Whalesbook
સિસ્કોના પૂર્વ CEO જ્હોન ચેમ્બર્સ કહે છે કે AI બૂમ એક વાસ્તવિક, લાંબા ગાળાનું પરિવર્તન છે, કોઈ બબલ નથી. જોકે, તેઓ ચેતવણી આપે છે કે ઝડપી ડિસરપ્શન અને ઊંચા ઇન્ફ્રાસ્ટ્રક્ચર ખર્ચને કારણે મોટાભાગની AI સ્ટાર્ટઅપ્સ નિષ્ફળ થઈ શકે છે. રોકાણકારોને સિંગલ ટેક વિજેતાઓ પર દાવ લગાવવાને બદલે પોર્ટફોલિયો વૈવિધ્યકરણ અને પરિણામ-આધારિત બિઝનેસ મોડલ્સ પર ધ્યાન કેન્દ્રિત કરવાની સલાહ અપાય છે.
શું થયું?
સિસ્કોના પૂર્વ CEO જ્હોન ચેમ્બર્સે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) ના વર્તમાન ઉછાળાને સટ્ટાકીય બબલને બદલે એક મૂળભૂત પરિવર્તન ગણાવ્યું છે. તેમણે ભારપૂર્વક જણાવ્યું હતું કે AI આગામી દાયકામાં ઉત્પાદકતા વધારશે, પરંતુ AI સ્ટાર્ટઅપ્સની સ્થિરતા અંગે તેમણે ગંભીર ચેતવણી આપી હતી. ચેમ્બર્સ અનુસાર, આ ક્ષેત્રમાં નવીનતા (Innovation) અને ડિસરપ્શન (Disruption) ની ગતિ 1990 ના દાયકાના અંતમાં ઇન્ટરનેટ બૂમ કરતાં લગભગ 5 ગણી ઝડપી છે. આ ગતિનો અર્થ એ છે કે જ્યારે ટેકનોલોજી પોતે ટકી રહેશે, ત્યારે તેનો લાભ લેવાનો પ્રયાસ કરતી ઘણી સ્ટાર્ટઅપ્સ તીવ્ર સ્પર્ધાત્મક દબાણમાં ટકી શકશે નહીં.
રોકાણકારો માટે આ શા માટે મહત્વપૂર્ણ છે?
રોકાણકારો માટે, AI ક્ષેત્ર ઝડપથી ફક્ત 'હાઇપ' (Hype) ના તબક્કામાંથી 'આઉટકમ-બેઝ્ડ' (Outcome-based) બિઝનેસ મોડલ્સ તરફ આગળ વધી રહ્યું છે. ચેમ્બર્સ નોંધે છે કે આ વાતાવરણમાં, સ્પર્ધાત્મક ફાયદા ટૂંકા ગાળાના હોઈ શકે છે. ઇન્ટરનેટ યુગથી વિપરીત, જ્યાં નાની કંપનીઓ ધીમે ધીમે બજારહિસ્સો બનાવી શકતી હતી, AI ક્ષેત્ર હાલમાં ઊંડી પહોંચ ધરાવતી મોટી ટેક કંપનીઓ દ્વારા પ્રભુત્વ ધરાવે છે. આ કંપનીઓ સેંકડો અબજો ડોલર ઇન્ફ્રાસ્ટ્રક્ચરમાં રોકાણ કરી રહી છે, જેના કારણે નાની કંપનીઓ માટે સ્પર્ધા કરવી કે લાંબા ગાળાનો 'મોટ' (Moat - બિઝનેસનો ફાયદો જે તેમને હરીફોથી આગળ રાખે છે) જાળવી રાખવો મુશ્કેલ બની ગયો છે.
સ્થિરતાનો પડકાર
2026 માટે આ ક્ષેત્રની મુખ્ય ચિંતા ઇન્ફ્રાસ્ટ્રક્ચરનો પ્રચંડ ખર્ચ છે. AI ક્ષમતાઓનું નિર્માણ અને જાળવણી માટે વિશાળ મૂડી, ઊર્જા અને GPU જેવા વિશિષ્ટ હાર્ડવેરની જરૂર પડે છે. સ્ટાર્ટઅપ્સ ઘણીવાર 'યુટિલિટી વિરુદ્ધ મોટ' (Utility vs. Moat) ની દ્વિધાનો સામનો કરે છે – જ્યારે મૂળભૂત AI યુટિલિટીઝ કોમોડિટાઇઝ્ડ (Commoditized) બની રહી હોય ત્યારે કંઈક માલિકીનું અને મૂલ્યવાન બનાવવાનો સંઘર્ષ. મોટી લેંગ્વેજ મોડલ્સ (Large Language Models) પર આધારિત સુવિધાઓ બનાવતી સ્ટાર્ટઅપ્સ, જે નફાકારકતા અથવા માલિકીના ડેટા માટે સ્પષ્ટ માર્ગ ધરાવતી નથી, તેમને સ્પર્ધા કરવી વધુને વધુ મુશ્કેલ બની રહી છે. ઘણા પ્રોજેક્ટ્સ સ્કેલિંગ (Scaling) સમસ્યાઓનો પણ સામનો કરી રહ્યા છે; સંશોધન સૂચવે છે કે AI પહેલનો માત્ર એક નાનો અંશ જ પ્રોટોટાઇપથી પ્રોડક્શન સુધી અસરકારક રીતે આગળ વધે છે.
ક્ષેત્રીય દબાણ અને ઇન્ફ્રાસ્ટ્રક્ચર મર્યાદાઓ
સ્પર્ધા ઉપરાંત, AI ક્ષેત્ર નોંધપાત્ર વાસ્તવિક-વિશ્વની મર્યાદાઓ સાથે સંઘર્ષ કરી રહ્યું છે. ડેટા સેન્ટર્સ – AI નો આધાર – ને વિપુલ પ્રમાણમાં વીજળી અને પાણીની જરૂર પડે છે, જે ઊર્જા અવરોધો (Energy bottlenecks) ઊભા કરે છે જે પ્રોજેક્ટના સમયપત્રક અને સંચાલન ખર્ચને અસર કરી શકે છે. નિયમનકારી તપાસ (Regulatory scrutiny) પણ વધી રહી છે, વિશ્વભરની સરકારો ડેટા ગવર્નન્સ અને જવાબદારી પર ધ્યાન આપી રહી છે. વ્યવસાયો માટે, આનો અર્થ એ છે કે AI માં સફળતા ફક્ત તકનીકી કુશળતા વિશે નથી; તે આ વિશાળ ઇન્ફ્રાસ્ટ્રક્ચર પ્રોજેક્ટ્સ સાથે સંકળાયેલા પર્યાવરણીય, કાનૂની અને સંચાલન જોખમોનું સંચાલન કરવા વિશે છે.
રોકાણકારો આને કેવી રીતે વાંચી શકે?
AI ક્ષેત્રમાં રોકાણ કરનારા રોકાણકારો વિજેતાઓ અને હારનારાઓ વચ્ચેના તફાવતથી વાકેફ હોવા જોઈએ. જ્યારે કેટલીક ટેક જાયન્ટ્સ AI વિકાસના ખર્ચને શોષી લેવા અને તેમની બજાર સ્થિતિ સુરક્ષિત કરવા માટે મૂડી ધરાવે છે, ત્યારે ઘણી નાની કંપનીઓ ઊંચા 'કેશ બર્ન' (Cash burn) અને રોકાણ પર વાસ્તવિક વળતર દર્શાવવાના દબાણનો સામનો કરે છે. ચેમ્બર્સ સૂચવે છે કે પોર્ટફોલિયો અભિગમ – એટલે કે એક જ સ્ટોક અથવા સ્ટાર્ટઅપ પર આધાર રાખવાને બદલે વૈવિધ્યકરણ – સૌથી સમજદાર વ્યૂહરચના છે. બજાર એવી કંપનીઓને વધુને વધુ પુરસ્કૃત કરી રહ્યું છે જેઓ ફક્ત નવી AI ભાગીદારીની જાહેરાત કરવાને બદલે, તેમના AI અમલીકરણથી વાસ્તવિક આવક વૃદ્ધિ અથવા ખર્ચ બચત દર્શાવી શકે.
રોકાણકારોએ શું ટ્રેક કરવું જોઈએ?
આગળ જતા, રોકાણકારો માટે મુખ્ય ટ્રૅકેબલ્સમાં કંપનીઓની AI રોકાણને માપી શકાય તેવા પરિણામોમાં, જેમ કે ઓપરેશનલ સાયકલ ટાઇમ્સમાં ઘટાડો અથવા સ્પષ્ટ આવકમાં રૂપાંતરિત કરવાની ક્ષમતા શામેલ છે. બજાર સહભાગીઓ ઇન્ફ્રાસ્ટ્રક્ચર બૂમની સ્થિરતાને પણ ટ્રૅક કરી શકે છે, જેમાં ઊર્જાની મર્યાદાઓ અને નિયમનકારી ફેરફારો કંપનીઓની AI કામગીરીને સ્કેલ કરવાની ક્ષમતાને કેવી રીતે અસર કરે છે. છેલ્લે, જે કંપનીઓ પોતાના ડેટા અથવા માલિકીના ઇન્ફ્રાસ્ટ્રક્ચર ધરાવે છે અને જેઓ ફક્ત બિગ ટેક પાસેથી ક્ષમતા ભાડે લે છે, તેમની વચ્ચે તફાવત પારખવો એ લાંબા ગાળાની સ્પર્ધાત્મક સ્થિતિનું મૂલ્યાંકન કરવા માટે નિર્ણાયક રહેશે.