Gelir öncesi teknolojiye değer verme startups bugün yerleşik bir süreçtir, ancak kullanılan yöntemler yeni yapay zeka kullanan gelir öncesi şirketler için aynı şekilde geçerli mi? Milyonlarca kullanıcıya hızla ölçeklenebilen yapay zeka geliştiren girişimlere uyguladığınızda ne tür sorunlar ortaya çıkıyor? Bu sorular artık akademik değil.
Bu makale, gelir öncesi girişimlere değer vermek için kullanılan geleneksel yöntemlerin bir özetini sunar, bu yöntemler yeni yapay zeka girişimleri için kullanıldığında ortaya çıkan bazı sınırlamaları inceler ve riski azaltmanın yollarını önerir.
bakarak başlayalım genel olarak kabul edilen üç yol gelir öncesi veya erken aşamadaki şirketlere değer biçme: Puan kartı değerlemesi, risk sermayesi ve Berkus Yöntemi. Daha sonra, bu yöntemleri yeni yapay zeka uygulamalarına sahip erken aşamadaki bir şirkete uygulamanın bazı zorluklarını inceleyeceğiz.
Puan kartı değerlendirme yöntemi
Yapay zeka diğer teknolojilerden çok daha hızlı ölçeklenebilir, bu nedenle beta veya minimum geçerli ürün aşamasında işe yarayanlar, bir yapay zeka ürünü milyonlarca kullanıcıya ölçeklendiğinde çalışmayabilir.
Bu değerleme yöntemi, bir girişimi piyasadaki diğer şirketlerle karşılaştırmayı amaçlar.
İlk olarak, aynı pazardaki diğer girişimler için medyan para öncesi değerleme belirlenir. Daha sonra bu değer kriteri, yönetim ekibinin gücü, fırsatın büyüklüğü, ürün/teknoloji, rekabet ortamı ve pazarlama/satış kanalları gibi faktörler dikkate alınarak söz konusu girişimi karşılaştırmak için kullanılır.
Son derece öznel olmakla birlikte, bu faktörlerin her birine bir puan kartına benzer bir değer atanır. Piyasadaki başlangıçlar için medyan para öncesi değerleme 1 milyon dolar ve bir girişimin çeşitli faktörleri 1.125 ise, para öncesi değerlemeyi elde etmek için iki sayı çarpılır.
risk sermayesi yöntemi
Risk sermayesi yöntemi, bir girişimin para öncesi değerlemesini, para sonrası değerlemesini tahmin ederek belirlemeye çalışır. Puan kartı değerlemesinde olduğu gibi, startup’ı aynı pazardaki kıyaslama şirketleri ile karşılaştırarak varsayımlarda bulunmanız gerekir.