Historia marży brutto firm zajmujących się AI przechodzi pierwszą "kontrolę": Canva celowo spowalnia wzrost, Figma sama ponosi koszty wnioskowania

Dwie wiodące firmy w sektorze oprogramowania projektowego ujawniają najbardziej ukryte koszty transformacji AI za pomocą rzeczywistych danych finansowych.

Canva w tym tygodniu wydała ostrzeżenie dla inwestorów, roczny wzrost przychodów spowolni do 20%, ponieważ firma świadomie zatrzymała plan wdrożenia funkcji AI mającej pobudzić wzrost płatnych subskrypcji – zapotrzebowanie przekroczyło oczekiwania, ale koszty obsługi również znacznie je przewyższyły. Figma w czwartek opublikowała wyniki finansowe, wykazując, że w trzecim kwartale wzrost przychodów spadnie z 48% w kwartale czerwcowym do 36%, przyznając równocześnie, że wiele jej narzędzi AI znajduje się dopiero w fazie testów i nie wypracowano jeszcze skutecznych ścieżek komercjalizacji. Po publikacji tych wiadomości, akcje Figma spadły o około 15% w ciągu jednego dnia.

Według technologicznego portalu The Information, doświadczenia obu firm wskazują na wspólny problem strukturalny: popularność produktów AI nie przekłada się automatycznie na zdrowy model ekonomiczny jednostki. W ramach narracji, która dawała duże nadzieje inwestorom na firmach związanych z AI, jest to prawdziwy test presji z pierwszej linii.

Canva: Nadmierny popyt stał się obciążeniem, świadome hamowanie

Problemy Canvy mają niemal dramatyczny charakter – nie wynikają z braku użytkowników, lecz właśnie z ich zbyt dużej liczby.

Według doniesień, dyrektor operacyjny Canvy, Cliff Obrecht, powiedział współpracownikom, że przed wprowadzeniem AI, koszt obsługi dużej liczby bezpłatnych użytkowników był "bardzo niski". Jednak po wdrożeniu funkcji AI, "koszty gwałtownie wzrosły, model ekonomiczny jednostki uległ fundamentalnej zmianie, przez co redukcja kosztów AI stała się znacznie ważniejsza niż wcześniej".

Właśnie na tej podstawie Canva zdecydowała się świadomie spowolnić planowane wdrażanie funkcji AI, zamiast kontynuować wzrost użytkowników za wysoką cenę. Ta decyzja bezpośrednio obniżyła oczekiwania dotyczące rocznego wzrostu przychodów firmy, z wcześniejszego, wyższego poziomu do 20%.

Aby zasadniczo rozwiązać problem kosztów, Canva intensywnie rozwija własne modele AI. Firma twierdzi, że jej wewnętrzne modele generowania obrazów i wideo są szybsze i tańsze niż modele czołowych laboratoriów AI. Problem polega jednak na tym, że te modele nie zdążyły na czas rozbudowy funkcji AI, co zmusiło firmę do korzystania z droższych modeli zewnętrznych na kluczowych etapach.

Figma: Produkty beta udostępniane za darmo, pełne koszty inferencji na własnym rachunku

W przeciwieństwie do świadomego hamowania Canvy, Figma mierzy się z inną formą presji kosztowej – firma ponosi koszty produktów, które nie są jeszcze skomercjalizowane.

Dyrektor finansowy Figma, Praveer Melwani, otwarcie wyjaśnił tę logikę podczas rozmowy z inwestorami:

"Obecnie nie pobieramy opłat od klientów za korzystanie z produktów będących w fazie testów, koszty inferencji ponosimy samodzielnie, bez żadnych przychodów konsumujących te wydatki."

Oznacza to, że Figma subsydiuje użytkowanie swoich funkcji AI ze środków własnych, czekając, aż narzędzia te przejdą z testów do pełnej komercjalizacji. Firma przewiduje, że ta struktura kosztów będzie wywierać presję na marżę brutto.

Figma również zwiększa inwestycje w rozwój własnych modeli AI i rozpoczęła już łączenie wewnętrznych modeli z zaawansowanymi modelami, aby wspierać nowo wprowadzoną Figma AI Agent. Jednak sama nauka modeli wymaga czasu i nakładów finansowych, których cierpliwość rynku kapitałowego jest wyraźnie ograniczona – po publikacji wytycznych dotyczących wyników, akcje Figma spadły o około 15% w ciągu jednego dnia.

Wspólna trudność: Struktura kosztów transformacji AI nie została jeszcze uporządkowana

Według raportów, przykłady Canvy i Figma pokazują dylemat, z którym obecnie mierzą się firmy z sektora AI: atrakcyjność produktów została już udowodniona, lecz droga do przekształcenia jej w trwały i dochodowy model biznesowy pozostaje niejasna.

Obie firmy postrzegają rozwój własnych modeli jako klucz do przełamania impasu – przez ograniczenie zależności od drogich modeli zewnętrznych, zasadniczo poprawiają model ekonomiczny jednostki. Jednak cykl budowy własnych modeli jest nie do pogodzenia z natychmiastowymi wymaganiami rynku dotyczącymi wzrostu wyników.

Analiza wskazuje, że oba raporty finansowe stanowią ważny punkt odniesienia: koszt transformacji AI nie jest związany wyłącznie z nakładami na badania, lecz głęboko tkwi w opłatach za inferencję przy każdym wywołaniu przez użytkownika. Dopóki model komercjalizacji nie dojrzeje, ta część kosztów będzie stale podkopywać marżę brutto.

Historia AI w firmach z sektora oprogramowania przechodzi właśnie pierwszą, prawdziwą ocenę finansową.