OpenAI sa za jediný rok približuje k zdvojnásobeniu príjmov

OpenAI podľa zdrojov Bloombergu smeruje k ročnému príjmu vyššiemu než 40 miliárd dolárov. Ak sa odhad naplní, firma by za jediný rok približne zdvojnásobila svoje príjmy. Pri spoločnosti, ktorá ešte pred niekoľkými rokmi pôsobila najmä ako výskumné laboratórium, ide o zásadnú zmenu mierky.

Číslo treba čítať v kontexte. Nejde iba o rast počtu používateľov ChatGPT. OpenAI predáva predplatné jednotlivcom, firemné účty aj prístup k modelom cez API. Každá z týchto vrstiev má iný ekonomický profil. Firemný zákazník môže priniesť vyšší príjem, ale zároveň očakáva bezpečnosť, kontrolu dát, dostupnosť a podporu.

Ročný príjem, annualized revenue run rate (tempo prepočítané na celý rok), nie je účtovný výsledok za uzavreté obdobie. Je to ukazovateľ rýchlosti, nie dôkaz zisku. Dostupný podklad navyše hovorí o informáciách zdrojov Bloombergu, nie o verejne auditovaných výkazoch OpenAI.

Na druhej strane, tempo dobre ilustruje širší trend. Frontier AI, teda modely na hranici súčasných schopností, prestáva byť iba výskumnou disciplínou. Mení sa na infraštruktúrny biznis, ktorý potrebuje dátové centrá, čipy, elektrinu, cloudové kontrakty a veľké tímy výskumníkov.

To vysvetľuje aj tlak na ceny a investície v celom odvetví. Model môže byť pre používateľa lacný alebo dokonca bezplatný, no jeho prevádzka niečo stojí pri každej otázke. Ekonomika sa preto bude stále viac presúvať od samotného modelu k distribúcii, firemným pracovným tokom a dátam.

Pre slovenskú a českú firmu z toho nevyplýva, že má okamžite kupovať najdrahší model. Vyplýva z toho potreba počítať celkové náklady na používanie, vrátane integrácie, kontroly výstupov, bezpečnosti a údržby.

Čo si z toho zobrať? Pri každom AI projekte si vypočítajte cenu jednej spracovanej zákazky alebo úlohy, nie iba cenu mesačného predplatného. Bez tejto metriky neviete, či AI skutočne zarába, alebo iba spotrebúva rozpočet.

Databricks získal 5 miliárd dolárov, hoci chcel pôvodne iba pätinu

Databricks oznámil nové financovanie vo výške 5 miliárd dolárov pri valuácii 190 miliárd dolárov. Podľa TechCrunch firma pôvodne plánovala získať 1 miliardu. Po zverejnení informácie o pripravovanom kole však investori prejavili záujem približne 15 miliárd dolárov.

Databricks uvádza ročný príjmový run rate 7 miliárd dolárov, rast na úrovni 80 % a kladný cash flow. Jeho cloudový dátový sklad tvorí 1,5 miliardy dolárov a rastie medziročne o 100 %. Produkt Lakebase má podľa firmy príjmový run rate 100 miliónov dolárov.

Výhrada je podstatná. Tieto čísla pochádzajú od vedenia Databricks a v článku nie sú podložené auditovanými výsledkami. Valuácia zároveň nie je tržba ani zisk. Je to cena, ktorú investori pripisujú podielu v súkromnej firme.

Čo si z toho zobrať? Pri dodávateľovi AI sa nepozerajte na valuáciu ani počet investorov. Pýtajte sa na cenu podľa vašej spotreby, možnosti exportu dát a podmienky odchodu, pretože rast dodávateľa sám o sebe neznižuje vaše prevádzkové riziko.

Applied Materials ukazuje, že AI boom má aj fyzickú časť

Applied Materials zvýšil štvrťročné tržby o 25 % na 9,12 miliardy dolárov. Rast súvisí s pokračujúcim dopytom po čipoch pre AI. Firma dodáva zariadenia a technológie, ktoré výrobcovia používajú pri produkcii polovodičov.

To je menej viditeľná časť AI ekonomiky. Používateľ vidí chatbot, no za ním stojí celý reťazec výrobcov serverov, čipov, pamätí, dátových centier a energetických systémov. Keď rastie dopyt po modeloch, rastie aj tlak na túto fyzickú infraštruktúru.

Pre bežnú stredoeurópsku firmu to znamená, že ceny a dostupnosť AI služieb nebudú závisieť iba od softvérových noviniek. Ovplyvní ich aj kapacita dátových centier a cena výpočtového výkonu. Dlhodobé rozpočty preto nemajú počítať s tým, že výkon bude automaticky stále lacnejší.

Čo si z toho zobrať? Pri kritických AI procesoch si nechajte alternatívu, napríklad druhého dodávateľa alebo jednoduchší fallback režim. Nedostupnosť modelu je prevádzkové riziko, nie iba nepríjemnosť pre IT oddelenie.

Čo ešte stojí za prečítanie?

  • Microsoft odsunul žltého avatara Mico z hlasového Copilota na vzdelávaciu platformu Learn Live, čo ukazuje, že nie každý prvok AI produktu prežije test reálneho používania.
  • Flock po kritike sprísňuje prístup polície k celoštátnej sieti čítačiek evidenčných čísel, informuje MIT Technology Review.
  • Amazon bude podľa TechCrunch používať obsah streamerov z Twitchu na trénovanie AI predvolene, pričom tvorcovia sa musia aktívne odhlásiť.
  • Výskum na arXiv upozorňuje, že komerčné detektory AI nerozlíšia spoľahlivo kompletne strojový text od ľudského textu upraveného AI.
  • Robotický model Dyna-2 bol podľa MarkTechPost predtrénovaný na viac než milióne hodín videa z pohľadu človeka.

Čo si o tom myslím a čo z toho plynie pre firmy

Názor

Číslo 40 miliárd dolárov je pôsobivé, ale samo osebe mi nehovorí, že AI je pre každú firmu výhodná. Hovorí mi najmä to, že prevádzka frontier modelov sa stáva kapitálovo náročným priemyslom. Databricks získal záujem vo výške 15 miliárd dolárov pri pôvodne plánovanom kole 1 miliardy a nakoniec získal 5 miliárd. To nie je dôkaz, že každý AI projekt má vysokú návratnosť. Je to dôkaz, že kapitál sa v tomto segmente stále tlačí za rastom.

Pri takomto tempe sa ľahko zamieňa príjem za hodnotu. Firma môže rýchlo zvýšiť počet API volaní a zároveň mať slabú maržu. Môže mať vysokú valuáciu a stále byť závislá od drahého cloudu. Preto odmietam porovnávať slovenskú alebo českú firmu s OpenAI podľa počtu používateľov či veľkosti investície. Bežná firma nepotrebuje vlastný frontier model. Potrebuje vyriešiť konkrétny proces.

Dôsledok pre slovenskú a českú firmu

Praktický dôsledok sa týka najmä finančného riaditeľa, IT manažéra a človeka, ktorý AI projekt zadáva. Pri novom nástroji treba oddeliť tri čísla: cenu modelu, cenu integrácie a cenu prevádzky po spustení. K tomu patrí aj cena ľudskej kontroly. Ak model pripraví návrh zmluvy, pracovník ho musí skontrolovať. Táto minúta práce nie je zadarmo, aj keď ju cenník API neukazuje.

Do 30 dní sa dá vytvoriť jednoduchý register AI procesov. Pri každom procese evidujte počet prípadov za mesiac, čas ručného spracovania, cenu jedného modelového volania, chybovosť a čas kontroly. Po 90 dňoch už máte vlastné dáta, nie marketingový odhad dodávateľa. Rovnaký postup platí na Slovensku aj v Česku. Rozdiel môže vzniknúť pri právnych požiadavkách na osobné údaje alebo pri konkrétnych sektorových pravidlách, nie pri základnej ekonomike merania.

Applied Materials a rast dopytu po čipoch zároveň naznačujú, že lacnejší výkon nemusí prísť tak rýchlo, ako sľubujú produktové prezentácie. Preto by som kritické úlohy nenaviazal na jediný model. Použite menší model na bežné prípady a drahší model iba tam, kde jeho presnosť merateľne zvyšuje výsledok. Fallback môže byť manuálny postup, druhý dodávateľ alebo lokálne uložené pravidlá.

Najväčšia chyba by bola kúpiť si veľký AI nástroj bez úpravy procesu. Automatizovať neporiadok znamená zrýchliť neporiadok. Keď firma nevie povedať, ako úlohu rieši dnes, nebude vedieť ani zmerať, či ju AI zlepšila. Výsledok je ďalší pilot, ďalšia porada a ďalší účet, ktorý sa tvári ako stratégia.

To platí aj pri rozhodovaní o dodávateľovi. OpenAI, Databricks aj Applied Materials ukazujú, že za rastom AI stoja veľké kapitálové záväzky. Malá firma však nemusí financovať celý reťazec. Má si prenajať výkon, ktorý vie zmerať, a pripraviť si únikovú cestu. Otvorený export dát, druhý model a jasný strop spotreby sú praktickejšie než prezentácia o digitálnej transformácii.

Úspora času sa počíta až vtedy, keď sa ušetrený čas použije na inú prácu. Ak pracovník vďaka AI spracuje dvakrát viac požiadaviek, ale firma neprijme viac zákaziek, nezníži počet ľudí ani nezlepší servis, výsledkom nie je úspora. Je to iba rýchlejšie vykonaná rovnaká činnosť.

Čo si z toho zobrať? Zajtra si vyberte jeden proces s opakovaným objemom, zmerajte jeho súčasnú cenu a až potom porovnávajte AI nástroje. Rozhodnutie robte podľa ceny dokončeného výsledku, nie podľa veľkosti modelu alebo titulku v médiách.

Na záver

AI crawleri takmer vyradili z prevádzky dobrovoľnícky LGBT History Project, ktorý pätnásť rokov zhromažďoval svedectvá komunity a získal viac než 50 miliónov návštev. Podľa Fast Company jeden crawler Meta za deň vytvoril približne 26 000 požiadaviek a stiahol okolo 12 GB dát. Autor archívu musel zväčšiť server a učiť sa blokovať botov. AI tak môže zvyšovať hodnotu informácií, ale zároveň prenášať náklady ich získavania na ľudí, ktorí z toho nemajú ani cent. Technológia bez dohody o nákladoch nie je efektívna. Iba presúva účet.

Výzva na AI implementáciu dňa

Do jedného týždňa nasaďte rozpočtový dashboard pre AI spotrebu. Využite export faktúr z OpenAI, Anthropic alebo iného používaného API a v Google Sheets, Airtable či Power BI sledujte náklady podľa tímu, procesu a modelu. Finančnému riaditeľovi to zoberie ručné prepisovanie faktúr a IT oddeleniu hľadanie účtov, ktoré rastú bez vysvetlenia.

Základnú verziu spustíte za 2 až 4 hodiny. Pri malej firme môže ušetriť 2 až 5 hodín mesačne a zabrániť zbytočným výdavkom v desiatkach až stovkách eur. Najčastejšie to padá na chýbajúcom pomenovaní procesov, nie na technológii. Zmerajte tento týždeň prvý účet a priraďte ho ku konkrétnej práci.

Kým AI priemysel počíta miliardy, vy si spočítajte aspoň prvú zákazku, ktorú vám skutočne zlacní.