No mês de junho, completamos mais uma turma do Google for Startups Accelerator, a primeira em um formato totalmente on-line devido à pandemia da COVID-19. Foi uma grande novidade e desafio para a equipe, mas essa situação nos mostrou a importância de otimizar tecnologias e ferramentas em um período tão incerto como este.

Enquanto o Programa de Residência traz um foco no modelo de negócio, no Accelerator a nossa proposta é atacar exclusivamente problemas práticos de ferramentas e tecnologia. Buscamos startups que já validaram seus negócios e estão prontas para escalar rapidamente e, por isso, podem se valer de otimizações técnicas nesse momento. Oferecemos um suporte customizado focado em solucionar os problemas específicos de cada participante, e, para isso, colocamos as startups em contato com especialistas do Google e da nossa rede de mentores – que em sua maioria consiste em pessoas que já passaram pelo programa e sabem, por experiência própria a diferença que essas ações promovem.

Nesta quinta turma, os empreendedores atuaram especialmente para aprimorar a infraestrutura de Cloud para se tornarem mais eficientes neste novo cenário de maior demanda por soluções digitais. A estratégia traz não só maior agilidade em diversas etapas do negócio, como muitas vezes representa uma economia de gastos. Ou seja, investir em Cloud é fazer mais com menos.

Uma tendência que vimos é o que chamamos de AutoML. A sigla pode assustar quem não é da área, mas não é tão complicada de entender. Esse tipo de ferramenta automatiza o processo de aprendizado de modelos de Inteligência Artificial (IA). O que isso significa na prática? Ele basicamente cria pré-modelos de IA. Isso é importante porque as startups não precisam desenvolver novos modelos do zero, o que dá muito trabalho e demanda uma manutenção complicada e onerosa.

O Cloud AutoML representa ganho de eficiência em horas, uma vez que o engenheiro de dados não precisa mais construir tudo de forma manual, o que também diminui as chances de erros. Sem contar que agiliza o treinamento dos dados desses modelos que, se construído do zero, pode levar horas. No fim, ele torna os processos de Machine Learning e Inteligência Artificial mais acessíveis para as startups.

Nosso principal objetivo é mostrar que se dedicar a solucionar problemas técnicos traz um diferencial estratégico e melhorias significativas nos resultados econômicos no longo prazo. A maior lição que sempre tiramos do Accelerator é que o investimento em tecnologia é sim uma otimização de custo e eficiência, cujos maiores resultados, muitas vezes, as empresas vão ver daqui a seis meses ou um ano. Em um mundo de pandemia, ser mais eficiente, ao mesmo tempo em que corta gastos, é essencial.