創業新聞

[創業Q&A]締造30國長期付費用戶,專訪AI智慧安控新創Umbo CV執行長關宇翔

AppWorks

2014 年成立的Umbo CV(盾心科技),是台灣 AI 新創中,成功進入歐美市場的典範,在超過 30 個國家有長期付費企業用戶。

Umbo CV專攻智能安全監控,研發擁有自我學習與分析能力的影像辨識技術,所打造出的軟體平台可透過監控的影像Data,學習並辨識影像中人、車、動植物等物件,以及侵入、群眾聚集、火災等特殊事件。除了軟體平台,Umbo CV也開發出搭配用的硬體攝影機,用AI科技,改變了監控產業原本要靠保全以肉眼24小時監看的模式。

四年來,Umbo CV已成功募得兩輪資金共計980萬美元,同時也是AppWorks Accelerator #9 校友。

Umbo CV執行長關宇翔。
AppWorks

創辦Umbo CV之前,關宇翔曾任專業安控公司產品銷售主管,從早期階段便參與公司上市的過程,對於安控產品的國際市場擁有深厚歷練。回顧創業經驗,關宇翔認為,AI市場的風口已經打開,現在是創辦AI新創最好的時間,但在現階段,AI新創最大的挑戰,反而不是缺少前景看好的創業題目,相反地,正因為人們對AI應用有各種期待與想像,有太多創業題目可選擇,如何將有限的資源與時間,「專心」地投入對自己最佳的創業題目上,才是AI新創最重要的課題。對AI新創來說,如何選擇創業主題?如何避免外界干擾?如何制訂發展策略?以下是關宇翔的經驗分享:

Q:為什麼會選擇安全監控作為Umbo CV的創業題目?

A:一開始的想法並不複雜,只想到自己。因為我在這個產業待過不短的時間,知道業界碰到的問題,以及預估未來將往哪個方向發展。我發現,很多來自客戶的需求,和現有產品間有一個Gap,那個鴻溝看起來是有技術缺口的,我當時就在思考,這個技術缺口,是否現在能夠補上,後來才去看一些Machine Learning的技術,也在業界詢問了一些人,慢慢把創業團隊組起來,才確認這個技術可以做,在我創業那時,也正好是AI準備發展的階段。

我們做的是跟Computer Vision相關,在安全監控產業,最獨特的地方,在於這是全世界影像Data最大的領域,比YouTube、Facebook任何網站都大。這麼大量的Data,感覺就是寶藏,可以為Machine Learning帶來很多可能。

對我來說,先發現了要解決的問題(安控產業需要用人力來監看大量影像,成本太高),又發現這問題可以用Machine Learning來解決,而Machine Learning又需要大量的Data來訓練,這完全是一個正向的Data Cycle,所以就決定要做了

Q:現在這個Gap還在嗎?

A:技術上的Gap還有各式各樣的發展空間。這個問題回到根本,是Machine Learning和Computer Vision在幾年內可以解決多少問題,這裡面還有不少很大的Gap,每一個都能再切成更小的Gap等著被滿足,差別是解決的是大問題或是小問題。我們切入的領域,是比較屬於一般性的大問題,所以優先選擇這個題目來做,目前客戶對我們也算滿意。

Q:現在還是AI創業的好時機嗎?還是最好的時間已經過了?

A:我相信現在應該不會有人懷疑AI只是曇花一現的熱潮,已有太多AI應用融入人們的生活,它絕對是典範轉移的重要趨勢。比較有趣的現象,反而是人們對AI的期待越來越高,今天做了這些、明天希望還能做更多,這樣的期待,會Push所有做AI的企業,持續去開發更好、更先進的產品,這背後,會有很多創業的機會

Q:Umbo CV的Know-how,從外在角度來看,主要是影像Data蒐集的方式,以及發展出的演算法,創業至今,有想過將這些應用在安全監控以外的產業嗎?

A:其實這很有趣,因為我們是AI新創,一直有客戶或機會找上門,要我們開發其他過去從來沒想到的應用,很多人發想了一堆題目,來問我們能不能做?創業至今,這類的雜訊超多。

可能是大家電影看太多了,對AI有許多想像。比如說,我們遇過一個做海洋研究的客戶,他們會用潛水艇去研究整個區域內的海洋生態,想要知道有什麼魚?有多少?因為在深海,生物被照出來的樣子,和陸上看到的很不一樣,要用Machine Learning去辨識魚在深海的行為,才能知道這是什麼品種。客戶的潛水艇開下去,把整個區域的影像錄起來,現在是由人來看,未來希望由AI來辨識。這看起來和我們的技術好像有關,類似這樣的案子太多了。

Q:身為創業者,聽到這樣的題目,一定很興奮,如何選擇做與不做?

A:真的,聽到這樣的題目,會覺得AI實在有太多機會。但回到創業本身,Startup初期,其實是思考如何讓資源運用更有效率,在還有錢但尚未賺錢的時候,做對自己最有價值的選擇,對Startup來說,這段時期最困難的,是如何在那麼多機會中選擇對自己最好的那個,看起來似乎有好多產品可以做,但前景其實都不清楚,真正能找到PMF(Product Market Fit)的可能很少。

對我們的團隊來說,因為在業界的經驗比較久,比較能判斷哪些問題可以解,解了之後做什麼產品比較賣得動,如何把商業模式建立起來。因為我原本就在這個產業,所以選擇比較容易,若今天要切入農業做AI,重新累積產業知識,成功的機會可能不大。因為資源有限,研究也需要時間,跟我們專長領域差異太大的都不會考慮。

比較難決定的,反而是那些跟我們類似,好像稍微改一些,就能符合客戶的需求。到底要改嗎?這背後都是時間與人力成本,此外,一旦改過去,原來的東西還做不做?兩邊哪個市場或機會比較大?這是比較難的問題。我們的確也曾經選錯題,剛開始覺得只要稍作改變,就能切入更大的商機,結果並非如此。

在這件事情上,我們走了不少冤枉路,後來歸納出一個道理:做最多客戶願意掏錢買、讓客戶轉換成本最低的產品。因為Startup真的沒有辦法想那麼長遠的事情,去爭取一、兩年以後可能會採購的大客戶。那些我們決定先不做的題目,未必是錯的,只是對我們的風險比較高

Q:如何建立做與不做的決策機制?

A:我們會以Group(小組)做決定,一起討論這個東西做下去,成本要多少?值不值得嘗試?風險是什麼?我們能不能承擔?不同部門的人都會參與討論。比如說潛到深海去研究魚,我們會討論這個市場有多大?客戶有多認真、多少預算要做這件事?轉換所需的技術要花多久開發?也許技術的人,會認為這樣的技術轉換需要兩年的時間,那我們就不會做,因為太久了。

比較難的,是每個討論的問題,看起來都可行,技術ok、市場也ok,這時候,做決定就要回到Founder身上

Q:過去的經驗對判斷做與不做有幫助嗎?

A:這可能跟Founder的個性有關,過去的經驗是否有幫助,在於你多相信過去的經驗,以及多依循既有的產業規則。我相信經驗可以幫人也能害人。我認為有些經驗,若在邏輯上是不可逆的,就不會去Challenge它,但若我覺得是可逆的,我會去Challenge,很多產業規則也是如此。比如說,因為我們這個產業叫Security,大家對Data的安全性,要求比較高,過去的規則是這些Data不能放到網路上,必須是Off-line的,過往我在業界,可能100個客戶中,有95個也都這樣認為,但我不信這件事,就算所有客戶都這樣跟我說,我覺得他們只是還不理解未來趨勢,類似這樣的業界規則,會成為很多人創新的包袱,但我就覺得這可以被改變

對我們來說,可能比較不信邪吧!Startup本來就該這樣,如果太依循過去的作法,會限縮自己很多的機會。Startup是在夾縫中去找出機會,因為大家都把卡好位了,只有幾個縫,若又把自己定位在不能變化,那就沒有什麼機會了。不信邪的代價,當然很辛苦,因為要挑戰既有的規則,但如果不去挑戰市場既有的做事方式,突破會很有限,例如我們,如果當時沒有去挑戰市場既有規則,我們後來在Machine Learning上不可能做得這麼好,因為蒐集Data會變成很大的瓶頸。

Q:新創必須去挑戰的既有規則,對你來說是直覺還是理性?

A:我覺得是直覺加理性,理性要有Data Support。我覺得最難的,是要拿到對的Data,才能用理性做對的決策。很不幸,絕大時候,創業用來做決策的Data,可信度往往不夠,例如只有50%的Data是對的,50%是錯的,但我們又必須以此作決策,所以我說是直覺加理性來做決策。

Q:但其實直覺很抽象?

A:我認為直覺是一種生物特性,做任何決定,看起來是直覺,但背後一定都有更邏輯的原因,只是一開始未必知道。真正重要的,是即使是用直覺做決策,也還是要盡量找Data去驗證。比如說,照著直覺做決策後,預期會達到Milestone A、Milestone B,如果沒有達到,那就要回過頭去調整決策、去找問題出在哪裡,這就是創業者該做的事情。創業所需的知識太多,不可能有人全部會,創業者只能用所學與經驗去做決策,但要能找到快速驗證與修正的方式

Q:你自己驗證或修正的方式是什麼?

A:通常技術很好的新創,不用擔心做不出產品,反而常常是看錯PMF,因為有太多Sidetrack(分心、轉移注意力)。甚至有時候,Sidetrack才是對的,原本做的產品,轉一下反而更好。

身為創業者,每次碰到這種Sidetrack出現,就是必須要不斷Check,因為很容易被騙。被騙一下還好,比較糟的,是被騙了太久浪費太多時間與資源,或是事後看起來,它是更好的選擇但當初忽略了。我自己的經驗,會用多個指標去檢視這些Sidetrack,如果是假的,也許十個指標中,就是有一、兩個勾不起來,會覺得怪怪的,這個勾就是打不下去,這時候就要去懷疑。但這件事要小心,因為創業者通常比較樂觀,常常會不小心就打勾了,但其實沒有那麼好,但會Check的很開心,以為找到了新機會,我覺得這是一個Founder成長的過程。

現在要創辦AI新創,我覺得專心最重要。因為外界對AI這個技術有太多期待,AI新創很容易被Sidetrack影響,不斷會有客戶要你做A、做B,這個雜訊是多到超乎想像。

若是做電商,今天要加賣新商品,也許不是什麼大問題,但對AI來說,投入新題目的成本很高。包括建置Data Pipeline是很大的工程、AI人才與設備的費用都很高,對資源不多的新創來說,不會有太多犯錯、走錯路的機會。所有新創都需要Focus,但AI新創必須要有更多方式,去持續驗證這個Focus是對自己最好的選擇

Q:Umbo CV既是AppWorks Accelerator的校友,又是AppWorks Funds的投資案,為什麼會一直選擇AppWorks?

A:從我們剛開始創業到現在,AppWorks的幫助真的非常大。第一,是因為AppWorks,我們才知道台灣有創業Ecosystem,所以回到台灣。第二,我們回到台灣後,其實也是第一次創業,團隊都是工程師,技術以外與創業有關包括財務、法務以及更多面向的知識,我們都是跟AppWorks的校友們一起學習,彼此互相幫助。第三,我們也在AppWorks的校友中,找到另一位共同創辦人(編註:Umbo CV共同創辦人柯智文),他是從其他新創團隊加入的,對我們後來開發硬體產品的幫助很大。第四,我們後來要第一次募資,AppWorks帶我們完整走過這個階段,AppWorks提供的投資條件,對我們非常Fair,並沒有因為我們是第一次募資,缺乏相關的經驗而佔我們便宜。身為創業者,AppWorks提供了我們所需的幫助,我們真心覺得很幸運能成為AppWorks Accelerator的校友。

更讓我覺得很棒的地方,是AppWorks始終都讓我們自己做決策,然後透過幫我們找資源、參考資訊來支持我們。身在新創圈,常常會看到其他創業團隊,被投資人告知「應該」要做什麼會更好、成長速度會更快、這樣對投資人更好,AppWorks從來沒有,只有問我們想做什麼?有什麼需要幫助的地方?Everything is our choice, and AppWorks always supports us。

Q:謝謝,很高興知道AppWorks真的幫助到你。展望2019,我們可以期待Umbo CV有哪些突破?

A:2019年我們要正式進軍日本市場,目前有看到一些不錯的機會。過去因為我們比較熟悉歐美市場,整體趨勢也符合我們的發展,所以成立初期就切入,日本則陸續有間斷性的接觸一些客戶,現在來自日本的客戶規模,已經沒辦法用遠端遙控來服務了,可以進行小規模的佈局。

針對我們產品服務的特色,我們會依據三個指標來選擇市場。第一,網路基礎建設要夠完整,因為這牽涉到收集影像Data的品質;第二,人力成本夠高,因為主要是取代傳統的保全人力;第三,幅員比較遼闊,派遣保全從A點到B點要花比較多通勤的時間。日本市場都符合以上三個條件。

【歡迎所有AI/IoT創業者加入專為你們服務的AppWorks Accelerator

本文授權轉載自AppWorks Accelerator,作者:AppWorks媒體公關總監 李欣岳

延伸閱讀