Contenuti

1. Introduzione

2. Il Potere dei Grandi Modelli di Linguaggio

3. La Prospettiva delle Startup

   • Un'Accelerazione Significativa per le Startup

   • La Crescita delle Startup Basate su LLM

   • Il Lato Oscuro degli LLM

4. Prospettive degli Investitori e Domande Chiave

   1. Opzionale o Indispensabile?

   2. Economia di Unità: La Sfida dei Costi Elevati

   3. Difendibilità: Navigare tra le Vulnerabilità

5. Strategie per il Successo

   1. Raccolta di Dati Proprietari

   2. Creazione di Modelli Proprietari

   3. Creazione di Feedback Continui

   4. Adozione di Modelli di Prezzo Basati sull'Utilizzo

6. Conclusioni

Introduzione

Questo articolo del blog esplora il mondo dei grandi modelli di linguaggio (LLM) e dell'Intelligenza Artificiale Generativa, analizzando il loro impatto sull'ecosistema delle startup. Come Fondatore e CEO di Zendog Labs, ho assistito all'aumento dell'entusiasmo intorno agli LLM e all'Intelligenza Artificiale Generativa, nonché alle domande cruciali che sorgono sia per i fondatori che per gli investitori. In questo articolo, cerchiamo di capire se gli LLM siano semplici mode eccessivamente pubblicizzate o cambiamenti concreti per le imprese. Quindi, iniziamo!

Il Potere dei Grandi Modelli di Linguaggio

Gli LLM, inclusi ChatGPT di OpenAI, hanno trasformato l'ecosistema delle startup fornendo un'infrastruttura fondamentale. Le startup esistenti li incorporano sempre più nelle loro operazioni. Inoltre, abbiamo assistito all'emergere di nuove startup focalizzate esclusivamente su prodotti basati su LLM.

Il fascino degli LLM risiede nella loro capacità di semplificare i processi aziendali e ottimizzare l'utilizzo delle risorse. Le startup possono ottenere di più con meno risorse. Possono anche migliorare le loro offerte di prodotti, fornendo soluzioni come chatbot e generatori di immagini per mercati specifici.

La Prospettiva delle Startup

Un'Accelerazione Significativa per le Startup

Le startup che abbracciano le capacità basate su LLM, passando dai loro modelli di business precedenti, spesso sperimentano un'accelerazione notevole. Abbiamo assistito a questo fenomeno con diverse startup in vari settori, come la pianificazione dei viaggi, la salute mentale e la generazione di contenuti, che sono cresciute rapidamente dopo l'integrazione della tecnologia LLM. Sosteniamo che sia i clienti B2B che quelli B2C stiano attivamente esplorando diverse applicazioni basate su LLM, portando a una crescita organica e a una riduzione dei costi di acquisizione dei clienti per le startup e altre imprese che si stanno impegnando in questa transizione.

 

La Crescita delle Startup Basate su LLM

Inoltre, si è verificato un aumento di startup che si basano interamente su LLM. Abbiamo osservato che gli annunci di lancio di queste startup diventano virali sui social media, generando una diffusione su larga scala. In modo sorprendente, alcuni dei nostri clienti hanno ottenuto milioni di visualizzazioni, decine di migliaia di entrate e centinaia di migliaia di utenti da un singolo post su una piattaforma di social media. Questo successo è ulteriormente amplificato da un coinvolgimento incoraggiante, come fornire codici sconto per i primi 1.000 commentatori.

 

Il Lato Oscuro degli LLM

Tuttavia, è importante riconoscere che non tutte le imprese basate su LLM hanno implicazioni positive. Un trend che abbiamo notato è quello degli influencer che creano avatar digitali per interazioni di chat, dove le persone pagano al minuto per conversare con una persona fittizia. Abbiamo visto che questo modello è particolarmente popolare nella comunità di OnlyFans. Anche se tali imprese possono generare profitti consistenti, riteniamo che sia necessaria un'intervento regolamentare per affrontare l'eccessiva estrazione di valore. Come appassionati delle startup, crediamo fermamente che le imprese dovrebbero cercare di servire un fine superiore.

Prospettive degli Investitori e Domande Chiave

Avendo esperienze nel capitale di rischio, siamo abili nel navigare sia nel mondo dei fondatori che in quello degli investitori. Ciò ci permette di guidare i fondatori nella comprensione della psicologia degli investitori. Gli investitori interessati ai prodotti basati su Intelligenza Artificiale Generativa e alle startup che sfruttano gli LLM hanno bisogno di risposte a tre domande cruciali: distinguere ciò che è "opzionale" da ciò che è "indispensabile", migliorare l'economia di unità e distinguere prodotti duraturi e difendibili da prodotti comuni. Per attirare l'attenzione degli investitori, è importante che le startup trovino buone risposte a queste tre domande.

 

Opzionale o Indispensabile

Gli investitori valutano attentamente la sostenibilità a lungo termine dei prodotti basati su LLM, in particolare valutando se un prodotto rientra nella categoria delle soluzioni "opzionali" o "indispensabili". I prodotti opzionali rischiano di essere facilmente sostituiti o di perdere rapidamente valore, causando alti tassi di abbandono e bassi valori vitalizi dei clienti. Al contrario, le soluzioni indispensabili sono profondamente integrate nei processi aziendali critici, rendendole difficili o addirittura impossibili da sostituire. Questo è esemplificato da aziende come SAP, che hanno un considerevole potere di determinazione dei prezzi grazie alla natura indispensabile delle loro offerte. Per i fondatori, è cruciale identificare modalità per creare soluzioni indispensabili che non siano facilmente sostituibili. Mentre altri prodotti possono generare flussi di cassa a breve termine, mancano del potenziale per diventare motori di guadagno duraturi che gli investitori cercano.

 

Economia di Unità: La Sfida dei Costi Elevati

I prodotti basati su LLM rappresentano una sfida significativa a causa dei loro costi computazionali elevati. Spesso le startup si affidano a fornitori di infrastrutture di terze parti come OpenAI, il che aumenta le spese. Di conseguenza, l'economia di unità ne risente e molte startup nel settore dell'Intelligenza Artificiale Generativa lottano con margini lordi tra il 20% e il 30%. Questo è particolarmente preoccupante poiché le imprese di software solitamente godono di margini lordi tra il 70% e il 90% o addirittura superiori. La responsabilità di ottimizzare l'utilizzo delle risorse computazionali spetta ai CTO e ai team tecnici delle startup, e gli investitori sono interessati alla roadmap tecnica delle startup per migliorare l'economia di unità.

 

Difendibilità: Navigare tra le Vulnerabilità

Costruire un prodotto su un'infrastruttura di terze parti, come OpenAI, solleva preoccupazioni sulla difendibilità dell'offerta. L'accessibilità dell'API di OpenAI ha semplificato notevolmente il processo di sviluppo di prodotti basati su LLM, al punto che i lavoratori autonomi su piattaforme come Fiverr possono offrire la creazione di tali prodotti per soli 5.000 dollari. Questa facilità di accesso solleva domande sulla unicità delle imprese basate su LLM e sulla loro sostenibilità a lungo termine in un panorama sempre più competitivo.

Strategie per il Successo

Dopo aver esplorato l'attrattiva dei prodotti basati su LLM per le startup e le domande chiave che gli investitori pongono sulla loro sostenibilità, è ora il momento di approfondire le strategie iniziali che le startup hanno adottato per costruire imprese più difendibili con margini lordi sani e fedeltà dei clienti a lungo termine.

 

Raccolta di Dati Proprietari

In primo luogo, le startup danno priorità alla raccolta di dati proprietari da parte dei consumatori e dei clienti in conformità con le normative sulla privacy dei dati. Questi dati rappresentano una risorsa unica e ambita per l'azienda, attraente per gli investitori che cercano imprese difendibili. Possedendo, sfruttando e potenzialmente vendendo questi dati, le startup possono ottimizzare i modelli e sbloccare nuove fonti di ricavo.

Creazione di Modelli Proprietari

Un'altra strategia chiave osservata tra le startup è lo sviluppo di modelli proprietari adattati a casi d'uso specifici, in particolare nella transizione da contenuti basati su testo a contenuti visivi. Ottimizzando i modelli LLM esistenti per adattarli ai loro prodotti unici, le startup possono ridurre efficacemente i requisiti di dati e i costi computazionali. La capacità di personalizzare i modelli LLM per casi d'uso specifici consente alle startup di offrire offerte differenziate e ad alto valore aggiunto ai loro clienti, distinguendosi dai concorrenti e rafforzando la loro posizione sul mercato.

 

Creazione di Feedback Continui

Creare robusti circuiti di feedback con gli utenti è una strategia vitale per le startup per raccogliere continuamente dati e ottimizzare i loro modelli. Le startup che sollecitano attivamente e monitorano i feedback degli utenti creano potenti circuiti di dati che possono rappresentare un notevole vantaggio competitivo, scoraggiando i concorrenti tardivi. Questo non deve essere necessariamente un processo complesso, può essere semplice come incoraggiare gli utenti a valutare l'efficacia dei risultati del prodotto con un pollice su o giù.

 

Adozione di Modelli di Prezzo Basati sull'Utilizzo

Una quarta e sempre più diffusa strategia è il passaggio a modelli di prezzo "paghi in base all'utilizzo". Poiché i costi computazionali continuano a rappresentare una sfida significativa, diventa meno sostenibile fare affidamento sui pagamenti mensili fissi tipici dei modelli di prezzo SaaS tradizionali. L'attrattiva dei modelli SaaS, in particolare la stabilità dei flussi di cassa, è certamente allettante per gli investitori. Tuttavia, in assenza di innovazioni tecnologiche sostanziali che riducano i costi computazionali, sembra inevitabile che assisteremo a un'ampia transizione verso modelli di prezzo basati sull'utilizzo, che "concluderà" il mondo attuale così come lo conosciamo.

Conclusioni

In conclusione, gli LLM hanno il potenziale per essere dei cambiamenti radicali per le startup. Le startup hanno sperimentato un'accelerazione significativa sfruttando gli LLM. Tuttavia, i fondatori devono valutare attentamente se il loro prodotto è indispensabile e affrontare sfide come l'economia di unità e la difendibilità. Strategie come la raccolta di dati proprietari, la creazione di modelli proprietari, l'instaurazione di feedback continui e l'adozione di modelli di prezzo basati sull'utilizzo possono aumentare le probabilità di successo di una startup.

 

Informazioni sull'Autore

Rafael è un operatore ed investitore esperto con una vasta esperienza nella creazione di startup e nello sviluppo di imprese. Con oltre 10 anni di esperienza, Rafael ha fondato sette startup, tra cui Roivant come Principal, e Eatearnity e Maison Baum come Co-Fondatore. Rafael ha conseguito lauree in istituzioni prestigiose come LSE, Duke, St. Gallen e Boğaziçi.

 

Informazioni su Zendog Labs

Presso Zendog Labs, siamo appassionati di accelerare la crescita delle startup e delle imprese. Aiutiamo le startup a raggiungere l'adeguamento tra prodotto e mercato, ad accelerare il fatturato e a garantire il capitale, e il nostro modello di Venture as a Service sfrutta il gioco delle startup per le imprese.