AI: Η «τρέλα» με τις αποτιμήσεις σε startups τεχνητής νοημοσύνης

Το λεγόμενο «vibe coding», δηλαδή η ικανότητα δημιουργίας λογισμικού με τη βοήθεια τεχνητής νοημοσύνης αντί για τις παραδοσιακές δεξιότητες προγραμματισμού, έχει εξελιχθεί στη νέα τάση της Silicon Valley. Ωστόσο, υπάρχει και μια αντίστοιχη τάση στον χώρο των επενδύσεων, που θα μπορούσε να ονομαστεί «vibe valuing», σημειώνει ο Economist.

Πρόκειται για την τάση των επενδυτών επιχειρηματικών κεφαλαίων να αποδίδουν τεράστιες αποτιμήσεις σε startup τεχνητής νοημοσύνης, συχνά αγνοώντας τα παραδοσιακά οικονομικά κριτήρια.

Ένα χαρακτηριστικό παράδειγμα αποτελεί η Μίρα Μουράτι, πρώην επικεφαλής τεχνολογίας της OpenAI, η οποία βρέθηκε σχεδόν από τη μια μέρα στην άλλη στην ελίτ των υπερπλουσίων. Η δική της startup τεχνητής νοημοσύνης, Thinking Machines Lab, φέρεται να συγκέντρωσε 2 δισεκατομμύρια δολάρια με αποτίμηση 10 δισεκατομμυρίων στον πρώτο γύρο χρηματοδότησης, πριν καν διαμορφώσει σαφή στρατηγική, πόσο μάλλον να εμφανίσει έσοδα.

ΑΙ φρενίτιδα

Η επιτυχία της Μουράτι εξηγείται κυρίως από το γεγονός ότι η ομάδα της αποτελείται από πρώην ερευνητές της OpenAI. Μεγάλες τεχνολογικές εταιρείες, όπως η Meta, προσφέρουν τεράστια ποσά για να προσελκύσουν τέτοιους «σούπερ σταρ» της τεχνητής νοημοσύνης.

Παράλληλα, στελέχη επιχειρηματικών κεφαλαίων αναφέρουν ότι ακόμη και σε λιγότερο γνωστές startup, τα παραδοσιακά μέτρα αποτίμησης, όπως η προβλεπόμενη αύξηση εσόδων, η απώλεια πελατών και το πόσα χρήματα ξοδεύουν, δεν έχουν πλέον την ίδια βαρύτητα όπως στο παρελθόν. Αυτό οφείλεται εν μέρει στην ταχύτατη εξέλιξη της τεχνητής νοημοσύνης, που καθιστά δύσκολη την αξιόπιστη πρόβλεψη, αλλά και στη μεγάλη ροή επενδύσεων προς τον κλάδο της γενεσιουργού τεχνητής νοημοσύνης.

Το μέτρο που φαίνεται να χάνει περισσότερο την αξία του είναι τα ετήσια επαναλαμβανόμενα έσοδα (ARR), τα οποία αποτελούσαν βασικό κριτήριο για την αποτίμηση πολλών startup. Για εταιρείες που προσφέρουν λογισμικό ως υπηρεσία, όπως οι περισσότερες στον χώρο της τεχνητής νοημοσύνης, το ARR υπολογιζόταν σχετικά εύκολα: ένας τυπικός μήνας συνδρομών, βασισμένος στον αριθμό των χρηστών, πολλαπλασιαζόταν επί 12, ενώ τα υψηλά ποσοστά διατήρησης πελατών ενίσχυαν τη σταθερότητα. Η απώλεια πελατών ήταν συχνά κάτω από 5% ετησίως και το χαμηλό οριακό κόστος επέτρεπε στις startup να διατηρούν περιορισμένες ζημιές μέχρι να αρχίσουν να έχουν κέρδη. Αυτό αποτελούσε μια σταθερή βάση για τις αποτιμήσεις.

Στις startup τεχνητής νοημοσύνης, όμως, η αύξηση των εσόδων είναι συχνά εκρηκτική και ασυνήθιστα γρήγορη. Η εταιρεία Anysphere, που διαθέτει το Cursor, ένα δημοφιλές εργαλείο δημιουργίας κώδικα, είδε τα ARR της να εκτοξεύονται στα 500 εκατομμύρια δολάρια αυτόν τον μήνα, πέντε φορές περισσότερα από τον Ιανουάριο. Το Windsurf, ένα άλλο εργαλείο δημιουργίας λογισμικού, σημείωσε επίσης εντυπωσιακή ανάπτυξη πριν εξαγοραστεί από την OpenAI τον Μάιο έναντι 3 δισεκατομμυρίων δολαρίων.

Είναι βιώσιμη αυτή η ανάπτυξη;

Το ερώτημα, ωστόσο, είναι κατά πόσο αυτή η ανάπτυξη είναι βιώσιμη. Ο Τζάμιν Μπολ της Altimeter Capital επισημαίνει ότι πολλές εταιρείες πειραματίζονται με διάφορες εφαρμογές τεχνητής νοημοσύνης, γεγονός που δείχνει ενθουσιασμό αλλά όχι απαραίτητα δέσμευση σε κάποιο συγκεκριμένο προϊόν. Ο ίδιος αστειεύεται ότι αυτή η προσέγγιση «εύκολα έρχεται, εύκολα φεύγει» από τους πελάτες οδηγεί σε ERR, δηλαδή «πειραματικό ρυθμό εκτέλεσης», αντί για ARR. Άλλοι παρατηρούν ότι η απώλεια πελατών ξεπερνά συχνά το 20%. Επιπλέον, αρκετές startup τεχνητής νοημοσύνης χρεώνουν με βάση τη χρήση και όχι ανά χρήστη, κάτι που καθιστά τα έσοδα λιγότερο προβλέψιμα.

Σε όλα αυτά προστίθεται ο έντονος ανταγωνισμός, που γίνεται ολοένα και πιο σκληρός. Όσο γρήγορα κι αν αναπτύσσεται μια startup τεχνητής νοημοσύνης, δεν υπάρχει καμία εγγύηση μακροζωίας. Πολλές εταιρείες βασίζουν τις εφαρμογές τους σε μοντέλα που αναπτύσσουν μεγάλα εργαστήρια τεχνητής νοημοσύνης, όπως η OpenAI ή η Anthropic, τα οποία πλέον προσφέρουν και δικές τους εφαρμογές. Η δημιουργική τεχνητή νοημοσύνη έχει επίσης καταστήσει ευκολότερη από ποτέ την ίδρυση νέων εταιρειών με ελάχιστο προσωπικό, γεγονός που αυξάνει τον αριθμό των ανταγωνιστών, όπως επισημαίνει ο Μαξ Άλντερμαν της FE International.

Το παράδειγμα της Perplexity

Ακόμη και γνωστές εταιρείες τεχνητής νοημοσύνης απέχουν πολύ από το να είναι κερδοφόρες. Η Perplexity, που επιχειρεί να αμφισβητήσει την κυριαρχία της Google στην αγορά αναζήτησης, φέρεται να είχε έσοδα 34 εκατομμυρίων δολαρίων πέρυσι, αλλά είχε έξοδα 65 εκατ. δολαρίων.

Παρ’ όλα αυτά, η αποτίμησή της εκτοξεύτηκε. Ο τελευταίος γύρος χρηματοδότησης της Perplexity φέρεται να την αποτίμησε κοντά στα 14 δισεκατομμύρια δολάρια, δηλαδή πάνω από 400 φορές τα περσινά της έσοδα (σε σύγκριση με περίπου 6,5 φορές για μετοχές που διαπραγματεύονται στο Nasdaq).

Η OpenAI, που «έκαψε» περίπου 5 δισεκατομμύρια δολάρια πέρυσι, αποτιμάται στα 300 δισεκατομμύρια. Η προθυμία των επενδυτών να αγνοήσουν τις ζημιές αντικατοπτρίζει την πεποίθησή τους ότι η δυνητική αγορά για την τεχνητή νοημοσύνη είναι τεράστια και ότι το κόστος θα συνεχίσει να μειώνεται. Στην περίπτωση της Perplexity, η εταιρεία μπορεί να αποτελέσει και στόχο εξαγοράς.