OpenAI se během jediného roku blíží zdvojnásobení příjmů

OpenAI podle zdrojů Bloombergu směřuje k ročnímu příjmu vyššímu než 40 miliard dolarů. Pokud se odhad naplní, firma by během jediného roku přibližně zdvojnásobila své příjmy. U společnosti, která ještě před několika lety působila především jako výzkumná laboratoř, jde o zásadní změnu měřítka.

Číslo je třeba číst v kontextu. Nejde pouze o růst počtu uživatelů ChatGPT. OpenAI prodává předplatné jednotlivcům, firemní účty i přístup k modelům prostřednictvím API. Každá z těchto vrstev má jiný ekonomický profil. Firemní zákazník může přinést vyšší příjem, zároveň však očekává bezpečnost, kontrolu dat, dostupnost a podporu.

Roční příjem, annualized revenue run rate (tempo přepočtené na celý rok), není účetní výsledek za uzavřené období. Je to ukazatel rychlosti, nikoli důkaz zisku. Dostupný podklad navíc hovoří o informacích zdrojů Bloombergu, nikoli o veřejně auditovaných výkazech OpenAI.

Na druhou stranu tempo dobře ilustruje širší trend. Frontier AI, tedy modely na hranici současných schopností, přestává být pouze výzkumnou disciplínou. Mění se v infrastrukturní byznys, který potřebuje datová centra, čipy, elektřinu, cloudové kontrakty a velké týmy výzkumníků.

To vysvětluje i tlak na ceny a investice v celém odvětví. Model může být pro uživatele levný nebo dokonce bezplatný, jeho provoz však při každém dotazu něco stojí. Ekonomika se proto bude stále více přesouvat od samotného modelu k distribuci, firemním pracovním postupům a datům.

Pro slovenskou a českou firmu z toho nevyplývá, že má okamžitě kupovat nejdražší model. Vyplývá z toho potřeba počítat celkové náklady na používání včetně integrace, kontroly výstupů, bezpečnosti a údržby.

Co si z toho odnést? U každého AI projektu si spočítejte cenu jedné zpracované zakázky nebo úlohy, nikoli pouze cenu měsíčního předplatného. Bez této metriky nevíte, zda AI skutečně vydělává, nebo pouze spotřebovává rozpočet.

Databricks získal 5 miliard dolarů, ačkoli původně chtěl jen pětinu

Databricks oznámil nové financování ve výši 5 miliard dolarů při valuaci 190 miliard dolarů. Podle TechCrunch firma původně plánovala získat 1 miliardu. Po zveřejnění informace o připravovaném kole však investoři projevili zájem přibližně o 15 miliard dolarů.

Databricks uvádí roční příjmový run rate 7 miliard dolarů, růst na úrovni 80 % a kladný cash flow. Jeho cloudový datový sklad tvoří 1,5 miliardy dolarů a meziročně roste o 100 %. Produkt Lakebase má podle firmy příjmový run rate 100 milionů dolarů.

Výhrada je podstatná. Tato čísla pocházejí od vedení Databricks a v článku nejsou podložena auditovanými výsledky. Valuace zároveň není tržba ani zisk. Je to cena, kterou investoři připisují podílu v soukromé firmě.

Co si z toho odnést? U dodavatele AI se nedívejte na valuaci ani počet investorů. Ptejte se na cenu podle vaší spotřeby, možnosti exportu dat a podmínky odchodu, protože růst dodavatele sám o sobě nesnižuje vaše provozní riziko.

Applied Materials ukazuje, že AI boom má i fyzickou část

Applied Materials zvýšil čtvrtletní tržby o 25 % na 9,12 miliardy dolarů. Růst souvisí s pokračující poptávkou po čipech pro AI. Firma dodává zařízení a technologie, které výrobci používají při výrobě polovodičů.

To je méně viditelná část AI ekonomiky. Uživatel vidí chatbot, za ním však stojí celý řetězec výrobců serverů, čipů, pamětí, datových center a energetických systémů. Když roste poptávka po modelech, roste i tlak na tuto fyzickou infrastrukturu.

Pro běžnou středoevropskou firmu to znamená, že ceny a dostupnost AI služeb nebudou záviset pouze na softwarových novinkách. Ovlivní je také kapacita datových center a cena výpočetního výkonu. Dlouhodobé rozpočty proto nemají počítat s tím, že výkon bude automaticky stále levnější.

Co si z toho odnést? U kritických AI procesů si ponechte alternativu, například druhého dodavatele nebo jednodušší záložní režim. Nedostupnost modelu je provozní riziko, nikoli pouze nepříjemnost pro IT oddělení.

Co ještě stojí za přečtení?

  • Microsoft přesunul žlutého avatara Mico z hlasového Copilota na vzdělávací platformu Learn Live, což ukazuje, že ne každý prvek AI produktu přežije test reálného používání.
  • Flock po kritice zpřísňuje přístup policie k celostátní síti čteček registračních značek, informuje MIT Technology Review.
  • Amazon bude podle TechCrunch používat obsah streamerů z Twitchu k trénování AI ve výchozím nastavení, přičemž tvůrci se musí aktivně odhlásit.
  • Výzkum na arXiv upozorňuje, že komerční detektory AI spolehlivě nerozliší zcela strojový text od lidského textu upraveného pomocí AI.
  • Robotický model Dyna-2 byl podle MarkTechPost předtrénován na více než milionu hodin videa z pohledu člověka.

Co si o tom myslím a co z toho plyne pro firmy

Názor

Číslo 40 miliard dolarů je působivé, samo o sobě mi však neříká, že AI je výhodná pro každou firmu. Říká mi především, že provoz frontier modelů se stává kapitálově náročným průmyslem. Databricks získal zájem ve výši 15 miliard dolarů při původně plánovaném kole ve výši 1 miliardy a nakonec získal 5 miliard. To není důkaz, že každý AI projekt má vysokou návratnost. Je to důkaz, že kapitál v tomto segmentu stále proudí za růstem.

Při takovém tempu se snadno zaměňuje příjem za hodnotu. Firma může rychle zvýšit počet API volání a zároveň mít nízkou marži. Může mít vysokou valuaci a stále být závislá na drahém cloudu. Proto odmítám porovnávat slovenskou nebo českou firmu s OpenAI podle počtu uživatelů či velikosti investice. Běžná firma nepotřebuje vlastní frontier model. Potřebuje vyřešit konkrétní proces.

Důsledek pro slovenskou a českou firmu

Praktický důsledek se týká především finančního ředitele, IT manažera a člověka, který AI projekt zadává. U nového nástroje je třeba oddělit tři čísla: cenu modelu, cenu integrace a cenu provozu po spuštění. K tomu patří i cena lidské kontroly. Pokud model připraví návrh smlouvy, pracovník ho musí zkontrolovat. Tato minuta práce není zdarma, i když ji ceník API neukazuje.

Do 30 dní lze vytvořit jednoduchý registr AI procesů. U každého procesu evidujte počet případů za měsíc, čas ručního zpracování, cenu jednoho modelového volání, chybovost a čas kontroly. Po 90 dnech už máte vlastní data, nikoli marketingový odhad dodavatele. Stejný postup platí na Slovensku i v Česku. Rozdíl může vzniknout u právních požadavků na osobní údaje nebo u konkrétních sektorových pravidel, nikoli v základní ekonomice měření.

Applied Materials a růst poptávky po čipech zároveň naznačují, že levnější výkon nemusí přijít tak rychle, jak slibují produktové prezentace. Kritické úlohy bych proto nenavázal na jediný model. Použijte menší model pro běžné případy a dražší model pouze tam, kde jeho přesnost měřitelně zvyšuje výsledek. Záložním řešením může být manuální postup, druhý dodavatel nebo lokálně uložená pravidla.

Největší chybou by bylo koupit si velký AI nástroj bez úpravy procesu. Automatizovat nepořádek znamená zrychlit nepořádek. Když firma nedokáže říct, jak úlohu řeší dnes, nebude vědět ani změřit, zda ji AI zlepšila. Výsledkem je další pilot, další porada a další účet, který se tváří jako strategie.

To platí i při rozhodování o dodavateli. OpenAI, Databricks i Applied Materials ukazují, že za růstem AI stojí velké kapitálové závazky. Malá firma však nemusí financovat celý řetězec. Má si pronajmout výkon, který dokáže změřit, a připravit si únikovou cestu. Otevřený export dat, druhý model a jasný strop spotřeby jsou praktičtější než prezentace o digitální transformaci.

Úspora času se počítá teprve tehdy, když se ušetřený čas využije na jinou práci. Pokud pracovník díky AI zpracuje dvakrát více požadavků, ale firma nepřijme více zakázek, nesníží počet lidí ani nezlepší servis, výsledkem není úspora. Je to pouze rychleji provedená stejná činnost.

Co si z toho odnést? Zítra si vyberte jeden proces s opakujícím se objemem, změřte jeho současnou cenu a teprve potom porovnávejte AI nástroje. Rozhodujte se podle ceny dokončeného výsledku, nikoli podle velikosti modelu nebo titulku v médiích.

Na závěr

AI crawleři téměř vyřadili z provozu dobrovolnický LGBT History Project, který patnáct let shromažďoval svědectví komunity a získal více než 50 milionů návštěv. Podle Fast Company jeden crawler společnosti Meta za den vytvořil přibližně 26 000 požadavků a stáhl kolem 12 GB dat. Autor archivu musel zvětšit server a naučit se blokovat boty. AI tak může zvyšovat hodnotu informací, zároveň však přenášet náklady na jejich získávání na lidi, kteří z toho nemají ani cent. Technologie bez dohody o nákladech není efektivní. Pouze přesouvá účet.

Výzva k AI implementaci dne

Do jednoho týdne nasaďte rozpočtový dashboard pro spotřebu AI. Využijte export faktur z OpenAI, Anthropic nebo jiného používaného API a v Google Sheets, Airtable či Power BI sledujte náklady podle týmu, procesu a modelu. Finančnímu řediteli to ušetří ruční přepisování faktur a IT oddělení hledání účtů, které rostou bez vysvětlení.

Základní verzi spustíte za 2 až 4 hodiny. V malé firmě může ušetřit 2 až 5 hodin měsíčně a zabránit zbytečným výdajům v desítkách až stovkách eur. Nejčastěji to selhává na chybějícím pojmenování procesů, nikoli na technologii. Tento týden změřte první účet a přiřaďte ho ke konkrétní práci.

Zatímco AI průmysl počítá miliardy, vy si spočítejte alespoň první zakázku, kterou vám skutečně zlevní.