Diese KI-Startups stachen im Winter 2024 von Y Combinator am meisten heraus

Trotz eines allgemeinen Rückgangs der Startup-Investitionen stiegen die Mittel für KI im vergangenen Jahr stark an. Allein das Kapital für generative KI-Projekte hat sich von 2022 bis 2023 nahezu verfünffacht und erreichte Ende Dezember 25,2 Milliarden US-Dollar.

Daher ist es nicht gerade überraschend, dass KI-Startups beim Winter 2024 Demo Day von Y Combinator dominierten.

Die Y Combinator Winter 2024-Kohorte umfasst laut dem offiziellen Startup-Verzeichnis von YC 86 KI-Startups – fast doppelt so viele wie im Winter 2023 und fast dreimal so viele wie im Winter 2021. Man kann es eine Blase nennen oder es übertreiben, aber KI ist eindeutig das Richtige Technologie des Augenblicks.

Wie letztes Jahr haben wir uns die neueste Y-Combinator-Kohorte angesehen – die Kohorte, die diese Woche beim Demo Day vorstellte – und einige der interessanteren KI-Startups herausgesucht. Jeder hat den Schnitt aus unterschiedlichen Gründen geschafft. Aber auf den ersten Blick hoben sie sich von den anderen ab, sei es durch ihre Technologie, ihren adressierbaren Markt oder den Hintergrund ihrer Gründer.

Hasel

August Chen (ex-Palantir) und Elton Lossner (ehemals Boston Consulting Group) behaupten, dass der staatliche Vertragsvergabeprozess hoffnungslos gescheitert sei.

Verträge werden auf Tausenden verschiedener Websites veröffentlicht und können Hunderte von Seiten mit sich überschneidenden Vorschriften umfassen. (Die US-Bundesregierung allein unterzeichnet eine geschätzt (mehr als 11 Millionen Verträge pro Jahr.) Die Reaktion auf diese Angebote kann das Äquivalent ganzer Geschäftsbereiche erfordern, unterstützt von externen Beratern und Anwaltskanzleien.

Die Lösung von Chen und Lossner ist KI zur Automatisierung der Erkennung, Ausarbeitung und Einhaltung von Regierungsverträgen. Das Paar, das sich im College kennengelernt hat, nennt es Hasel.

Mithilfe von Hazel können Benutzer einen potenziellen Vertrag zuordnen, einen Antwortentwurf basierend auf der Ausschreibung und den Informationen ihres Unternehmens erstellen, eine Checkliste mit Aufgaben erstellen und automatisch Compliance-Prüfungen durchführen.

Angesichts der Neigung der KI zu Halluzinationen bin ich etwas skeptisch, ob Hazels generierte Antworten und Überprüfungen durchweg korrekt sind. Aber wenn sie auch nur annähernd so weit sind, könnten sie enorm viel Zeit und Aufwand sparen und kleineren Firmen eine Chance auf die Hunderte Milliarden Dollar ermöglichen, die jedes Jahr an Regierungsaufträgen vergeben werden.

Andy AI

Heimkrankenschwestern erledigen eine Menge Papierkram. Tiantian Zha weiß das gut – sie arbeitete zuvor bei Verily, der Muttergesellschaft von Google AlphabetSie war in der Abteilung für Biowissenschaften tätig, wo sie an Moonshots beteiligt war, die von der personalisierten Medizin bis zur Reduzierung von durch Mücken übertragenen Krankheiten reichten.

Im Laufe ihrer Arbeit stellte Zha fest, dass die Dokumentation für das Pflegepersonal zu Hause einen großen Zeitaufwand bedeutete. Es handelt sich um ein weit verbreitetes Problem – so einer StudiePflegekräfte verbringen mehr als ein Drittel ihrer Zeit mit der Dokumentation, wodurch weniger Zeit für die Patientenversorgung aufgewendet wird zum Burnout beitragen.

Um den Dokumentationsaufwand für Pflegekräfte zu verringern, war Zha Mitbegründer von Andy AI mit Max Achterow, einem ehemaligen Apfel Stabsingenieur. Andy ist im Wesentlichen ein KI-gestützter Schreiber, der die gesprochenen Details eines Patientenbesuchs erfasst und transkribiert und elektronische Gesundheitsakten erstellt.

Wie bei jedem KI-gestützten Transkriptionstool gibt es das Risiko einer Voreingenommenheit – Das heißt, dass das Tool für einige Krankenschwestern und Patienten je nach Akzent und Wortwahl nicht gut funktioniert. Und aus Wettbewerbsgesichtspunkten ist Andy nicht gerade der Erste seiner Art, der auf den Markt kommt – zu den Konkurrenten gehören DeepScribe, Heidi Health, Nabla und Amazons AWS HealthScribe.

Aber als Gesundheitsfürsorge zunehmend Wenn sich das Unternehmen nach Hause verlagert, scheint die Nachfrage nach Apps wie Andy AI zu steigen.

Niederschlag

Wenn Ihre Erfahrung mit Wetter-Apps auch nur annähernd so ist wie die dieses Reporters, sind Sie in einen Regensturm geraten, nachdem Sie blind an die Vorhersagen eines klaren, blauen Himmels geglaubt haben.

Aber es muss nicht so sein.

Das ist zumindest die Prämisse von Precip, einer KI-gestützten Wettervorhersageplattform. Jesse Vollmar hatte die Idee, nachdem er FarmLogs gegründet hatte, ein Startup, das Software für das Pflanzenmanagement verkaufte. Er tat sich mit Sam Pierce Lolla und Michael Asher zusammen, dem früheren leitenden Datenwissenschaftler bei FarmLogs Niederschlag eine Wirklichkeit.

Precip liefert Niederschlagsanalysen, beispielsweise die Schätzung der Niederschlagsmenge in einem bestimmten geografischen Gebiet in den letzten Stunden bis Tagen. Vollmar behauptet, dass Precip „hochpräzise“ Messwerte für jeden Standort in den USA auf den Kilometer (oder zwei) genau generieren und die Bedingungen bis zu sieben Tage im Voraus vorhersagen kann.

Welchen Wert haben Niederschlagsmetriken und -warnungen? Nun, so Vollmar, können Landwirte sie nutzen, um das Pflanzenwachstum zu verfolgen, Bautrupps können sie auf Planungsteams verweisen und Versorgungsunternehmen können sie nutzen, um Betriebsunterbrechungen zu antizipieren. Ein Transportkunde überprüft Precip täglich, um schlechte Fahrbedingungen zu vermeiden, behauptet Vollmar.

Natürlich gibt es keinen Mangel an Wettervorhersage-Apps. Aber KI wie die von Precip verspricht, Prognosen genauer zu machen – sofern die KI tatsächlich ihr Geld wert ist.

Maia

Claire Wiley startete während ihres MBA-Studiums an der Wharton ein Paar-Coaching-Programm. Diese Erfahrung veranlasste sie, einen technisch fortschrittlicheren Ansatz für Beziehungen und Therapie zu untersuchen, der darin gipfelte Maia.

Maia – das Wiley zusammen mit Ralph Ma, einem ehemaligen Google Research-Wissenschaftler, gegründet hat, zielt darauf ab, Paaren durch KI-gestützte Führung die Möglichkeit zu geben, stärkere Beziehungen aufzubauen. In den Apps von Maia für Android und iOS senden sich Paare in einem Gruppenchat gegenseitig Nachrichten und beantworten täglich Fragen, z. B. welche Herausforderungen sie für zu bewältigen halten, vergangene Schmerzpunkte und Listen mit Dingen, für die sie dankbar sind.

Maia plant, Geld zu verdienen, indem sie Premium-Funktionen wie von Therapeuten erstellte Programme und unbegrenztes Versenden in Rechnung stellt. (Normalerweise begrenzt Maia Texte zwischen Partnern – eine frustrierend willkürliche Einschränkung, wenn Sie mich fragen, aber so ist es.)

Wiley und Ma, die beide aus geschiedenen Haushalten stammen, sagen, dass sie mit einem Beziehungsexperten zusammengearbeitet haben, um das Maia-Erlebnis zu gestalten. Die Fragen, die mir durch den Kopf gehen, sind jedoch (1) wie fundiert Maias Beziehungswissenschaft und (2) kann sie sich aus dem überaus überfüllten Feld der Paar-Apps abheben? Wir müssen abwarten, um es zu sehen.

Datenkurve

Die KI-Modelle im Herzen generativer KI-Apps wie ChatGPT werden anhand riesiger Datensätze trainiert, einer Mischung aus öffentlichen und proprietären Daten aus dem gesamten Web, einschließlich E-Books, Social-Media-Beiträgen und persönlichen Blogs. Einige dieser Daten sind jedoch rechtlich und ethisch problematisch – ganz zu schweigen davon, dass sie fehlerhaft sind andere Wege.

Der deutliche Mangel an Datenkuratierung ist das Problem, wenn man Serena Ge und Charley Lee fragt.

Ge und Lee waren Mitbegründer Datenkurve, das Daten in „Expertenqualität“ für das Training generativer KI-Modelle bereitstellt. Dabei handelt es sich insbesondere um Codedaten, die laut Ge und Lee besonders schwer zu beschaffen sind, da für die Kennzeichnung für KI-Schulungen und restriktive Nutzungslizenzen Fachkenntnisse erforderlich sind.

Datacurve hostet eine gamifizierte Annotationsplattform, die Ingenieure für die Lösung von Codierungsherausforderungen bezahlt und zu den zum Verkauf stehenden Trainingsdatensätzen von Datacurve beiträgt. Diese Datensätze können zum Trainieren von Modellen für Codeoptimierung, Codegenerierung, Debugging, UI-Design und mehr verwendet werden, sagen Ge und Lee.

Das ist auf jeden Fall eine interessante Idee. Der Erfolg von Datacurve wird jedoch davon abhängen, wie gut seine Datensätze kuratiert sind – und ob es gelingt, genügend Entwickler zu motivieren, weiter auf ihnen aufzubauen und sie zu verbessern.