व्हेंचर कॅपिटल फर्म Accel ने भारतीय बाजारासाठी **$550 दशलक्ष** (सुमारे ₹4,500 कोटी) चा नवा फंड लाँच केला आहे. कंपनी आता फक्त वेगाने वाढ करण्याऐवजी नफा मिळवण्यावर अधिक लक्ष केंद्रित करणार आहे.
Accel कडून मोठा निर्णय
व्हेंचर कॅपिटल फर्म Accel ने भारतीय बाजारात $550 दशलक्ष (सुमारे ₹4,500 कोटी) चा एक मोठा फंड आणला आहे. हा फंड Accel च्या $3.5 अब्ज च्या ग्लोबल कॅपिटल रेजचा (Global Capital Raise) भाग आहे. हा निर्णय 2026 मध्ये आर्टिफिशियल इंटेलिजन्स (AI) सेक्टरमध्ये गुंतवणूक कशी केली जाईल, याबद्दल एक महत्त्वाचा संकेत देत आहे. पूर्वी जिथे कंपन्यांची वाढ आणि मार्केट शेअरवर जोर असायचा, तिथे आता Accel नफा मिळवणं (Profitable) आणि व्यवसायाची टिकाऊपणा (Sustainable Business) यावर अधिक भर देणार आहे.
AI च्या गर्दीत नफ्याचे महत्त्व
इंटरनेट स्टार्टअप्सच्या वाढीच्या काळात, गुंतवणूकदार 'कस्टमर ॲक्विझिशन कॉस्ट' (Customer Acquisition Cost) आणि 'रिकरिंग रेव्हेन्यू' (Recurring Revenue) सारख्या गोष्टींवर लक्ष देत होते. पण आता परिस्थिती बदलली आहे. Accel ने स्पष्ट केले आहे की, ते अशा कंपन्यांना फंडिंग देणार नाहीत ज्या फक्त इतर AI मॉडेल्सवर आधारित टूल्स (Model Wrappers) बनवतात, जोपर्यंत त्या कंपन्या युनिक फायदा (Unique Advantage) आणि नफ्याचा मार्ग (Path to Profit) दाखवू शकत नाहीत. या नवीन फंडातून AI, फिनटेक (Fintech), कंझ्युमर इंटरनेट (Consumer Internet), ॲडव्हान्स्ड मॅन्युफॅक्चरिंग (Advanced Manufacturing) आणि डीपटेक (Deeptech) सारख्या क्षेत्रांना लक्ष्य केले जाईल.
जनरेटिव्ह AI (Generative AI) च्या विकासाला वेग आला आहे, पण या टूल्समुळे सॉफ्टवेअर तयार करणे सोपे झाले असले तरी, त्यांच्या ऑपरेशनल खर्चात (Operational Costs) वाढ झाली आहे. प्रत्येक वेळी जेव्हा एखादा ग्राहक AI प्रोडक्ट वापरतो, तेव्हा कंपनीला क्लाउड इन्फ्रास्ट्रक्चर (Cloud Infrastructure), कॉम्प्युटिंग पॉवर (Computing Power) आणि मानवी पुनरावलोकन (Human Review) यासाठी खर्च येतो, ज्याला 'इन्फरन्स कॉस्ट' (Inference Costs) म्हणतात. जर AI स्टार्टअप या दैनंदिन खर्चांची पूर्तता करू शकले नाही, तर त्यांचा नफा कमी होईल. त्यामुळे, 2026 मध्ये फाउंडर्सना हे सिद्ध करावे लागेल की ते या सततच्या तांत्रिक खर्चांनंतरही नफा मिळवू शकतील.
गुंतवणूकदार अधिक सावध का झाले?
गेल्या काही काळात अनेक AI पायलट प्रोजेक्ट्स (AI Pilot Projects) टेस्टिंगमधून प्रत्यक्षात महसूल (Revenue Generation) मिळवण्यात अयशस्वी ठरले आहेत. मार्केट डेटा दर्शवतो की, सुरुवातीच्या टप्प्यातील अनेक AI प्रोजेक्ट्सनी अजूनपर्यंत आर्थिक फायदा (Financial Impact) मिळवून दिलेला नाही. त्यामुळे, गुंतवणूकदार आता अधिक शिस्तबद्ध दृष्टिकोन (Disciplined Framework) ठेवत आहेत. ते अशा कंपन्या शोधत आहेत ज्या विशिष्ट ग्राहक समस्या (Specific Customer Problems) कार्यक्षमतेने सोडवतात, केवळ AI तंत्रज्ञान सर्वसामान्य कामांसाठी वापरणाऱ्या कंपन्यांवर ते लक्ष देत नाहीत.
याचा अर्थ असा की, प्रायव्हेट फंडिंग (Private Funding) अधिक निवडक (Selective) होत आहे. ज्या कंपन्या सार्वजनिक बाजारात (Public Markets) किंवा पुढील फंडिंग स्टेजमध्ये पोहोचतील, त्या अशा असतील ज्यांनी आधीच 'युनिट इकोनॉमिक्स' (Unit Economics) सिद्ध केले आहे - म्हणजेच, प्रत्येक युनिट किंवा ग्राहकावर नफा मिळवला आहे. 'ग्रोथ ॲट ऑल कॉस्ट' (Growth-at-all-costs) या मानसिकतेतून बाहेर पडल्याने टेक आणि AI सेक्टरमधील व्हॅल्युएशन बबल्स (Valuation Bubbles) चा धोका कमी होण्यास मदत होईल.
जोखीम आणि पुढील फोकस
AI-केंद्रित कंपन्यांसाठी सर्वात मोठी जोखीम म्हणजे जास्त भांडवली खर्च (High Capital Spending). ॲडव्हान्स्ड AI मॉडेल्स चालवण्याचा खर्च खूप जास्त आहे आणि जर या प्रोडक्ट्सची मागणी अपेक्षेप्रमाणे वाढली नाही किंवा किमतीत स्पर्धा वाढली, तर कंपन्यांना कॅश फ्लोचा (Cash Flow) दबाव येऊ शकतो. तसेच, विशेष इन्फ्रास्ट्रक्चरवर वाढलेली अवलंबित्व कंपनीला पुरवठा साखळी (Supply Chain) आणि ऊर्जा (Energy Constraints) व्यवस्थापनात कार्यक्षम राहण्यास भाग पाडेल.
गुंतवणूकदार आणि बाजारातील सहभागींसाठी, पुढील महत्त्वाचा विकास म्हणजे या चांगल्या प्रकारे फंडेड स्टार्टअप्सनी भांडवलाचा वापर कसा करावा हे पाहणे. या नवीन पोर्टफोलिओ कंपन्या सुरुवातीच्या फंडिंग राउंडमधून (Funding Rounds) सतत मोठ्या भांडवली गुंतवणुकीवर अवलंबून न राहता, टिकाऊ महसूल निर्माण करू शकतील का, यावर लक्ष ठेवावे लागेल. तांत्रिक विकास आणि व्यावसायिक व्यवहार्यता (Commercial Viability) यामध्ये संतुलन राखणाऱ्या व्यवस्थापन टीमची (Management Teams) गुणवत्ता दीर्घकालीन यशाची गुरुकिल्ली ठरेल.