7 استارت آپ هوش مصنوعی که در تابستان 22 YC برجسته شدند

دوباره همان موقع از سال است. امروز صبح، Y Combinator (YC) میزبان یک روز نمایشی برای گروه تابستانی 2022 خود بود – سی و پنجمین روز نمایشی در تاریخ انکوباتور. با حضور بنیان‌گذاران از 30 کشور و استارت‌آپ‌ها در بخش‌های مختلف از جمله ابزارهای توسعه‌دهنده، فین‌تک و مراقبت‌های بهداشتی، در این روز هیچ کمبودی در برنامه‌های جذاب وجود نداشت.

به دلیل تصمیم YC در اوایل آگوست مبنی بر کاهش 40 درصدی اندازه دسته به حدود 250 شرکت در پرتو بادهای مخالف اقتصادی، رقابت شدیدتر از حد معمول بود. اما دسته خاصی از استارت‌آپ‌ها برجسته بودند: آنهایی که از هوش مصنوعی و یادگیری ماشینی برای حل مشکلات استفاده می‌کنند، به ویژه برای مشتریان تجاری.

امسال تنها 14 استارتاپ از این دست در مقایسه با 20 استارتاپ در سال گذشته داشت که منطقی است زیرا گروه کلی نیز کوچکتر است. اما این دسته‌ها یک موضوع متحدکننده دارند: فروش. محصولات آنها عمدتاً موانع فروش و بازاریابی را در زمانی که مشاغل در برابر فشارهای رکودی قرار دارند هدف قرار می دهند.

به کنار چالش های اقتصادی، بازار بزرگ آدرس پذیر، فروش را به یک مشکل جذاب برای استارت آپ ها تبدیل می کند. تحقیقات گراند ویو میخکوب شده بازار نرم افزار اتوماسیون نیروی فروش به تنهایی 7.29 میلیارد دلار در سال 2019 است.

هوش مصنوعی خلبان

هوش مصنوعی خلبان در حال توسعه ابزاری برای نمایندگان فروش است که به طور خودکار ضبط تماس ها را به داده های ساختار یافته تبدیل می کند و سپس به طور مستقیم یک سیستم مدیریت ارتباط با مشتری (CRM) را به روز می کند. ایده این است که در زمان تکرار صرفه جویی شود و به مدیران آنها اطمینان داده شود که داده های خط لوله به روز هستند.

شایان ذکر است که پلتفرم های دیگری مانند Fireflies.ai و Viva Sales مایکروسافت نیز این کار را انجام می دهند. اما مکس لو، بنیانگذار Pilot AI، که قبلا مهندس نرم افزار در Salesforce بود، می گوید که محصول او از همه بیشتر است و می تواند خلاصه ای از هر تماس و همچنین نقاط داده ای را که به فیلدهای CRM و سوالات پرسیده شده توسط نمایندگان نگاشت می شود، تولید کند. بخش های کلیدی پاسخ گیرنده

به صورت تایپی

به صورت تایپی همچنین در فضای فروش قرار دارد، اما بر پیش‌بینی متن در برنامه‌های وب از طریق افزونه مرورگر و API سمت سرور تمرکز دارد. Typewise که در ابتدا به عنوان یک برنامه تلفن هوشمند توسعه یافت – که ادعا می کند 500 مشتری Fortune در تجارت الکترونیک و صنایع لجستیک دارد – می تواند جملات را به صورت خودکار تکمیل کند، قطعات هوشمند را درج کند، به طور خودکار به پیام ها پاسخ دهد و سازگاری سبک و دستور زبان را بررسی کند.

کمی شبیه TextExpander و Magical است. اما بنیانگذار دیوید ایبرل می گوید که Typewise با هر سیستم CRM سازگار است و می تواند با داده های یک شرکت سفارشی شود، با یک جزء تحلیلی که نشان می دهد از کدام کلمات و عبارات استفاده شود.

استارت‌آپ‌های هوش مصنوعی تابستان 2022 YC که در رده فناوری فروش و بازاریابی قرار نمی‌گرفتند، روی ابزارهای توسعه‌دهنده تمرکز داشتند، یکی دیگر از راه‌های پرسود برای رشد. با توجه به اینکه 55 درصد از توسعه دهندگان در وهله اول تلاش می کنند تا زمانی را برای ساخت برنامه های داخلی بیابند. نظر سنجی، VCها مطمئناً یک فرصت را می بینند: آنها سرمایه گذاری کرد 37 میلیارد دلار در سال گذشته به استارتاپ هایی که ابزارهای توسعه دهندگان را ایجاد می کنند.

هوش مصنوعی مونتری

هوش مصنوعی مونتری با بخش کاملاً متفاوتی از چرخه عمر محصول مقابله می کند: توسعه. موسس چون جیانگ آن را به عنوان یک “کمک پایلوت برای توسعه محصول” معرفی می کند که اسناد را با جریان کاری جایگزین می کند که به طور خودکار مشخصات محصول را تولید می کند، از جمله ایده های ویژگی، معیارها، طرح ها و برنامه های راه اندازی.

با استفاده از Monterey، مشتریان یک الگوی محصول را بر اساس مورد استفاده خود انتخاب می‌کنند (مثلاً «نرم‌افزار به‌عنوان یک سرویس») و ورودی‌ها را پیکربندی می‌کنند و وابستگی‌ها را برای حل تضادها بررسی می‌کنند. جیانگ می‌گوید این پلتفرم می‌تواند درگیری‌ها و وابستگی‌های متقابل تیمی را آشکار کند و در عین حال دیدی چشم‌بین از نمونه کارها برای همسو کردن ویژگی‌ها ارائه دهد.

اعتبار تصویر: هوش مصنوعی مونتری

هوش مصنوعی Dev Tools

هوش مصنوعی Dev Tools شاید بتوان در کنار هوش مصنوعی Monterey استفاده کرد.

Dev Tools AI کتابخانه‌ای را ارائه می‌کند که برای آسان‌تر کردن نوشتن آزمایش‌های برنامه‌های وب در محیط‌های توسعه‌دهنده موجود، با کشیدن کادری روی یک اسکرین شات طراحی شده است. با استفاده از بینایی کامپیوتر، عناصری را در صفحات وب مانند جعبه‌ها و دکمه‌های جستجو پیدا می‌کند و حتی می‌تواند کنترل‌های درون بازی‌های وب را ببیند. همچنین می تواند خطاهای خزیدن در صفحات را آزمایش کند، از جمله لینک های شکسته، 404 و خطاهای کنسول.

همانطور که موسس کریس ناوریدز اشاره می کند، نوشتن تست های وب پایان به انتها به طور سنتی فرآیندی زمان بر است، که نیاز به حفاری در کد صفحه چندین بار با تکامل برنامه آزمایش شده دارد. با فرض اینکه هوش مصنوعی Dev Tools همانطور که در نظر گرفته شده است، کار می کند، می تواند یک مکمل ارزشمند برای زرادخانه تیم های تست تضمین کیفیت باشد.

آزمایشگاه های مایا

آزمایشگاه های مایا در حال ایجاد بستری برای ترجمه زبان طبیعی به کد است. مانند Copilot GitHub، Maya به صورت تدریجی برنامه ها را تولید می کند و نتایج را در پاسخ به مراحل به زبان انگلیسی نشان می دهد.

یکی از بنیانگذاران مایا، سیبش کار، می‌گوید که این سرویس با استفاده از ترکیبی از منطق شرطی، جستجو و طبقه‌بندی مبتنی بر هوش مصنوعی، مدل‌های زبان دقیق و تولید الگو، اپلیکیشن‌ها را می‌سازد. در حال حاضر، مایا می‌تواند داده‌ها را از یک منبع خارجی مانند Google Sheets، Notion یا Airtable پرس و جو کرده و رسم کند و اقداماتی را روی آن داده‌ها انجام دهد، مانند ارسال ایمیل، آپلود یک فایل یا به‌روزرسانی ورودی پایگاه داده.

هدف بلندمدت گسترش Maya به کارهایی مانند ناوبری وب، اتصال APIها و اتوماسیون گردش کار است که – با توجه به وضعیت فعلی سیستم‌های متن به زبان هوش مصنوعی – در قلمرو امکان به نظر می‌رسد.

https://www.youtube.com/watch?v=NPm0idKktzs

سلام

برای کسانی که رویکرد عملی را به برنامه نویسی ترجیح می دهند، سلام ادعا می کند که از هوش مصنوعی برای پاسخگویی “فوری” به سوالات فنی توسعه دهندگان با توضیحات و کدهای مربوطه از وب استفاده می کند. به گفته مایکل رویزن، یکی از بنیانگذاران، این پلتفرم توسط مدل های زبانی بزرگ (به GPT-3 فکر کنید) که برای یافتن محتمل ترین پاسخ ها به چندین منبع ارجاع می دهد.

هنگامی که کاربران Hello یک پرس و جو ارسال می کنند، این سرویس داده های خام سایت را از Bing جمع آوری و رتبه بندی می کند و سپس با استفاده از مدل های ذکر شده درک را استخراج می کند. مجموعه متفاوتی از مدل‌ها، نتایج را به پاسخ‌های قابل خواندن برای انسان تبدیل می‌کنند.

اعتبار تصویر: سلام

NuMind

استارت‌آپ دیگری با مدل‌های زبانی در هسته آن است NuMindکه ابزاری برای ایجاد مدل های پردازش زبان طبیعی سفارشی در اختیار دانشمندان داده، تحلیلگران داده و مهندسان نرم افزار قرار می دهد. با استفاده از مدل‌های زبان بزرگ مشابه GPT-3، NuMind را می‌توان برای یافتن اینکه کدام شغل بهترین مطابقت را با یک رزومه در یک پلت فرم استخدام ارائه می‌دهد، استفاده می‌شود.

بنیانگذاران NuMind، Etienne Bernard (رئیس سابق یادگیری ماشین در Wolfram Research) و یکی از بنیانگذاران Make.org ساموئل برنارد ادعا می کنند که علاقه به این شرکت بسیار زیاد است و پایگاه پرداختی آن به 9 مشتری در بازه زمانی یک ماهه افزایش می یابد.