Hoy, es sencillo usar algoritmos de inteligencia artificial (AI, por sus siglas en inglés) para tu startup gracias a herramientas desarrolladas por empresas como Google, Microsoft o Amazon. En el espacio de developer tools, las big tech tienen un oligopolio. Sin embargo, la startup de Uruguay, MonkeyLearn, está demostrando que aún hay espacio para innovar en la intersección de AI y No code, y ha llamado la atención de inversionistas y líderes de la industria tech de compañías como Airtable, Oculus AI, Carta, e Infocorp.
Interesados en conocer más de este caso de éxito uruguayo, conversamos con su CEO y co-fundador, Raúl Garreta. MonkeyLearn es una startup que permite a cualquier usuario, sin experiencia en programación, data science o inteligencia artificial, usar algoritmos para etiquetar datos de su negocio, obteniendo insights y ahorrando horas de trabajo clasificando textos.
En esta entrevista, Raúl nos cuenta su ruta startup en Uruguay y Silicon Valley con sus dos empresas: Tryolabs y MonkeyLearn. Lo que no puedes perderte: cómo levantar capital de inversionistas top en tu sector.
De Empresa a Startup en Uruguay
Antes de ser parte del ecosistema startup, Raúl se dedicó a la academia. Fue profesor de Inteligencia Artificial durante siete años en la Universidad de la República de Uruguay, después de haber creado un jugador de Go usando redes neuronales para su tesis de grado
¿Cómo llegaste al mundo emprendedor?
“Fundé Tryolabs porque podía resolver problemas reales que realmente me interesen.” Tryolabs es una consultora que desarrolla productos web apalancados con inteligencia artificial. Con el paso del tiempo, se dieron cuenta de que podían reutilizar componentes dentro de los distintos proyectos que hacían, ahorrando tiempo de desarrollo.
¿Cómo nace MonkeyLearn?
“La startup MonkeyLearn nace en Uruguay como un producto dentro de Tryolabs. Salió la idea de crear un API para que developers sin conocimiento en data science puedan usar Machine Learning y Natural Language Processing de manera más sencilla.”
El producto de MonkeyLearn nace en 2013. El proyecto gana tracción y deciden hacer un spin off en 2015. Al principio, comenzaron con capital de los fundadores y algunos inversionistas ángeles que inviertieron en la startup en Uruguay. Gracias a esto llegaron a la aceleradora 500 Startups en San Francisco.
Experiencia en 500 startups y levantando capital
¿Cómo fue la experiencia en 500 Startups San Francisco?
“500 te ayuda a conocer la cultura startupera de San Francisco y a aprender a levantar capital, ventas, marketing, y generar network con posibles clientes, mentores y otros emprendedores. En el futuro, la experiencia nos serviría para levantar rondas de inversión.”
¿Cómo fue la experiencia de levantar capital después de 500 Startups?
“A pesar de que 500 organiza un DemoDay, decidimos que no era el mejor momento porque nos iba a quitar foco de lo más importante: generar tracción. Incluso había dos empresas con intenciones de adquirir MonkeyLearn, lo cual nos desconcentró de enfocarnos en el producto”.
“El crecimiento de una startup de AI y una de software tradicional son distintos. Para una startup AI se requiere un gran tiempo de experimentación para determinar cuáles son los algoritmos más eficientes para los casos de uso más comunes, y el posterior entrenamiento de estos algoritmos de aprendizaje automático.”
*Puede interesarte: The New Business of AI (and How It’s Different From Traditional Software)
En el 2015, la inteligencia artificial era la industria hot en Silicon Valley. Sin embargo, la falta de tracción rápida inicial (característica de muchas startups) hizo que muchos fondos de Venture Capital (VC) no consideren invertir en AI. Con el tiempo, los emprendedores y VC comenzaron a aprender más sobre el crecimiento en esta industria.
“En el 2017, levantamos fondos de Micro VC Funds. La experiencia fue bastante larga para lo que levantamos (USD 600 mil). Esta inversión y la generación de servicios profesionales en MonkeyLearn nos permitieron generar más runway y seguir obteniendo insights de nuestros usuarios”.
MonkeyLearn siguió perfeccionando su producto durante esta etapa. En este tiempo, determinaron qué casos de uso son más comunes y, con base en ellos, armaron una cartera de algoritmos para su plataforma. La tracción generada durante este periodo fue fundamental para que la última ronda (2020) de levantamiento de capital sea exitosa.
¿Cómo fue su última ronda?
“A diferencia de la anterior ronda, ahora teníamos un mensaje muy claro, clientes y tracción interesantes, más una buena historia y un producto diferenciado en una industria hot” .
Tener un Pitch Deck con mensaje claro y gráficos que muestran el crecimiento en tus principales métricas y tráfico es importante. MonkeyLearn supo aprovechar su cartera de clientes (Twilio, Stanford, Adobe) y el hecho de converger en dos industrias hot: No Code e Inteligencia Artificial. Con ello, levantar capital fue más fácil de lo que esperaban, pues los inversionistas percibiendo el valor de inmediato.
Si estás interesado en saber más acerca de cómo armar un pitch deck, puedes revisar nuestra Guía Definitiva.
¿Cómo armaste el proceso de levantamiento de capital?
“La experiencia en 500 y Henry (CEO de Carta) me ayudaron a armar un proceso de levantamiento de capital de manera eficiente”.
A continuación, algunas recomendaciones clave de Raúl para diseñar tu ronda de inversión:
- Comprimir reuniones con inversores en el menor tiempo posible (3-4 semanas)
- Generar competencia entre los inversores
- Testear tu pitch al principio (1-2 semanas), dejar a los mejores inversores para el final
- Obtener un term sheet rápido para usarlo como leverage con los demás inversionistas
- Elegir fondos líderes por su network. “Estuvimos oversubscribed (pudieron levantar el doble), pero preferimos elegir fondos más por el network que por solo el capital”. Los fondos de Venture Capital que lideraron la ronda fueron Bling Capital (VCs de Gitlab, Airtable, y LucidChart) y Uncork Capital (VCs de Eventbrite y Fitbit).
- Agregar inversores ángeles que son operators, como Babak Rasolzadeh (CTO Oculus AI), Henry Ward (CEO Carta), Gabriel Colla (Presidente Infocorp) y Howie Liu (Airtable). “Preferimos inversores que son founders y gente de producto porque es una experiencia muy rica para discutir cosas del negocio”.
¿Cuál es el siguiente paso para MonkeyLearn?
Raúl espera contratar un equipo de ventas y marketing más grande en Estados Unidos y seguir creciendo el equipo de desarrollo de producto de la startup en Uruguay. En cuanto al producto, buscan añadir nuevos features de visualización de data.
No Code para democratizar la inteligencia artificial
A partir del pivot en 2018, MonkeyLearn pasa de ser una API para desarrolladores a una plataforma enfocada en usuarios sin experiencia en programación. “El producto en sí no cambió mucho. Incluso antes del pivot, el API contaba con una interfaz web con la que podías comenzar a usar MonkeyLearn de manera sencilla .”
Desde 2020, la startup uruguaya MonkeyLearn te permite usar algoritmos para reconocer patrones y sentimientos en tus propias bases de datos. Además, la startup entiende el potencial del ecosistema no code, permitiendo a los usuarios integrar la plataforma con distintas herramientas como Google Sheets o Zappier.
¿Cómo ha evolucionado el producto?
“En 2016, el objetivo era darle herramientas de data science a cualquier developer. En 2020, el objetivo es darle herramientas de machine learning a cualquier usuario sin necesidad de contar con experiencia técnica.”
Las integraciones con otras herramientas también ha sido importante para Monkeylearn.
“Nos dimos cuenta de que nuestros usuarios estaban creando pipelines de datos con MonkeyLearn y otras herramientas, así que ahora facilitamos esto”.
¿Por qué deciden cambiar de público objetivo?
“No es algo que se te ocurre de un día para otro, es un proceso largo de escuchar a tus usuarios, ver qué hacen con el producto y leer tendencias. Los programadores prefieren el open source que es gratis. Los usuarios no técnicos sí están acostumbrados a pagar por herramientas y tienen casos de uso más concretos. Vimos que usuarios no técnicos estaban haciendo cosas interesantes como conectar MonkeyLearn a plataformas como Zapier”.
En el mundo del desarrollo, las big tech como Google, Microsoft, y Amazon están construyendo sus Platform-as-a-Service (PaaS) para Natural Language Processing y Machine Learning enfocados en developers. Así, es un espacio muy competitivo y difícil monetizar, pues, ellos monetizan con el uso de su infraestructura Cloud.
La startup uruguaya MonkeyLearn fue capaz de diferenciarse de ellas creando un producto orientado a otro segmento. Para que el negocio sea sostenible, debían encontrar casos comunes para que el tiempo de entrenamiento del modelo disminuya. Esto es una gran ventaja al comparar MonkeyLearn con desarrollar tu propia herramienta desde 0 ya sea por terceros o por un equipo inhouse.
¿Por qué combinar No Code con AI?
“En 2018 tuvimos este pivot interesante. Decidimos enfocarnos en las empresas que tenían un pain grande, es decir, empresas con un problema puntual, recurrente, de alto volumen y gran impacto. Así, la compañía está dispuesta a pagar lo necesario”.
MonkeyLearn cuenta con casos de uso como analizar feedback de clientes, etiquetar tickets de soporte y data scraping. Al ser problemas más concretos y poder entrenar a los modelos con mayor facilidad, son un modelo de revenue más interesante. Frente a esto, las compañías pueden organizar sus propios equipos de Data Science, lo cual involucra costos mucho más elevados, o permitir que el equipo de ventas aprenda a usar una herramienta no code como MonkeyLearn.
Si quieres saber más de No Code, te sugerimos revisar nuestra Guía Introductoria de No Code para Startups.
¿Qué estrategias de growth emplean?
“Hicimos una content and SEO machine, es decir, escribir bastante contenido según el tráfico relacionado a sentiment analysis”.
MonkeyLearn cuenta con un blog donde su comunidad y ellos mismos comparten los ejemplos de usos de la plataforma. El ejemplo más claro son tutoriales de integraciones con productos que los usuarios no técnicos ya conocen y usan bastante como Zendesk o Zapier.
Startup de Uruguay Pal Mundo
El caso de la startup uruguaya MonkeyLearn nos demuestra que una buena historia siempre será clave para levantar capital. Esta se construye escuchando a tus usuarios y generando tracción. Para MonkeyLearn, fue necesario salir de la categoría de las dev tool y pasar al mundo de las no code.
A pesar del posicionamiento de las Big Tech en AI, aún hay espacio para innovar si te posicionas en los segmentos de mercado adecuados. Que una startup latina pueda abrirse camino entre grandes compañías demuestra que en cualquier parte del mundo se puede construir productos de tecnología que los usuarios amen.
Agradecimiento
Gracias a Raúl por su disposición a compartir la experiencia de su startup. Si quieren saber más de la startup uruguaya MonkeyLearn, les dejo su contacto:
Linkedin: Raúl Garreta
Twitter: @raulgarreta
Página Web: MonkeyLearn
