収益増加がAIスタートアップの限界利益の問題を隠す可能性

AIスタートアップにとって製品を市場に出すのは早くできるが、財務面を追跡するのはより難しい。資金流出について、Alteryは新しく設立された企業に支払い口座と支出上限を提供し、創業者がチームがモデルプロバイダーやクラウドサービスに何を使っているかを把握できるようにする。Stripe Billingはサブスクリプションや従量課金を処理する。AvalaraのAvaTaxは、さまざまな管轄区域にわたるデジタル商品の取引税の計算を支援する。DeelのEmployer of Recordサービスは、海外の専門家を雇用する際のコストと書類手続きを処理する。それぞれが単一の財務問題を処理する。どれも、AIツールの次の顧客が利益を生むかどうかの答えを創業者に与えるものではない。

製品をコーディングするコストが低下している今、この問題はより注目に値する。小さなチームが大規模な開発チームなしでツールをユーザーに届けることができるが、その一方で、各ユーザーが推論、データストレージ、手動監視のための支出を引き起こすことがわかる。営業を追加することで収益が増えるかもしれないが、それらの顧客にサービスを提供するコストもほぼ同じペースで増加する可能性がある。

伝統的な世界のソフトウェア投資家は通常、高い粗利率を重視する。なぜなら、1人の追加顧客にサービスを提供するコストは通常安いからだ。この期待はAI製品では維持するのが難しい。月額固定料金に関係なく、10倍のクエリを送信するユーザーは、10倍のモデル容量も消費する可能性がある。

架空のサービスを想像してみよう。月額100ドルをユーザーあたりに請求する。モデル呼び出し、ホスティング、直接サポートで30ドルかかると、企業は給与、広告、その他の費用の前に70ドルを保持する。アップデートにより直接配信コストが60ドルに上昇し、リスト価格が変わらなければ、収益は横ばいで、間接費に充てられる残額は40ドルに低下する。ユーザー数の増加は、この減少をしばらく隠すことができる。

創業者は、サブスクリプション数や月次経常収益に注目し、ベンダー費用を月末にしか確認しないことで、この負担を見落とす可能性がある。使用量に依存する製品では、クライアントが消費を拡大するにつれて収益、直接コスト、キャッシュアウトフローがどのように変化するかを調べる方がより有用な問い合わせである。

AIファーストの企業は、クライアントまたはジョブタイプ別に変動費を明確に把握すべきである。モデル推論、データ検索、ストレージ、サードパーティデータソースへの呼び出しはすべてその一部である。給与や固定サブスクリプションツールも関連するが、それらはビジネスの全体的なキャッシュバーンに関する異なる質問に答えるものである。

創業者は3つのステップから始めることができる。第一に、ユーザーの実際の消費に対して課された料金を、サービス提供の直接コストと照合する。第二に、過大なワークロードの背後にあるアカウントまたは機能を特定する。第三に、クライアントからの現金流入とインフラプロバイダーへの流出のタイミングを調べる。年間契約と月額クラウド料金は、スプレッドシート上でサービスが利益を上げているように見えても、キャッシュクランチを引き起こす可能性がある。

支出管理は有用だが、それは解決策の一部に過ぎない。クラウド支払いに上限を設けることで、予期せぬ請求書の拡大を防ぐことができる。しかし、提供するコストが常に徴収額を上回る価格設定層を修復することはできない。そのためには、価格設定、使用制限、モデル選択、または製品アーキテクチャの調整が必要である。

健全性の最良の指標は、使用量の拡大に伴って粗利率が改善するかどうかである。企業は、基本的なクエリをより安価なモデルに送信したり、共通の結果をキャッシュしたり、過剰なリクエストを引き起こす機能を再設計したりすることで、各タスクのコストを削減できる。また、ユーザーは広範なアシスタントの無制限利用よりも、特定の高価値プロセスに対してプレミアムを支払う用意があることがわかるかもしれない。

スタートアップの創業者にとって、問題はキャッシュランウェイである。資金提供者にとっては、迅速なユーザー獲得が一貫した利益に変わるかどうかの検証である。中小企業が支払いを受け入れ、クライアントに請求し、税務処理を行い、世界中でスタッフを雇用できるサービスはますます容易になっている。より難しいのは、成長が教訓を高くつくものにする前に、追加の需要の各要素が限界利益と流動性にどのように影響するかを追跡することである。