«عیار» هومص رونمایی شد؛ تلاش برای دیده‌شدن استارتاپ‌ها خارج از حلقه‌های آشنا

به گزارش پیام خلیج فارس«عیار» با تمرکز بر ارزیابی استارتاپ‌ها، بررسی آمادگی آنها برای جذب سرمایه و شناسایی ظرفیت‌های فناورانه برای همکاری با صنایع توسعه داده شده است. به گفته مدیران هومص، هدف این سامانه تنها ارزیابی یک محصول یا فناوری نیست، بلکه بررسی مجموعه‌ای از مؤلفه‌های کسب‌وکار از بازار و مشتری تا مدل درآمدی، تیم و نیاز سرمایه است.

عیار برای حل کدام مسئله ساخته شد؟

محمدرضا معبودیان، مدیرعامل هومص، در این نشست با اشاره به تجربه این مجموعه در بررسی استارتاپ‌های حوزه هوش مصنوعی صنعتی گفت یکی از مشکلات اصلی، فاصله میان تعداد تیم‌های فناور و تعداد تیم‌هایی است که می‌توانند یک پرونده قابل اتکا برای سرمایه‌گذار یا صنعت ارائه کنند.

وی افزود هومص در یک سال گذشته ۳۳۸ پرونده استارتاپی در حوزه هوش مصنوعی صنعتی را شناسایی کرده که از میان آنها ۲۲۳ پرونده وارد انتخاب اولیه شدند. به گفته معبودیان، ۱۵۹ پرونده تیم داشتند، ۴۶ پرونده چیزی برای ارزیابی ارائه کردند، ۳۷ پرونده به جلسه ارزیابی رسیدند و در نهایت تنها هشت پرونده به بررسی موشکافانه راه پیدا کردند.

معبودیان گفت این ریزش لزوماً به معنای ضعیف بودن فناوری یا محصول استارتاپ‌ها نیست و در برخی موارد، مشکل به مشخص نبودن بازار و مشتری، ضعف مدل مالی یا ناتوانی تیم در توضیح میزان سرمایه مورد نیاز و محل مصرف آن بازمی‌گردد.

وی افزود «عیار» برای پاسخ به همین مسئله طراحی شده است تا پیش از رسیدن استارتاپ به مرحله مذاکره جدی با سرمایه‌گذار یا صنعت، نقاط ضعف پرونده مشخص شود.

عیار چگونه استارتاپ‌ها را ارزیابی می‌کند؟

مهران ضیابری، معاون فنی هومص، درباره ساختار فنی عیار توضیح داد که این سامانه بر پایه یک مدل هوش مصنوعی واحد ساخته نشده و از هشت مدل استفاده می‌کند.

وی گفت سه مدل از این مجموعه، مدل‌های داخلی هومص هستند و برای استفاده از آنها نیازی به اتصال اینترنت وجود ندارد.

ضیابری افزود بیش از ۸۰ درصد نیازهای استارتاپ‌ها می‌تواند با مدل‌های داخلی پاسخ داده شود، اما برای تحلیل عمیق‌تر و جست‌وجوی اطلاعات بیرونی همچنان به اینترنت و مدل‌های خارجی نیاز است.

وی گفت مدل اصلی تحلیل نهایی در بخش عمیق از ChatGPT استفاده می‌کند و در صورت قطع اینترنت، این بخش و قابلیت جست‌وجوی اطلاعات مربوط به رقبا در دسترس نخواهد بود.

از ارزیابی استارتاپ تا آماده‌سازی برای سرمایه‌گذار

به گفته معاون فنی هومص، عیار در یک فرآیند چندمرحله‌ای به تیم‌ها کمک می‌کند ادعاهای خود را با عدد، سند و منطق پشتیبانی کنند و تناقض‌ها و ابهام‌های موجود در پرونده را شناسایی کنند.

ضیابری تأکید کرد هدف عیار تولید یک ارائه زیبا یا چند اسلاید برای ارائه به سرمایه‌گذار نیست، بلکه تیم باید پیش از ورود به مذاکره، مدل کسب‌وکار و ادعاهای خود را منسجم کند.

وی افزود استارتاپ باید بتواند درباره بازار، مشتری، مدل درآمدی، میزان سرمایه مورد نیاز و نحوه مصرف سرمایه پاسخ مشخص داشته باشد؛ چرا که ضعف در هر یک از این بخش‌ها می‌تواند حتی یک فناوری قابل توجه را از مسیر جذب سرمایه خارج کند.

داده و GPU؛ زیرساخت دیگر عیار

ضیابری در بخش دیگری از صحبت‌های خود به زیرساخت پردازشی و داده اشاره کرد و گفت هومص در حوزه GPU و خدمات داده نیز فعالیت دارد و با مجموعه‌هایی از صنایع برای دسترسی به داده‌های صنعتی همکاری کرده است.

وی افزود یکی از چالش‌های اصلی شرکت‌های فعال در حوزه هوش مصنوعی، دسترسی به داده است و هومص تلاش کرده با ایجاد ارتباط با صنایع، این بخش از زنجیره را نیز تقویت کند.

معبودیان نیز درباره مدل توانمندسازی هومص گفت سرمایه تنها بخش مورد نیاز برای رشد یک شرکت فناور نیست.

وی افزود شرکت‌های فعال در حوزه GPU و پلتفرم‌های داده نیز در قالب شبکه پارتنر هومص قرار گرفته‌اند و این مجموعه از ظرفیت و داده‌های آنها برای توانمندسازی کسب‌وکارها استفاده می‌کند.

عیار قرار است چه تغییری در مسیر استارتاپ‌ها ایجاد کند؟

یکی از چالش‌های اکوسیستم استارتاپی، دسترسی نابرابر تیم‌ها به سرمایه‌گذار و صنعت است. در چنین شرایطی ممکن است یک تیم به دلیل نداشتن ارتباطات کافی، فرصت ارائه محصول خود را از دست بدهد.

مدیران هومص معتقدند عیار می‌تواند بخشی از این فاصله را کاهش دهد؛ به این معنا که استارتاپ پیش از ورود به مذاکره، تصویری روشن‌تر از وضعیت خود داشته باشد و سرمایه‌گذار یا صنعت نیز با پرونده‌ای ساختاریافته‌تر مواجه شود.

معبودیان گفت هدف هومص صرفاً تزریق سرمایه به استارتاپ‌ها نیست و این مجموعه تلاش می‌کند سرمایه، زیرساخت پردازشی، داده، خدمات فنی و بازار را در یک شبکه توانمندسازی کنار یکدیگر قرار دهد.

وی افزود هومص در این مدل به دنبال ایجاد ارتباط میان استارتاپ‌ها، سرمایه‌گذاران و صنایع است تا تیم‌های فناور بتوانند از مرحله ایده یا محصول اولیه عبور کرده و به همکاری واقعی با بازار برسند.

هوش مصنوعی به جای داور، دستیار

آنچه در معرفی عیار اهمیت دارد این است که این سامانه قرار نیست جای سرمایه‌گذار یا ارزیاب انسانی را بگیرد. نقش تعریف‌شده برای آن بیشتر در مرحله پیش از تصمیم‌گیری است؛ یعنی جایی که یک تیم باید نقاط ضعف خود را بشناسد و پرونده‌اش را برای ورود به فرآیند سرمایه‌گذاری یا همکاری صنعتی آماده کند.

در واقع، هومص تلاش کرده تجربه ارزیابی پرونده‌های استارتاپی را با مدل‌های هوش مصنوعی، داده‌های صنعتی و زیرساخت پردازشی ترکیب کند.

با این حال، وابستگی بخشی از قابلیت‌های تحلیل عمیق عیار به اینترنت و مدل‌های خارجی نشان می‌دهد که این سامانه، دست‌کم در وضعیت فعلی، کاملاً مستقل از سرویس‌های هوش مصنوعی بیرونی نیست. همین موضوع می‌تواند یکی از چالش‌های مسیر توسعه آن باشد.

«عیار» حالا قرار است از یک ابزار ارزیابی فراتر برود و به بخشی از زنجیره اتصال استارتاپ، سرمایه و صنعت تبدیل شود؛ موفقیت آن در نهایت نه با تعداد مدل‌های هوش مصنوعی، بلکه با تعداد تیم‌هایی سنجیده خواهد شد که به کمک این سامانه بتوانند از مرحله ارزیابی عبور کنند و به سرمایه، بازار یا همکاری صنعتی واقعی برسند.