WindBorne Systems ha cerrado una ronda Serie B de 37 millones de dólares, co-liderada por Khosla Ventures y Galvanize, que deja a la empresa en una valoración de 250 millones. Vende algo bastante concreto: globos meteorológicos baratos que alimentan un modelo de predicción con IA, según TechCrunch.
En la ronda entran también TransLink Capital, Lux Capital e inversores anteriores.
Puntos clave
- 37 millones de dólares en Serie B, con valoración post-ronda de 250 millones.
- 20 puntos de lanzamiento repartidos por el mundo y unos 600 globos en el aire de forma simultánea.
- Han volado misiones en sitios difíciles, incluido el ojo de un tifón.
- Clientes públicos: Servicio Nacional de Meteorología estadounidense, Fuerza Aérea y Marina.
- Clientes privados: fondos de inversión que usan datos meteorológicos para anticipar precios de materias primas.
- El CEO John Dean sostiene que "al añadir globos al pronóstico obtienes predicciones más precisas, y el valor por punto de dato es mucho más fuerte que el de los satélites".
- Próximos pasos: ampliar el equipo comercial, pasar de comunicaciones por satélite a redes de radio en malla y desarrollar sensores oceánicos flotantes.
El negocio no es el modelo, es el dato que nadie más tiene
Aquí está lo interesante para cualquiera que construya con IA.
Los modelos de predicción meteorológica con IA llevan un par de años dando resultados mejores que la simulación física clásica, y varios están publicados en abierto. Es decir: el modelo, por sí solo, no es defendible. Cualquiera puede correr uno.
Lo que no puede copiar cualquiera son 600 globos en el aire midiendo en sitios donde no hay estaciones. La ventaja de WindBorne está en la capa de abajo, en la adquisición del dato, no en la capa de arriba.
Esa es la estructura de negocio que más se repite en la IA aplicada que funciona. El modelo se ha vuelto barato. El dato propietario, no.
Por qué un fondo paga por saber si va a llover
La parte de clientes privados explica el modelo de ingresos mejor que la pública.
Un fondo que opera futuros de trigo, gas o energía toma decisiones de millones basadas en si hará frío en Europa central dentro de diez días. Una mejora pequeña en la precisión de esa previsión vale muchísimo dinero, y es un cliente que paga por el dato en bruto, sin necesidad de producto bonito.
Las agencias públicas dan volumen y credibilidad. Los fondos dan margen. Es una combinación bastante sana para una empresa de infraestructura de datos.
La pregunta que se hace el propio titular
El artículo original la plantea sin rodeos: la IA mejora la predicción meteorológica, ¿pero se puede monetizar?
La duda es razonable. La meteorología ha sido durante décadas un bien público, financiado con impuestos y distribuido gratis. Construir un negocio privado encima de algo que la gente espera recibir sin pagar es complicado, y varios lo han intentado antes.
WindBorne lo resuelve vendiendo lo que el sector público no cubre: densidad de medición en zonas sin cobertura y latencia baja para quien la necesita ya. Mientras esa brecha exista, hay negocio. Si las agencias públicas despliegan sus propios sensores densos, se estrecha.
Lo que me llevo de este caso
Si estás pensando dónde encaja la IA en tu empresa, este es el patrón a copiar.
No preguntes qué modelo usar. Pregunta qué dato tienes tú que nadie más tiene, y qué decisión mejoraría si lo midieras mejor.
En Barner ese dato fue el histórico de ventas por producto y país, que estaba en el ERP mal etiquetado. Antes de tocar ningún algoritmo de previsión hubo que etiquetar el catálogo entero en Odoo. Un trabajo aburrido, de semanas, sin nada de glamour. Sin él, el modelo de previsión habría dado números bonitos y equivocados.
WindBorne está haciendo lo mismo, solo que su trabajo aburrido consiste en lanzar 600 globos.
Relacionado
