**Quelle: **Financial Association
Xiaoxiang bearbeiten
Bildnachweis: Erstellt von Unbounded AI-Tools
Während ChatGPT dafür sorgt, dass sich die AIGC-Begeisterung auf der ganzen Welt rasant ausbreitet, schießen auch zahlreiche Startups im Bereich der generativen künstlichen Intelligenz wie Pilze aus dem Boden.
Doch selbst wenn diese Startups problemlos Milliarden von Dollar an Investmentfonds erhalten können, gibt es immer noch eine Achillesferse, die derzeit fast unvermeidlich ist – nämlich den Mangel an Trainingsdaten, der letztendlich der Schlüssel zum Erfolg dieser Startups sein kann Startups. Der größte „Stolperstein“ auf der Straße. **
Brad Svrluga, Mitbegründer und General Partner der Risikokapitalgesellschaft Primary Venture Partners, sagte: „Wir haben viele Selbstempfehlungen von Start-up-KI-Unternehmen erhalten. Trainingsdaten für leistungsstarke Anwendungen, ganz zu schweigen von proprietären Daten, die ihnen beim Aufbau helfen können.“ einen wettbewerbsfähigen Burggraben in ihrem Geschäft.“
Daten sind „seltener“ als Geld
Laut PitchBook ist die Risikokapitalfinanzierung für generative KI-Startups von 4,8 Milliarden US-Dollar im Jahr 2022 auf 12,7 Milliarden US-Dollar in den ersten fünf Monaten des Jahres 2023 gestiegen.
Viele dieser Unternehmen versuchen nun, weitere Nischen-KI-Modelle in Bereichen wie dem Finanzwesen oder dem Gesundheitswesen zu entwickeln, wo Trainingsdatensätze nicht leicht zu bekommen sind.
** Paul Tyma, Chief Technology Officer von Bullpen Capital, wies darauf hin, dass die Erstellung tatsächlicher Modelle zu einem gewissen Grad zur Ware geworden sei und der wahre Wert in den Daten liege. **
Einige KI-Startups streben Partnerschaften mit großen, datenreichen Unternehmen an. Marna Ricker, Global Vice Chairman bei Ernst & Young und verantwortlich für Steuern, sagte beispielsweise, dass Start-ups im Bereich der generativen künstlichen Intelligenz jeden Tag eine Zusammenarbeit anstreben, da das Unternehmen über eine große Menge an Transaktionsdaten verfüge.
Aber Andy Baldwin, Global Client Services Managing Partner von EY, sagte, er sei besorgt darüber, was passieren würde, wenn die Daten von EY zum Trainieren externer Modelle verwendet würden.
„Wem gehören die Daten? Wenn wir das Modell trainieren, welchen Zugriff haben wir auf das Modell? Wie können andere Personen das Modell nutzen?“, sagte Baldwin. „Die Daten sind Teil unseres geistigen Eigentums.“
Natürlich können Startups das Problem des geistigen Eigentums lösen, indem sie für jeden Kunden ein anderes Modell trainieren und dabei nur Kundendaten verwenden. Das Startup TermSheet nutzt diese Strategie, um sein Ethan-Produkt zu entwickeln, ein generatives KI-Modell, das Branchenfragen für Immobilienentwickler, Makler und Investoren beantworten kann.
Aber Roger Smith, CEO und Mitbegründer von TermSheet, sagte, dass es schon einer großen Überzeugungsarbeit bedürfe, die Kunden dazu zu bewegen, dem zuzustimmen.
** Andy Wilson, Mitbegründer und CEO des Rechtstechnologieunternehmens Logikcull, wies darauf hin, dass es ebenfalls eine Herausforderung sei, Unternehmen davon zu überzeugen, dass sie über eine starke Netzwerksicherheitsfähigkeit verfügen und diese Daten tatsächlich schützen können. **
GROSSE UNTERNEHMEN HABEN RIESIGE VORTEILE
**Svrluga von Primary Venture Partners sagte, dass große Technologieunternehmen bei generativen KI-Anwendungen eindeutig einen Vorteil gegenüber Startups haben, auch weil sie das Vertrauen größerer Kunden gewonnen haben, die sich mit ihrer Datenverarbeitung wohler fühlen – seien Sie versichert. **
Tracy Daniels, Chief Data Officer beim Finanzdienstleistungsunternehmen Truist, sagte, sie erforsche derzeit nur Anwendungsfälle für generative KI bei großen Technologieunternehmen, nicht bei Start-ups. Sie sagte, sie würde darauf vertrauen, dass die größeren Anbieter die Daten sicher aufbewahren.
Dies alles bedeutet, dass selbst Startups, die mit öffentlich verfügbaren Daten einen Vorsprung haben, vor der Herausforderung stehen, ihre Modelle mit Unternehmensdatensätzen anzureichern.
Veesual ist ein Startup für künstliche Intelligenz, das Bilder davon generiert, wie Menschen aussehen, wenn sie Kleidung anprobieren. Das Unternehmen trainierte seine Modelle zunächst hauptsächlich mithilfe öffentlicher Bilder im Internet, hatte jedoch seitdem Schwierigkeiten, große Einzelhändler davon zu überzeugen, ihre Daten zur Verbesserung der Modelle herauszugeben.
Maxime Patte, CEO und Mitbegründer von Veesual, sagte, dass große Einzelhändler in einigen Fällen sogar wollten, dass Veesual riesige Dividenden zahlt oder eine Kapitalbeteiligung an dem Unternehmen übernimmt, als Gegenleistung für das Recht von Veesual, die Daten zu nutzen. Über diese Transaktionen wurde letztlich nicht verhandelt.
PatentPal ist ein Startup für generative künstliche Intelligenz, das Anwaltskanzleien bei der Ausarbeitung von Patentanmeldungen unterstützt. Sein Vorstandsvorsitzender und Gründer Jack Xu sagte auch, dass das Unternehmen zunächst nur auf der Grundlage öffentlich zugänglicher Patentanmeldungen trainieren könne.
Das KI-Tool habe das Potenzial, noch genauer zu werden, wenn es weiterhin mit verschlüsseltem oder anonymem Feedback aus tatsächlichen Kundenfällen trainiert werde, sagte er. Dies ist jedoch kompliziert, da Feedback von hochsensiblen und vertraulichen Daten, einschließlich Geschäftsgeheimnissen, getrennt gehalten werden muss.
„Für Startups in der Anfangsphase gibt es ein Problem mit der Markenbekanntheit und es gibt auch ein Problem mit der sozialen Identität“, sagte er.
**Gleichzeitig wird die „Involution“ zwischen den Branchen immer intensiver. **Adam Struck, Gründer und geschäftsführender Gesellschafter von Struck Capital, sagte, dass einige Startups miteinander konkurrieren, um mehr Daten in bestimmten Bereichen und schneller zu sichern.
„Wenn Sie glauben, dass es einen proprietären Datensatz gibt, wollen Sie ihn vor allen anderen bekommen und verhandeln über Exklusivität“, sagte er. *In diesem Sinne ist es fast zu einem Wettrüsten geworden. *“
