A pesar de una disminución general en la inversión en nuevas empresas, la financiación para la inteligencia artificial aumentó en el último año. El capital destinado a empresas de inteligencia artificial generativa casi se octuplicó de 2022 a 2023, alcanzando $25.2 mil millones hacia finales de diciembre.

Por lo tanto, no es sorprendente que las nuevas empresas de inteligencia artificial dominaran el Día de la Demostración de Invierno 2024 de Y Combinator.

La cohorte de Invierno 2024 de Y Combinator tiene 86 nuevas empresas de inteligencia artificial, según el directorio oficial de nuevas empresas de YC, casi el doble del número de la tanda de Invierno 2023 y cerca de tres veces el número de la tanda de Invierno 2021. Llámalo burbuja o exagerado, pero claramente, la inteligencia artificial es la tecnología del momento.

Como hicimos el año pasado, revisamos la nueva cohorte de Y Combinator, la cohorte que se presenta durante el Demo Day de esta semana, y seleccionamos algunas de las nuevas empresas de inteligencia artificial más interesantes. Cada una fue seleccionada por diferentes motivos. Pero, en términos generales, se destacaron entre el resto, ya sea por su tecnología, mercado objetivo o antecedentes de los fundadores.

Hazel

August Chen (ex-Palantir) y Elton Lossner (ex-Boston Consulting Group) afirman que el proceso de contratación gubernamental está irremediablemente roto.

Los contratos se publican en miles de sitios web diferentes y pueden incluir cientos de páginas de normativas superpuestas. (Solo el gobierno federal de EE. UU. firma un estimado de más de 11 millones de contratos al año.) Responder a estas ofertas puede llevar el equivalente de divisiones comerciales enteras, respaldadas por consultores externos y bufetes de abogados.

La solución de Chen y Lossner es utilizar la inteligencia artificial para automatizar el proceso de descubrimiento, redacción y cumplimiento de contratos gubernamentales. La pareja, que se conoció en la universidad, lo llama Hazel.

Usando Hazel, los usuarios pueden ser emparejados con un contrato potencial, generar una respuesta preliminar basada en la solicitud de propuesta (RFP) y la información de su empresa, crear una lista de tareas pendientes y realizar automáticamente controles de cumplimiento.

Dado la tendencia de la inteligencia artificial a alucinar, soy un poco escéptico de que las respuestas generadas y los controles de Hazel sean consistentemente precisos. Pero, si están cerca, podrían ahorrar una enorme cantidad de tiempo y esfuerzo, permitiendo a empresas más pequeñas tener una oportunidad en los cientos de miles de millones de dólares en contratos gubernamentales emitidos cada año.

Andy AI

Las enfermeras de hogar lidian con una gran cantidad de papeleo. Tiantian Zha lo sabe bien, ya que trabajó anteriormente en Verily, la división de ciencias de la vida de Alphabet, la empresa matriz de Google, donde estuvo involucrada en proyectos ambiciosos que van desde la medicina personalizada hasta la reducción de enfermedades transmitidas por mosquitos.

En el curso de su trabajo, Zha descubrió que la documentación era una pérdida de tiempo importante para las enfermeras a domicilio. Es un problema generalizado: según un estudio, las enfermeras pasan más de un tercio de su tiempo en la documentación, recortando el tiempo dedicado al cuidado de los pacientes y contribuyendo al desgaste.

Para ayudar a aliviar la carga de documentación de las enfermeras, Zha cofundó Andy AI con Max Akhterov, un ex ingeniero de Apple. Andy es esencialmente un escriba impulsado por inteligencia artificial, que captura y transcribe los detalles hablados de una visita del paciente y genera historias clínicas electrónicas.

Al igual que cualquier herramienta de transcripción impulsada por inteligencia artificial, existe el riesgo de sesgo, es decir, que la herramienta no funcione bien para algunas enfermeras y pacientes dependiendo de su acento y elección de palabras. Y, desde un punto de vista competitivo, Andy no es precisamente el primero de su tipo en el mercado: los competidores incluyen DeepScribe, Heidi Health, Nabla y HealthScribe de Amazon AWS.

Pero a medida que la atención médica se traslada cada vez más a los hogares, la demanda de aplicaciones como Andy AI parece estar en aumento.

Precip

Si tu experiencia con las aplicaciones del clima es algo como la de este reportero, probablemente te hayas visto sorprendido por una tormenta después de creer ciegamente en las predicciones de cielos despejados.

Pero no tiene que ser así.

Al menos, esa es la premisa de Precip, una plataforma de pronóstico del tiempo impulsada por inteligencia artificial. Jesse Vollmar tuvo la idea después de fundar FarmLogs, una startup que vendía software de gestión de cultivos. Se asoció con Sam Pierce Lolla y Michael Asher, anteriormente científico de datos principal de FarmLogs, para hacer realidad a Precip.

Precip ofrece análisis de precipitaciones, por ejemplo, estimando la cantidad de lluvia en una determinada área geográfica durante las últimas horas hasta días. Vollmar afirma que Precip puede generar métricas de "alta precisión" para cualquier ubicación en EE. UU. hasta el kilómetro (o dos), pronosticando condiciones hasta siete días en el futuro.

Entonces, ¿cuál es el valor de las métricas y alertas de precipitación? Bueno, Vollmar dice que los agricultores pueden usarlos para seguir el crecimiento de los cultivos, los equipos de construcción pueden consultarlos para programar equipos, y las compañías de servicios públicos pueden utilizarlos para anticipar interrupciones del servicio. Un cliente de transporte verifica Precip diariamente para evitar condiciones de manejo peligrosas, afirma Vollmar.

Por supuesto, no faltan aplicaciones de predicción del tiempo. Pero la inteligencia artificial como la de Precip promete hacer que los pronósticos sean más precisos, si la inteligencia artificial realmente vale la pena.

Maia

Claire Wiley lanzó un programa de entrenamiento para parejas mientras estudiaba para su MBA en Wharton. La experiencia la llevó a investigar un enfoque más tecnológico para las relaciones y la terapia, lo que culminó en Maia.

Maia, que Wiley cofundó con Ralph Ma, un ex científico investigador de Google, tiene como objetivo empoderar a las parejas para construir relaciones más sólidas a través de la orientación impulsada por inteligencia artificial. En las aplicaciones de Maia para Android y iOS, las parejas se envían mensajes en un chat grupal y responden a preguntas diarias como cuáles son los desafíos a superar, puntos conflictivos pasados y listas de cosas por las que están agradecidos.

Maia planea ganar dinero cobrando por características premium como programas elaborados por terapeutas y mensajes ilimitados. (Maia actualmente limita los mensajes de texto entre parejas, una limitación frustrantemente arbitraria si me preguntas, pero así es la vida).

Wiley y Ma, ambos procedentes de hogares divorciados, dicen que trabajaron con un experto en relaciones para diseñar la experiencia de Maia. Sin embargo, las preguntas que tengo son (1) ¿qué tan sólida es la ciencia de relaciones de Maia y (2) puede destacarse en el campo excepcionalmente abarrotado de aplicaciones para parejas? Tendremos que esperar para ver.

Datacurve

Los modelos de inteligencia artificial en el corazón de aplicaciones de inteligencia artificial generativa como ChatGPT se entrenan con enormes conjuntos de datos, mezclas de datos públicos y propietarios de todo el web, incluidos libros electrónicos, publicaciones en redes sociales y blogs personales. Pero algunos de estos datos son legal y éticamente problemáticos, por no mencionar defectuosos de otras formas.

La falta distintiva de curación de datos es el problema, según Serena Ge y Charley Lee.

Ge y Lee cofundaron Datacurve, que proporciona datos de "calidad de experto" para entrenar modelos de inteligencia artificial generativa. Especificamente son datos de código, que Ge y Lee dicen que son especialmente difíciles de obtener debido a la pericia necesaria para etiquetarlos para el entrenamiento de inteligencia artificial y las licencias restrictivas de uso.

Datacurve aloja una plataforma de anotación gamificada que paga a ingenieros por resolver desafíos de codificación, lo que contribuye a los conjuntos de datos de entrenamiento en venta de Datacurve. Esos conjuntos de datos se pueden utilizar para entrenar modelos en optimización de código, generación de código, depuración, diseño de UI y más, según Ge y Lee.

Es una idea interesante. Pero el éxito de Datacurve dependerá de qué tan bien curados sean sus conjuntos de datos, y de si pueden incentivar a suficientes desarrolladores a seguir construyendo y mejorándolos.