पारंपारिक SaaS कंपन्यांचा मार्ग
अनेक वर्षांपासून, यशस्वी होण्यासाठी स्टार्टअप्स एक ठराविक मार्ग अवलंबत आले आहेत. कंपन्या प्रॉडक्ट डेव्हलपमेंट (Product Development) आणि कस्टमर ॲक्विझिशनवर (Customer Acquisition) खूप गुंतवणूक करत होत्या, त्यानंतर $100 मिलियन वार्षिक आवर्ती महसूल (ARR) सारखे टप्पे गाठण्याचे लक्ष्य ठेवत होत्या. सिलिकॉन व्हॅलीमध्ये, हा आकडा केवळ व्यवसाय किती मोठा आहे हेच नाही, तर व्यवसायाची खात्रीशीर predictability (अंदाज बांधण्याची क्षमता) दर्शवत असे.
पारंपारिक Software-as-a-Service (SaaS) ARR हे करारातून मिळणाऱ्या निश्चित उत्पन्नावर (Committed, Contracted Income) अवलंबून असते. यात सबस्क्रिप्शन फी (Subscription Fees) समाविष्ट असतात, जिथे महसूल ठराविक कालावधीसाठी लॉक असतो, ज्यामुळे अंदाज लावणे सोपे जाते. अनेक पर-यूझर लाईसन्स (Per-user Licenses) असोत वा एखादा मोठा एंटरप्राइज डील (Enterprise Deal), या मॉडेलने एक स्थिर पाया तयार केला होता.
AI मुळे 'वापर-आधारित' मॉडेलचा उदय
मात्र, आता हा समतोल वेगाने बदलत आहे. AI-नेटिव्ह कंपन्यांची नवीन पिढी हा कालावधी लक्षणीयरीत्या कमी करत आहे. भारतातील AI ॲप-बिल्डिंग प्लॅटफॉर्म Emergent ने लॉन्चिंगच्या केवळ 8 महिन्यांत $100 मिलियन ARR गाठल्याची घोषणा केली. AI इमेज जनरेटर Midjourney आणि AI व्हॉईस टूल्स बनवणारी ElevenLabs ही जागतिक उदाहरणे आहेत, जी त्यांच्या SaaS पूर्ववर्तींपेक्षा खूप वेगाने कोट्यवधींपर्यंत पोहोचली.
Lovable सारख्या प्रॉम्प्ट-आधारित ॲप बिल्डर्सनी लॉन्चच्या एका वर्षापेक्षा कमी काळात अंदाजे $400 मिलियन ARR चा टप्पा गाठल्याचे वृत्त आहे. ग्राहक समर्थनासाठी AI एजंट्स (AI Agents) विकसित करणारी Decagon, सुमारे 6 महिन्यांत सात-अंकी ARR पर्यंत पोहोचली आणि आता $30 मिलियन पेक्षा जास्त महसूल मिळवत असल्याचे सांगितले जाते. या सर्व यशांमध्ये एक समान धागा दिसतो: दीर्घकालीन करारांऐवजी (Long-term Contracts) 'वापरा'मुळे (Usage) होणारी जलद सुरुवातीची महसूल वाढ.
ARR च्या व्याख्येत बदल
या बदललेल्या बिझनेस मॉडेल्समुळे (Business Models) ARR चा अर्थच बदलला आहे. अनेक AI कंपन्या केवळ ऍक्सेससाठी (Access) शुल्क आकारण्याऐवजी 'वापरा'नुसार किंमत ठरवतात – जसे की वापरलेले टोकन्स (Tokens), केलेल्या क्वेरीज (Queries) किंवा बनवलेले ॲप्लिकेशन्स (Applications). त्यामुळे, महसूल हा उत्पादन किती वापरले जाते याच्याशी जोडलेला असतो, ज्यामुळे फिक्स्ड सबस्क्रिप्शनच्या तुलनेत कमी अंदाजित उत्पन्नाचा प्रवाह तयार होतो.
Freshworks चे सह-संस्थापक आणि गुंतवणूकदार Girish Mathrubootham यांच्या मते, "अनेक AI कंपन्या ज्याला ARR म्हणत आहेत, ते प्रत्यक्षात सबस्क्रिप्शन आणि वापराचे संयोजन असलेले ॲन्युअलाइज्ड रन रेट (Annualised Run Rate) आहे." यामुळे, ARR ची गणना अनेकदा 'ॲन्युअलाइज्ड रन रेट' म्हणून केली जाते, जिथे मागील महिन्याच्या कामगिरीला 12 ने गुणले जाते. यामुळे गती (Momentum) कळते, पण मूळ महसूल अस्थिर (Spiky) असू शकतो. मोठ्या बिल्ड किंवा डिप्लॉयमेंट टप्प्यांदरम्यान खर्च वाढू शकतो आणि काम पूर्ण झाल्यावर कमी होऊ शकतो.
AI-केंद्रित व्हेंचर फंड Activate चे संस्थापक Aakrit Vaish म्हणतात, "जर यात टोकन किंवा कम्प्युट खर्चांचा समावेश असेल, तर ठीक आहे. गुंतवणूकदारांना फक्त मार्जिन आणि व्होलाटिलिटीनुसार (Volatility) अंडरराइट करावे लागेल."
मापन आणि मूल्यांकनातील आव्हाने
अहवाल देण्याच्या वेगवेगळ्या पद्धतींमुळे (Varied Reporting Methods) ही गुंतागुंत आणखी वाढते. काही कंपन्या बिलाची संपूर्ण रक्कम नोंदवतात, तर काही इन्फ्रास्ट्रक्चर खर्च (Infrastructure Costs) वजा करतात, ज्यामुळे समान ग्राहक क्रियाकलापांसाठी ARR चे आकडे वेगळे येतात. या मानकीकरणाच्या (Standardization) अभावामुळे 'मेट्रिक इन फ्लक्स' (Metric in Flux) ची परिस्थिती निर्माण झाली आहे.
AI व्हिडिओ प्लॅटफॉर्म Hypergro चे संस्थापक Rituraj Biswas, AI कंपन्यांचे, विशेषतः ग्राहक AI चे मूल्यांकन करण्यासाठी नवीन, प्रमाणित पद्धतीची मागणी करतात आणि स्पष्ट प्रकटीकरणावर (Disclosure) जोर देतात. दुसरीकडे, Neosapien चे Dhananjay Yadav यांचे मत आहे की व्हॅल्युएशन मल्टिपल्स (Valuation Multiples) जुळवून घेतानाही, महसूल आणि ARR सारख्या मूलभूत आर्थिक व्याख्या बदलू नयेत.
थोडक्यात सांगायचे झाल्यास, ARR अजूनही वाढ दर्शवते, परंतु AI युगात त्याचा अर्थ लावण्यासाठी अधिक खोलवर विचार करणे आवश्यक आहे. गुंतवणूकदारांना आता महसूल कसा निर्माण होतो, वापराचे पॅटर्न (Usage Patterns) कसे बदलतात आणि या वापर-आधारित मॉडेल्सची मूलभूत सुसंगतता (Consistency) आणि मार्जिन (Margins) तपासणे आवश्यक आहे, जेणेकरून व्यवसायाच्या आरोग्याचे खरे आकलन होऊ शकेल.