投资机构评判AI初创企业的17个要素

《投资机构评判AI初创企业的17个要素》由会员分享，可在线阅读，更多相关《投资机构评判AI初创企业的17个要素（8页珍藏版）》请在文档大全上搜索。

1、.投资机构评判AI初创企业的17个要素对初创企业进行判断的17个要素，涉及价值创造的潜力、实现价值的能力、对竞争的防御力三个决定性问题柯洁与AlphaGo的比赛受到了所有AI创业公司和投资者的关注。那到底什么样的AI创业公司才能受到投资者的青睐？MMCVentures是英国著名的专注于技术领域投资的机构，其投资和研究院总监David Kelnar介绍了他们对初创企业进行判断的17个要素，涉及价值创造的潜力、实现价值的能力、对竞争的防御力三个决定性问题。（此评判标准主要是针对专注于“应用”的机器学习公司，不适合通用的解决方案公司。）今天星河研究院将为我们带来创业课堂第一讲。以下，将以这三个决定性

2、问题为主线，进行逐一介绍。这一问题MMC Ventures考虑六方面的因素。1、价值释放我们通过以下为客户创造收入的能力来判断企业的价值释放：§ 提高驱动收入的因素的增量，如转化率、收益率、吞吐量、价格等；§ 降低流失率提供更多的个性化、更好的客户服务、更少的客户摩擦或提高品牌忠诚度；§ 创造新收入来源识别新客户、增加向上行销或交叉行销的机会、创造新的市场机会。我们还通过以下为客户降低成本的能力来判断企业的价值释放：§ 减少多余的花费、超额的资源或核心资源的需求提高预测效率、流程效率或过程自动化；§ 减少经济损漏如增强合规性。2、具有颠覆性机器

3、学习主导的企业如何简化现有用户流程（优化范围），吸引新类别用户使用服务（颠覆性）？例如AI助理。根据PayScale的数据，人类助理的薪水已达到2.5万英镑年，虽然AI助手只能替代一定人员的一小部分工作，但对于许多中小企业来说可以减少很多费用。助理只是一个小领域的颠覆，但可能通过规模化产生很大效果。3、替代品稀少现在，机器学习成为了很多人力资源的替代品，被替代的这些人力资源，他们越是稀缺、昂贵，机器学习就越有价值。我们看到，在英国，机器学习初创企业最集中的领域恰恰是人力薪资最高的三个行业金融、IT和公用事业。4、机器学习的适用性机器学习非常适用于艰巨、复杂和深不可测的任务：§ 艰巨的

4、问题：在人类的能力范围内、可以通过编程来解决，但需要花费难以想象的时间和精力；§ 复杂的问题：在人类的能力范围内，但无法通过很有效的编程来解决的。例如人类可以通过人类的规则判断出一辆汽车的照片，但很难通过编程来有效的制定识别的规则；§ 深不可测的问题：超出人类能力范围的问题。在这些领域，人类无法组织数据来进行判断或预测，但利用神经网络的深度学习方法，就可以解决此类问题。机器学习不太适合无限问题和因果推理问题，因为：§ 机器学习离开了数据几乎无法使用；§ 机器学习主要是描述数据的相关性，而不是因果关系。5、达到一定性能的路径从实践的角度来看，机器学习并不需

5、要做到100%，只需要提供接近人类或比人类稍好的性能水平即可。更重要的是，我们要依据现有的条件来判断是否有一条达到这样性能的路径。例如美国94%的交通事故是人为失误，自动驾驶汽车不需要100%的安全，只需提供相当或稍优于这一安全率即可。6、合适的数据机器学习需要合适的数据进行训练和部署，我们将数据操作分为两个阶段，并以此衡量数据的实用性：§ 选择：数据的可获得性、数据的现有差距和可复制性、数据标签质量和数据偏差性；§ 处理：数据碎片、数据清洗要求，数据采样，数据转换的需求、分解和聚合。我们还需要衡量数据的保留价值。如果历史数据来对改进迭代算法有用，则拥有保留价值。例如反欺诈

6、公司，它们的客户历史数据可以有效的来测试算法的准确性是否得到改善。如果一个企业有潜力创造价值，那么如何实现这个价值？根据我们的经验，价值实现需要判断五个因素。1、创业团队的商业心态机器学习为主的初创企业中，许多创始人都拥有精湛的技术，但商业智慧将会在其业务的长期发展中发挥巨大的作用。大多数B2B软件公司迟早要建立销售团队，如果不这样业务是不会自动扩大的。因此，具有商业心态的创始人会有很强的建立销售团队的能力、快速进入市场的迫切需求以及建立一个大企业的野心。2、可量化的投入产出在B2B市场，具有可量化投入产出的解决方案通常可以获得更多的使用、更短的销售周期和很少的用户教育成本。在销售和营销方面，