Investition in KI-Unternehmen ist nun in die vorsichtige Phase eingetreten. Nach einem Jahr, in dem die Gelder, die in KI-Start-ups flossen, die aller anderen Sektoren bei weitem überstiegen, sind die Investitionen in letzter Zeit fundierter oder validierter geworden. Investoren sind angesichts des KI-Hypes vorsichtiger und suchen nach Unternehmen, die Gewinne erwirtschaften.
Der Aufbau eines profitablen KI-Unternehmens stellt einzigartige Herausforderungen dar, die über die bei der Gründung eines typischen Technologie-Startups hinausgehenden Herausforderungen hinausgehen. Systembedingte Probleme wie die hohen Kosten für die Anmietung von GPUs, eine wachsende Talentlücke, hohe Gehälter sowie teure API- und Hosting-Anforderungen können dazu führen, dass die Kosten schnell außer Kontrolle geraten.
Die kommenden Monate könnten für Gründer von KI-Unternehmen entmutigend sein, da sie zusehen müssen, wie ihre Führungskollegen bei neuen Unternehmen Schwierigkeiten haben oder sogar scheitern, aber es gibt einen bewährten Weg zur Rentabilität. Ich habe diese Schritte angewendet, als ich Anfang 2022 zu SymphonyAI kam, und wir haben gerade ein Jahr abgeschlossen, in dem wir um 30 % gewachsen sind und eine Umsatzrendite von fast 500 Millionen US-Dollar erreicht haben. Die gleiche Formel funktionierte bei meinen früheren Unternehmen (unter anderem Cerence, Harman, Symphony Teleca und Aricent): Konzentration auf spezifische Kundenbedürfnisse und Wertschöpfung in einer bestimmten Branche. Dabei sind die folgenden Überlegungen die Grundlage für unsere erfolgreichen Bemühungen.
Erstellen Sie ein realistisches und genaues Kostenmodell
Beginnen wir mit einer der wichtigsten Vorabentscheidungen: Ist es kostengünstiger, ein cloudbasiertes KI-Modell zu verwenden oder ein eigenes zu hosten?
Startups stehen vor vielen Herausforderungen, doch KI-Unternehmen weisen einige einzigartige Faktoren auf, die Finanzmodelle und Umsatzprognosen verzerren können, was später zu einer Kostenspirale führen kann. Hier kann man sich leicht verrechnen – Entscheidungen zu großen Themen können unbeabsichtigte Konsequenzen haben, und es gibt auch eine lange Liste nicht offensichtlicher Kosten, die es zu berücksichtigen gilt.
Beginnen wir mit einer der wichtigsten Vorabentscheidungen: Ist es kostengünstiger, ein cloudbasiertes KI-Modell zu verwenden oder ein eigenes zu hosten? Es ist eine Entscheidung, die Teams frühzeitig treffen müssen, denn wenn Sie den von Ihnen gewählten Weg einschlagen, werden Sie entweder tiefer in die benutzerdefinierten Funktionen der KI-Giganten eintauchen oder mit dem Aufbau Ihres eigenen Tech-Stacks beginnen. Jedes davon ist mit erheblichen Kosten verbunden.
Die Definition Ihrer Antwort beginnt mit der Bestimmung Ihres speziellen Anwendungsfalls, aber im Allgemeinen ist die Cloud für Training und Schlussfolgerungen sinnvoll, wenn Sie nicht große Datenmengen in und aus Datenspeichern verschieben und hohe Gebühren für den ausgehenden Datenverkehr erheben. Aber seien Sie vorsichtig, wenn Sie damit rechnen, Ihre Lösung für 25 US-Dollar pro Benutzer und Monat mit unbegrenzten Abfragen zu verkaufen – und OpenAI Ihnen hinter den Kulissen pro Token berechnet –, wird dieses Modell ziemlich schnell scheitern, da die Wirtschaftlichkeit Ihrer Einheit keinen Gewinn abwirft.