WindBorne utilizza AI per anticipare le previsioni meteo, ma il business è un’impresa difficile
WindBorne ha sviluppato previsioni meteo più accurate grazie all’AI, ma il passo successivo è il monetizzo.
Un sistema di dati che supera le previsioni governative
WindBorne ha sviluppato un sistema di previsioni meteo che supera quelle del governo, grazie all’AI. La società utilizza una rete di palloni stratosferici, circa 600 in volo contemporaneamente, lanciati da 20 siti in tutto il mondo. Questi dispositivi raccolgono dati in aree inaccessibili ai satelliti e alle stazioni meteorologiche, come l’occhio di un uragano. I dati vengono alimentati da WeatherMesh, il modello di previsione AI di WindBorne, che ha superato i benchmark pubblici come il più accurato disponibile.
La capacità di fornire previsioni più precise è un vantaggio chiave per la società. Il modello, rilasciato due mesi fa, non solo supera i sistemi AI esistenti, ma lo fa con una minore potenza di calcolo. Il vantaggio principale, tuttavia, non è il modello, ma i dati unici raccolti da WindBorne.
Un’azienda che si distingue nel settore dei dati meteorologici
WindBorne ha raccogliere dati meteorologici in modo unico, che nessun altro possiede. Questo crea un vantaggio competitivo, poiché i dati sono la base per la previsione. “Il valore per ogni punto di dati è molto maggiore rispetto ai satelliti”, ha spiegato il CEO John Dean. La società ha anche dimostrato di poter trasformare questi dati in un prodotto commerciale, grazie a un finanziamento di 37 milioni di dollari. Il successo nella costruzione di un modello AI non è sufficiente per garantire un business sostenibile. La sfida è il passo successivo: trasformare i dati in un prodotto monetizzabile. Molti startup hanno fallito nel vendere dati meteorologici a aziende, e WindBorne non è esente da questa difficoltà.
Un modello di business che punta sull’integrazione con le decisioni aziendali
I clienti attuali di WindBorne sono principalmente enti pubblici, come il National Weather Service degli Stati Uniti, l’Air Force e la Marina. I dati vengono utilizzati per migliorare i modelli di previsione e sono già integrati nel sistema NOAA, che alimenta molte app di meteo quotidiane. Tuttavia, la società punta a espandere il mercato verso il settore privato, come fondi di investimento e aziende che utilizzano previsioni meteo per valutare mercati sensibili al clima. La capacità di integrare previsioni meteo in decisioni aziendali è un fattore chiave per il successo. “Integrare previsioni meteo nella gestione aziendale è stato tradizionalmente costoso e difficile”, ha detto Saloni Multani di Galvanize, che ha co-leadato la serie B. L’AI semplifica questa integrazione, rendendo il modello più accessibile.
Un investimento in un futuro legato al fisico
WindBorne fa parte di un trend più ampio: gli investitori stanno puntando su AI legate al mondo fisico, come l’automazione mineraria o la fusione nucleare. Khosla Ventures, che ha sostenuto la società fin dall’inizio, ha recentemente co-leadato un nuovo venture di Jeff Dean. “Man mano che i modelli AI diventano più capaci, la qualità delle osservazioni base diventa sempre più importante”, ha detto Sven Strohband di Khosla. La domanda per dati meteorologici accurati è in crescita, ma la capacità di monetizzarli rimane un test. Con l’aumento della frequenza e della gravità degli eventi climatici, l’appetito per previsioni tempestive è in aumento. WindBorne deve dimostrare che i dati, questa volta supportati dall’AI, sono sufficienti a generare un business sostenibile.