📢 转载信息
原文链接：https://www.kdnuggets.com/what-ai-startup-advisors-see-that-founders-often-miss
原文作者：Rachel Kuznetsov
# 引言
人工智能（AI）领域充斥着雄心勃勃的初创公司，它们都承诺革新各自的行业。但在这光鲜的融资演讲稿和大胆的预测之下，隐藏着更复杂的现实，这是经验丰富的导师们每天都能看到的。理解初创公司愿景与实际执行之间的差距，揭示了构建可持续AI公司的重要经验。
Salil Darji 为这一对话带来了独特的视角。他的背景涵盖了IBM的技术战略咨询、多个行业的 produkt 管理职位，以及通过C10 Labs等组织指导AI初创公司多年的经验，他亲眼目睹了早期AI企业的希望与陷阱。他的工作包括为教育行业开发AI分析产品，同时始终关注负责任的数据实践。
# 解决焦点问题
AI初创公司面临的最持久的挑战之一是同时做太多事情的诱惑。Darji观察到：“我合作的大多数初创公司都还处于非常非常早期的阶段。很多初创公司在早期倾向于关注宏大的问题。而这常常表现为他们关注的事情太多了。”
这种模式一再出现。年轻的公司发现了真正的市场机会，但却难以确定优先级。它们试图同时服务多个行业，或在验证任何一种方法之前就为不同的用户群体构建功能。结果是精力的分散和价值主张的不清晰。
其影响超出了产品开发。“这更有利于吸引投资者，”Darji解释道。“如果你想获得人们的支持，他们就喜欢看到你专注于某一点。而这对他们筹集资金来说非常困难，因为他们不够专注。”
当许多方向看起来都充满希望时，缩小范围可能会感觉有些违背直觉。尽管如此，许多成功的早期公司发现，首先专注于一个特定受众的一个特定问题，然后再扩展，是找到立足点的途径。这种方法通常更容易深入了解你的市场，快速迭代，并知道何时取得了真正的进展。
# 纠正融资演讲稿的误解
另一个常见的误解集中在融资演讲稿在初创公司发展中的作用。许多创始人将演讲稿的创建视为终点，急于完成幻灯片以备即将到来的比赛或投资者会议。这种方法颠倒了展示与实质之间的正确关系。
“存在一种误解，”Darji指出。“很多人花费大量时间制作和完善融资演讲稿，希望呈现出最好的版本。但他们忘记了，演讲稿本身不是最重要的，真正重要的是这个过程。”
匆忙定稿幻灯片常常意味着关键细节从未得到解决。创始人可能有令人信服的市场规模预测，却不了解他们的实际客户获取策略；或者展示收入模式，却未仔细考虑单位经济效益。
“你花越多时间去弄清楚你到底要解决什么问题，或者去弄清楚解决方案到底是什么样子，或者明确谁是真正的竞争对手。所有这些都会充实你的解决方案和公司，”Darji解释道。“所以，如果你能做到这一点，花时间真正打磨好你的融资演讲稿，你就会处于更有利的位置。”
这项更深入的工作提出了许多常被忽视的关键问题：第一笔收入何时到来？客户的实际部署情况如何？销售周期有多长？
“你实际上是在为自己构建融资演讲稿，而不是为你的受众，”Darji强调。如果潜在的商业逻辑和执行的混乱后勤仍然未经探索，一份精美的演示文稿就意义不大。
# 驾驭冲突的建议
初创公司创始人经常与多位顾问合作，参与孵化器项目，并获得各种利益相关者的意见。这创造了一个充满挑战的环境，其中善意的指导可能指向不同的方向。
当创始人与结构化的支持系统互动时，复杂性会增加。“像C10 Labs这样的地方，需要一个顾问团队，我们都在各自的专业领域内共同合作，”Darji解释道。这些协作环境提供了宝贵的资源，但也增加了创始人需要处理的视角数量。
当创始人不在正式项目之外独立工作时，动态就会发生变化。“如果我直接与初创公司合作，那就不太像团队运动了，”Darji指出，并强调了咨询环境如何根据初创公司的支持结构而变化。
这种情况要求创始人发展自己的判断力，判断哪些观点与他们的愿景和市场现实相符。不同的顾问带来不同的经验和偏见。在一个情境下奏效的方法可能无法转化为另一个行业或商业模式。
在保持战略连贯性的同时，综合各种观点的能力成为一项关键的创始人技能。这包括仔细倾听、提出澄清性问题，并最终对决策负责。顾问可以阐明选项和权衡，但创始人必须承担其选择的后果。
# 重塑AI作为计算
目前关于AI的许多讨论都将其视为一种根本上新颖的技术。一个更实际的视角是将AI视为现有计算技术的演进，它经历了该领域数十年的工作才逐渐发展起来。
“AI就是计算，”Darji认为。“如果你参与了计算领域，你可能一直在接触AI。”这种历史视角对公司如何进行AI产品开发具有实际意义。成功的项目不是追逐最新的模型发布或架构创新，而是识别能创造用户价值的具体预测问题。重点应该是解决需要解决的问题，而不是为了新技术本身而实施它。
“我们所做的是，我们解锁了计算的新技术，特别是预测能力，”Darji解释道。“为什么不弄清楚你想预测什么？在这个世界上，预测什么是有帮助的？你可以想出一些惊人的东西。它不一定是基于语言或图像的。我们可以预测的事情是无限的。”
这种框架为超越显而易见、受到最多关注的应用打开了可能性。语言模型和图像生成器吸引了头条新闻和投资，但预测能力的应用范围要广泛得多。建筑、教育或环境监测等行业可能提供基于预测的产品的机会，这些产品面临的竞争比金融等备受关注的领域要少。
关键在于识别预测能力能在何处解决目前缺乏良好解决方案的实际问题。哪些模式检测起来有价值？哪些结果预测起来有用？哪些序列或关系可以为更好的决策提供信息？这些问题可以带来广泛的应用，远远超出占据公众注意力的聊天机器人和内容生成器。
通过将AI视为计算而非全新的事物，创始人可以借鉴数十年的软件开发智慧，同时应用现代预测技术。
# 探索个性化前沿
展望未来，一个领域因其尚未实现的潜力而脱颖而出。虽然许多注意力集中在自主代理和多模态能力上，但个性化可能代表着近期最重要的机会。
“比代理更重要的是，我认为会让人大吃一惊的是AI的个性化，而我们在这方面才刚刚开始触及表面，”Darji预测。一些大型语言模型（LLMs）最近推出了一些功能，可以记住之前的对话和用户偏好，并且工具现在提供在友好或专业模式之间调整语气的选项。这些代表了早期步骤，但可能性远不止于此。
想象一下能够理解你的专业背景、学习风格和现有知识的AI系统。这些系统不需要关于解释级别或上下文的明确指令，而是会根据对你思维和沟通方式的累积理解自动进行调整。
“五年后，每个人都戴着这种眼镜。你已经戴了好几年了。所以它现在知道你认识的所有人。它知道你去过的所有地方，”Darji推测。“我可以问AI，告诉我最新消息。它知道我已经看过哪些新闻。所以它会跳过那部分。”
这种愿景引发了关于隐私、数据收集和用户控制的问题，这些问题仍未解决。然而，随着公司在拥挤的市场中寻求差异化，竞争动态似乎可能会推动企业朝着日益个性化的体验发展。
# 实施负责任的数据实践
在教育领域的工作塑造了Darji处理数据的方式。他的当前工作刻意最大限度地减少了个人身份信息（PII）的暴露，而不是最大化数据收集。
“现在，我正试图看看在完全不接触任何学生数据的情况下，我能完成什么，”他解释道。“我剔除了所有的PII。我从不接触任何PII，因为我试图在没有PII的情况下完成我的工作。”
这种方法可能涉及使用合成数据或完全匿名化的信息，这些信息可以揭示模式而不会暴露个人身份。这会带来限制，但也迫使人们创造性地解决问题，弄清楚哪些信息是真正必需的，而哪些仅仅是可以收集的。
该策略可以在早期阶段无需复杂的隐私保护措施即可实现更快的开发。“在绝对必要且对其工作至关重要之前，我无需进行辩解。那时我才会采取适当的保护措施并引入它，”Darji指出。
这种理念可能不适合所有应用，但它展示了周到的数据实践如何能够同时符合道德关切和实际开发限制。
# 分析经济担忧
除了技术和战略挑战，更广泛的经济问题笼罩着AI行业。AI公司的当前结构、它们的估值以及它们的收入模式可能不可持续。
“我认为很多人不理解，这些AI公司现在有多么像‘纸牌屋’，”Darji警告说。“至少对于这些大型语言模型来说，收入不足以支撑这些公司的高估值。”
许多领先的AI公司仍然是私营企业，这使得它们的财务细节对外人来说不透明。如果没有公开披露，就很难评估当前的商业模式是否能够真正支持巨大的投资。这种情况类似于早期的技术泡沫，当时对潜力的兴奋掩盖了对可持续盈利能力的质疑。
“在五年到十年内，我们都会回头看，说，哇，这本来是多么容易预见，”Darji预测，并与之前的资产泡沫进行了类比。“这有点像房地产泡沫破灭，当时每个人都意识到人们的房产过度抵押了。我认为我们会发现同样的情况，那些公司都严重相互关联且过度抵押。”
AI公司与其投资者之间的相互联系可能会加剧任何最终的调整。当公司在基础设施、资金或市场准入方面严重依赖彼此时，一家公司的问题可能会在整个生态系统中蔓延。
这些担忧并不否定技术本身。无论特定公司是成功还是失败，AI在预测、模式识别和自动化方面的能力仍然是有价值的。潜在技术将继续改进并在各行业中找到实际用途。
如果发生市场调整，它可能会重塑行业，而不是消除它。拥有真正收入流、专注的应用和合理成本结构的公司将得以生存，并可能蓬勃发展。那些主要建立在投机基础上的公司可能不会。对于创始人来说，这表明了建立在坚实基本面上的企业的重要性，而不是假设当前的融资环境将无限期地持续下去。
# 为创始人提供实用建议
对于考虑AI创业的企业家来说，某些原则在成功的初创公司中普遍存在。这些建议集中在焦点、问题选择和可持续的商业模式上。
“尝试解决尚未解决的问题。尝试寻找独特的问题，”Darji建议。“跳出思维定势，寻找服务不足的行业。每个人都涌入金融行业，但像建筑行业，你可以预测很多事情并创造很多价值。”
这种方法需要抵制涌向吸引激烈竞争和大量资金的明显应用的吸引力。讨论较少的行业可能为可持续企业提供更好的机会，这些企业可以解决实际问题，而无需进行大规模融资。
对单一焦点的强调贯穿了整个创业过程。“专注于一套问题，”Darji建议，重申了前面出现的主题。这种纪律有助于从产品开发到投资者关系再到团队协调的各个方面。
# 展望未来
AI行业持续快速发展，新的能力定期涌现，商业模式仍在形成中。然而，关于构建成功公司的基本原则，无论技术如何变化，都保持相关性。
保持专注、发展真正的领域专业知识、良好地解决特定问题并建立可持续商业模式的初创公司，将比那些追逐炒作或试图同时做所有事情的公司更长久。技术带来了新的可能性，但执行仍然决定结果。
对于创始人来说，将AI视为强大的计算工具而非神奇解决方案，有助于将决策建立在现实基础上。个性化浪潮可能会重塑我们与技术互动的方式，但它仍然需要周到的设计、负责任的数据实践和清晰的价值主张。
随着行业的发展，雄心勃勃的演讲和可行的产品之间的差距将继续区分成功的企业和失败的实验。那些花时间了解市场、集中精力并建立在坚实基础上的公司，最有机会创造持久的影响。
AI能力将不断进步，新应用将在各行业中涌现。然而，技术可能性与商业可行性之间的差距需要谨慎的导航。那些将技术理解与商业纪律相结合，选择专注而非广泛，并为可持续性而非估值而建设的创始人，在这种不断变化的环境中更有可能创造持久的价值。
Rachel Kuznetsov拥有商业分析硕士学位，热衷于解决复杂的数据难题和寻找新的挑战。她致力于让复杂的科学概念更易于理解，并探索AI对我们生活产生各种影响的方式。在她持续学习和成长的过程中，她记录自己的旅程，以便他人也能从中学习。你可以在LinkedIn上找到她。
评论区