استارتاپهای هوش مصنوعی مولد هنوز به مصرفکننده نرسیدهاند؛ چرا کسبوکارها بازار اصلی هستند؟
سه سال پس از ظهور موج عظیم هوش مصنوعی مولد، بخش اعظم درآمد استارتاپهای این حوزه هنوز از فروش به کسبوکارها (B2B) تأمین میشود و نه از کاربران نهایی. اگرچه مدلهای زبانی عمومی مثل ChatGPT به سرعت نزد مصرفکنندگان محبوب شدند، بسیاری از اپلیکیشنهای تخصصی مصرفی مبتنی بر GenAI هنوز نتوانستهاند نیاز گسترده بازار را برآورده کنند.
چرایی عقبماندن اپلیکیشنهای مصرفی
چی-هوا چیِن، همبنیانگذار و مدیر عامل Goodwater Capital، در رویدادی که اوایل دسامبر در TechCrunch’s StrictlyVC برگزار شد، اشاره کرد که بسیاری از اپلیکیشنهای اولیه و جذاب در حوزه ویدئو، صدا و تصویر با ظهور مدلهای متنباز (مانند Sora و Nano Banana) و عرضه عمومی مدلهای ویدئویی در چین، فرصتهای بازار را از دست دادند. او این جریان را با اپلیکیشن چراغقوهای که پس از عرضه آیفون محبوب شد اما خیلی زود بهصورت داخلی در iOS ادغام گردید، مقایسه کرد: برخی قابلیتها آنقدر پایهایاند که در نهایت توسط پلتفرمها جذب میشوند.
نیاز به «ثبات پلتفرم» پیش از ظهور اپهای بازیساز
چیِن بر این باور است که پلتفرمهای هوش مصنوعی نیز به دورهای از «ثبات» نیاز دارند—مشابه دورانی که بین 2009 و 2010 برای بازار موبایل رخ داد و زمینهساز تولد غولهای مصرفی موبایل مانند اوبر و Airbnb شد. دستیابی Google Gemini به سطح فناوری نزدیک به ChatGPT را میتوان نشانهای از این تثبیت احتمالی دانست؛ زیرا رقابت و همگرایی فناوری میتواند پایهای برای اپلیکیشنهای مصرفی تحولآفرین فراهم کند.
آیا دستگاه جدیدی فراتر از گوشی لازم است؟
هر دو سرمایهگذار—چیِن و الیزابت وایل از Scribble Ventures—تصور میکنند که محدودیتهای گوشی هوشمند ممکن است مانع ظهور برخی از کاربردهای کامل هوش مصنوعی در سطح مصرفکننده باشد. گوشیها همگانگی و «محیطپذیری» لازم (always-on / ambient) را ندارند؛ دستگاهی که در طول روز بارها و بارها به آن نگاه نمیکنیم اما پیوسته محیط را درک کند، میتواند موارد استفاده جدیدی را فعال سازد. به همین دلیل شرکتها و استارتاپها در تلاشاند دستگاههای شخصی جدیدی بسازند: از طرحهای «بدون صفحه» که شایعات از همکاری OpenAI با طراح سابق اپل حکایت دارد تا عینکهای هوشمند Ray‑Ban متا که با یک مچبند کنترلی کار میکنند، یا نمونههای کوچک چون پِیَنها، آویزها و حلقههای هوشمند—اگرچه بسیاری از این تلاشها تاکنون نتایجی کمتر از انتظار داشتهاند.
محصولات مصرفی واقعبینیافتهتر: مشاور مالی شخصی و معلم همیشهدر دسترس
نه همهٔ فرصتهای مصرفی به دستگاه جدید وابستهاند. چیِن به عنوان نمونهای از محصول مصرفی با پتانسیل بالا، مشاور مالی شخصی مبتنی بر هوش مصنوعی را ذکر کرد که رفتار و نیازهای مالی کاربر را بهصورت عمیق و شخصیسازیشده مدیریت کند. وایل نیز معتقد است معلم «همیشه روشن» و شخصیشده—که ممکن است همچنان از طریق گوشی ارائه شود—میتواند به زودی فراگیر شود و آموزش خصوصی را به صورت مقیاسپذیر و تخصصی عرضه کند.
شک و تردید درباره شبکههای اجتماعی مبتنی بر باتها
هر دو سرمایهگذار نسبت به ظهور شبکههای اجتماعی مبتنی بر تعامل میان کاربران و هزاران ربات هوش مصنوعی تردید دارند. چیِن هشدار میدهد که وقتی محتوا بیشتر با باتها تعامل کند، شبکه اجتماعی به تجربهای تکنفره تبدیل میشود و ارزشِ درکِ واقعی بودن تعاملهای انسانی را از دست میدهد—چیزی که اساس لذتبخشی شبکههای اجتماعی است.
جمعبندی و چشمانداز برای استارتاپها و سرمایهگذاران
نتیجهگیری روشن است: بازار مصرفکننده برای محصولات GenAI به بلوغ پلتفرمها، راهحلهای سختافزاری-نرمافزاری جدید، و ایجاد اعتماد و ارزش واقعی برای کاربران نیاز دارد. در کوتاهمدت، مدلهای B2B و خدمات تخصصی درآمدزا باقی میمانند؛ اما با تثبیت فناوری و پیدایش الگوهای رابط و دستگاههای جدید، فرصتهای بزرگ مصرفی برای استارتاپها و شرکتهای نوآور باز خواهد شد. برای کارآفرینان و سرمایهگذاران، تمرکز بر تجربه کاربری ملموس، حریم خصوصی دادهها و کاربردهای روزمرهای که واقعا مشکل حل میکنند، بهترین مسیر برای موفقیت در «دههٔ بعدی هوش مصنوعی» خواهد بود.