Richard de Silva, yapay zekâ destekli kod üretimi ve ürün tasarımı araçları sayesinde yazılım geliştirmenin maliyetinin düşmesinin, kendi kendini finanse eden şirketler modelini ya da diğer adıyla gelirleriyle ayakta duran işletmeleri (bootstrapped businesses) yeniden önemli hâle getirdiğini düşünüyor. Büyük miktarda sermaye toplayıp önce ürün-pazar uyumunu aramak yerine, küçük bir ekip müşterilerin gerçekten çözülmesi için ödeme yaptığı bir sorundan başlayabilir, ilk ürünü geliştirebilir ve daha sonra ek yatırıma ihtiyaç duyup duymadığına karar verebilir.
Bu görüş, de Silva tarafından Crunchbase News’te konuk yazar sıfatıyla kaleme alındı. Kendisi Lateral Investment Management’ın kurucusu, genel ortağı ve yatırım komitesi başkanıdır; ayrıca daha önce Highland Capital Partners’ta genel müdür olarak görev yapmış ve IronPlanet’in kuruluşuna katılmıştır. Bu nedenle tez, nicel ve bağımsız bir çalışmanın sonucu olarak değil, girişim sermayesi ve orta ölçekli şirketler konusunda deneyimli bir yatırımcının görüşü olarak okunmalıdır.
Şirket kurmanın iki farklı modeli
de Silva, şirketin iddialı bir fikirle başlayıp erken aşamada finansman topladığı, büyük ekipler kurduğu ve geniş bir pazara hızla ulaşmak ve ürün-pazar uyumunu test etmek için harcama yaptığı Silikon Vadisi’ndeki yaygın yolu eleştiriyor. Bu yolun istisnai durumlarda işe yarayabileceğini, ancak birçok durumda alanın tekrar tekrar değiştirilmesine ya da yatırımcıların gözündeki cazibesi azaldığında şirketin ortadan kaybolmasına yol açtığını söylüyor.
Buna karşılık, kendi kendini finanse eden şirket, kurucunun önceden bildiği bir müşteri ya da sektörden yola çıkar. Süreç, mevcut bir sorunu bundan elde edilen gelirden daha düşük bir maliyetle çözmek, ardından aynı sorunla karşılaşan başka müşteriler bulmak ve operasyonları kademeli olarak iyileştirmekten oluşur. Yazara göre bu model, büyümeden önce müşteriyi ve geliri önceliklendirir; ekibin işe alınmasını ise henüz kanıtlanmamış bir talebe bahis oynamak yerine kârlardan finanse eder.
Makale, bu şirketlerin kurucularının çoğunlukla kariyerlerinin ortasında, sektörel deneyime ve müşterilerle mevcut ilişkilere sahip kişiler olduğunu belirtiyor. Bu durum yıllarca daha yavaş ve doğrusal bir büyüme anlamına gelebilir, ancak başlangıçtan itibaren kârlılığa odaklanır. Yazar, geleneksel girişim sermayesi yolunun dışında başlayıp teknoloji sektöründe önemli bir konum elde eden şirketlere örnek olarak Atlassian ve Basecamp’i gösteriyor.
Yapay zekâ pratikte neyi değiştiriyor?
Geçmişte teknik olmayan bir kurucunun, yeterli gelire sahip olmadan önce mühendisler işe almak ve kullanılabilir bir ürün geliştirmek için çoğu zaman erken aşamada dış finansmana ihtiyacı vardı. de Silva ise bugün kod üretimi ve ürün tasarımı araçlarının, çalışan bir uygulamaya ulaşmak ve onu gerçek müşterilere sunmak için gereken ekip büyüklüğünü ve harcamayı azalttığını düşünüyor.
Bu, yapay zekânın sermaye ihtiyacını ortadan kaldırdığı anlamına gelmiyor. Ancak öne sürülen argümana göre darboğaz, ürünü geliştirmekten ürün için sürdürülebilir bir talep bulunduğunu kanıtlamaya kaydı. Yazar ayrıca bazı erken aşama finansmanların, bunun yerine ek zaman satın almak, satış ve pazarlamayı hızlandırmak ya da müşteriler açısından sübvansiyon olmadan ekonomik olmayan dağıtımları desteklemek için kullanıldığını düşünüyor. Bu nedenle büyük bir tur toplamadan önce pazarı test etmek, daha fazla kurucu için daha gerçekçi bir seçenek hâline gelebilir.
Makale, bir kurucuyla 1 milyar dolar gelire ulaştığını belirttiği, GLP-1 ilaçlarıyla ilgili tedavi sunan bir şirket olarak tanımladığı Medvi’yi, küçük ekiplerin neler başarabileceğine dair uç bir örnek olarak anıyor. Metin bu tanımı doğrulamak ya da genellemek için yeterli ayrıntı sunmuyor; bu nedenle küçük ölçeğin başarıyı garanti ettiğine dair bir kanıt olarak görülmemelidir.
Sınırlar ve açık sorular
de Silva girişim sermayesinin ortadan kaldırılmasını savunmuyor. Kurucunun bir müşteri tabanına sahip olmadığı ve özellikle sermaye yoğun, test edilmemiş fikirlerin pazarı aramayı finanse etmek için hâlâ dış finansmana ihtiyaç duyduğunu kabul ediyor. Ayrıca yazılım geliştirmenin maliyetini düşürmek; müşteri edinme, mevzuata uyum, destek, ürün güvenliği ya da taklit edilmesi zor bir avantaj oluşturma gibi zorlukları kendiliğinden çözmüyor.
Teknik okuyucu açısından en önemli sonuç, yapay zekânın erken aşamada finansman turu olmadan ilk ürüne ulaşabilecek şirketler kümesini genişletebileceği, ancak ürün-pazar uyumunu kanıtlamadığıdır. Kendi kendini finanse eden modelin pratik değeri, kurucunun sorunu bilmesine, gelire göre büyümeye istekli olmasına ve yapay zekâ araçlarını müşterilerin gerçekten güvendiği bir hizmete dönüştürebilmesine bağlıdır. Bunun yeni pazar liderlerinden oluşan geniş bir dalgaya yol açıp açmayacağı ise kaynağın kesinleştirmediği, görüşe dayalı bir varsayım olarak kalıyor.