразу «в полевых условиях», прежде чем вкладывать ресурсы в разработку ИИ-сервисов, спрос на которые пока не доказан или может пропасть с условным новым релизом от OpenAI.