Kdo izgublja v času umetne inteligence – zakaj je Chegg padel in kdo je naslednji

Strah zaradi vpliva umetne inteligence (AI) na poslovne modele ni nov, vendar je v zadnjem letu začel dobivati zelo konkretne obrise na kapitalskih trgih. Eden najjasnejših primerov je Chegg, tehnološko-izobraževalno podjetje, katerega poslovni model je bil resno zamajan po pojavu naprednih AI klepetalnih robotov, ki uporabnikom ponujajo podobne storitve brezplačno in bolj učinkovito.

A primer Chegga ni osamljen incident, temveč znak globlje strukturne spremembe. Ključno vprašanje za vlagatelje danes je, katera podjetja imajo poslovne modele, ki so temeljno izpostavljeni AI motnjam, in kako to tveganje prepoznati, preden se odrazi v ceni delnic.

Prav tu pridemo do vprašanja razumevanja razlik med poslovnimi modeli, kar je lahko odločilno pri prepoznavanju naslednjih potencialnih poražencev, pa tudi zmagovalcev v eri umetne inteligence.

Kdo je Chegg

Podjetje Chegg je ameriško tehnološko-izobraževalno podjetje, katerega poslovni model je temeljil na tem, da študenti plačujejo mesečno naročnino za dostop do baze 79 milijonov rešenih nalog ter možnosti zasebnih inštrukcij na zahtevo.

Podjetje je začelo kot platforma za izposojo fizičnih učbenikov, nato pa se je v desetletju preoblikovalo v prevladujočo digitalno storitev za akademsko pomoč, prisotno v več kot 180 državah in v svojem vrhuncu s skoraj devetimi milijoni naročnikov. Na valu pandemičnega povpraševanja po spletnem učenju je delnica februarja 2021 dosegla približno 115 dolarjev, usoden trenutek pa je bil november 2022, ko je bil predstavljen ChatGPT, kar je sprožilo močan padec delnice; danes je njena vrednost okoli enega dolarja na delnico.

Kaj je Chegg potegnilo na dno

Ko pogledamo podjetje, je najpomembnejši segment, ki ne sme biti pod pritiskom, prav MOAT (konkurenčna prednost) podjetja. Prav na tem, kar predstavlja temelj prihodnje rasti podjetja, temelji njegova sposobnost povečevanja prihodkov, ki neposredno izhaja iz konkurenčne prednosti, medtem ko vsi ostali segmenti temeljijo na uspešnosti menedžmenta pri obvladovanju stroškov, prodaje, investicij in drugih delov poslovanja, ki jih je mogoče nadzorovati. Vendar pa je, če podjetje ne more prodati svojega izdelka ali storitve, zaman govoriti o katerem koli drugem segmentu finančnega upravljanja.

Izpostavljamo tri glavne slabosti, ki so odločile usodo podjetja in ga naredile ranljivega takoj, ko se je umetna inteligenca začela širiti.

Prva slabost Chegga je bila njegova osredotočenost na prodajo odgovorov na vprašanja. Težava je nastala v tem, da njegov model ni vseboval metodologije, certifikata ali kakršne koli oblike zvestobe, ki bi študenta vezala na platformo, zato je prihod brezplačnih LLM modelov, ki dajejo bistveno hitrejše, boljše in predvsem brezplačne odgovore, enostavno zamenjal njihov poslovni model.

Druga slabost je bila skrita v sami arhitekturi rasti, prav ta pa je povzročila razpad prihodkov – dejstvo, da je velika večina uporabnikov prihajala na Chegg prek Googlovega iskanja, ne pa neposredno, torej je bilo podjetje izrazito odvisno od funnela, ki je prihajal iz iskalnika.

To ne bi bil problem, če Google leta 2024 ne bi uvedel svojih AI Overviews, ki na vrhu iskanja generirajo neposreden odgovor, zaradi česar študenti niso več imeli potrebe po vstopu na Chegg. S tem se je promet Chegga zmanjšal za 37 odstotkov na letni ravni, podjetje pa je izgubilo kanal pridobivanja uporabnikov, še preden je uspelo zadržati naročnike.

Tretja napaka je bila morda najhujša, ker je bila samopovzročena – nastala je v poskusu, da bi podjetje pivotiralo in prilagodilo svoj poslovni model umetni inteligenci, tako da je lansiralo svojo AI različico orodja, zgrajeno na GPT-4 v partnerstvu z OpenAI. Vendar so uporabniki zdaj dobili AI orodje, ki naj bi predstavljalo "premium" izkušnjo, a so hitro ugotovili, da ne želijo plačevati nečesa, kar lahko brezplačno dobijo pri ChatGPT. S tem je bilo dejansko pokazano, da podjetje nima konkurenčne prednosti v primerjavi z umetno inteligenco in da potrebuje bistveno bolj inovativni pristop, da bi upravičilo svoj poslovni model.

Ko je naslednji

Podjetja, ki so danes najbolj na udaru, imajo eno skupno značilnost: delujejo znotraj tako imenovanega "črno-belega poslovnega modela". Če podjetje v vašem portfelju svojo vrednost temelji na zagotavljanju odgovorov ali rešitev, za katere obstajajo jasna, objektivna pravila preverjanja – naj gre za matematično točnost, slovnično pravilnost, funkcionalnost kode ali natančnost prevodov – je v območju visokega tveganja in ga bo umetna inteligenca skoraj zagotovo nadomestila, če se ne prilagodi.

Na takšnih področjih imajo modeli LLM strukturno prednost, saj so bistveno hitrejši, cenejši in v vse več primerih celo natančnejši od človeka.

Primer, ki to jasno ponazarja, je Stack Overflow. Platforma, ki je dve desetletji predstavljala osrednje mesto za izmenjavo programerskega znanja, je v samo enem letu zabeležila 78-odstotni padec števila vprašanj. Razlog je v tem, da koda bodisi deluje bodisi ne deluje in ni prostora za interpretacijo, umetna inteligenca pa lahko ponudi rešitev takoj, brez širšega konteksta.

Če imate v portfelju izpostavljenost prevajalski industriji, je logika podobna. Modeli umetne inteligence danes zagotavljajo prevode dovolj visoke kakovosti za večino komercialnih primerov uporabe, ob minimalnih stroških ali celo brezplačno, kar neposredno pritiska na cenovno moč podjetij v tem sektorju.

Enak vzorec se začne pojavljati tudi v foto industriji. Podjetja, kot sta Getty Images in Shutterstock, se soočajo z izgubo ključne konkurenčne prednosti – ekskluzivne arhive slik – saj orodja, kot sta Midjourney in DALL·E, uporabnikom omogočajo, da v nekaj sekundah ustvarijo točno to, kar potrebujejo, brez plačila avtorskih pravic.

Nekatera področja, kjer ni enoznačnega odgovora, so še vedno odporna na vpliv umetne inteligence. Finančna analiza, strateško svetovanje in pravna razlaga temeljijo na kontekstu, presoji in interpretaciji. Če podjetje deluje v domenah, kjer "2 + 2 ne pomeni nujno 4", je tveganje popolne zamenjave bistveno manjše, saj umetna inteligenca še ni razvita do ravni razmišljanja, temveč daje odgovore na podlagi podatkov, ki jih ima v svoji bazi.

Kdo bo preživel v času umetne inteligence

Propad Chegga je jasno opozorilo za cel razred poslovnih modelov, ki svoj obstoj temeljijo na algoritmično zamenljivi vrednosti. Generativna umetna inteligenca danes najlažje prodira tam, kjer so pravila jasna, rezultati merljivi in ni prostora za subjektivnost – takšni modeli tipa "vnesi vprašanje, prejmi pravilen odgovor" so zato pod velikim pritiskom.

Podjetja, ki proizvajajo otipljiv fizični izdelek, so na nasprotnem koncu zgodbe. Čeprav lahko umetna inteligenca bistveno optimizira proizvodnjo in zniža stroške, jo ta podjetja lahko uporabljajo kot orodje za učinkovitejše delo, ne pa kot popolno zamenjavo.

Med tema dvema skrajnostma je tretja kategorija podjetij in industrij, kjer storitev ni strogo objektivna in kjer imajo ključno vlogo presoja, kontekst in razumevanje. Finančna analiza, pravno svetovanje, medicinska diagnostika in strateško svetovanje bodo v prihodnjih letih umetno inteligenco uporabljali kot orodje za skrajševanje raziskovalnega časa, povečanje natančnosti in odpravo rutinskih nalog, vendar končna odločitev še vedno ostaja pri človeku.

Ker pa umetna inteligenca še vedno ne zna razmišljati, temveč zgolj povzema informacije, teh strokovnjakov ne more nadomestiti v celoti.

Vendar ima ta meja svoj rok trajanja, saj je le vprašanje časa, kdaj se bo umetna inteligenca naučila tudi sklepanja. Ko modeli ne bodo več zgolj napredni iskalniki, temveč sistemi, ki bodo dejansko sprejemali odločitve na podlagi katerih bo mogoče upravljati tveganje, bo tudi ta tretja kategorija začela izginjati.

Za vlagatelje to pomeni potrebo po ponovnem premisleku portfeljev: ali podjetja ustvarjajo vrednost prek storitev z jasnimi, objektivnimi pravili, ki jih lahko AI nadomesti, ali pa prek izdelkov, konteksta in kompleksnega odločanja.

Če je bližje prvemu, obstaja velika verjetnost, da so že zdaj v neposredni konkurenci z LLM modeli, izgubljajo uporabnike in beležijo padec prihodkov – kar sta ključna signala, da njihov poslovni model že trpi in se ne prilagaja. V tem primeru lahko trg zelo hitro in ostro kaznuje takšne delnice, ko prepozna celotno tveganje.