Sono uno scienziato di dati nativo francese che si è fatto le ossa come ingegnere di ricerca in computer vision in Giappone e poi nel mio paese d’origine. Eppure sto scrivendo da un improbabile centro di computer vision: Stoccarda, Germania.

Ma non sto lavorando sulla tecnologia automobilistica tedesca, come ci si aspetterebbe. Invece, ho trovato un’incredibile opportunità a metà strada in uno dei posti più inaspettati: Una startup di Stoccarda focalizzata sull’ecommerce, guidata dall’intelligenza artificiale, che si occupa di automatizzare il processo di elaborazione delle immagini digitali in tutti i prodotti al dettaglio.

La mia esperienza in Giappone mi ha insegnato la difficoltà di trasferirsi in un paese straniero per lavoro. In Giappone, avere un punto di ingresso con una rete professionale può essere spesso necessario. Tuttavia, l’Europa ha un vantaggio in questo senso grazie alle sue numerose città accessibili. Città come Parigi, Londra e Berlino offrono spesso diverse opportunità di lavoro e sono conosciute come centri per alcune specialità.

Mentre c’è stato un aumento dei lavori completamente a distanza grazie alla pandemia, estendere la portata della tua ricerca di lavoro ti fornirà più opportunità che corrispondono ai tuoi interessi.

Cerca il valore in luoghi improbabili, come la vendita al dettaglio

Sto lavorando allo spin-off tecnologico di un rivenditore di lusso, applicando la mia esperienza alle immagini dei prodotti. Avvicinandomi dal punto di vista di uno scienziato dei dati, ho subito riconosciuto il valore di una nuova applicazione per un’industria molto grande e consolidata come quella del commercio al dettaglio.

L’Europa ha alcuni dei marchi di vendita al dettaglio più famosi al mondo – specialmente per l’abbigliamento e le calzature. Questa ricca esperienza offre l’opportunità di lavorare con miliardi di prodotti e trilioni di dollari di entrate a cui la tecnologia di imaging può essere applicata. Il vantaggio delle aziende di vendita al dettaglio è un flusso costante di immagini da elaborare che fornisce un terreno di gioco per generare entrate e possibilmente rendere redditizia un’azienda di AI.

Un’altra potenziale strada da esplorare sono le divisioni indipendenti tipicamente all’interno di un dipartimento di R&D. Ho trovato un numero significativo di startup AI che lavorano su un segmento che non è redditizio, semplicemente a causa del costo della ricerca e delle entrate risultanti da clienti molto di nicchia.

Le aziende con i dati sono aziende con potenziale di guadagno

Sono stato particolarmente attratto da questa startup per il potenziale accesso ai dati. I dati di per sé sono abbastanza costosi e un certo numero di aziende finiscono per lavorare con un set finito. Cerca le aziende che si impegnano direttamente a livello B2B o B2C, in particolare la vendita al dettaglio o le piattaforme digitali che riguardano l’interfaccia utente front-end.

Sfruttare questi dati sull’impegno dei clienti va a vantaggio di tutti. Puoi applicarli per ulteriori ricerche e sviluppi su altre soluzioni all’interno della categoria, e la tua azienda può poi lavorare con altri verticali per risolvere i loro punti deboli.

Significa anche che c’è un enorme potenziale di guadagno per le entrate, più segmenti trasversali di pubblico il marchio colpisce. Il mio consiglio è di cercare aziende con dati già memorizzati in un sistema gestibile per un facile accesso. Un tale sistema sarà vantaggioso per la ricerca e lo sviluppo.

La sfida è che molte aziende non hanno ancora introdotto un tale sistema, o non hanno qualcuno con le competenze per utilizzarlo correttamente. Se trovi un’azienda che non è disposta a condividere intuizioni profonde durante il processo di corteggiamento o non l’hanno implementato, guarda l’opportunità di introdurre tali offerte incentrate sui dati.

In Europa, le scommesse migliori riguardano la creazione di processi di automazione

Ho un debole per le aziende early-stage che ti danno l’opportunità di creare processi e sistemi di base. L’azienda per cui lavoro era ancora agli inizi quando ho iniziato, e stava lavorando per creare una tecnologia scalabile per un settore specifico. Le questioni che il team aveva il compito di risolvere erano già state risolte, ma c’erano numerosi processi che dovevano ancora essere messi in atto per risolvere una miriade di altri problemi.

I nostri sforzi, durati un anno, per automatizzare l’editing di massa delle immagini mi hanno insegnato che finché l’IA che stai costruendo impara a funzionare in modo indipendente su più variabili contemporaneamente (più immagini e flussi di lavoro), stai sviluppando una tecnologia che fa ciò che i marchi affermati non sono stati in grado di fare. In Europa, ci sono pochissime aziende che fanno questo e sono affamate di talenti che possono farlo.

Quindi non abbiate paura di un piccolo shock culturale e fate il salto.

Source link