Az AI-forradalom közepén járva egyre több AI-szoftvercég bukkan fel a semmiből, lenyűgöző demókkal, komoly befektetésekkel, és persze az elmaradhatatlan „forradalmasítjuk az iparágat” ígéretekkel. De ha közelebbről megnézed, sokuk valójában inkább tanácsadócégként működik – csak szoftvercégnek adják el magukat. A valóságban viszont emberek ülnek mögötte, órákon át turkálnak ügyféladatokban, kérdéseket tesznek fel, majd kézzel gyártanak szintetikus adatokat vagy testreszabott AI-megoldásokat. Akkor most szoftvercég? Vagy tanácsadó? A válasz: mindkettő. Vagy egyik sem.

Ez nem feltétlenül probléma, de érdemes nevén nevezni a dolgokat. Ebben a cikkben végigmegyünk azon, miért épít sok AI-startup tanácsadási modellre, hogyan próbálják szoftverként eladni, és mit jelent ez a piac számára – itthon is.

Nehéz a B2B 

Bármennyire is izgalmas a generatív mesterséges intelligencia, a cégek – főleg a technológián kívüli szektorban – nehezen tudják bevezetni. Ennek három fő oka van:

• Drága: Az AI-modellek futtatása komoly költségekkel jár, főleg ha nem dobozos megoldásról van szó. Személyre szabásról, fine-tuningról pedig még nem is beszéltünk.
• Pontatlan: A hallucinációk, hibás válaszok miatt sok cég nem meri éles üzleti folyamatba beépíteni. ugye ez szakértelemmel mind kiváltható, hozzértő setuppal és céges adatokkal, integrációkkal – de ez nem mindenkinek kézenfekvő.
• Komplex: Nehéz beállítani, nehéz összekötni a belső rendszerekkel. Nincs „plug & play”. Bár nyilván már tudjuk, hogy van: létezik az MCP, ami kvázi biztosítja ezt, de ez a megoldás sem mindenhol elterjedt.

Ez utóbbi az igazi akadály: az AI „csak úgy” nem áll munkába. Ehhez értő kezek, tanácsadás, egyedi bevezetés kell – amire a legtöbb vállalatnak nincs házon belül kapacitása. Az AI nem olyan, mint egy CRM, amit beállítasz, és megy. Kell hozzá adat-előkészítés, prompt engineering, modell finomhangolás – és legfőképp: ember. És itt jön képbe az AI-cégek trükkje.

Tanácsadás szoftvernek álcázva

Sok startup azt állítja magáról, hogy adatgeneráló, adatkurátor vagy testreszabott AI-megoldásokat szállító cég. De a valóságban a termékük nem más, mint emberek munkája: elemzők kérdeznek, adatokat kutatnak, és manuálisan készítenek elő tréningadatokat egy-egy modellhez, vagy egyedi agentekhez, RAG-hoz, személyre szabott megoldásokhoz. Tehát nem dobozos megoldást árulnak, hanem emberi munkával kivitelezett szolgáltatást – aminek nyilván egy része lehet automatizált, de a lényeg nem ezen van.

Például: egy „AI-szoftvercég” felméri a partner cég csalásfelderítési adatait, majd interjúkkal, belső szabályok feltérképezésével generál hozzá szintetikus adatokat. Az így kapott input alapján egy egyedi modellt állítanak össze – de mindez nem automatizált termékfejlesztési folyamat, hanem tanácsadási munka. 

Ez pedig sokszor semmiben sem különbözik attól, amit a PwC, a Deloitte vagy egy rendszerintegrátor csinál – csak más név alatt

A legtöbb AI startup nem azért nem ad szoftvert, mert nincs kész a termék – hanem mert az ügyfélnek sokkal inkább konzultációra van szüksége, mint kódra vagy saját platformra. És ezt a befektetők is látják: ezek a cégek valójában klasszikus tanácsadók, csak techruhában. A céljuk egyértelmű: a tanácsadásból befolyó bevétellel életben maradni addig, amíg valódi, skálázható szoftvermegoldást tudnak fejleszteni.

De miért?

A válasz egyszerű: muszáj. Az AI-cégek nyomás alatt vannak: gyorsan kell bevételt szerezni, ügyfélre van szükség, hogy újabb befektetési kört zárjanak. Mivel a termékek még nincsenek kész, vagy a szolgáltatásuk mögött még third-party platformok/cégek infrastruktúrája van, az egyedi projektekből próbálnak túlélni. Ezek viszont nem skálázhatók, és az üzleti modell sem biztos, hogy át tud állni később „igazi” SaaS-ra.

Ezért a VC-k is paradox helyzetben vannak. Egyfelől mindenki AI-sztorikba akar tenni pénzt. Másfelől látják, hogy ezek a cégek nem tudnak szoftveres modellre váltani, vagy ha igen, csak nagyon nehezen. Ott a DataRobot példája, ami rengeteg pénzt égetett el anélkül, hogy valódi, skálázható SaaS-céggé tudott volna válni. Ugyanakkor a Palantir esete is bizonyítja, hogy hosszú távon a tanácsadási fázisból is kinőhet valami komolyabb.

Mi az a Palantir? Egy amerikai adatplatform-cég, ami kormányoknak és nagyvállalatoknak segít komplex adatelemzési feladatokban. Fő termékei (Gotham, Foundry) mögött gyakran „kitelepített” mérnökcsapatok (FDE-k) dolgoznak – pont úgy, ahogy most az OpenAI is elkezdte.

Ha AI-szolgáltatáson gondolkodsz, vagy saját startupot építenél: ne félj tanácsadással indítani. De tartsd észben: ez nem SaaS. Akkor lesz eladhatóbb és értékesebb a céged, ha tudsz skálázható, termékalapú megoldást is építeni rá.

Nagyban is látjuk ezt más skálán

Ugyanis az OpenAI is – amit sokan kizárólag techóriásként tartanak számon – gyakorlatilag beállt a tanácsadó cégek sorába, legalábbis, ha vállalati ügyfelekről van szó. A cég nemcsak hogy bevezetett egy „Custom Model” szolgáltatást, hanem mára komplett konzultációs csapattal dolgozik azon, hogy személyre szabott megoldásokat fejlesszen ki milliárdos ügyfeleknek.

Ez nem csak egy „plusz szolgáltatás” a ChatGPT előfizetések mellett – hanem egy új üzletág, komoly emberekkel, komoly pénzekért. Az úgynevezett forward deployed engineer (FDE) csapat, amit OpenAI-n belül létrehoztak, lényegében az ügyfelekhez „kitelepülő” AI-specialistákból áll. Ez a modell egyébként kísértetiesen hasonlít a Palantir működésére, akiktől az OpenAI több embert is átcsábított.

És mit csinálnak? Pl:

• A Morgan Stanley számára készült chatbot, ami a bank saját kutatásait és adatait használja.
• A Grab (ázsiai szuperapp) megbízásából egy egyedi Vision-modellt fejlesztettek, amely az utcaképek alapján automatikusan térképeket generál.
• A Pentagon megbízása alapján (nem kevesebb mint 200 millió dolláros értékben) egy haditervezésre optimalizált AI-terméket szállítanak le.

Ezek a projektek nem „csak” AI-modellek. Ezek komplett pilot projektek, mérnökökkel, fejlesztőkkel, domain szakértőkkel – klasszikus tanácsadási munka. Pont mint a Palantirnál. És hogy ez mennyibe kerül? Egy tipikus OpenAI tanácsadási projekt minimum 10 millió dollárnál kezdődik, és akár a százmilliós nagyságrendet is eléri. Mi ebből a tanulság? Egy szoftvertermék önmagában nem mindig elég. Ha prémium ügyfelet akarsz, lehet, hogy személyre szabott, prémium tanácsadás is kell mellé.

A különbség viszont az, hogy egy OpenAI (vagy egy Snorkel AI) számára ezek a tanácsadási szolgáltatások csak egy kis szeletei a portfóliónak. A legtöbb startupnak viszont ezek az egyetlen működő bevételi forrásai. És épp emiatt nehezebb lehet később átállniuk egy skálázható, termékalapú modellre – már ha sikerül egyáltalán.

Mit scrapelj ebből le

Itthon, nálunk is sorra jelennek meg a „prompt engineering”, „AI automatizálás”, „folyamat AI-osítás” feliratú szolgáltatások. Ezek mögött általában nem áll kész termék, hanem személyes implementáció, tanácsadás, egyedi bevezetés van. Ami nem baj – csak fontos, hogy ezt így is pozícionáljuk, de kezdj el gondolkodni azon, hogyan lesz ebből hosszabb távon termék… Sőt, ügyféloldalról is fontos a felismerés: ha AI-t vezetnél be a cégedbe, valószínűleg nem egyetlen dobozos szoftver oldja meg, hanem egyedi fejlesztés és partneri együttműködés kell hozzá.

Egy biztos, ha már most megoldást(!) szolgáltatsz, akkor jó úton vagy! De tervezz előre!

Olvasnál még a témában?

• Top 10 tavaszi AI startup – az Y Combinator felhívása „agentic” megoldásokra
• A Heineken mesterséges intelligenciával oltja szomját az adatkezelésben
• Shopify CEO: „AI használat = alapelvárás”
• Változik a SEO! AI-alapú válaszok a Google-ben. így működik a Google AI Overview!

Forrás:
The Information, Minner

Fotó:
CanvaGPT