Pear VC, una destacada empresa de riesgo previa a la semilla y centrada en la semilla, ha estado ejecutando una aceleradora durante aproximadamente una década con alrededor de 10 nuevas empresas en cada lote.
A lo largo de esos años, el pequeño pero poderoso programa ha ayudado a lanzar numerosas empresas como Viz.ai, cuya IA aprobada por la FDA puede diagnosticar accidentes cerebrovasculares (y fue valorado en 1.200 millones de dólares en 2022), la empresa de gestión de relaciones Affinity, que recaudó una Serie C de 80 millones de dólares con una valoración de 620 millones de dólares, según datos de PitchBook, y Valar Labs, que utiliza inteligencia artificial para ayudar a los médicos a tomar decisiones sobre el tratamiento del cáncer. (Cerró una Serie A de 22 millones de dólares en mayo).
Este año, Pear ha decidido que es hora de aumentar el tamaño de su acelerador y brindar a las empresas más servicios ofreciéndoles ayuda para la contratación y espacio dentro de su nueva oficina de 30,000 pies cuadrados en San Francisco. En el futuro, el programa de 14 semanas, ahora llamado PearX, se ejecutará dos veces al año. Cada lote estará formado por aproximadamente 20 empresas. El programa más amplio todavía está muy lejos del de Y Combinator, que acepta cientos de nuevas empresas anualmente.
No es sólo el tamaño más pequeño lo que distingue a PearX de YC. Las nuevas empresas de cada lote generalmente no se revelan hasta el día de la demostración, un evento en persona al que asisten más de cien socios generales de capital de riesgo, incluidas firmas importantes como Sequoia, Benchmark e Index Ventures. Si bien YC dice que ofrece a cada empresa los mismos términos estándar, la financiación que las nuevas empresas de PearX reciben de la empresa puede oscilar entre 250.000 y 2 millones de dólares, según las necesidades y la etapa de desarrollo.
El día de demostración de este año, que tuvo lugar a principios de este mes, incluyó a 20 empresas, la mayoría de las cuales se centraron en la IA. Entre ellos, aquí hay cinco que nos llamaron la atención a nosotros y al público presente con nuevos enfoques para problemas comerciales complejos.
Qué hace: identifica la mejor infraestructura para aplicaciones de IA multimodelo
Por qué se destacó: Las empresas de inteligencia artificial quieren asegurarse de utilizar las mejores herramientas para el trabajo. Averiguar qué LLM o modelos de lenguaje pequeño son mejores para cada aplicación puede llevar mucho tiempo, especialmente porque estos modelos cambian y mejoran constantemente.
Nuetrino quiere facilitar que las empresas de IA encuentren la combinación adecuada de modelos y otros sistemas para utilizar en sus aplicaciones. De esta manera, los desarrolladores pueden trabajar más rápido y ahorrar dinero en la ejecución de sus productos.
Qué hace: Automatiza la investigación de mercado.
Por qué se destacó: Las marcas gastan millones cada año en investigaciones de mercado. El proceso de encuestar a clientes potenciales lleva mucho tiempo. Los agentes de Quno AI pueden llamar a los clientes y recopilar datos cualitativos y cuantitativos. Luego, los resultados se pueden analizar en tiempo real. Una ventaja es que la IA puede analizar rápidamente los resultados de estas conversaciones.
Qué hace: Desarrolla modelos de catástrofes para compañías de seguros del hogar
Por qué se destacó: Con el aumento de los desastres naturales, las compañías de seguros de propiedad están luchando por determinar qué casas tienen mayor riesgo de sufrir daños importantes durante las catástrofes. Esto se debe a que el acceso a información sobre las estructuras de las viviendas es difícil y costoso de obtener.
Fundada por dos doctores en ingeniería estructural, ResiQuant está creando modelos para estimar las características de los edificios y cómo resistirán terremotos, huracanes e incendios. La compañía afirma que puede ayudar a las compañías de seguros a evaluar el riesgo con mayor precisión, lo que podría reducir las primas de seguro para aquellos que se consideran de menor riesgo.
Qué hace: Supervisa la producción real y alerta a los operadores sobre errores
Por qué se destacó: En enero, las puertas de un Boeing 737 Max explotó en pleno vuelo porque, según los investigadores, faltaban cuatro tornillos importantes. Esa situación es sólo un ejemplo destacado de lo que puede salir mal en los sistemas de garantía de calidad. Pero los fabricantes de todo tipo de productos tienen necesidades similares de detectar productos defectuosos antes de salir de fábrica.
Utilizando cámaras e inteligencia artificial, Self Eval espera abordar estas preocupaciones verificando que las tareas se completen correctamente y señalando errores de fabricación en tiempo real.
Qué hace: Crea planes de lecciones adaptados a las necesidades de cada profesor.
Por qué se destacó: Desde hace algún tiempo existe software que ajusta la dificultad basándose en el conocimiento individual de cada estudiante. Sin embargo, los fundadores de TeachShare sostienen que muchas empresas educativas todavía ofrecen un enfoque único para el desarrollo curricular. Esto obliga a los profesores a dedicar mucho tiempo a modificar los planes de lecciones para adaptarlos a sus aulas específicas. TeachShare tiene como objetivo ayudar a los profesores a adaptar el contenido diario, garantizando la alineación con los estándares educativos.