Стартап. Как начать с нуля и изменить мир

Во-первых, он наглядным образом демонстрирует, что технологии уже достаточно хороши, чтобы качество не приносило существенных бенефитов. На промостранице Ever висят результаты «объективных» тестов, по которым стартап, разумеется, занимает уверенное первое место. Однако даже в этом пристрастном исследовании, которое явно не завышало результаты конкурентов, видно, что они прекрасны и неотличимы. Невозможно сказать, лучше ли 98,37 % правильных ответов в одном тесте и 99,7 % в другом, чем 98,67 % и 99,3 %, или наоборот. И даже если у кого-то «всего лишь» 98,0 % и 99,0 % – нет представимых сценариев, в которых это существенно повлияет на бизнес клиента. Технология с 99,999 % точности найдет себе новые применения, но пока все болтаются в диапазоне 98–99,5, их возможности идентичны.

Во-вторых, Ever показывает, от чего зависит качество продукта, и это совсем не гениальные инженеры. Еще три года назад стартап развивал приложение, максимально далекое от искусственного интеллекта и распознавания образов, – мобильную бэкапилку фотографий. Фото и видео перезаливались с телефона в платное облако, потом пользователь в удобном интерфейсе чистил память своего аппарата и продолжал беззаботно фотографировать. Предложение совершенно не уникальное, альтернатив много, но аудитория у Ever была, и в облаке стартап накопил 12 миллиардов фотографий, размеченных хотя бы автором. На этой базе стартап и тренировал нейросетку, отсюда и пришли хорошие результаты.

После пивота Ever получил 16 миллионов долларов инвестиций. Забавно, что после этого они поменяли технического директора – старый «обогнал» Google с Microsoft, но все равно не подходит, нужен новый.

https://ever.ai/

FRIENDLYDATA

Базовые конструкции SQL близки нормальному английскому языку, даже человек, далекий от программирования, понимает простые запросы – ну что здесь не понять: select name from employees where title='уборщик'. Совсем другое дело – такое написать, это еще не профессия, но уже полноценный навык. Одна неверная буква – и компьютер ругается, запрос не проходит, надо бежать на поклон к программисту.

FriendlyData делает работу с базой, доступной каждому маркетологу. Умный интерфейс разбирает фразы на естественном языке, превращает в SQL и выдает результат. «Give employees with title уборщик», «show me employees whose title is уборщик» – FriendlyData понимает самые разные варианты написания запроса. Технология, конечно, неидеальна и никогда идеальной не будет. Чем сложнее задача, тем проще сбить с толку робота, связь пяти таблиц такая механика не осилит никогда – на мягком естественном языке вопрос просто не сформулируется однозначно.

Но, положа руку на сердце, нормальному менеджеру гораздо чаще нужны куда более простые задачи, чем связь пяти таблиц. FriendlyData помогает пользователю самому найти наиболее посещаемую страницу, или посмотреть результаты A/B-теста, или выбрать самый кликабельный баннер. Компания-покупатель в это время увольняет пару специалистов, которые раньше обслуживали нетехнических коллег и исполняли, по сути, функцию FriendlyData.

Клиенты стартапа – крупные работодатели, с достаточно большим штатом для появления выделенных аналитиков. Если обслуживание любопытства маркетологов – одна из второстепенных задач серверного программиста, то увольнять некого и экономии не выходит, а стоит каждое внедрение FD дорого, десятки тысяч долларов, просто так его покупать нет смысла.

Инвестиций FriendlyData пока почти не привлекал, последний раунд всего 280 тысяч долларов. Живет компания, разумеется, в Долине, такой бизнес еще разве что в Китае востребован, но основатели – русскоязычные, можно за них болеть.

https://friendlydata.io/

WEATHERANALYTICS

Прогнозы и архивы погоды – не новость и не эксклюзив, информацией владеет множество поставщиков. Их бизнес-модель основана на точечных продажах: потребитель узнает температуру в нужном ему месте и смотрит по дороге баннеры или в случае B2B платит за до-ступ к API.

Weatheranalytics предположил, что иногда целое больше, чем сумма частей, и продает не сами данные, а выводы из них. Для страховых компаний стартап оценивает долгосрочную вероятность природных катаклизмов в разных районах, фермерам предсказывает урожай этого года в масштабах планеты.

Промоматериалы хвалят неповторимую технологию и Умные Алгоритмы, со стороны кажется – ничего особенного там нет. Вряд ли стартап существенно улучшает наивную оценку вероятности урагана за год (по методике «число ураганов в этом месте, деленное на число лет наблюдений»), вряд ли это вообще возможно. Но если и улучшает, страховая всё равно не сможет проверить результат, прилагая разумные усилия.