• Five AI Startup Predictions for 2017

  • AI 스타트업에 관한 2017년의 5가지 예측

  • - Bots go bust
  • - 봇은 망한다
  • - Deep learning goes commodity
  • - 딥러닝은 공산품이 된다
  • - AI is cleantech 2.0 for VCs
  • - AI는 VC에게 제 2의 '클린테크'가 될 것이다
  • - MLaaS dies a second death
  • - MLaaS(서비스로서의 머신러닝)는 두 번 죽을 것이다
  • - Full stack vertical AI startups actually work
  • - 풀스택 버티컬 AI 스타트업들은 잘 될것이다
  • With AI in a full-fledged mania, 2017 will be the year of reckoning. Pure hype trends will reveal themselves to have no fundamentals behind them. Paradoxically, 2017 will also be the year of breakout successes from a handful of vertically-oriented AI startups solving full-stack industry problems that require subject matter expertise, unique data, and a product that uses AI to deliver its core value proposition.
  • AI에 대한 닳고 닳은 열광속에 2017년은 이제 계산서를 받아들 한해가 될 것입니다. 이 순수하게 과대평가되고 있는 트렌드는 결국 아무 기초가 없다는걸 스스로 드러내 보일 것입니다. 그리고 역설적으로, 2017년은 분야별로 전문적인 지식과 고유의 데이터를 통해 핵심 가치를 제공해줄 수 있는 소수의 버티컬-지향적 AI 스타트업들에게 획기적인 한해가 될 것입니다.
  • Bots go bust
  • 봇은 망한다
  • Over the past year a mania has risen up around ‘bots.’
  • 최근 몇 년간 '봇'에 관한 열광적인 관심이 있었습니다.
  • In the technical community, when we talk about bots, we usually mean software agents which tend to be defined by “four key notions that distinguish agents from arbitrary programs; reaction to the environment, autonomy, goal-orientation and persistence.”
  • 기술 공동체에서 우리가 봇에 관해 이야기 할 때, 대개 우리가 '소프트웨어 에이전트'를 다른 프로그램과 구분하는 네 가지 속성을 정의하곤 합니다: "환경에 대한 반응, 자율성, 목표지향성, 지속성"
  • Enterprises have decided to usurp the term ‘bot’ to be mean ‘any form of business process automation’ and create the term ‘RPA’, robotic process automation.
  • 그러다 기업들은 '봇'이라는 용어를 '모든 형태의 비즈니스 프로세스 자동화'로 사용하고 로봇 프로세스 자동화를 뜻하는 'RPA'라는 용어를 만들기로 결정했습니다.
  • While business process automation will of course continue to play out for decades to come, the current mania around ‘bots’ defined as conversational interfaces over voice and chat will begin its collapse in 2017. Here’s why:
  • 물론 비즈니스 프로세스 자동화는 앞으로도 계속 될 것입니다만, 음성 및 채팅을 통한 대화 형 인터페이스로 정의 된 '봇'에 대한 현재의 열광은 2017년에 붕괴되기 시작할 것입니다. 그 이유는 다음과 같습니다:
  • - The social vs. personalization wars in consumer internet provide a good guiding light. Ultimately the winning personalization platform was facebook, which was the winning social platform. People still like to interact with other people for most things, and i suspect that many of the chatbots will go the same way as the non-social media platforms that tried to bet on personalization without social curation. A lot of the thinking around bots is naively utilitarian and lacks the social intelligence to recognize the range of human needs being met by person-to-person interaction. For this reason, most bots will fail to retain users even if they can attract them initially.
  • - 소비자 인터넷에서의 사회적vs개인화 전쟁의 역사를 한번 따라가 봅시다. 개인화를 가장 잘 해낸 플랫폼은 결국 사회적 플랫폼의 승자인 페이스북이었습니다. 사람들은 여전히 대부분의 일을 위해 다른 사람들과 상호 작용하기를 좋아합니다. 그리고 나는 많은 챗봇들이 사회적 큐레이팅없이 개인화를 시도한 비(非)사회적 미디어 플랫폼과 같은 미래를 맞이할 것이라고 생각합니다. 봇에 대한 많은 생각들은 나이브한 사용성만을 가정하고 있고, 이 생각들에는 사람간의 상호 작용에 의해 충족되는 인간의 필요의 범위를 인식하는 사회적 지능이 부족합니다. 이러한 이유로 대부분의 로봇은 초기에 사용자를 끌어들이더라도 그 관심을 유지하지 못할 것입니다.
  • - There are a lot of misguided signals being drawn from the global messaging app boom, the rise of slack, and the success of certain interactions on platforms in china like weibo. A lot of folks have extrapolated from these trends to bet on platforms like AI-powered digital personal assistant. Per #1 above, these social platforms are solving for both utilitarian and emotional needs, and it’s not clear that we can extrapolate from this setting and apply it to pure utility AI-driven chatbots.
  • - 전세계적인 메세징 앱 붐, Slack의 비상, 웨이보와 같은 중국 플랫폼에서의 어떤 상호작용들은 우리를 잘못 인도하는 시그널입니다. 이러한 트렌드로부터 많은 사람들이 AI 기반의 디지털 개인비서와 같은 플랫폼에 베팅하기 시작했습니다. 하지만 위의 생각으로 비추어 볼 때, 저런 성공적인 소셜 플랫폼은 실용적이고 정서적인 필요를 해결해 주는 것일 뿐, 순수한 유틸리티 AI 기반 채팅 봇에 같은 성공을 외삽할 수는 없는 것입니다.
  • - Conversational interfaces are often very inefficient to accomplish tasks as compared to other more visual solutions. Conversational interfaces are interesting and have been around in the HCI community for decades. There are certain applications where conversational interfaces are awesome, but in reality i think we’ll see that for the vast majority of applications, there are far more efficient interfaces to get things done.
  • - 대화식 인터페이스는 다른 시각적 솔루션에 비해 작업을 수행하는 데 매우 비효율적입니다. 대화식 인터페이스는 분명 흥미롭고 수십년 동안 HCI 커뮤니티의 주제였습니다. 대화형 인터페이스가 굉장히 멋진 응용 프로그램이 분명 몇 개 있지만, 현실적으로 대다수의 응용 프로그램에는 대화형 인터페이스보다 작업에 있어 훨씬 효율적인 인터페이스가 있다고 생각합니다.
  • - Note that none of my reasons for the bot bust state that ‘the AI isn’t good enough yet.’ The issue with most systems like siri is more that they’re poorly implemented. We can build many interesting bot interfaces using modern techniques, the bigger issue in my mind is that its not clear humans want to use them.
  • - 'AI가 아직 잘 동작하지 않는다'는 이유는 봇이 망할 것이라고 제가 생각하는 이유에 포함되지 않는다는 것을 명심하셔야 합니다. Siri같은 시스템은 단지 구현이 구리다는 것 이상의 문제를 안고 있습니다. 우리는 현대적인 기술을 이용하여 수많은 흥미로운 봇 인터페이스를 만들 수 있겠습니다만, 제 생각에 더 큰 문제는 인간들이 실제로 그걸 쓰고 싶어하는지 여부가 확실하지 않다는데에 있습니다.
  • Deep learning goes commodity
  • 딥러닝이 공산품이 된다
  • Deep learning is in full mania right now. For those without much of a sense of what various AI terms mean, deep learning is part of machine learning, which is part of of AI. Deep learning is not a different thing, its just a cool body of work that’s yielding state of the art results for lots of important problems, and so people are rightly availing themselves of it. If you want to understand the longitudinal picture here and how deep learning fits into the ever-evolving AI landscape, I wrote about this last fall.
  • 딥러닝은 이제 많은 열광적 지지층을 가지게 되었습니다. 다양한 인공 지능 용어가 의미하는 바를 잘 모르는 사람들에게, 딥러닝은 인공지능의 일부인 기계학습의 일부입니다. 딥러닝은 뭔가 특별한 존재가 아닙니다. 딥러닝은 단지 많은 중요한 문제들을 해결해주고, 그에 따라 사람들이 도움을 받게 되는 가장 최신의 답안일 뿐입니다. 만약에 전체적인 큰 그림을 이해하거나 딥러닝이 어떻게 끊임없이 진화하는 인공지능에 맞아들어가게 되었는지를 알고 싶다면, 지난 가을에 쓴 이 글(https://www.linkedin.com/pulse/application-drives-formalism-why-machine-learning-booming-cross) 을 참고해 주세요.
  • Deep learning startup acquihires have replaced the iOS mobile apps startups of 5 years ago. A bunch of companies were blindsided by the ability of deep learning, especially for computer vision, to generate superior results and tackle new problems. As a result, we’ve witnessed a major wave of Google, Facebook, Twitter, Uber, Microsoft, and Salesforce running out an aggressive M&A strategy to fill the gaps.
  • 마치 5년전에 iOS 모바일 스타트업들이 계속 "인재합병"된 것과 같이 딥러닝 스타트업들이 인수되고 있습니다. 많은 회사들이, 특히 컴퓨터 비전 분야에서 좋은 결과를 보여주고 새로운 문제를 건드릴 수 있게 해준 딥 러닝의 위력에 눈이 멀었습니다. 그 결과로 구글, 페이스북, 트위터, 우버, 마이크로소프트, 세일즈포스가 적극적으로 M&A 전략을 펼치는 광경을 우리는 목도하고 있습니다.
  • So if this is so important and highly sought after, why do i think it’s going commodity this year? NIPS 2016 and the overall conference circuit of 2016. It’s very clear that deep learning is everywhere now. There are so many grad students coming out now with these skills. Four years ago the story was dramatically different. The market has adjusted to create more supply.
  • 그래서 딥러닝이 그 정도로 중요하고 중요하게 추구된다면, 왜 이게 올해에 공산품이 될 것이라고 생각할까요? NIPS나 다른 2016년의 컨퍼런스를 보면 알 수 있습니다. 딥러닝은 이제 모든 분야에 있는 것이 분명합니다. 딥러닝을 할 줄 아는 대학원생들은 쏟아져 나오고 있습니다. 4년전에는 지금과 극적으로 달랐습니다. 시장이 더 많은 공급을 내놓고 있는 것이지요.
  • Now, all this being said, i need to make a clarifying statement. I am suggesting that deep learning will become more commodity among machine learning people this year, but i am not suggesting that machine learning itself will become commodity. The premiums on machine learning talent will still be incredibly high. The premiums on deep learning startup acquihires that we’ve seen in past few years will collapse after the second tier of tech companies and those outside tech (like the folks in detroit) finish their current wave of acquisitions. I expect a steady flow of late adopters this year coming in with dumb money, but that later in the year we may see that this wave of m&a deals starts to slow.
  • 자 이제 제가 하려는 이야기를 정확하게 말하겠습니다. 저는 올해 딥러닝이 머신러닝을 하는 사람들 사이에서 공산품이 될 것이라는 이야기를 하고 있습니다만, 머신러닝 자체가 공산품이 될 것이라고 주장하고 싶진 않습니다. 머신러닝 기술을 가진 사람들이 갖는 프리미엄은 여전히 엄청나게 높습니다. 세컨티어의 기술회사들이나 기술 바깥의 회사(예를 들면 디트로이트 자동차공장 같은)의 딥러닝 인수가 끝나면 최근 몇년간 일어났던 딥러닝 스타트업의 "인재합병" 바람은 무너질 것입니다. 올해까지는 눈먼 돈으로 들어오는 뒤늦은 수용자들이 꾸준한 흐름을 유지해줄 것이라 보지만, 올해 말부터는 M&A 딜의 파도는 잦아들기 시작할 것입니다.
  • AI is Cleantech 2.0 for VCs
  • AI는 VC에게 제 2의 '클린테크'가 될 것이다
  • - Cleantech isn’t a market, it’s a cross cutting concern. Issues of climate change and sustainability are very serious issues and incredibly worthy ones to think about both as causes and for profit businesses. A cross-cutting concern isn’t a business though, a business is something that sells a product or service that customers want to buy. Tesla and solar city are arguably success stories for cleantech, but note that they are both ‘full stack businesses’ -- a car company and a solar energy company respectively. So when cleantech is an element of a full stack company selling a real product into a real market, it works, but cleantech for cleantech’s sake doesn’t work because it doesn’t start from the premise of a customer need. Great businesses start with customer need. Great missionary businesses start with a vision defined by customer need, and incorporate a mission that aligns to satiating the need. An organization with a societal mission but without a customer-centered vision is at best a moderately effective philanthropic organization. Great business put customer needs first, not a cross-cutting technology trend, even if its a missionary one.
  • - 클린테크는 어떤 시장이라 볼 수 없습니다. 모든 사람들의 관심사에 가깝지요. 기후 변화와 지속 가능성의 문제는 매우 심각한 문제이며, 원인을 생각하는 것, 사업을 통해 이익을 내고자 하는 것 모두 매우 가치있는 일입니다. 그런데 그런 모두의 관심사 자체는 비지니스가 아닙니다. 비지니스는 사람들이 사고싶어 하는 프로덕트나 서비스일테니까요. 테슬라와 솔라시티는 논쟁의 여지는 있지만 클린테크의 어떤 성공적인 모델을 보여줍니다만, 저 두 회사는 모두 자동차회사와 태양에너지 회사로서의 '풀스택 비지니스'라는 것을 명심해야 합니다. 즉 클린테크가 만약에 어떤 '풀스택 회사'의 어떤 요소로 실제 제품을 실제 시장에서 판다면 아마 먹힐 것입니다. 하지만 고객의 니즈에서 전제되지 않은 '클린테크를 위한 클린테크'는 먹히지 않을 것이라는 겁니다. 위대한 비지니스는 고객의 니즈에서 시작됩니다. 위대한 사명을 띈 비지니스는 고객의 니즈로부터 정의된 비전에서 시작되고, 그 니즈를 합치시키려는 시도를 하게 됩니다. 사회적인 사명을 갖고 있지만 고객 중심의 비전이 없는 조직은 그냥 그저 그런 좋은 일을 하는 자선 단체일 뿐입니다. 위대한 사업은 언제나 최신 기술 트렌드보다도 고객의 니즈를 먼저로 놓습니다. 그 사업이 어떤 사명을 띄고 있던간에 말이죠.
  • - Green energy isn’t a market, energy is. Solar is king and growing fast -- because now it works economically. When Warren Buffett and Elon Musk are competing over a market, that’s likely a sign that it makes good business sense. Both view sustainability as an important mission, but also understand that it has to make sense as a business and for the customer first, and the mission much be achieved in service of the needs of the businesses customers and employees. Nothing is more ironic than an unsustainable business with a mission of sustainability.
  • - 녹색 에너지는 시장이 아닙니다. 전체 에너지가 시장이죠. 태양에너지는 잘나가고 빠르게 성장하고 있습니다. 왜냐하면 이제 경제적으로 말이 되기 때문이지요. 만약 워렌 버핏과 엘론 머스크가 시장에서 함께 경쟁한다면 그 분야가 할만한 비지니스라는 신호일 것입니다. 두 사람 모두 '(환경적) 지속가능성'을 중요한 미션으로 생각합니다. 하지만 그들도 이게 비지니스로 말이 되는 상태에서 고객을 우선으로 해야된다는 사실, 그리고 그런 미션은 고객과 직원의 니즈 위에서 달성되어야 한다는 사실을 이해하고 있습니다. 지속가능하지 않은 비지니스가 '(환경적) 지속가능성'을 논하는 것만큼 웃기는 일이 어디 있을까요.
  • - Self-important save-the-world mentality. In cleantech, there was a lot of the hubristic knight-in-shining-armor attitude that is characteristic of tech manias. In AI over the past couple years, we’ve started to see self-aggrandizing AI ethics committees and the like, people talking about what to do when the robots take all the jobs, and so on. It’s the attitude that those working in and around AI are now responsible for shepherding all human progress just because we’re working on something that matters. This haze of hubris blinds people to the fact that they are stuck in an echo chamber where everyone is talking about the tech trend rather than the customer needs and the economics of the businesses. This toxic reality distortion field is what allows the mania to draw large numbers of smart but self-important people into the impending web of doom.
  • - 내가 잘났고 내가 세상을 구한다는 멘탈이 있습니다. 클린테크 업계에는 테크 마니아의 특징인, 마치 빛나는 갑옷을 입은 기사와 같은 오만한 태도가 많이 있었습니다. 최근 몇년간의 AI업계에서도 우리는 그런 자기확신에 가득찬 'AI 윤리 대법관'들을 봅니다. 로봇들이 모든 직업을 가져갔을 때 어떻게 해야 하는지를 사람들에게 말한다거나 하는 일들이요. 이건 마치 자기들이 그렇게 중요한 업계에 일한다는 이유만으로 모든 사람들의 진보를 이끌 수 있고, 또 그래야 한다고 생각하는 태도입니다. 이런 식의 눈먼 오만이 혼자만의 방에 갖혀 테크 트렌드를 이야기하고, 고객의 니즈나 비지니스의 경제학을 등한시하게 만듭니다. 이러한 중독성있는 '현실왜곡장'은 수많은 똑똑하지만 너무도 잘난 사람들을 멸망의 거미줄로 끌어들이곤 합니다.
  • - Cleantech and AI are both deeply technical problems, and a startup and VC community increasingly trained up on consumer internet and trivial SaaS services is increasingly incapable of adequately evaluating investment opportunities in deeply technical domains. Driven by the state of hubris outlined in #3, people dive in after reading a few blog posts and hearing a few pitches. Linked profiles are duly updated, and an era of ephemeral experts are born.
  • - 클린테크와 AI 모두 굉장히 기술적인 분야들입니다. 그래서 그동안 소비자 인터넷이나 단순한 SaaS에 관한 훈련만 되어 있던 스타트업이나 VC 커뮤니티는 이런 기술적인 분야의 투자가치를 정확하게 평가할 수 없게 되었습니다. 위에 이야기한 그런 오만함때문에, 피칭 몇개만 듣고 블로그 글 몇개만 본 상태로 사람들은 업계에 뛰어들기 시작했습니다. 그러면서 그들의 링크드인 프로필이 업데이트 되고, '하루살이 전문가'들이 탄생하기 시작했습니다.
  • So how does this play out?
  • 그래서 이게 어떤 영향을 끼치게 될까요?
  • I have a theory that the information era of the economy fundamentally changed the mania-panic cycles we’ve experienced throughout human history. As a former hedge fund guy, I have read all the great books on financial history and market psychology. It’s been interesting to track how things have evolved differently since the mid-90’s.
  • 저는 정보화 시대가 인류가 계속해서 경험해온 경제의 열광-패닉 사이클을 근본적으로 변화시켰다는 생각을 가지고 있습니다. 저는 예전에 헤지펀드맨이었기 때문에 금융의 역사나 시장의 심리학에 관한 위대한 책들을 읽어보았습니다. 90년대 중반 이후로 그런 패턴이 어떻게 달라졌는지를 추적해보는건 흥미로운 일이었습니다.
  • I think that the rapid increase in social interaction and spread of information online created a self-heisenberging effect that pulls manias up to the front of a business cycle before it even really begins. Consumer internet is a great example, where the 90’s pre-mainia lead to a 2000 crash just as the actual business cycle was getting started. Two years later in 2002, Google, which had started in 1998, was hiring up all the talent at the bottom of the bust and defining the real business cycle for consumer internet.
  • 저는 사회적 상호 작용의 급속한 증가와 온라인 정보의 확산이, '열광' 턴을 그게 실제로 시작되기도 전에 오게 하는 '뮌히하우젠 남작 효과'를 만들어냈다고 생각합니다. 소비자 인터넷은 그런 좋은 예입니다. 90년대에 실제로 트렌드가 시작되기도 전에 '열광' 싸이클은 시작되었고 2000년에 '멸망'했습니다. 2년 후인 2002년, 1998년에 시작된 구글이라는 회사가 '멸망' 사이클 하에 있던 사람들을 모두 데려가서 소비자 인터넷의 실제 비즈니스 사이클을 정의해 버렸습니다.
  • Four years after cleantech was pronounced dead by wired, solar is cleanest and cheapest source of energy, Elon and Warren are all over it. Tesla and solar city are becoming a full stack cleantech empire.
  • Wired에 의해 '클린테크'가 사망선고를 당한지 4년 후에, 태양에너지가 가장 깨끗하고 저렴한 에너지가 되었고, 엘론 머스크와 워렌 버핏이 달려들었습니다. 테슬라와 솔라시티는 풀스택의 클린테크 제국이 되고 있습니다.
  • So I think we are in this pre-mania for AI startups right now. Most of what I see out there right now is going to fail in the same ways that AI startups have been failing for 10 years now. There is a very tiny community of folks that have been doing AI startups for 10 years or more, and the batch that are diving in at the top of this pre-mania are making the same mistake that cleantechs did -- they are diving into AI instead of diving into a customer need.
  • 결국 저는 우리가 AI 스타트업에 있어 '열광' 이전의 단계에 있다고 생각합니다. 저에게 지금 보이는 것은 지난 10년간 망해온 것과 똑같은 방식으로 AI 스타트업이 망하고 있는 미래입니다. 10년, 혹은 그 이상 AI 창업을 해오던 몇 명의 사람들이 있습니다. 이 사람들은 클린테크가 했던 것과 똑같은 실수를 하고 있습니다. 고객의 요구에 뛰어드는 것이 아니라 AI에 뛰어들고 있는 것이지요.
  • AI startups right now are mostly hammers looking for nails. As this becomes more evident over the next 12-24 months, and the bigcos exhaust and ramp down their appetite for AI acquihires just as they did for mobile app dev shops, I suspect that we start to see potential founders and VCs realize that something is off. At that point, I will get fewer AI startup pitches on linkedin from people who have decided to get into AI in the past 12 months.
  • 지금의 AI 스타트업들은 대부분 못을 찾고 있는 망치입니다. 이런 현상이 앞으로 12~24개월간 더 분명해지면서, 대기업들은 - 모바일 앱 개발 스타트업들에 대해 그랬듯이 - AI기업의 '인재합병' 식단을 조절하기 시작하면서, 저는 잠재적 창업자나 VC들이 뭔가를 깨닫기 시작할 것이라고 봅니다. 그리고 그 때가 오면, 저는 링크드인에 연락오는, AI를 하기로 마음먹은지 12개월도 안된 스타트업 피칭 요청을 좀 덜 받을수 있겠지요.
  • MLaaS dies a second death
  • MLaaS(서비스로서의 머신러닝)는 두 번 죽을 것이다
  • Machine Learning as a Service is an idea we’ve been seeing for nearly 10 years and it’s been failing the whole time.
  • 서비스로서의 머신러닝은 10년동안 계속 봐왔지만 계속해서 실패했던 아이디어입니다.
  • The bottom line on why it doesn’t work: the people that know what they’re doing just use open source, and the people that don’t will not get anything to work, ever, even with APIs.
  • 한줄요약 해보죠: 뭐 좀 할줄 아는 사람은 그냥 오픈소스를 씁니다. 그리고 못하는 사람들은 API를 아무리 갖다 줘도 동작시키는 방법을 모릅니다.
  • Many very smart friends have fallen into this tarpit. Those who’ve been gobbled up by bigcos as a way to beef up ML teams include Alchemy API by IBM, Saffron by Intel, and Metamind by Salesforce. Nevertheless, the allure of easy money from sticking an ML model up behind an API function doesn’t fail to continue attracting lost souls.
  • 많은 똑똑한 친구들이 이 수렁에 빠집니다. 머신러닝 팀을 강화하시키려는 목적으로 대기업에 인수되었다 사라진 팀 중에는 IBM의 Alchemy API, 인텔의 Saffron, 세일즈포스의 Metamind가 있습니다. 그럼에도 불구하고, 머신러닝 모델을 API 뒤에 붙여서 쉽게 돈을 먹겠다는 유혹은 언제나 불쌍한 영혼들을 잡아끌곤 합니다.
  • Amazon, Google, and Microsoft are all trying to sell a MLaaS layer as a component of their cloud strategy. I’ve yet to see startups or bigcos using these APIs in the wild, and I see a lot of AI usage in the wild so its doubtful that its due to the small sample size of my observations.
  • 아마존, 구글, 마이크로소프트는 모두 클라우드의 한 상품으로 MLaaS 레이어를 내놓고 있습니다. 그러나 저는 실제로 이 API를 사용하는 회사를 스타트업이든 대기업이든 본 적이 없습니다. 하지만 AI를 쓰는 경우는 많이 봅니다. 아마도 제가 관찰한 샘플 사이즈가 너무 작은것일수 있겠지요.
  • Whether services from the big cloud providers or from startups, the end will be the same, as they go sideways this year. Cloud providers will leave the services on but they won’t be big money makers, the MLaaS startups will start meeting their demise this year as growth goes sideways and appetite to double down on them dries up.
  • 큰 클라우드 제공 업체의 서비스이든, 신생 업체의 서비스이든, 올해는 옆으로 게걸음을 하게 될 것입니다. 클라우드 제공 업체는 서비스를 계속 나갈 것이지만 큰 돈을 벌지는 않을 것입니다. MLaaS 스타트업은 성장이 지지부진하고 인수합병 기회가 줄어들면서, 죽음을 맞이할 준비를 하기 시작할 것입니다.
  • The problem here is a very practical matter; the MLaaS solutions have no customer segment -- they serve neither the competent nor the incompetent customer segment.
  • 결국 아주 현실적인 문제에 봉착하게 됩니다: MLaaS 솔루션이 먹힐만한 고객군이라는게 없습니다. 잘하는 고객이든 못하는 고객이든 누구에게도 서비스할 수 없는 것이죠.
  • The competent segment: you need machine learning people to build real production machine learning models, because it is hard to train and debug these things properly, and it requires a mix of understanding both theory and practice. These machine learning people tend to just use the same open source tools that the MLaaS services offer. So this knocks out the competent customer segment.
  • 유능한 고객: 실제 프로덕션에서 쓸만한 기계 학습 모델을 만들려면 기계 학습 전문가가 필요할 것입니다. 이러한 것들을 올바르게 훈련시키고 디버깅하기가 어렵기 때문에, 이 사람들은 이론과 실습을 모두 이해할 수 있어야 합니다. 이 기계학습 전문가들은 MLaaS 서비스가 제공하는 것과 동일한 오픈 소스 도구를 사용하려 할 것입니다. 그렇기 때문에 일단 '유능한 고객'이라는 세그먼트는 날아갑니다.
  • The incompetent segment: the incompetent segment isn’t going to get machine learning to work by using APIs. They are going to buy applications that solve much higher level problems. Machine learning will just be part of how they solve the problems. It’s hard enough to bring in the technical competence to do machine learning internally, and its much much harder to bring in the ‘data product’ talent that can help you identify the right problems and means to productize machine learning solutions. the incompetent segment includes everyone outside of tech companies with established strong machine learning and data product teams. yes, that means the entire global business world across every industry. Its quite a large segment. If you buy into the “software is eating the world” thesis, then you think that every company in every industry more or less has to become a tech company at some level. The same will be true for becoming a data company. There’s already a very wide gap in technical competence between top tech companies like google and facebook and the top companies in each industry outside tech.  This gap is dramatically wider when it comes to data competence.
  • 무능한 고객: 무능한 고객들은 API를 사용해서 머신러닝이 돌아가게 만드는 데에 실패할 것입니다. 그 사람들은 더 높은 레이어의 구체적인 문제를 풀어주는 어플리케이션을 사려 할 것입니다. 머신러닝은 그 사람들이 문제를 푸는 방법의 일부일 뿐이죠. 내부적으로 머신러닝을 잘 하는 경쟁력을 갖추기는 어렵습니다. 그리고 기계학습 솔루션을 생산하기 위한 올바른 문제와 수단을 파악하는 데 도움이 되는 '데이터 제품' 소질을 회사가 가지게 되는 것은 훨씬 더 어렵습니다. 강력한 머신러닝 기술과 데이터 프로덕트 팀을 가지지 않은 테크 회사를 제외한, 모든 회사에 이 '무능한 고객'군이 포함됩니다. 그렇습니다. 전 세계 모든 분야의 모든 산업을 의미하는 것입니다. 이건 정말 큰 부분입니다. "소프트웨어가 전 세계를 지배한다" 이런 가설을 신봉한다면 모든 산업의 모든 회사가 어느정도는 테크회사의 모습을 가지고 있어야 합니다. 그리고 데이터 회사가 되기 위한 조건도 같을 것입니다. 하지만 이미 구글-페이스북과 같은 회사와 그렇지 않은 다른 산업의 회사간의 기술경쟁력은 너무도 차이가 납니다. 그리고 데이터를 다루는 경쟁력에 있어서는 그 갭이 훨씬 커지게 됩니다.
  • Full stack vertical AI startups actually work
  • 풀스택 버티컬 AI 스타트업들은 잘 될것이다
  • I have been working with AI for nearly 20 years, and building silicon valley AI startups for nearly 10. I’m a cofounding partner of DCVC, a leading AI and data focused VC. My experience makes me both broadly excited and soberly focused on full stack vertical AI applications.
  • 저는 AI에 대해 20년 가까이 일해오고 실리콘밸리에서 10년 가까이 AI 스타트업들을 만들어 왔습니다. 저는 AI와 데이터에 집중하는 VC인 DCVC의 공동창업자입니다. 그러한 제 경험으로 인해 저는 '수직 풀스택 AI 어플리케이션'에 흥미를 가지고 열심히 집중하게 됩니다.
  • I’m broadly excited because I think that every industry will be transformed by AI. I’m soberly focused because low level task-based AI gets commoditized quickly. I think that if you’re not solving a full stack problem that’s high level enough, then you will be stuck in a commoditized world of lower level AI services, and you are going to have to be acquired or wind down due to lack of traction.
  • 저는 모든 산업이 AI에 의해 변화 될 것이라는 점에 많은 흥분을 가지고 있습니다. 낮은 레이어의 작업기반의 AI는 신속하게 공산품이 되어가고 있기 때문에 열심히 집중하게 됩니다. 만약에 당신이 어느 정도의 고수준의 구체적인 문제를 풀스택으로 풀어내지 못한다면, 낮은 레이어의 AI 서비스들이 공산품화된 세계에 갖히게 될 것이고, 결국 부족한 동력으로 인해 성장이 멈추거나 잡아먹힐 수밖에 없게 될 것입니다.
  • Vertical AI startups solve full-stack industry problems that require subject matter expertise, unique data, and a product that uses AI to deliver its core value proposition.
  • '버티컬 AI 스타트업'은 특정 분야의 전문 지식, 고유한 데이터, AI가 핵심 가치를 제공하는 제품을 필요로 하는 풀스택 산업 문제를 해결합니다.
  • While most of the machine learning talent works in consumer internet giants and related general tech companies, massive and timely problems are lurking in every major industry outside tech. If you believe the ‘software is eating the world’ hypothesis, then every company in every industry will need to become a tech company.
  • 대다수의 머신러닝 인재들이 소비자 인터넷의 거목들, 혹은 관련된 일반적인 기술회사에서 일하고 있지만, 거대하고 시급한 문제들이 테크 바깥의 많은 주요 산업들에서 발생하고 있습니다. 만약 당신이 '소프트웨어가 모든 세계를 지배한다'는 가설을 믿고 있다면, 모든 산업의 모든 회사들이 테크 회사가 되어야 할 것입니다.
  • When you focus on a vertical, you can find high level customer needs that we can meet better with AI, or new needs that can’t be met without AI. These are terrific business opportunities, but they require much more business savvy and subject matter expertise. The generally more technical crowd starting AI startups tend to have neither, and tend to not realize the need for or have the humility to bring in the business and subject matter expertise required to ‘move up the stack’ or ‘go full stack’ as I like to call it.
  • 만약 하나의 버티컬에만 집중한다면, AI를 통해 더 잘할 수 있는 고객 니즈, 혹은 AI가 없으면 할 수 없는 새로운 고객 니즈를 만날 수 있을 것입니다. 이런것은 굉장한 비지니스 기회이긴 한데, 더 비즈니스에 정통하여야 할 것이고 그 분야에 대한 전문 지식 역시 훨씬 잘 갖춰져야 할 것입니다. AI 스타트업을 시작하는, 아마도 기술을 잘 아는 사람들은 어떤 분야의 '스택 업', 아니면 '풀 스택'을 갖추기 위해 해당분야의 전문지식이나 해당 분야에 대한 겸손이 필요하다는 사실을 잘 모르거나, 인정하지 않으려 하는 경향이 있습니다.
  • New full stack vertical AI startups are popping up in financial services, life sciences and healthcare, energy, transportation, heavy industry, agriculture, and materials. These startups will solve high level domain problems powered by proprietary data and machine learning models. Some of these will hit 100M in ARR in 2017-2018. These full stuck AI startups will be to AI as Tesla and Solar City were to cleantech.
  • 금융 서비스, 생명 과학 및 의료, 에너지, 운송, 중공업, 농업 및 자재 분야에서 새로운 '버티컬 풀스택 AI 스타트업'들이 등장하고 있습니다. 이러한 신생 기업은 독점적인 데이터와 기계 학습 모델을 통해 해당 분야의 높은 수준의 문제를 해결합니다. 이 중 일부는 2017~2018 년에 연매출 1억달러를 달성할 것입니다. 이런 풀스택 AI 스타트업들이 아마도 AI업계에서, 클린테크의 테슬라나 솔라시티같은 위상의 기업이 되겠지요.
0 Comments