Az AI körül óriási a felhajtás, ömlenek a milliárdok (az OpenAI egyedül több milliárdos chip-üzleteket köt), de a profit… nos, az a legtöbb helyen még várat magára. Írtunk erről már a Meta és Apple vonatkozásában is!

Most a HBR mélyére ásott a témának, és Andy Wu, a Harvard Business School professzora elemezte a helyzetet. Miközben a versenyben mindenki a következő generációs AI-t építi, amihez több terabájtnyi adat, gigawattnyi áram és százmilliárd dollárnyi tehetség kell, egyes közgazdászok már egy közelgő AI-lufiról beszélnek. A HBR szerint a központi probléma viszont egyetlen mondatban leírható:

a generatív AI-nak jelenleg „magas a változó költsége és alacsony a változó bevétele”.

De mit jelent ez a gyakorlatban, és miért kellene, hogy ez téged, mint vállalkozót érdekeljen?

Mekkorák is az AI költségei valójában?

A legtöbben a nagy nyelvi modellek betanításának magas fix költségére gondolnak. Igen, ez is brutális tétel. De a valódi, mindennapi horror a változó költség. Ezt „következtetésnek” (inference) hívják a szakmában, de magyarul ez annyit tesz: a költsége annak, hogy a rendszer választ ad a te promptodra.

Gondolj bele: azok a cuki, Studio Ghibli stílusú rajzfilmek, amiket AI-val generálsz a socialre? Mindegyik kép valódi pénzbe kerül. Pár centnyi áram és chip-kapacitás. Csak egyetlen kép. Az OpenAI becslése szerint 2030-ig több mint 150 milliárd dollárt fognak elkölteni csak ezekre a futtatási költségekre.

Ez az, amiért a jelenlegi üzleti modellek nem működnek. A legtöbb felhasználó ingyen kapja a szolgáltatást. Az „power userek” pedig fizetnek egy fix havidíjat. Ez a modell a szoftverek előző korszakából maradt ránk, amikor a szoftver változó költsége nulla vagy közel nulla volt. De itt minden egyes kattintás, minden egyes generált szó pénzbe kerül a szolgáltatónak.

Ki vezeti a versenyt? (aranyláz analógia)

Ha van egy aranyláz, többféleképpen lehetsz sikeres:

1. Áshatsz arany után.
2. Árulhatsz lapátot az aranyásóknak.
3. Készíthetsz ékszert a megtalált aranyból.

A HBR elemzése szerint a tőzsde egyértelműen döntött. 2022 vége óta a generatív AI legnagyobb nyertese az Nvidia. Ők a tökéletes „lapátárusok”.

De a második helyezett meglepőbb: a Meta. A Meta az „ékszerkészítő”. A generatív AI tökéletesen kiegészíti a meglévő platformjaikat: a közösségi médiát, a hirdetési rendszert, és a jövőben talán a metaverzumot. A Meta egyedülálló helyzetben van, hogy profitáljon a technológia fejlődéséből (annak ellenére, hogy túl sokat eddig még nem profitáltak!), és sokkal jobban teljesített, mint a Google vagy a Microsoft, akiket pedig hagyományosan jobban kötünk az AI-hoz.

Az OpenAI problémája: mi van, ha az arany (az alapmodell) értéktelen?

És mi van az aranyásókkal, mint az OpenAI vagy az Anthropic? Nos, az ő helyzetük a legnehezebb.

A szakmában az egyik alapvető vita, hogy maga a generatív AI technológia – az alapmodell – valójában egy „commodity”-e, azaz tömegtermék. Andy Wu professzor szerint egyértelműen az. Ha pedig ez igaz, akkor az OpenAI és a többiek azzal a kihívással néznek szembe, hogy megpróbálnak pénzzé tenni egy tömegterméket, aminek a létrehozásába százmilliárdokat öltek.

Plusz a szellemi tulajdon védelme ezen a téren rendkívül gyenge. Még ha elképesztő fejlesztéseket is érsz el a modelledben, nem egyértelmű, hogy meg tudod védeni a versenytársaktól. Rövid idő alatt az xAI (Grok) vagy a DeepSeek is képes volt megközelíteni az OpenAI szintjét, sokkal kisebb befektetéssel.

Értékteremtés vs. értékszerzés
Vállalkozóként ez a legfontosabb. Attól, hogy valami értéket teremt (és az AI kétségtelenül azt tesz), még nem biztos, hogy az értéket meg is tudod szerezni (azaz profitot tudsz belőle csinálni). Ha alacsonyak a belépési korlátok, hiába teremtettél értéket, nem fogsz tudni magas árat kérni, mert jön valaki, és megcsinálja olcsóbban vagy ingyen.

Milyen üzleti modell fog működni az AI-nál?

A végén a legéletképesebb üzleti modell valószínűleg a használat alapú fizetés (pay-for-usage) valamilyen formája lesz. A gond az, hogy mi, felhasználók, még nem tartunk itt (de fejlesztők például már sokan ebben az API-használatért való fizetési rendszerben vannak).

Emlékszel még, amikor egyszer megvettél egy szoftvert CD-n, és örökre a tiéd volt? Aztán jött a bosszantó átállás az előfizetéses (SaaS) modellre, és most havonta fizetsz mindenért. A HBR szerint jön a következő, még bosszantóbb átállás: hamarosan használati alkalmanként fogunk fizetni.

Ez a folyamat már el is kezdődött. A mai AI „előfizetések” valójában nem is igazi előfizetések, mert szinte mindegyik korlátozza a használatot (pl. havi 40 üzenet a GPT-XY-hoz). Ez már egy rejtett használat alapú modell.

Használd, amíg ingyen van! A HBR szerint a probléma az, hogy ezek az előfizetések még mindig túl alacsonyra vannak árazva. A tipikus havi 20 dollár nem elég a szolgáltatások változó költségeinek fedezésére sem. A befektetők pénzéből kapjuk ma ezt a szolgáltatást. A professzor tanácsa:

„Bátorítok mindenkit, hogy használja ezeket a szolgáltatásokat, ameddig csak tudja. Mi, felhasználók, ma nagyszerű üzletet kötünk egy olyan szolgáltatással, amit a befektetők szponzorálnak.”

A méret a lényeg? A kisebb modellek felemelkedése

Ide tartozik az is, hogy sokáig az volt az elmélet, hogy minél nagyobb a modell, annál jobb a minősége. Láttuk ezt a GPT-2-től a GPT-4-ig. De ezeknek a gigantikus modelleknek a futtatási (változó) költségei is gigantikusak. Eljutottunk egy pontra, ahol a legnagyobb modellek költségei már „túlmutatnak minden ismert üzleti modell keretein”.

Ezért az utóbbi időben a figyelem a kisebb modellek fejlesztése felé fordult, amelyek „összehasonlítható minőséget” tudnak nyújtani, de sokkal alacsonyabb változó költségek mellett.

Jön a kijózanodás?

A HBR szerint nem lenne meglepő, ha a következő években „kijózanodást” tapasztalnánk. A legfelkapottabb AI-cégek hatalmas veszteségeket termelnek, és a profitabilitás a legtöbbjüknél messze van. Az OpenAI-nak és a többieknek folyamatosan újabb és újabb tőkét kell bevonniuk, hogy felszínen maradjanak.

Hogyan (nem) használja a Google az AI-t? A nagy tech cégek stratégiája is árulkodó. A Google-nek elvileg minden technikai képessége megvan, hogy az AI-t mindenhová beerőltesse. Feltűnő, hogy úgy döntöttek, ezt nem teszik meg.

Vegyük az AI Overviews (AI által generált összefoglaló a keresőben) példáját. A Google oda tehetné minden egyes keresési oldal tetejére. Mégis, ahogy bevezették, egyből vissza is vonták bizonyos keresési típusoknál. Miért?

Mert a Google-nek rövid távon nem áll pénzügyi érdekében, hogy teljes gőzzel bevesse az AI-t

Azok a keresések, amelyeknél a generatív AI a leghasznosabb (pl. „írj nekem egy harmadikos esszét a dinoszauruszokról”), pont azok a keresések, amelyeken a Google amúgy sem keres pénzt. A Google a kereskedelmi kereséseken keres pénzt (repülőjegyek, termékajánlók), ahol a generatív AI ma még nem feltétlenül nyújt előnyt a hagyományos kereséssel szemben.

És mit csinál a Meta és a Microsoft?

A Meta, az Amazon és a Microsoft úgy léptek, hogy maximalizálják a hasznot, miközben minimalizálják a saját kockázatukat.

A Microsoft a legérdekesebb. A legtöbben az OpenAI szoros szövetségeseként gondolnak rájuk. És mégis, a Microsoft befektetett vagy támogatott számos nyílt forráskódú alternatívát is az OpenAI-jal szemben. A Meta a Llama modellel az open-source vezetője lett, és a Meta preferált partnere a Llama futtatására? A Microsoft Azure. Emellett a Microsoft elcsábította a Google DeepMind egyik alapítóját, hogy saját, házon belüli modellt építsen.

Magyarul: a Microsoft minden lóra tesz egyszerre.

Akkor ez most egy lufi?

A HBR professzora szerint a technológiai iparág rendszeresen átmegy ilyen ciklusokon: dot-com lufi, sharing economy lufi (WeWork), home office lufi (Zoom, Peloton), VR, kripto…

A tech lufi definíciója Egy technológiai lufi definíciója az, amikor „mindenki látja az értékteremtést, de senki sem gondolkodik az értékszerzésen”.

A HBR a Pets.com példáját hozza fel az 1990-es évek végéről. Az ötlet az volt, hogy kutyatápot postáznak az emberek otthonába. Szuper dolog. Az értékteremtési potenciál óriási volt. De a nagy felhajtásban ideiglenesen szem elől tévesztették az értékszerzést: egyszerűen nem volt mögötte működő üzleti modell. Később, amikor a logisztika és az e-kereskedelem fejlődött, a Chewy nevű cég meg tudta csinálni és sikeres lett.

Az AI esetében is ez a kockázat: óriási a szakadék az ígért, elképesztő értékteremtés és aközött, hogy ebből az értékből a cégek mennyit tudnak majd ténylegesen „lefölözni”, azaz profittá alakítani.

Olvass tovább!

• 300 milliárdos AI-offenzíva – pörög a felhőbiznisz
• Hogyan döntötte meg a ChatGPT az online oktatást? – Diszruptív innováció
• Az Amazon AI chatbotja 10 milliárd plusz bevételt generál éves szinten! Hogyan?
• AI ügynökök már a böngésződben is, de ez miért nem jó neked (még)

Forrás:
Harvard Business Review

Fotó:
Google Nano Banana