Overhype es un gran problema. Se agrava por tener demasiadas startups pequeñas que persiguen lo mismo.
El desafío para esas nuevas empresas es que terminan persiguiendo todos los acuerdos posibles. Nunca reconocen cuándo su tecnología no es adecuada, porque no hay suficientes oportunidades percibidas en el mercado para dejar pasar ninguna.
Por lo tanto, persiguen acuerdos que no encajan bien. Pero, todos somos muy buenos en el proceso de preventa, por lo que usamos un poco de humo y espejos para hacer una prueba de concepto. Pero cuando eso se convierte en un proyecto real, nos quedamos cortos debido a la excesiva promesa al principio.
Cuando estaba con ClearForest, sentí que lo mejor para la industria sería hacer un resumen de ClearForest, Inxight y quizás 1 o 2 más. Eso crearía una sola compañía con suficiente participación en el mercado para decir no a las cosas que no podía hacer y enfocarse en las cosas que hizo bien.
Curiosamente, varios de los proveedores de análisis de texto fueron adquiridos por compañías más grandes (SAS, IBM, etc.) donde tenían el problema opuesto. Eran pequeños y en gran medida desaparecieron dentro de la empresa. Ninguno de los representantes de ventas entendió las tecnologías (o en muchos casos incluso sabía que existían), por lo que se convirtieron en laboratorios internos.
- ¿Debo asistir a UChicago o UIUC si planeo estudiar informática?
- ¿Cómo funciona la RAM en un sistema informático?
- ¿Cuál es la mejor plataforma que es segura, escalable e integrable para construir bots de chat?
- ¿Cómo construiría un universo de realidad virtual de 5 dimensiones?
- ¿Es bueno tener más y más parámetros capturados para los datos de calificación crediticia? ¿Los algoritmos comienzan a fallar / se vuelven inexactos si hay demasiados atributos en los datos? ¿Cómo se pueden erradicar los parámetros que no son muy útiles?