چرا درآمد سالانه استارتاپ‌های هوش مصنوعی دیگر مثل گذشته قابل اتکا نیست؟

رشد سریع هوش مصنوعی در سال‌های اخیر فقط شیوه استفاده از فناوری را تغییر نداده است؛ بلکه مدل خرید فناوری توسط شرکت‌ها و حتی نحوه ارزش‌گذاری استارتاپ‌ها را نیز تحت تأثیر قرار داده است. یکی از مهم‌ترین پیامدهای این تغییر، کاهش اطمینان‌پذیری درآمد سالانه تکرارشونده یا ARR در استارتاپ‌های فعال حوزه هوش مصنوعی است.

در مدل سنتی نرم‌افزار به‌عنوان سرویس یا SaaS، زمانی که یک شرکت نرم‌افزاری را انتخاب می‌کرد، معمولاً قراردادهای بلندمدت، هزینه مهاجرت و وابستگی سازمان به سیستم باعث می‌شد مشتری برای مدت طولانی‌تری باقی بماند. اما شرایط در بازار هوش مصنوعی متفاوت شده است.

شرکت‌ها اکنون با سرعت بیشتری ابزارهای هوش مصنوعی را آزمایش می‌کنند، آن‌ها را با محصولات رقیب مقایسه می‌کنند و حتی پس از ورود یک محصول به مرحله استفاده عملیاتی، ممکن است دوباره درباره ادامه همکاری تصمیم بگیرند.

افزایش بودجه هوش مصنوعی؛ اما کاهش تعهد بلندمدت

بر اساس پژوهش جدید شرکت سرمایه‌گذاری Madrona، حدود ۷۴ درصد از مدیران فناوری سازمانی اعلام کرده‌اند که قصد دارند بودجه هوش مصنوعی خود را طی ۱۲ ماه آینده افزایش دهند و سایر شرکت‌های بررسی‌شده نیز برنامه‌ای برای کاهش این هزینه‌ها ندارند.

در نگاه اول، این آمار خبر بسیار خوبی برای استارتاپ‌های هوش مصنوعی است. شرکت‌ها پول بیشتری برای AI اختصاص می‌دهند و بازار در حال رشد است.

اما یک نکته مهم در همین گزارش وجود دارد: کمتر از نیمی از پروژه‌های آزمایشی هوش مصنوعی به مرحله تولید کامل می‌رسند.

یعنی افزایش بودجه الزاماً به معنای تبدیل شدن آن بودجه به درآمد پایدار برای استارتاپ‌ها نیست.

این موضوع نشان می‌دهد بازار هوش مصنوعی وارد مرحله‌ای شده که در آن شرکت‌ها حاضرند فناوری‌های جدید را امتحان کنند، اما هنوز برای متعهد شدن بلندمدت به یک فروشنده خاص، احتیاط زیادی دارند.

مفهوم ARR در استارتاپ‌های هوش مصنوعی چه تغییری کرده است؟

ARR یا Annual Recurring Revenue یکی از مهم‌ترین شاخص‌هایی است که برای ارزیابی عملکرد شرکت‌های SaaS و استارتاپ‌های اشتراکی مورد استفاده قرار می‌گیرد.

برای مثال، اگر یک شرکت چند قرارداد سالانه به ارزش مجموعاً ۱۰ میلیون دلار داشته باشد، می‌تواند ARR خود را حدود ۱۰ میلیون دلار گزارش کند.

در سال‌های گذشته، چنین رقمی معمولاً نشانه‌ای از درآمد نسبتاً قابل پیش‌بینی بود. قراردادهای چندساله، هزینه بالای تغییر نرم‌افزار و وابستگی سازمان به سیستم باعث می‌شد احتمال از دست رفتن سریع مشتری پایین باشد.

اما در بازار هوش مصنوعی این فرض دیگر همیشه درست نیست.

شرکت‌های بزرگ ممکن است یک محصول AI را وارد سازمان کنند، مدتی از آن استفاده کنند و سپس در فاصله کوتاهی آن را با یک محصول جدید مقایسه کنند.

در نتیجه، یک استارتاپ ممکن است رشد بسیار سریعی در ARR داشته باشد، اما این درآمد الزاماً به اندازه گذشته پایدار و قابل پیش‌بینی نباشد.

چرا شرکت‌ها دائماً فروشندگان هوش مصنوعی را ارزیابی می‌کنند؟

یکی از مهم‌ترین یافته‌های پژوهش Madrona این است که حدود ۷۷ درصد از سازمان‌ها، فروشندگان محصولات هوش مصنوعی خود را هر شش ماه یا حتی به‌صورت مستمر دوباره ارزیابی می‌کنند.

این رفتار تفاوت بزرگی با مدل سنتی خرید نرم‌افزار سازمانی دارد.

در SaaS سنتی، شرکت ممکن است برای یک نرم‌افزار منابع انسانی، سیستم مدیریت ارتباط با مشتری یا سرویس ابری قرارداد چندساله ببندد. پس از پیاده‌سازی نیز تغییر سیستم می‌تواند پرهزینه و پیچیده باشد.

اما در بسیاری از کاربردهای هوش مصنوعی، جایگزین کردن یک مدل یا ابزار با گزینه‌ای دیگر می‌تواند بسیار ساده‌تر باشد.

به همین دلیل، هزینه تغییر فروشنده یا Switching Cost کاهش پیدا کرده است.

این شرایط یک بازار «ورود سریع، خروج سریع» ایجاد کرده است؛ بازاری که در آن مشتری ابتدا فناوری را امتحان می‌کند و اگر محصول دیگری ارزش اقتصادی بیشتری ارائه دهد، ممکن است به‌سرعت تصمیم خود را تغییر دهد.

پایان دوره قراردادهای سنگین و بلندمدت؟

این تغییر به معنای پایان قراردادهای بلندمدت نیست، اما نشان می‌دهد که قرارداد دیگر به‌تنهایی تضمین‌کننده درآمد آینده یک استارتاپ هوش مصنوعی نیست.

در گذشته، یک قرارداد سازمانی بزرگ می‌توانست برای چند سال آینده یک جریان درآمدی نسبتاً قابل پیش‌بینی ایجاد کند.

اما اکنون مشتریان سازمانی بیشتر به این سؤال توجه می‌کنند:

«این ابزار واقعاً چه مقدار ارزش اقتصادی برای ما ایجاد می‌کند؟»

اگر پاسخ این سؤال تغییر کند، ادامه قرارداد نیز ممکن است زیر سؤال برود.

به همین دلیل، استارتاپ‌های هوش مصنوعی مجبورند علاوه بر جذب مشتری، به‌صورت مستمر ارزش محصول خود را اثبات کنند.

مشکل مدل قیمت‌گذاری در محصولات هوش مصنوعی

یکی دیگر از چالش‌های بزرگ، نحوه قیمت‌گذاری محصولات هوش مصنوعی است.

در مدل سنتی SaaS، قیمت‌گذاری معمولاً بر اساس معیارهایی مانند تعداد کاربران، تعداد کارکنان، میزان فضای ذخیره‌سازی یا تعداد مجوزها انجام می‌شود.

اما این مدل برای هوش مصنوعی همیشه مناسب نیست.

فرض کنید یک ابزار هوش مصنوعی برای یک شرکت گزارش تولید می‌کند. برای مشتری اهمیت چندانی ندارد که سیستم برای تولید گزارش از چه تعداد توکن استفاده کرده است. چیزی که برای او اهمیت دارد، نتیجه نهایی است.

به همین دلیل، برخی خریداران سازمانی ترجیح می‌دهند هزینه محصولات AI بر اساس نتیجه یا کاری که سیستم انجام می‌دهد تعیین شود.

برای نمونه:

• تعداد گزارش‌های پردازش‌شده
• تعداد درخواست‌های پشتیبانی حل‌شده
• تعداد سرنخ‌های فروش ایجادشده
• تعداد پرونده‌های بررسی‌شده
• میزان صرفه‌جویی در زمان کارکنان
• میزان افزایش بهره‌وری

این مدل قیمت‌گذاری می‌تواند رابطه مستقیم‌تری میان هزینه و ارزش ایجاد کند.

قیمت‌گذاری مبتنی بر نتیجه؛ مسیر جدید درآمدزایی AI

در قیمت‌گذاری سنتی، مشتری برای استفاده از نرم‌افزار هزینه پرداخت می‌کند.

اما در مدل جدید، مشتری ممکن است برای کاری که نرم‌افزار انجام می‌دهد هزینه بپردازد.

این تفاوت بسیار مهم است.

فرض کنیم یک شرکت هوش مصنوعی برای پردازش اسناد سازمانی فعالیت می‌کند. در مدل قدیمی ممکن است مشتری بر اساس تعداد کاربران یا میزان استفاده از API هزینه پرداخت کند.

اما در مدل مبتنی بر نتیجه، ممکن است هزینه بر اساس تعداد اسناد پردازش‌شده تعیین شود.

در این حالت، ارزش اقتصادی محصول برای مشتری شفاف‌تر است و استارتاپ نیز می‌تواند مستقیماً ارتباط میان محصول و نتیجه ایجادشده را نشان دهد.

فرصت بزرگ برای استارتاپ‌ها؛ در کنار یک ریسک جدی

شرایط جدید فقط تهدید نیست.

اتفاقاً یکی از مهم‌ترین فرصت‌های بازار هوش مصنوعی همین است که شرکت‌ها نسبت به گذشته آمادگی بیشتری برای امتحان کردن فناوری‌های جدید دارند.

یک استارتاپ کوچک می‌تواند محصولی بسازد که یک سازمان بزرگ حاضر باشد آن را آزمایش کند؛ اتفاقی که در بسیاری از بازارهای سنتی نرم‌افزار دشوارتر بود.

اما همین فرصت یک ریسک نیز دارد.

ممکن است مشتری محصول را آزمایش کند، قرارداد ببندد و حتی آن را وارد فرآیندهای عملیاتی کند، اما چند ماه بعد سراغ گزینه دیگری برود.

بنابراین استارتاپ‌های AI دیگر نمی‌توانند تنها با جذب قراردادهای بزرگ، آینده درآمدی خود را تضمین‌شده بدانند.

رشد سریع ARR همیشه به معنای موفقیت پایدار نیست

در سال‌های اخیر نمونه‌هایی از استارتاپ‌های هوش مصنوعی دیده شده‌اند که در مدت بسیار کوتاهی از درآمد صفر به میلیون‌ها دلار درآمد سالانه رسیده‌اند.

این سرعت رشد برای سرمایه‌گذاران و بازار بسیار جذاب است.

اما باید میان دو مفهوم تفاوت قائل شد:

رشد درآمد و پایداری درآمد.

یک استارتاپ ممکن است بتواند در مدت سه ماه به ARR بسیار بالایی برسد، اما اگر بخش بزرگی از مشتریان قراردادهای کوتاه‌مدت داشته باشند و مرتباً فروشندگان را ارزیابی کنند، حفظ همان درآمد می‌تواند چالش‌برانگیز باشد.

به همین دلیل، در بازار جدید AI فقط مقدار ARR اهمیت ندارد؛ کیفیت ARR نیز اهمیت بیشتری پیدا می‌کند.

استارتاپ‌های هوش مصنوعی باید چه کاری انجام دهند؟

برای موفقیت در این بازار، شرکت‌های AI باید فراتر از فروش یک محصول حرکت کنند.

تمرکز بر ارزش واقعی برای مشتری

محصول باید بتواند به شکل قابل اندازه‌گیری نشان دهد که چه مشکلی را حل می‌کند و چه مقدار ارزش اقتصادی ایجاد کرده است.

طراحی مدل قیمت‌گذاری مناسب

قیمت‌گذاری بر اساس نتیجه، خروجی یا ارزش ایجادشده می‌تواند در برخی محصولات هوش مصنوعی نسبت به مدل‌های سنتی SaaS منطقی‌تر باشد.

افزایش هزینه و دشواری تغییر سرویس

اگر محصول بخشی از فرآیندهای اصلی سازمان را مدیریت کند، داده‌ها و گردش کار را به شکل مناسبی در سیستم قرار دهد و ارزش واقعی ایجاد کند، احتمال خروج مشتری کاهش پیدا می‌کند.

تمرکز بر حفظ مشتری

در بازاری که مشتریان مرتباً فروشندگان را مقایسه می‌کنند، جذب مشتری تنها مرحله اول است. حفظ مشتری و اثبات مداوم ارزش محصول اهمیت بسیار بیشتری پیدا کرده است.

آینده درآمد استارتاپ‌های AI چگونه خواهد بود؟

بازار هوش مصنوعی هنوز در حال شکل‌گیری است و مشخص نیست رفتار فعلی شرکت‌های بزرگ در سال‌های آینده دقیقاً چگونه تغییر خواهد کرد.

ممکن است با بالغ‌تر شدن محصولات AI، سازمان‌ها دوباره به قراردادهای بلندمدت‌تر روی بیاورند. از طرف دیگر، ممکن است مدل «آزمایش، ارزیابی و جایگزینی» به بخش دائمی خرید فناوری سازمانی تبدیل شود.

آنچه در حال حاضر مشخص است این است که رشد سریع بازار هوش مصنوعی الزاماً به معنای امنیت بیشتر درآمد استارتاپ‌ها نیست.

شرکت‌های سازمانی پول بیشتری برای AI خرج می‌کنند، اما هم‌زمان آزادی بیشتری برای انتخاب و تغییر فروشنده دارند.

به همین دلیل، آینده موفقیت استارتاپ‌های هوش مصنوعی احتمالاً فقط به توانایی آن‌ها در جذب قراردادهای بزرگ وابسته نخواهد بود؛ بلکه به توانایی آن‌ها در ایجاد ارزش واقعی، اثبات بازگشت سرمایه و حفظ مشتری در بلندمدت بستگی خواهد داشت.

جمع‌بندی

هوش مصنوعی قواعد بازی در بازار نرم‌افزار سازمانی را تغییر داده است. شرکت‌ها اکنون با سرعت بیشتری فناوری‌های جدید را آزمایش می‌کنند و بودجه قابل‌توجهی نیز برای آن اختصاص می‌دهند، اما این افزایش هزینه لزوماً به قراردادهای چندساله و درآمد کاملاً پایدار برای استارتاپ‌ها تبدیل نمی‌شود.

کاهش هزینه تغییر فروشنده، ارزیابی مداوم محصولات و تغییر الگوهای قیمت‌گذاری باعث شده است مفهوم ARR در استارتاپ‌های هوش مصنوعی با گذشته تفاوت داشته باشد.

در این بازار، داشتن ARR بالا به‌تنهایی کافی نیست. استارتاپی موفق‌تر خواهد بود که بتواند ارزش اقتصادی محصول خود را به‌صورت مستمر ثابت کند، مدل قیمت‌گذاری مناسبی داشته باشد و دلیلی واقعی برای ادامه همکاری مشتری ایجاد کند.

در نهایت، عصر جدید هوش مصنوعی می‌تواند فرصت بزرگی برای ورود استارتاپ‌های کوچک به بازار سازمانی باشد؛ اما همین بازار، شرکت‌ها را مجبور می‌کند برای حفظ درآمد خود هر روز بیشتر از گذشته ارزش واقعی محصولشان را ثابت کنند.