Durante los tiempos de auge, las empresas se centran en el crecimiento. En tiempos difíciles, buscan mejorar la eficiencia. La historia nos muestra que después de cada recesión económica importante desde la década de 1980, las empresas confiaron en la tecnología digital y, específicamente, en las innovaciones en la tecnología de software para volver a la plena productividad con menos empleos repetitivos y menos hinchazón.

Los años que he pasado como VC me han convencido de que este es el mejor momento para iniciar una empresa de IA, no a pesar de la recesión, sino de ello. La próxima recuperación económica estará impulsada por la inteligencia artificial y acelerará su adopción.

Las expansiones se basan en software

Mientras que la Gran Recesión es a menudo pensada como una «recuperación sin empleo», los economistas de la Oficina Nacional de Investigaciones Económicas (NBER) encontraron que la recesión aceleró el cambio de empleos repetitivos a no rutinarios en los extremos alto y bajo del espectro. Por lo tanto, sí, las tareas existentes se automatizaron, pero las empresas capacitaron a sus empleados con datos y análisis para aumentar su juicio para mejorar la productividad y la calidad, en un ciclo virtuoso de datos y juicio que aumentó la rentabilidad y creó un trabajo más gratificante.

De hecho, los niveles más altos de desempleo durante la Gran Recesión fueron seguidos por un aumento de la matrícula en la educación postsecundaria en análisis y ciencia de datos a medida que las personas buscaban oportunidades para mejorar la cualificación. Y el período fue seguido por una recuperación en la que, a pesar del aumento de la automatización, el desempleo cayó a mínimos históricos.

Sin culpa nuestra, volvemos a entrar en el ciclo de recesión y recuperación. Las industrias ya esperan beneficiarse de una mejor IA y aprendizaje automático en la próxima recuperación. Esa expectativa creará nuevas oportunidades para los emprendedores de IA.

Cada recuperación económica se define mediante una tecnología de software emergente y un conjunto de aplicaciones.

Las empresas que crecieron en la deslucida economía de principios de la década de 1980 organizaron las primeras OPI de software cuando la economía repuntó a mediados de esa década: Lotus, Microsoft, Oracle, Adobe, Autodesk y Borland.

El software empaquetado significó un punto de inflexión único en la historia de la empresa comercial; la categoría requería poco en el camino de LOS costos de personal o CAPEX. Las empresas de software tenían márgenes brutos del 80% o más, lo que les daba una increíble resiliencia para crecer o reducirse sin poner en peligro su existencia. Si los empresarios estuvieran dispuestos a trabajar por salarios más bajos, las empresas de software podrían iniciarse rápidamente con una inversión externa mínima o nula, y si pudieran encontrar un ajuste temprano al mercado de productos, a menudo podrían arrancar y crecer orgánicamente.

Esas nuevas empresas de software estaban perfectamente adaptadas para fomentar la innovación cuando las recesiones llegaron, porque había personas de alta calidad disponibles y menos costosas, y el espacio de oficina era abundante. Al mismo tiempo, las empresas establecidas ponen en espera el desarrollo de nuevos productos mientras trataban de dar servicio y mantener a los clientes existentes.

Empecé a trabajar como VC en 1990 para la primera empresa de riesgo que se centró exclusivamente en invertir en software, Hummer Winblad. Si bien John Hummer y Ann Winblad necesitaron mucho trabajo y tenacidad para recaudar ese primer fondo, su momento como inversores resultó ser perfecto. Una recesión comenzó en el segundo trimestre de ese año y duró hasta el primer trimestre de 1991.

Las empresas de software que salieron de esa recesión fueron pioneras en la informática rentable cliente-servidor. Sybase, que estableció esta tendencia con sus Open Client-Server Interfaces se hizo pública en 1991, después de crecer un 54% en el año anterior.

Para entonces, las universidades se habían graduado de muchos programadores, creando un grupo de talentos para startups. Las nuevas plataformas de desarrollo de software hicieron que esos programadores sean más productivos. La década de 1990 se convirtió en la primera era dorada para la informática empresarial. Una empresa de Hummer Winblad, Arbor Software, inventó la categoría de Procesamiento Analítico En Línea (OLAP). Otra, Powersoft, se convirtió en la plataforma de desarrollo de servidores cliente sin código dominante. Fue la primera adquisición de software de mil millones de dólares de la industria.

Las primeras empresas de CRM, que se generaron en esa recesión, celebraron opis exitosas de 1993 a 1999. Esta clase incluyó Remedy, una compañía que BusinessWeek sin aliento llamó «Número Uno de America Top Hot Growth Company» en 1996. Scopus, Vantive y Clarify crecieron rápidamente y se hicieron públicos o fueron adquiridos en este período o poco después.

Esa exuberancia terminó con el busto de las punto-com en marzo de 2000.

En ese momento, Salesforce había existido solo durante un año. Concur era una empresa relativamente nueva, obligada a reinventarse cuando su negocio de software empaquetado colapsó. Muchas personas habrían pensado que su momento era terrible, pero no se vieron obligados por la obligación de dar servicio a una base instalada durante la recesión de 2001 que siguió a la quiebra. Eso los dejó libres para innovar, y se convirtieron en dos de los primeros negocios SaaS.

Salesforce se hizo público en 2004, y ahora tiene una capitalización de mercado de unos 135 mil millones de dólares. En 2013, Concur vendió a SAP por $8.300 millones. Amazon Web Services también fue concebido durante esa recesión y lanzado en julio de 2002. SaaS y cloud computing se aprovecharon mutuamente durante el resto de la década.

La Gran Recesión introdujo la era del Big Data

Cuando la crisis de las hipotecas de alto riesgo descomprimió toda la economía, las empresas tuvieron que retener a los clientes y mejorar la eficiencia, objetivos que a menudo están en desacuerdo entre sí. La idea de un futuro de big data ya se había arraigado, y los ejecutivos con visión de futuro sospechaban que la solución ya estaba en sus datos, si sólo podían encontrarla. Pero al mismo tiempo, las empresas de software establecidas también redujó el gasto en I+D. Eso abrió un terreno fértil para empresas de análisis más nuevas y ágiles.

La mayoría de las empresas de software no registraron crecimiento en 2009, pero Omniture, líder en análisis web, creció más del 80% ese año, lo que provocó su adquisición por Adobe por 1.900 millones de dólares. Tableau se había fundado en 2003, pero creció lentamente hasta la recesión. De 2008 a 2010, creció de 13 millones de dólares a 34 millones de dólares en ventas. En el mismo período Splunk pasó de $9 millones a $35 millones. Ayasdi, Cloudera, Mapr y Datameer se lanzaron en las profundidades de la Gran Recesión.

Por supuesto, ninguna de esas compañías podría haber florecido sin científicos de datos. Así como las universidades aceleraron la creación de desarrolladores de software a principios de la década de 1990, aceleraron de nuevo la creación de expertos en análisis y científicos de datos durante la Gran Recesión, que de nuevo ayudó a estimular la recuperación e impulsar una década de expansión económica, crecimiento del empleo y el mercado de toros más largo de la historia de Estados Unidos.

Ahora es el turno de la IA

Incluso antes de la pandemia, muchos economistas y directores financieros corporativos sintieron que había al menos un 50% de posibilidades de recesión en 2020.

Hace más de un año, el Parlamento, la revista de políticas publicada por el Parlamento de la UE, predijo que la próxima recesión daría inicio a una ola de IA. La revista citó a Mirko Draca, de la London School of Economics, diciendo: «Esperamos ver otro aumento de la tecnología en los próximos 10 a 15 años, basado en la tecnología de IA y robótica».

Aquellos que predijeron una mera recesión eran, por decir lo menos, insuficientemente pesimistas. Las empresas han reducido sus costos de mano de obra de manera más agresiva que nunca para igualar la súbita y la gravedad de la situación. Una vez más, confiarán en la automatización para aumentar la producción cuando comience la recuperación.

El Consejo Atlántico examinó a más de 100 expertos en tecnología sobre el impacto que COVID-19 tendría en la innovación mundial. Incluso en medio de la pandemia, esos expertos consideraron que en los próximos dos a cinco años, los datos y la IA tendrían más impacto que la bioingeniería médica. Los dos no son mutuamente excluyentes; Deepmind Technologies de Google ha utilizado recientemente su herramienta AlphaFold para predecir patrones complejos de plegado de proteínas, útiles en la búsqueda de una vacuna.

Las empresas que surjan de esta recesión adaptarán los procesos para «vacunar» sus sistemas contra la próxima pandemia. En respuesta a las interrupciones de la cadena de suministro, Volkswagen está considerando aumentar sus capacidades de impresión 3D en Alemania, lo que daría al fabricante de automóviles una fuente de piezas redundante. El Banco de Desarrollo de Japón, dirigido por el gobierno, subvencionará los costos de las empresas que trasladan la producción a Japón.

Traer la producción de vuelta en tierra mientras se controlan los costos requerirá una inversión significativa en robótica e IA. Incluso las empresas que no tienen su propia capacidad de producción, como los minoristas en línea, planean usar la IA para mejorar la confiabilidad de las complejas cadenas de suministro globales. Así que un aumento de la demanda de talento para la IA es inevitable.

En 2018, varias universidades importantes anunciaron iniciativas para desarrollar ese talento. El MIT anunció el mayor compromiso con la IA de una universidad: una iniciativa de 1.000 millones de dólares para crear una Facultad de Computación. Carnegie-Mellon creó la primera licenciatura en ciencias en el programa de grado de inteligencia artificial. UC Berkeley anunció una nueva división de ciencia de datos. Y Stanford anunció una iniciativa de IA centrada en el ser humano.

Decenas de escuelas más han seguido su ejemplo. El aprendizaje automático ha pasado de la oscuridad a la ubicuidad, tal como lo hizo el desarrollo de software hace 30 años y la ciencia de datos lo hizo hace 10 años.

La recuperación dependerá de la productividad real

En 2017, un par de mis colegas escribieron sobre la «curva de riesgo» de la IA, argumentando que la adopción de la IA no se detuvo por la tecnología, sino por la percepción de los gerentes de los riesgos involucrados en la sustitución de un trabajador (cuyo rendimiento se conoce) con un proceso de software desconocido.

Las recesiones aumentan la presión sobre los gerentes para reducir los costos de mano de obra y, por lo tanto, aumentan su tolerancia a los riesgos asociados con la adopción de nuevas tecnologías. Durante el próximo año o dos, las empresas estarán más dispuestas a asumir riesgos e integrar las nuevas tecnologías en su infraestructura. Pero los desafíos de sobrevivir en la recesión significarán que las empresas de IA deben ofrecer mejoras medibles en calidad y productividad.

Un riesgo relativamente nuevo que los gerentes deben tolerar se refiere a los datos. Incluso las empresas que aún no están explotando sus datos de manera efectiva ahora lo reconocen como un recurso valioso. A medida que las startups implementan sistemas de software de IA que resultan más precisos y rentables que los seres humanos, sus clientes adopdores tempranos deben estar más dispuestos a confiar en ellos con datos de propiedad. Eso permitirá a las empresas de IA entrenar nuevos productos y hacerlos aún más inteligentes. Y a cambio de asumir este riesgo, las empresas deben hacer que sus modelos sean más transparentes, más fáciles de reproducir y más explicables para sus clientes, auditores y reguladores.

En el ámbito de la alimentación y la agricultura, la IA nos ayudará a comprender y adaptarnos a un clima cambiante. En infraestructura y seguridad, los modelos de aprendizaje automático mejorarán la eficiencia, la fiabilidad y el rendimiento de la infraestructura en la nube. Mejores y más dinámicos modelos de riesgo ayudarán a las empresas y a todo el mercado financiero a manejar la próxima crisis.

Se necesitarán una serie de nuevas empresas de IA aplicada para lograr todo esto y, especialmente, las empresas que permiten la IA crean mejores herramientas e infraestructura para desarrolladores, sistemas de optimización continua y productos que ayudan a las disciplinas a mejorar la calidad, la seguridad y la privacidad de los datos.

Los tiempos de auge favorecen a las empresas establecidas. Tienen el flujo de caja para financiar las obras de skunkworks y llevar a cabo investigaciones puras. Pero es un truismo que el gasto en I+D sea una de las primeras cosas que las grandes empresas cortaron en una recesión. Como empresario, la idea de crear una empresa ahora, de todos los tiempos, puede ser aterradora, pero esa reducción por parte de competidores establecidos deja un terreno fresco abierto para que usted pueda sembrar con nuevas ideas.

La primera señal de la primavera de la IA llegará cuando las empresas vuelvan a pronosticar un aumento de la demanda y buscan mejorar la productividad. La única manera de estar allí cuando se presente esa oportunidad es empezar ahora.

La mejor parte es que no solo te beneficiarás de la recuperación, sino que te ayudarás a crearla.

Mark Gorenberg es fundador y director general de Zetta Venture Partners.