لماذا تستعيد الشركات الممولة ذاتياً أهميتها في عصر الذكاء الاصطناعي؟

يرى Richard de Silva أن انخفاض تكلفة بناء البرمجيات بفضل أدوات توليد الشيفرة وتصميم المنتجات المعتمدة على الذكاء الاصطناعي يعيد الاعتبار إلى نموذج الشركات الممولة ذاتياً، أو ما يعرف بالشركات القائمة على الإيرادات الذاتية (bootstrapped businesses). فبدلاً من جمع رأس مال كبير أولاً ثم البحث عن ملاءمة المنتج للسوق، يمكن لفريق صغير أن يبدأ من مشكلة يدفع العملاء فعلياً لحلها، ويبني منتجاً أولياً، ثم يقرر لاحقاً إن كان يحتاج إلى استثمار إضافي.

هذه وجهة نظر كتبها de Silva بصفته كاتباً ضيفاً في Crunchbase News. وهو مؤسس وشريك إداري ورئيس لجنة الاستثمار في Lateral Investment Management، كما سبق له العمل مديراً إدارياً في Highland Capital Partners والمشاركة في تأسيس IronPlanet. لذلك ينبغي قراءة الطرح بوصفه رأياً من مستثمر لديه خبرة في رأس المال الجريء وشركات السوق المتوسطة، لا باعتباره نتيجة دراسة كمية مستقلة.

نموذجان مختلفان لبناء الشركة

ينتقد de Silva المسار الشائع في وادي السيليكون، حيث تبدأ الشركة بفكرة طموحة، وتجمع تمويلاً مبكراً، وتوظف فرقاً كبيرة، ثم تنفق للوصول بسرعة إلى سوق واسع واختبار ملاءمة المنتج للسوق. ويقول إن هذا المسار قد ينجح في حالات استثنائية، لكنه يقود في حالات كثيرة إلى تغييرات متكررة في المجال أو إلى اختفاء الشركة عندما تتراجع جاذبيتها أمام المستثمرين.

في المقابل، تبدأ الشركة الممولة ذاتياً من عميل أو قطاع يعرفه المؤسس مسبقاً. وتتمثل العملية في حل مشكلة قائمة بتكلفة أقل من الإيراد الناتج عنها، ثم العثور على عملاء آخرين يواجهون المشكلة نفسها، وتحسين العمليات تدريجياً. ووفقاً للكاتب، يضع هذا النموذج العميل والإيرادات قبل التوسع، ويجعل توظيف الفريق ممولاً من الأرباح بدلاً من أن يكون رهانا على طلب لم يُثبت بعد.

ويشير المقال إلى أن مؤسسي هذه الشركات يكونون غالباً في منتصف مسيرتهم المهنية، مع خبرة قطاعية وعلاقات قائمة مع العملاء. وقد يعني ذلك نمواً أبطأ وخطياً لسنوات، لكنه يركز على الربحية منذ البداية. ويستشهد الكاتب بـ Atlassian وBasecamp بوصفهما مثالين على شركات بدأت خارج المسار التقليدي لرأس المال الجريء وحققت حضوراً مهماً في قطاع التقنية.

ما الذي يغيره الذكاء الاصطناعي عملياً؟

في السابق، كان المؤسس غير التقني يحتاج غالباً إلى تمويل خارجي مبكر لتوظيف مهندسين وبناء منتج قابل للاستخدام قبل امتلاك إيرادات كافية. أما اليوم، فيرى de Silva أن أدوات توليد الشيفرة وتصميم المنتجات تقلل حجم الفريق والإنفاق اللازمين للوصول إلى تطبيق يعمل ونشره لدى عملاء حقيقيين.

هذا لا يعني أن الذكاء الاصطناعي ألغى الحاجة إلى رأس المال. لكنه، بحسب الحجة المطروحة، نقل نقطة الاختناق من بناء المنتج إلى إثبات وجود طلب مستدام عليه. كما يرى الكاتب أن بعض التمويل المبكر يُستخدم بدلاً من ذلك لشراء وقت إضافي، وتسريع المبيعات والتسويق، أو دعم عمليات نشر لا تكون اقتصادية للعملاء من دون subsidization. ومن ثم قد يصبح اختبار السوق قبل جمع جولة كبيرة خياراً أكثر واقعية لعدد أكبر من المؤسسين.

ويذكر المقال مثال Medvi، التي يصفها بأنها شركة تقدم علاجاً متعلقاً بأدوية GLP-1 وبلغت إيراداتها مليار دولار مع مؤسس واحد، باعتباره مثالاً متطرفاً على ما يمكن لفرق صغيرة تحقيقه. ولا يقدم النص تفاصيل كافية للتحقق من هذا الوصف أو تعميمه، لذلك لا ينبغي اعتباره دليلاً على أن الحجم الصغير يضمن النجاح.

الحدود والأسئلة المفتوحة

لا يدعو de Silva إلى إلغاء رأس المال الجريء. فهو يقر بأن الأفكار غير المختبرة والكثيفة رأس المال، خصوصاً عندما لا يمتلك المؤسس قاعدة عملاء، ما زالت تحتاج إلى تمويل خارجي لتمويل البحث عن سوق. كما أن خفض تكلفة تطوير البرمجيات لا يحل تلقائياً تحديات اكتساب العملاء، والامتثال، والدعم، وأمن المنتجات، أو بناء ميزة يصعب تقليدها.

الاستنتاج الأهم للقارئ التقني هو أن الذكاء الاصطناعي قد يوسع مجموعة الشركات القادرة على الوصول إلى منتج أولي من دون جولة تمويل مبكرة، لكنه لا يثبت ملاءمة المنتج للسوق. القيمة العملية للنموذج الممول ذاتياً تعتمد على معرفة المؤسس بالمشكلة، واستعداده للنمو وفق الإيرادات، وقدرته على تحويل أدوات الذكاء الاصطناعي إلى خدمة يعتمد عليها العملاء فعلاً. أما ما إذا كان ذلك سيؤدي إلى موجة واسعة من قادة السوق الجدد، فتبقى فرضية رأي لا يحسمها المصدر.