Start-upy AI pozyskały miliardy dolarów od inwestorów. Większość z nich nie ma rentownego biznesu

Podobnie było kilka lat temu. Pojawił się boom na start-upy z sektora kryptowalut i blockchaina, bo Bitcoin czy Ethereum generowały ogromne zyski. Inwestorzy uznali wtedy, że to "przyszłość branży", więc przeznaczą miliardy na budowanie web 3.0, które jakoś nigdy nie nadeszło. Obecnie coraz częściej można odnieść wrażenie, że mamy powtórkę z rozrywki.

Teraz koniem pociągowym nie jest jednak Bitcoin czy Ethereum, ale Nvidia i OpenAI (oraz obecny na giełdzie Microsoft, który zainwestował w OpenAI). Obie firmy wygenerowały rekordowe wyniki giełdowe i znacząco zwiększyły swoje kapitalizacje rynkowe. Moda na sztuczną inteligencję sprawiła, że pojawiło się wiele biznesów z "AI" w nazwie, które przyciągnęły łącznie miliardy dolarów finansowania. Inwestorzy przeznaczają mnóstwo środków na raczkujące start-upy, wierząc, że będą to gigantyczne sukcesy. W praktyce okazuje się, że najczęściej trudno im przekształcić silny PR i szum w realne przychody i zyski.

Miliony na start i co dalej?

Jeśli chodzi o start-upy AI i Dolinę Krzemową, trzeba powiedzieć sobie jedno: na rynku nie ma problemu z pieniędzmi. Inwestorzy są skłonni przeznaczać nawet setki milionów dolarów na firmy, które ledwie startują. Kilka lat temu takie kwoty były zarezerwowane dla prywatnych firm na późniejszym etapie rozwoju, które miały najczęściej działający model biznesowy i szukały środków, aby skalować się w szybkim tempie. Teraz, zdaje się, wystarczy stworzyć wideo z poziomu polecenia tekstowego wygenerowane przez AI, które trwa 60 sekund, aby przekonać inwestora, że ma przed sobą przyszłość Hollywoodu i powinien wsiadać do tego pociągu, zanim odjedzie.

Nvidia czy były dyrektor generalny Google'a, Eric Schmidt, to jedni z inwestorów Imbue. Start-up przekonywał "ludzi z pieniędzmi", że tworzy przyszłość komputerów — jego AI ma zapewnić nam wszystkim wolność, godność i możliwość robienia tego, co uwielbiamy, bo specjalne oprogramowanie, instalowane na inteligentnych komputerach, zajmie się wykonywaniem zadań służbowych. Problem w tym, że nie umiemy doczekać się efektów, natomiast firma zachowuje się tak, jakby największe sukcesy miała już za sobą. Dla przykładu niedawno zafundowała swoim pracownikom wycieczkę do Japonii, aby mogli zyskać dodatkową inspirację.

Według danych CB Insights w zeszłym roku start-upy AI zgromadziły 21,8 mld dol. od inwestorów. Były to środki przeznaczone na rozwój różnego typu GenAI, czyli generatywnej sztucznej inteligencji, gdzie najpopularniejszym przykładem jest ChatGPT. W porównaniu do 2022 r. można mówić o pięciokrotnym wzroście inwestycji, a średnia wielkość transakcji wynosiła 51 mln dol. Jeśli ktoś pozyskał 1-2 mln dol. na start, był de facto wyśmiewany przez kolegów z Doliny Krzemowej. Dla porównania, średnia pozyskiwanego finansowania dla całego sektora start-upowego, a nie tylko firm AI, wynosi już tylko 8 mln dol. Wygląda na to, że wystarczy dodać w paru miejscach hasło "AI" do prezentacji i otwierają się drzwi do dodatkowych milionów dolarów.

Wyzwanie z modelem biznesowym

Każdy doświadczony przedsiębiorca powie, że trzeba trzymać koszty pod kontrolą, a model biznesowy jest dobry tylko wtedy, gdy pozwala na generowanie zysków. Zdaje się, że ta logika nadal nie funkcjonuje w świecie start-upów AI.

Po pierwsze: produkt. Rozwijanie modeli językowych, zasilających takie usługi jak ChatGPT, to bardzo droga aktywność. Potrzebujemy nie tylko dostęp do ogromnych zbiorów danych — coś, z czym nawet OpenAI ma problem — a dodatkowo niezbędna jest olbrzymia moc obliczeniowa, zapewniana przez drogie chipy AI. Same centra danych, do których wstawimy serwery zajmujące się obliczeniami AI, zużywają do tego mnóstwo energii elektrycznej.

Czytaj też: AI ma jedną dużą wadę. Zużywa tyle prądu, co cała Holandia

Już na starcie mamy więc do czynienia z ogromnymi kosztami. Aby więc nasz produkt miał szansę na siebie zarobić, powinien być nie tylko płatny, ale też stosunkowo drogi. Tymczasem start-upy chcą przede wszystkim budować rozpoznawalność i "przyzwyczajenie" użytkowników, więc oferują swoje produkty — jeśli już je mają — najczęściej za darmo. Jeśli natomiast decydują się na płatne wersje, wyznaczane ceny są relatywnie niskie. Za niskie, aby generować dla firmy zysk.

Oczywiście dla start-upów główną inspiracją jest OpenAI. Firma stojąca za ChatGPT podbiła rynek w spektakularny sposób. Usługa AI okazała się najszybciej rozwijającą się w historii internetu, a sama firma w ciągu roku zbliżyła się do miliarda przychodów (nie mylić z zyskami), co robi ogromne wrażenie na inwestorach. Problem jednak w tym, że inne start-upy nie zdołały jak dotąd powtórzyć tego sukcesu.

Dużo wskazywało na to, że firmą, która odniesie porównywalny sukces, będzie Inflection AI. Jest to biznes wspierany przez miliarderów (m.in. Billa Gatesa), którego współzałożycielem jest Reid Hoffman, czyli założyciel LinkedIn. Firma miala pracować nad "naturalnym chatbotem" o nazwie Pi. Gates przekonywał, że już nigdy nie skorzystamy z wyszukiwarki, bo AI będzie tak dobre, że wszystkie odpowiedzi poda nam na tacy, mówiąc że jest pod wrażeniem tego, co robią takie firmy jak Inflection.

Niestety, minął rok od założenia Inflection i firma do tej pory nie znalazła modelu biznesowego dla swoich modeli językowych, mimo że zgromadziła 1,5 mld dol. finansowania. Obecnie wygląda na to, że start-up będzie powoli zwijał żagle, a jego dyrektor generalny, Mustafa Suleyman, wraz z większością personelu przeniósł się już do Microsoftu.

Korporacje na ratunek

Konsumenci zadowalają się darmowymi wersjami narzędzi AI albo płacą za jeden, góra dwa produkty, które są stosunkowo niedrogie. Rezultat: start-upy nie wygenerują w ten sposób zysków, więc szukają innego klienta. Klienta korporacyjnego, czyli dużej firmy, która kupi od razu dostęp do setek lub tysięcy kont. W dodatku na licencji komercyjnej z różnymi rozszerzeniami, płacąc znacznie więcej za dostęp do danej AI.

Problem jednak w tym, że korporacje umieją liczyć. Albo wolą inwestować i tworzyć AI na własną rękę, więc wydają pieniądze przede wszystkim na budowanie infrastruktury opartej na chipach AI (na tym korzysta np. Nvidia, ale niekoniecznie start-upy), albo często stwierdzają, że sztuczna inteligencja, choć przydatna, nie będzie dla nich inwestycją, która się zwróci. Przynajmniej na teraz.

Generatywna AI ciągle też boryka się z problemami jakościowymi. Zdarza się, że modele językowe miewają "halucynacje", czyli podają niewłaściwe, zmyślone informacje, albo mają ograniczenia — nie zostały wytrenowane na wystarczająco bogatych bazach danych. Słowem, to ciągle nie jest jeszcze niezawodna technologia, pomijając już aspekty takie jak prywatność danych czy przestrzeganie praw autorskich. W wielu korporacjach, które zdecydowały się na zakup narzędzi AI, wprowadzono dla pracowników sporo ograniczeń, np. brak możliwości tworzenia grafik generowanych przez AI, bo nie ma pewności, czy nie dochodzi tutaj do łamania praw autorskich.

Obecnie więc nawet dla korporacji produkty oferowane przez start-upy AI nie są tak atrakcyjne, jak można by przypuszczać.

Jeśli sytuacja się nie zmieni, za kilka miesięcy bańka może pęknąć. A wtedy okaże się, że — podobnie jak w sektorze blockchain i kryptowalut — zostanie z nami jeden lub dwa silne projekty. A reszta? Reszta pójdzie w zapomnienie.

Autor: Grzegorz Kubera, dziennikarz Business Insider Polska