MLOps, o DevOps para aquellos que trabajan con modelos de aprendizaje automático, ha visto un auge de interés en el último año, y eso no debería sorprender: las organizaciones quieren incorporar más aprendizaje automático en sus pilas de ciencia de datos, pero eso requiere construir y entrenando modelos, limpiando datos y asegurándose de que funcionen como deberían. Hoy, una startup llamada Striveworks que construye herramientas MLOps para manejar ese trabajo anuncia $33 millones en financiamiento.
Esta es la primera financiación externa de la startup, y el cierre de la ronda ahora subraya tanto el aumento de interés en el área más amplia de la inteligencia artificial, como también la propia tracción de Striveworks dentro de eso, con el ARR de la empresa creciendo un 300 % anual durante los últimos dos años.
Los $33 millones provienen de un solo inversionista, Centana Growth Partners, y Striveworks, con sede en Austin, TX, planea usarlos para contratar y para un mayor desarrollo de productos y negocios. La financiación llega como lo que a menudo se describe como una ronda oportunista: Striveworks ha estado en el negocio durante cinco años, funciona como una empresa emergente «eficiente en capital» que obtuvo ganancias y las invirtió nuevamente en su crecimiento, según Jim Rebesco, el CEO que co -fundó la compañía con Craig Desjardins, Eric Korman y Tony Manganiello.
Rebesco no reveló los nombres de los clientes actuales, pero dijo que abarcan una variedad de verticales que incluyen el gobierno y el sector financiero que utilizan el aprendizaje automático para crear servicios o administrar sus negocios, «industrias altamente reguladas y aplicaciones de seguridad nacional y áreas asociadas como la intencionalidad de la visión por computadora». , imágenes satelitales e imágenes comerciales”, agregó. La empresa también tiene asociaciones con AWS y Azure para trabajar con datos en esas nubes. (En particular, actualmente no tiene una asociación similar con Google).
Los problemas que la empresa está abordando son cosas que Rebesco, un doctorado en neurociencia que anteriormente tuvo un largo período en la empresa de servicios financieros Virtu, dijo que él y sus cofundadores se encontraron regularmente en empresas anteriores, que Striveworks esencialmente pretende combatir con realismo.
Comienza, dijo, con lo que describió como el «problema del primer día» de cómo construir modelos de aprendizaje automático apropiados para adaptarse a los objetivos de uno. Pero eso es de alguna manera la parte fácil. Las complejidades comienzan realmente después de eso.
“¿Hace lo que espera que haga y, cuando lo pone en producción, sigue funcionando como espera? él dijo. “Nos enfocamos en lo que sucede después”.
Rebesco se describe a sí mismo como un «físico fallido» (creo que es una referencia a su trabajo de predoctorado), que aprendió una lección importante sobre los modelos de IA: todos son estadísticos y, por lo tanto, están destinados a generar fallas. “Entonces, uno de los elementos clave de la responsabilidad no es solo saber que habrá errores, sino implementar un plan automatizado y reflexivo para abordar eso”.
Él cree que esto es algo que debe considerarse cada vez más a medida que el uso de la IA se vuelve más omnipresente. “Los modelos de datos, los modelos AI y ML, son cada vez más importantes, no como modelos efímeros. Ya sea que se trate de calificación crediticia o atención médica, esas bases de datos se almacenan y se consultan. pero como se consulta [effectively] ¿tanto está mal?
La compañía tiene como objetivo abordar esto a través de su plataforma insignia llamada Chariot, que se puede usar para ayudar a preparar datos, construir modelos y luego ejecutar esos modelos en producción. Usando un formato de código bajo que está orientado a la colaboración de equipos, las características de la plataforma incluyen anotación de modelo en el ciclo, la capacidad de importar modelos y usar modelos de datos catalogados previamente (de su propia organización), la capacidad de construir personalizado flujos de trabajo, consultar la «procedencia» de los datos en sus conjuntos y la capacidad de integrar herramientas de terceros, entre otras características.
Ahora hay muchas nuevas empresas (y empresas más grandes) en el mercado que trabajan con soluciones MLOps; algunas de las que hemos cubierto incluyen Seldon, Galileo, Aries y Tecton. Los integradores de sistemas más grandes también están entrando en acción, con McKinsey adquiriendo recientemente Iguazio.
Ben Cukier, el socio de Centana que lideró la inversión, dijo que Striveworks tenía una clara ventaja sobre estos, ya que el negocio en sí está funcionando muy bien, una señal tanto de las operaciones de la empresa como de lo que están logrando.
“Están en la escala donde su tasa de crecimiento, en los tres dígitos, es donde la mayoría está cuando solo están en la Serie D. Observé su uso realmente eficiente del capital y me quedé impresionado. En 27 años de inversión, solo he visto un par de empresas capaces de lograr ese tipo de escala sin capital externo. Es una ocurrencia rara. Estos son clientes reales, con contratos de siete cifras y con números de retención neta que serían la envidia de muchas otras empresas”.
La compañía no revela su valoración, pero Cukier describió el mercado actual no como «tranquilo» sino simplemente «normal», es decir, volver a la normalidad después de varios años muy emocionantes.
