Striveworks obtiene $33 millones en la primera financiación para crear herramientas para operaciones de aprendizaje automático

MLOps, o DevOps para aquellos que trabajan con modelos de aprendizaje automático, ha visto un auge en el interés durante el año pasado, y no debería sorprender: las organizaciones quieren integrar más el aprendizaje automático en su ciencia de datos, pero requiere desarrollo y capacitación. modelos, limpiando los datos y asegurándose de que funcionen como deberían. Hoy, una startup llamada Esforzarse la creación de herramientas MLOps para gestionar este trabajo anuncia una financiación de 33 millones de dólares.

Esta es la primera financiación externa de la startup, y el cierre de la ronda ahora subraya tanto el interés renovado en el campo más amplio de la inteligencia artificial, como también la propia tracción de Striveworks en este espacio, con el ARR de la empresa aumentando un 300 % anual durante el 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 el desarrollo de productos y negocios. La financiación llega como lo que a menudo se describe como un ciclo oportunista: Striveworks ha estado en el negocio durante cinco años, se ejecuta como una empresa emergente «eficiente en capital» que ha obtenido ganancias y las ha reinvertido 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 relacionadas como informática». intencionalidad de la visión, imágenes satelitales e imágenes comerciales”, agregó. La compañía también tiene asociaciones con AWS y Azure para trabajar en los datos en esas nubes. (Notablemente, actualmente no tiene una asociación similar con Google).

Los problemas que la empresa está abordando son cosas que Rebesco -una doctorado en neurociencia quien anteriormente tuvo un largo período en la compañía de servicios financieros Virtu, dijo que él y sus cofundadores se reunían regularmente en compañías anteriores, que Striveworks esencialmente pretende combatir de manera realista.

Comienza, dijo, con lo que describió como el «problema del primer día» de cómo construir modelos de aprendizaje automático apropiados para alcanzar sus objetivos. Pero eso es de alguna manera la parte fácil. Las complejidades realmente comienzan después de eso.

«¿Hace lo que espera que haga y, cuando lo pone en producción, sigue funcionando como se esperaba? » dijo. «Nos centramos en lo que sucede a continuación.

Rebesco se describe a sí mismo como un “físico fallido” (una referencia a su trabajo predoctoral, creo), que aprendió una lección importante sobre los modelos de IA: todos son estadísticos y, por lo tanto, están condenados a provocar fallas. “Entonces, una de las partes clave de la rendición de cuentas no es solo saber que habrá errores, sino tener un plan inteligente y automatizado para abordarlos”.

Él piensa que esto es algo que debe considerarse cada vez más a medida que el uso de la IA se vuelve más generalizado. «Los modelos de datos, los modelos de IA y ML, son cada vez más importantes y no tan fugaces. Ya sea que se trate de calificación crediticia o atención médica, estas bases de datos se almacenan y consultan. Pero, ¿cómo consultar [effectively] esta tan mal?

La compañía tiene como objetivo resolver este problema con su plataforma insignia llamada Chariot, que se puede usar para ayudar a preparar datos, crear modelos y luego ejecutar esos modelos en producción. Usando un formato de código bajo destinado a la colaboración en equipo, las características de la plataforma incluyen anotación de modelos en bucle, la capacidad de importar modelos y usar modelos de datos catalogados previamente (de su propia organización), la capacidad de crear modelos de flujo de trabajo personalizados, consultar el » 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 tiene una clara ventaja sobre estos, ya que la empresa en sí está muy bien administrada, firma tanto las operaciones de la empresa como lo que hacen.

“Están en la escala en la que su tasa de crecimiento, tres dígitos, es donde están al máximo cuando solo están en la serie D. Eché un vistazo a su uso realmente eficiente en capital y me quedé impresionado. . En 27 años de inversión, solo he visto unas pocas empresas capaces de lograr este tipo de escala sin capital externo. Es un evento raro. Son clientes reales, con contratos de siete cifras y tasas de retención neta que serían la envidia de muchas otras empresas.

La compañía no revelará su evaluación, pero Cukier describió el mercado actual no como «silencioso» sino simplemente «normal», es decir, volver a la normalidad después de varios años muy emocionantes.