La verdadera respuesta es que las startups más probables para convertirse en compañías de miles de millones de dólares son aquellas cuyas valoraciones ya son muy altas. Una empresa de $ 900 millones con una administración mediocre tiene muchas más probabilidades de convertirse en una empresa de $ 1 mil millones que una empresa de $ 15 millones con una excelente administración.
Sin embargo, supongo que la verdadera intención de la pregunta es descubrir qué startups más pequeñas tienen la posibilidad de valer $ 1b algún día. Aquí hay algunas compañías con un fuerte ángulo ML que creo que tienen una buena oportunidad de unirse al club de mil millones de dólares:
- DataFox y / o Mattermark . Los datos sobre empresas privadas son muy valiosos para muchas partes (fondos de cobertura, fusiones y adquisiciones, inversores ángeles, equipos de ventas, etc.), y las empresas que hacen un buen trabajo con ML en términos de limpieza de datos y generación de información útil y procesable podrán hacer un montón de dinero Algo en lo que pensar: si cobra $ 500 / asiento / mes por el acceso a datos de la compañía de alta calidad, entonces solo necesita vender ~ 15k asientos para tener casi $ 100 millones en ingresos anuales, una cantidad que probablemente pondría su valoración en $ 1 b + rango.
- Texto del caso y / o Judicata . El mismo razonamiento que el punto anterior: los abogados están dispuestos a pagar mucho por buenas herramientas de investigación y no parecen muy contentos con las herramientas de investigación existentes. Para ver qué tan roto está el sistema actual, solo mire el documento de precios de 150 páginas para un producto existente como LexisNexis. Judicata (por lo que puedo decir) y Casetext están utilizando ML para automatizar y mejorar muchos de los análisis que compañías como LexisNexis están haciendo a mano.
- Préstamo . Creo que los préstamos de día de pago son una industria terriblemente explotadora, y estoy emocionado de ver a LendUp contrarrestando la tendencia mediante el uso de ML para reducir las tasas de interés, ofrecer préstamos a más personas que no pueden obtener préstamos de bancos tradicionales y ayudar a los clientes a construir sus historiales crediticios. . Los modelos de aprendizaje automático superiores proporcionan una gran ventaja competitiva en este espacio, al igual que lo hacen en otras áreas relacionadas, como la detección de fraudes. Si los modelos de sus competidores no piensan que alguien es solvente mientras su modelo muestra que se merece un préstamo, entonces usted esencialmente tiene el monopolio del negocio de ese cliente. Además, los préstamos de día de pago son una gran industria multimillonaria.
- Declara Esta compañía está utilizando ML para ayudar a las personas a aprender y colaborar de manera más eficiente. Sus clientes son gobiernos de países como México y Australia, y grandes empresas orientadas a la investigación como Genentech. Contratos como ese son muy valiosos. La mayoría de la gente aún no ha oído hablar de Declara, pero creo que eso cambiará en los próximos años. (En una tangente, uno de los fundadores tiene una historia personal increíble)
Obviamente, nadie sabe qué compañías valdrán miles de millones en el futuro, pero estas son mis conjeturas. Creo en muchos de estos con la suficiente fuerza como para haber invertido personalmente o a través de mi fondo semilla.
- ¿Qué podría mejorarse sobre la educación en informática?
- ¿Cuál es la diferencia entre la visión humana y la visión por computadora?
- ¿Qué campo de investigación en Ciencias de la Computación puede perseguir un graduado que no sea CS que trabaje en TI?
- Cómo realizar una investigación en informática
- ¿Cuál es el SDLC que se sigue para los proyectos de investigación?