Empresas de inteligencia artificial: mucha tecnología y poco negocio

No es oro todo lo que reluce en el negocio de la inteligencia artificial. Expertos de Andreessen Horowitz han analizado la estructura financiera de las compañías de IA y han descubierto algunas debilidades: bajos márgenes brutos, debido al elevado uso de infraestructura cloud; problemas para escalar sus soluciones derivados de la exigencia de contemplar hasta los casos extremos; y menos capacidad de protección de su nicho por la commoditización y los efectos de la red de datos.

A pesar de estas debilidades, los expertos de esta firma de capital riesgo de Silicon Valley se muestran convencidos de la capaidad y el poder de la inteligencia artificial en la transformación de los negocios tal y como los conocemos.

Por ello, ha decidido analizar el trasfondo de estas compañías de IA y han detectado un patrón en los datos financieros. Cuenta con márgenes brutos del 50-60%, más bajos que los que muestra las compañías SaaS (que ofrecen software como servicio) con márgenes del 60-80%.

Los expertos de esta venture capital creen que el capital privado en la etapa inicial de este tipo de empresas "puede ocultar estas ineficiencias en el corto plazo, especialmente a medida que algunos inversores presionan por el crecimiento sobre la rentabilidad". 

Sin embargo, desde Andreessen Horowitz señalan que si en su día las empresas SaaS introdujeron un modelo económico novedoso en comparación con el software en local, "la IA está creando un tipo de negocio esencialmente nuevo", aseguran.

Así, puntualizan que las empresas de IA "parecen, cada vez más, combinar elementos de las empresas software y las de servicios". En este sentido matizan: "La mayoría de las aplicaciones de IA se ven y se sienten como un software normal. Dependen del código convencional para realizar tareas como interactuar con los usuarios, administrar datos o integrarse con otros sistemas. Sin embargo, el corazón de la aplicación es un conjunto de modelos de datos capacitados", lo que requiere un "trabajo significativo y específico de cara al cliente", ya sea modelos que interpretan imágenes, transcriben audios, generan un lenguaje natural o otras tareas complejas. 

Por último, inciden en que para las compañías de inteligencia artificial es más complicado saber cuándo se han asentado en el mercado. Por ejemplo, "es engañosamente fácil pensar que ha llegado allí, especialmente después de cerrar 5-10 grandes clientes, solo para ver que la cartera de pedidos de su equipo de machine learning comienza a aumentar y los horarios de implementación de los clientes comienzan a extenderse siniestramente, lo que reduce los recursos de las nuevas ventas".