編者按：Zetta Venture 基金合伙人 Ivy Nguyen，近日在外媒 TechCrunch 上發(fā)表了文章，闡述如何用正確的標(biāo)尺去衡量AI創(chuàng)業(yè)公司，根據(jù)原文編譯如下：

人工智能公司，很多時候更像是服務(wù)或咨詢公司，二者都需要根據(jù) 客戶的具體需求，量身定制 解決方案，但從投資層面來看，其實是有很大差別的。

服務(wù)收入一直是風(fēng)險投資增長的對立面，因為它產(chǎn)生的利潤率較低，缺乏可重復(fù)性和可擴展性。隨著公司服務(wù)業(yè)務(wù)帶來更多客戶，公司需要相應(yīng)地擴大員工人數(shù)進行支持，導(dǎo)致持續(xù)較低的利潤率。Palantir是一家大數(shù)據(jù)分析獨角獸，就是一家陷入服務(wù)需求的公司。

[[243102]]

與服務(wù)提供商不同，人工智能企業(yè)有可能實現(xiàn)大規(guī)模的目標(biāo)和更高的投資回報率。如何判斷一家人工智能公司是否值得投資，以下是一些參考指標(biāo)：

人為干涉比例

隨著AI在業(yè)務(wù)中的應(yīng)用，應(yīng)該會替代很多人工工作，并且只有當(dāng)AI低于預(yù)定的準(zhǔn)確度或置信度閾值時，人工才進行干涉。這使得企業(yè)能夠以數(shù)量有限的員工，為越來越多的客戶提供服務(wù)。

Lilt 為企業(yè)提供機器翻譯，翻譯AI自動將文本從一種語言翻譯成另一種語言，再由翻譯專家更正錯誤。隨著翻譯AI的改進，人工翻譯的更正比例必須持續(xù)減少。更一般地說， 人為干涉與自動化任務(wù)的比率應(yīng)該在下降。

ROI曲線

選擇正確的人工智能應(yīng)用以實現(xiàn)長期收益是關(guān)鍵。通常情況下， 改善客戶能力下線的應(yīng)用面臨著有限的改進機會，而改善客戶收入的應(yīng)用對增長機會沒有任何限制。

例如，一旦AI將生產(chǎn)線的運行效率提高到受原料化學(xué)反應(yīng)所需時間限制的程度，AI就無法再為該特定應(yīng)用提供更大的價值。但是 幫助客戶找到新的收入機會則不同，例如 Constructor.io ，它提供基于人工智能的網(wǎng)站搜索服務(wù)，并幫助Jet.com等客戶增加購物車購買轉(zhuǎn)化，不會有天花板。

AI公司應(yīng)該密切跟蹤每個客戶的累計ROI，以確保曲線隨時間增加而不是平穩(wěn)或逐漸減少。

升級成本

部署AI產(chǎn)品是一個復(fù)雜的過程，AI需要數(shù)據(jù)進行訓(xùn)練，因此AI產(chǎn)品可能比SaaS產(chǎn)品花費更多時間來提供價值。

許多行業(yè)最近才開始數(shù)字化，有價值的數(shù)據(jù)可能是難以提取的格式，例如手寫筆記，非結(jié)構(gòu)化觀察日志或PDF。為了捕獲這些數(shù)據(jù)，在部署AI系統(tǒng)之前，公司可能不得不花費大量人力，在低利潤的數(shù)據(jù)準(zhǔn)備服務(wù)上。

數(shù)據(jù)結(jié)構(gòu)的方式也可能因客戶而異，要求AI工程師花費額外的時間來規(guī)范數(shù)據(jù)或?qū)⑵滢D(zhuǎn)換為標(biāo)準(zhǔn)化模式，以便可以應(yīng)用AI模型。

與典型的SaaS產(chǎn)品推出相比，AI產(chǎn)品的升級成本更高，并且可能會對客戶獲取成本(CAC)產(chǎn)生的利潤產(chǎn)生同樣大的影響。公司應(yīng)該仔細(xì)跟蹤這些升級的時間，以及每個新客戶的成本。如果存在真正的數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)，這些數(shù)字會隨著時間的推移而減少。

數(shù)據(jù)護城河

與競爭新功能的SaaS企業(yè)不同，AI初創(chuàng)公司有機會建立長期壁壘。可擴展的AI初創(chuàng)公司將開啟一個良性循環(huán)，產(chǎn)品表現(xiàn)越好，客戶就越多地貢獻并生成數(shù)據(jù)，從而提高產(chǎn)品的性能。這種強化循環(huán)構(gòu)建了復(fù)合壁壘，這在以前是SaaS業(yè)務(wù)中是沒有的。

僅僅是大量的數(shù)據(jù)太簡單了，還需要問自己關(guān)于數(shù)據(jù)的這些問題，以在以下方面判斷數(shù)據(jù)壁壘：

• 可訪問性：它是多么容易獲得?
• 時間：數(shù)據(jù)在模型中積累和使用的速度有多快?
• 成本：獲取和標(biāo)記此數(shù)據(jù)需要多少錢?
• 唯一性：是否可以為其他人建立模型并獲得相同結(jié)果的類似數(shù)據(jù)?
• 維度：數(shù)據(jù)集中描述了多少個不同的屬性?
• 廣度：屬性值的變化有多大，以至于它們可以解釋邊緣情況和罕見的例外情況?
• 時效性：數(shù)據(jù)長期有用嗎?

AI模型在更多數(shù)據(jù)的情況下表現(xiàn)更好，但隨著時間的推移，性能可能會趨于穩(wěn)定。公司應(yīng)該注意跟蹤，為客戶實現(xiàn)增量價值所需數(shù)據(jù)的時間和數(shù)量，以確保數(shù)據(jù)護城河繼續(xù)增長。簡而言之， 模仿者需要多少時間和多少數(shù)據(jù)才能與你的性能水平相匹配?