8 причин «умереть»: почему ИИ-стартапы редко живут долго и счастливо
Провалы ИИ-стартапов часто обусловлены комбинацией личных ошибок их команды и неудачно сложившихся обстоятельств, которые при прочих равных могли быть не настолько критическими.
Трудности на каждом шагу: в чем причины повышенной «смертности» ИИ-стартапов
1. Недостаток мощностей
Возможности цифровизации развиваются экспоненциально. С одной стороны, это, безусловно, обеспечивает устойчивый технологический прогресс, а с другой — аппаратное обеспечение устаревает почти с той же скоростью. Мощностей и объемов памяти перестает хватать на все задуманное. Кроме того, появление более новых технологий и моделей ИИ у конкурентов (в том числе крупнейших производителей) может утопить даже самый многообещающий стартап.
Обновление «железа» для разработки инноваций в области ИИ — процесс дорогостоящий, без спонсорской поддержки практически невозможный. В России в настоящее время отдельный вызов представляет поиск оборудования, поставка и обслуживание которого не зависят от санкционного давления. Отечественные производители делают все возможное, чтобы поскорее закрыть этот пробел, но им требуется время.
Как правило, из такой ситуации существуют три выхода:
- Если в основе стартапа лежат зарубежные технологии, то и мощности задействуются тоже их. Но и здесь есть недостаток: встает вопрос о конфиденциальности данных перед иностранными сервисами.
- Аренда мощностей у российских гигантов (МТС, «ВКонтакте», «Яндекс»). Однако при росте спроса повышаются и цены. Возможности не бесконечны — они ограничиваются поставками в Россию современных чипов и недостатком специалистов по сбору кластеров.
- Покупка собственных мощностей, но это заведомо дорогостоящий процесс. При отсутствии уверенности в прибыльности проекта это может быть не оправдано.
2. Отсутствие гибкости
Требования к программному обеспечению неизбежно меняются в ходе проекта, это особенно заметно в случае с новыми технологическими разработками. Могут возникать технические проблемы, для решения которых необходимы изменения во всей конструкции, или потребность внести новые функции, которое текущее ПО не обеспечивает. Такие ситуации подразумевают определенную гибкость организации, а также умение вовремя отследить, когда первоначальные задачи уже не актуальны. Масштабирование узкопрофильного продукта на широкую аудиторию требует большой подвижности, на которую готовы не все организаторы ИИ-проектов.