Wyceny AI i trendy w finansowaniu - podsumowanie webinaru

1 lipca 2025 roku zorganizowaliśmy webinar na żywo zatytułowany „AI Valuations and Funding Trends in 2025”. Webinar poprowadzili Marcin Majewski, Managing Director, oraz Filip Drazdou, M&A Director.

Pełne nagranie webinaru możesz obejrzeć poniżej. Jeśli chcesz pobrać materiały prezentacyjne wykorzystane podczas sesji, łatwo zrobisz to, klikając przycisk pobierania raportu po lewej stronie (jeśli korzystasz z komputera) lub przewijając na sam dół (jeśli używasz telefonu).

Poniżej znajdziesz pełny zapis rozmowy, zredagowany pod kątem czytelności, płynności i zwięzłości.

Powitanie i wprowadzenie

Marcin Majewski:

Cześć! Witamy na naszym webinarze o wycenach AI i M&A.

Jestem Marcin Majewski, założyciel i partner zarządzający Aventis Advisors, a obok mnie jest Filip.

Filip, przywitaj się i przedstaw.

Filip Drazdou:

Filip Drazdou, jestem Director w Aventis Advisors. Miło Was wszystkich widzieć.

Marcin Majewski:

Jesteśmy pod dużym wrażeniem, że zdecydowaliście się poświęcić część cennego letniego urlopu, żeby nas posłuchać. Mam nadzieję, że podzielimy się z Wami kilkoma ciekawymi spostrzeżeniami na temat sztucznej inteligencji.

Jak większość ludzi, w świecie AI byliśmy nowicjuszami, ale zaczęliśmy dość wcześnie, eksperymentując ze sztuczną inteligencją we własnej firmie jeszcze przed premierą ChatGPT.

Obserwujemy więc AI i jej wpływ na M&A oraz inwestycje już od dłuższego czasu. Na tym webinarze chcemy podzielić się tym, czego dowiedzieliśmy się dotąd o rynkach publicznych, rynkach prywatnych i tym, czego spodziewamy się po przyszłości M&A.

Jak dotąd nie było wielu exitów, ale spodziewamy się, że pojawi się ich mnóstwo. Z niecierpliwością czekamy, aż te exity dojdą do skutku.

W każdym razie, nie przedłużając, przejdźmy do prezentacji. Mamy dziś 45 minut, więc zacznijmy od agendy.

Porozmawiamy o:

• AI na rynkach publicznych, czyli spółki notowane na giełdzie.
• Następnie ciekawa perspektywa na to, co tak naprawdę kwalifikuje się jako AI (omówi to Filip).
• Najnowsze trendy w finansowaniu AI.
• Co obserwujemy w AI M&A i exity oraz to, jak ustawić się w roli założyciela lub inwestora.
• Następnie podsumujemy i zakończymy.

Na koniec zostaniemy też kilka minut, żeby odpowiedzieć na Wasze pytania, więc śmiało je wpisujcie, a my postaramy się, żeby było to jak najbardziej interaktywne.

Nagranie będzie też dostępne na naszej stronie i na YouTube, więc koniecznie zasubskrybuj nasz kanał jeśli możesz.

Filip, oddaję Ci głos.

Wyceny AI na rynkach publicznych

Filip Drazdou:

Tak, chcę zacząć od danych z rynków publicznych, które zwykle dostarczają najlepszej i najbardziej kompleksowej, codziennej informacji o tym, co się dzieje.

Robiliśmy już wcześniej bardzo udane indeksy, na przykład dla SaaS lub Usługi informatyczne , gdzie można śledzić nastroje i rozwój branży.

Od pewnego czasu myśleliśmy: zróbmy coś takiego w AI. Ale pojawiało się pytanie: co jest AI na rynkach publicznych? Oczywiście na myśl przychodzi Nvidia i może kilku innych, mniejszych graczy. Ale które spółki faktycznie liczą się jako spółki AI?

Wymyśliliśmy dość ciekawą metodologię. Wybraliśmy jedną konkretną datę z przeszłości (27 stycznia), kiedy ukazał się DeepSeek i rynki runęły. Nvidia spadła o 17%, a wiele innych spółek zanotowało dwucyfrowe spadki.

Powiedzieliśmy więc: dobrze, spółki, które tego dnia doświadczyły istotnych ruchów, są prawdopodobnie w jakiś sposób powiązane z ekosystemem AI. Zebraliśmy listę takich spółek z różnych branż i tak powstał nasz Indeks AI.

Przeanalizowaliśmy wartości indeksu począwszy od listopada 2023 roku (mniej więcej w czasie premiery ChatGPT, czyli narodzin nowoczesnej AI). Od tego czasu:

• Indeks AI o równych wagach wzrósł o 166%.
• Wersja ważona kapitalizacją rynkową, gdzie Nvidia stanowi 30%, wzrosła o niemal 150%.

Główny wniosek: jesteśmy na historycznym maksimum dla spółek AI. Nastroje nie mogłyby być lepsze.

Zanim przejdziemy do scenariusza byczego i niedźwiedziego, porozmawiajmy o tym, co znajduje się wewnątrz tego indeksu.

Uwzględniliśmy cały łańcuch dostaw AI. 27 stycznia, kiedy rynki spadły, nie chodziło tylko o półprzewodniki, ale o wszystko: od wytwarzania energii elektrycznej, przez sektor naftowo-gazowy, łańcuchy dostaw półprzewodników i centra danych, aż po dostawców sprzętu. Dlatego nasz indeks AI upstream obejmuje wszystkie te spółki, które przyczyniają się do tworzenia infrastruktury AI.

LLM-y i aplikacje AI ostatecznie staną się częścią tego indeksu, ale większość z nich nie jest jeszcze notowana na giełdzie. Na razie więc pracujemy na infrastrukturze i stronie podażowej, i jest to bardzo ciekawe. AI to dziś nie tylko OpenAI czy Anthropic; to także cała baza przemysłowa, która za nimi stoi.

Scenariusz byczy: boom inwestycyjny w AI

Filip Drazdou:

Pytanie brzmi teraz: co dalej? Dokąd zmierzamy?

Naszą tradycją jest przedstawianie zarówno scenariusza byczego, jak i niedźwiedziego. Marcin, chcesz zacząć od byczego? Jak daleko możemy zajść?

Marcin Majewski:

Tak. Nie wiem dokładnie, jak daleko, ale z przyjemnością stawiam na scenariusz byczy, bo szczerze wierzę, że zajdziemy bardzo daleko.

Czy to bańka? Trudno powiedzieć. Jest mnóstwo oczekiwań i będzie ich jeszcze więcej.

Ale uważam, że te oczekiwania są uzasadnione. AI zasadniczo zmieni społeczeństwo i sposób, w jaki żyją ludzie.

Przebudowa świata tak, by dostosować go do AI, po prostu kosztuje mnóstwo pieniędzy. I ktoś musi to zrobić. I ktoś na tym zarobi.

Uważam więc, że jesteśmy dopiero na początku rewolucji AI. Zobaczymy znacznie większy wzrost.

Wciąż pozostaje do zbudowania ogromna ilość infrastruktury, by dostosować świat do AI. Wierzę, że czeka nas 5- do 10-letni boom inwestycyjny, który wywinduje wyceny na niespotykane wcześniej poziomy.

Tym, co jest tym razem wyjątkowe, jest fakt, że konkurują nie tylko firmy. W grze są też państwa narodowe. Tego nie widzieliśmy w poprzednich boomach technologicznych.

Duża część infrastruktury będzie nadmiarowa, bo zostanie zdublowana w różnych regionach. Każdy chce mieć suwerenną AI.

Będziemy więc mieć suwerenną AI dla USA, dla Chin, dla krajów UE i tak dalej.

I dlatego uważam, że inwestycje w sieć energetyczną, w centra danych, będą ogromne.

Dopóki nie zbudujemy nowej fuzji jądrowej jako źródła energii, wciąż będziemy potrzebować mnóstwa takich inwestycji. Bo to po prostu jest drogie.

Uważam więc, że te spółki mają jeszcze długą drogę przed sobą.

Filip?

Scenariusz niedźwiedzi: korekty na rynku AI i presja konkurencyjna

Filip Drazdou:
Tak, dość trudno było zbudować tutaj scenariusz niedźwiedzi. Wiele z tych spółek to nie są spółki hype'owe ani SPAC-i. To spółki ze starej gospodarki, które istnieją od ponad 100 lat i dopiero teraz korzystają z całego napływu inwestycji i nakładów CapEx w AI.

Gdybym miał zbudować scenariusz niedźwiedzi, zacząłbym od korelacji z indeksem S&P 500. Jeśli uważasz, że rynek jako całość jest przewartościowany, zwłaszcza w USA, to przy każdej korekcie te spółki ucierpią.

Widzieliśmy to już przy cłach, które spowodowały dość duży spadek wielu spółek. Jeśli więc w USA pojawi się kolejna bessa, te spółki mogą spadać szybciej niż inne.

Mój drugi argument byłby taki: obecnie te spółki cieszą się bardzo wysoką rentownością i marżami. Nvidia praktycznie drukuje miliardy. Ale zgodnie z prawami ekonomii ostatecznie konkurencja to zniweluje. Łączna pula zysków zmaleje wraz z pojawianiem się nowych graczy, nasileniem konkurencji i przenoszeniem wartości na konsumentów lub firmy.

Możemy więc zobaczyć spadek zysków, a wraz z nim spadek kursów akcji, ale nie dlatego, że zniknie popyt, lecz dlatego, że zyski rozłożą się inaczej.

Niemniej próba spółek jest dość zróżnicowana. Osobiście nie widzę tu bańki w AI.

Co o tym sądzisz, Marcin?

Wyceny AI: czy istnieje bańka w wycenach AI?

Marcin Majewski:
Nie, nie. Kiedy patrzymy na szeroki segment i łańcuch dostaw, uważam, że to rozsądne. Nawet Nvidia wygląda dla mnie rozsądnie.

Filip Drazdou:
Tak, zwłaszcza przy wzroście przychodów i rentowności, jakie dotąd osiągnęła.

Marcin Majewski:
Tak, dokładnie.

Filip Drazdou:
Ale ciekawe jest, że to nie tylko Nvidia. Przyjrzeliśmy się różnym segmentom i przeanalizowaliśmy, które grupy radziły sobie najlepiej od premiery ChatGPT.

Zbudowaliśmy indeks o równych wagach złożony z różnych spółek powiązanych z AI i uszeregowaliśmy je według całkowitej stopy zwrotu. Nvidia, jako część grupy dostawców chipów, plasuje się mniej więcej w okolicach średniej całego indeksu, bo niektórym innym spółkom półprzewodnikowym nie poszło tak dobrze.

To, co naprawdę rzuciło mi się w oczy, to infrastruktura i wszystko, co związane z energią elektryczną, HVAC, budową centrów danych. To właśnie te spółki „od kilofów i łopat”, które faktycznie budują fizyczną infrastrukturę dla AI, radzą sobie najlepiej.

To bardzo wymowne. Na razie nie jest to software, bo software taki jak OpenAI nie jest jeszcze notowany na giełdzie, więc nie wiemy, jak radziłby sobie na rynkach publicznych.

Jak dotąd tradycyjne spółki radzą sobie bardzo dobrze. A to ma duże implikacje dla inwestorów. Nie musisz gonić za kolejnym OpenAI czy Anthropic.

Na rynkach publicznych jest mnóstwo solidnych okazji, a na rynkach prywatnych prawdopodobnie jeszcze więcej, wśród dostawców dla tych graczy budujących infrastrukturę AI. Często są one wyceniane uczciwie, ale mają szansę skorzystać na rosnącym popycie na usługi, budownictwo i sprzęt.

Rady dla założycieli w obszarze AI

Marcin Majewski:
Filip, gdybyś miał doradzać założycielowi, powiedziałbyś mu, żeby gonił za jednorożcami, czy raczej poszedł w HVAC i fachy rzemieślnicze?

Filip Drazdou:
Myślę, że to zależy od apetytu na ryzyko. Ale tak, wierzę, że okazje są w HVAC i energetyce. Niektóre z tych spółek są wyceniane przy jednocyfrowych wielokrotnościach EBITDA, w okolicach środka tego przedziału.

Marcin Majewski:
Nie, ale mam na myśli to, że gdybyś rozmawiał z założycielem startupu, powiedziałbyś mu, żeby poszedł w HVAC, pracował w terenie, czy żeby zajął się machine learningiem, budowaniem LLM-ów albo wrapperów AI?

Filip Drazdou:
Myślę, że to naprawdę zależy od osobowości. Widzimy, że mnóstwo ludzi idzie w LLM-y i AI. Ale to też jest trudne, bo nie zajmujesz się tylko badaniami, musisz też prowadzić biznes.

Więc każdy musi zdecydować sam. Uważam, że HVAC nie jest tak złą okazją, jak mogłoby się wydawać.

Marcin Majewski:
To bardzo wyważone podejście. Powiedziałbym, że stosunek ryzyka do zysku jest prawdopodobnie lepszy w bardziej tradycyjnych fachach niż w AI.

Oczywiście najwięksi wygrani, ci, którzy zarobią najwięcej, będą w AI. Ale dla rozsądniejszego zwrotu w stosunku do podejmowanego ryzyka więcej sensu może mieć postawienie na coś tradycyjnego i konserwatywnego.

W tych sektorach jest wiele bezpiecznych zagrań, które dodatkowo oferują solidne możliwości exitu.

Filip Drazdou:
Tak, a jeśli ta produkcja połączy się z pewnym reshoringiem w Stanach Zjednoczonych, to można sporo zarobić na wytwarzaniu rzeczy, które wcześniej produkowano za granicą, a teraz są sprowadzane z powrotem. Na przykład komponentów potrzebnych do centrów danych.

Marcin Majewski:
Dokładnie. I to nie tylko w USA. To samo dzieje się w Europie. Wraz z deglobalizacją łańcuchy dostaw się skracają, więc lokalna siła robocza i produkcja prawdopodobnie urosną we wszystkich głównych blokach gospodarczych.

To niezwykle ciekawa zmiana.

Wyceny AI na rynkach prywatnych i trendy w finansowaniu AI

Marcin Majewski:
Przejdźmy więc do finansowania prywatnego.

Filip Drazdou:
Tak, finansowanie.

Marcin Majewski:
Bardzo nas to ekscytuje, bo lubimy patrzeć, jak coś rośnie, choć jest tu mnóstwo niuansów i sporo do rozłożenia na czynniki pierwsze.

Nagłówki są oczywiście znajome. Największe rundy finansowania w historii dzieją się w AI. To powszechnie wiadomo. Ale jeśli zagłębimy się w strukturę finansowania, zaczynamy dostrzegać mniej oczywiste wzorce.

Zaobserwowaliśmy, że coraz większa część całego finansowania AI trafia do zwycięzców. Myślę, że już tak możemy ich nazywać. Coraz mniej kapitału trafia do startupów na wczesnym etapie.

To pokazuje, że branża dojrzewa. Pod pewnymi względami jest już dość późno w tej grze.

Rok 2025 prawdopodobnie pobije wszelkie rekordy (110 mld USD według stanu na czerwiec). Nie zdziwiłbym się, gdybyśmy do końca roku osiągnęli 200 mld USD łącznego finansowania AI.

A to nawet nie uwzględnia wszystkich inwestycji w AI ze strony „Wspaniałej Siódemki”. Łącznie więc inwestycje w AI mogą już sięgać bilionów dolarów.

To ekscytujący czas i w tej przestrzeni można sporo zarobić.

Mniej rund, większe czeki

Na kolejnym slajdzie pokazaliśmy liczbę transakcji. Trend jest podobny: mniej rund, ale bardziej skoncentrowane finansowanie.

Liczba rund finansowania osiągnęła szczyt w 2021 roku, prawdopodobnie pod wpływem także zmian związanych z COVID-em.

W 2025 roku możemy zobaczyć odbicie w liczbie rund AI. Możemy wyrównać rekord z 2024 roku, ale nie sądzę, żebyśmy przekroczyli wolumen, jaki widzieliśmy we wcześniejszych latach.

Rok 2021 prawdopodobnie wyznaczył szczyt wolumenu transakcji i spodziewam się, że koncentracja wokół największych startupów będzie się utrzymywać.

Wyceny AI w 2025 roku: szerokie spektrum

Wyceny są niezwykle ciekawe. Przedstawiliśmy migawkę wycen z 2025 roku, którą okresowo odświeżamy.

Rozrzut wskaźników EV/Revenue jest ogromny: od wysokich wartości jednocyfrowych w przypadku niektórych spółek po ponad 100x w przypadku Perplexity.

Kluczowym czynnikiem wyceny jest wzrost przychodów. Na kolejnym slajdzie porównujemy rundy finansowania OpenAI oraz to, jak zmieniał się jej wskaźnik EV/Revenue.

W grudniu 2023 roku pozyskali kapitał przy 53x przychodów. Potem urośli ponad 5-krotnie, a wskaźnik spadł do 42x. Następnie znów niemal się potroili, a wskaźnik spadł jeszcze bardziej.

To naturalne. W miarę dojrzewania branży mnożniki przychodów maleją, a od spółek oczekuje się, że w końcu zaczną przynosić zysk. Wciąż jesteśmy od tego dość daleko, ale spodziewam się, że spółki AI będą mocniej naciskać na monetyzację.

Prawdopodobnie zobaczymy szerszą kompresję mnożników przychodów, nawet wśród spółek na wczesnym etapie, zwłaszcza gdy zarabianie stanie się łatwiejsze, a klienci coraz chętniej będą płacić za AI.

AI była kiedyś nowinką, często darmową. Teraz wiele spółek agresywnie ją monetyzuje.

Co napędza wycenę poza wzrostem?

Na kolejnym slajdzie pokazujemy, co różnicuje wyceny poza samym wzrostem przychodów.

Bardzo ważne jest, by ocenić jakość biznesu leżącego u podstaw. Pod szyldem AI działa wiele różnych typów spółek - ale niektóre modele biznesowe są wyraźnie bardziej zrównoważone niż inne.

Dzielimy je na trzy szerokie kategorie:

1. Modele fundamentalne: To spółki, które koncentrują się na badaniach nad AI i jej trenowaniu. Napędzają aplikacje innych firm. Zwykle uzyskują najwyższe wyceny i naszym zdaniem jest to uzasadnione, bo są trwalsze.
2. Aplikacje AI: To solidne biznesy zbudowane na bazie AI, rozwiązujące konkretne problemy w danych branżach czy sektorach. To nie są zwykłe wrappery. Te spółki dogłębnie rozumieją swoich klientów i ich procesy, i stosują AI w przemyślany sposób, by dostarczać realną wartość.
3. Cienkie wrappery AI: Zwykle oferują minimalną wartość dodaną, tylko nieco lepszy interfejs niż ChatGPT do robienia w gruncie rzeczy tego samego. Są mocno uzależnione od mocy obliczeniowej i stanowią najbardziej ryzykowny model.

Obecnie spółki z aplikacjami AI są wyceniane na 10-60x przychodów. Ale są też mocno nastawione na sprzedaż i narażone na ryzyko dysrupcji, zwłaszcza jeśli firmy takie jak OpenAI zaoferują podobną funkcjonalność za darmo.

Ogólnie rzecz biorąc, im bliżej produkt spółki odpowiada realnemu zastosowaniu biznesowemu lub problemowi, tym lepsza jej wycena.

Na samym dole mamy generyczne, naśladowcze modele AI. One zwykle są wyceniane na 1-5x przychodów, co właśnie widzimy dziś na rynku.

Marcin Majewski:
Filip, chciałbyś coś dodać?

Alokacja kapitału w AI: dokąd płyną pieniądze

Filip Drazdou:
Jasne, chciałbym coś dodać do wszystkich slajdów. Jedna ciekawa obserwacja ze slajdu o największych rundach finansowania to to, jak łączy się on z rynkami publicznymi. Niemal całe finansowanie trafiające do OpenAI, Anthropic i Cohere ostatecznie płynie do infrastruktury lub trenowania modeli.

Niewiele kapitału trafia do aplikacji AI. Większość idzie na badania podstawowe, centra danych, procesory, ciężkie inwestycje CapEx.

Wiemy sporo o SaaS, a wiele osób zna wyceny SaaS. Dla porównania, 20- do 30-krotność przychodów w przypadku czołowych spółek AI może wydawać się wysoka, ale nie jest skandaliczna. W szczycie bańki SaaS wiele spółek publicznych było wycenianych na podobne wielokrotności, przy znacznie wolniejszym wzroście i bez rentowności.

Nie znamy dokładnej rentowności tych spółek AI, ale ogólnie ich mnożniki nie wydają się przesadnie wyśrubowane. Powiedziałbym, że wyceny są dość rozsądne. Inwestorzy wydają się teraz lepiej rozumieć, jak analizować i wyceniać te biznesy. Premii nie dostajesz ot tak, tylko dlatego, że jesteś „spółką AI”.

Aktywność M&A w AI

Marcin Majewski:
Przejdźmy do AI M&A. Wciąż jesteśmy na wczesnym etapie. Wolumen jest niewielki, wręcz znikomy, ale transakcje, które dochodzą do skutku, są bardzo głośne.

Przeanalizowaliśmy aktywność z ostatnich dwóch i pół roku. Wciąż idzie powoli. W 2023 roku odnotowaliśmy około 100 exitów, które zaklasyfikowaliśmy jako AI M&A, głównie wykupów większościowych. Dla jasności: nie liczymy tu rund finansowania.

W 2024 roku mieliśmy 138. W 2025 roku jesteśmy już na poziomie 80 i wygląda na to, że ten rok ustanowi nowy rekord. Aktywność rośnie, ale wciąż jesteśmy na bardzo wczesnym etapie. Prawdziwy szczyt jest prawdopodobnie jeszcze kilka lat przed nami.

Szczególnie godne uwagi jest to, jak krótki jest cykl od założenia do exitu. Niektóre startupy AI są sprzedawane, zanim w ogóle wejdą na rynek. Widzimy tego teraz coraz więcej. Robi się coraz bardziej konkurencyjnie i coraz trudniej rosnąć, więc okno na exit się skraca. Obecnie wynosi około pięciu lat, ale zdarzały się już spółki, które robiły exit po sześciu miesiącach.

To coś, czego naprawdę nigdy wcześniej nie widzieliśmy. To niesamowite, ale też niezwykle wymagające dla założycieli. Naprawdę trzeba precyzyjnie wyczuć moment wejścia i wyjścia. Ta gra jest tylko dla najlepszych operatorów.

Marcin Majewski:
Filip, chcesz coś dodać?

Filip Drazdou:
Nie, zgadzam się. AI M&A będzie nadal rosło, ale wciąż trudno ocenić, które spółki to prawdziwa AI, a które to po prostu przebrandowany SaaS z dodanymi funkcjami AI.

Ale jak powiedziałeś, coraz więcej z tych spółek będzie szybko przejmowanych.

Jak wyceniać spółkę AI

Marcin Majewski:
Klienci często pytają nas, jak wycenić ich spółkę AI. Chcieliśmy więc podzielić się kilkoma doświadczeniami z życia i praktycznymi wskazówkami, zwłaszcza w kontekście M&A.

Po pierwsze, hype i medialny szum wokół AI zniekształcają rzeczywistość. Owszem, jest kilka bardzo głośnych przejęć, w których duzi, dobrze dofinansowani nabywcy płacą ogromne ceny za spółki z kluczowymi synergiami lub talentami.

I te ceny zwykle są uzasadnione. Na przykład firmy takie jak Meta stoją w obliczu ogromnego ryzyka spadkowego, jeśli nie wygrają w AI. Aby je ograniczyć, są gotowe zapłacić najwyższą stawkę.

Ale kiedy spojrzysz na szerszą grupę startupów AI, wiele z nich boryka się z trudnościami. Wciąż szukają product-market fit, mają wysoki churn, a ich struktura kosztów jest trudna, bo wiele z nich odsprzedaje moc obliczeniową kupowaną od innych, co zjada marże.

W przeciwieństwie do biznesów SaaS, które zwykle miały 80-90% marży brutto, widzimy, że spółki AI działają na poziomie 40-50%. Trudno zbudować coś zrównoważonego przy takiej ekonomice.

Sprawę dodatkowo utrudnia to, że kolejne pokolenie startupów AI będzie dysponować jeszcze bardziej wydajnymi narzędziami, często budowanymi przez dzisiejszych graczy. To nasili konkurencję, jeszcze bardziej zepchnie marże w dół i podniesie koszty pozyskania klienta.

Gdzie kumuluje się wartość

Większość wartości trafia dziś do warstwy infrastruktury, czy to dostawców energii, czy warstwy mocy obliczeniowej (np. twórców modeli i LLM-ów). Gdybym musiał wybierać, postawiłbym na „kilofy i łopaty”, a nie na przeludnioną warstwę aplikacji.

W Aventis staramy się wnosić konserwatywne, racjonalne podejście do wyceny AI. Naszym zdaniem spółki AI nie różnią się fundamentalnie od innych biznesów. Obowiązują te same zasady.

Potrzebujesz:

• Solidnej analizy fundamentalnej
• Jasnej ekonomiki jednostkowej
• KPI takich jak wzrost przychodów, retencja klientów, stosunek CAC do LTV itd.

Bycie „firmą AI” nie daje Ci premii z automatu. Wręcz przeciwnie: wobec braku wyraźnej synergii po stronie nabywcy exit może być nawet sygnałem ostrzegawczym. Aktywne szukanie exitu może sygnalizować, że coś nie działa.

Jeśli jednak nabywca zgłosi się do Ciebie teraz i dopasowanie jest dobre, to prawdopodobnie świetny moment, żeby odpowiedzieć.

Podręcznik wyceny

Na kolejnym slajdzie przedstawiliśmy nasz zwykły podręcznik wyceny spółki technologicznej.

1. Podejście dochodowe: zdyskontowane przepływy pieniężne. Prognozujesz przyszłe wyniki biznesu i wyceniasz przewidywane przepływy pieniężne. W AI jest to bardzo trudne, bo większość spółek nie jest jeszcze rentowna, ale wciąż wykonalne, choć spekulacyjne.
2. Podejście rynkowe: Porównujesz wskaźniki wyceny z rund finansowania lub publicznych spółek porównywalnych. Nie ma jeszcze wielu benchmarków M&A, ale generalnie, jeśli pozyskałeś kapitał przy 10x przychodów, powinieneś dążyć do podwojenia przychodów, by zrobić exit przy 5x i nie zawieść inwestorów.
3. Podejście majątkowe: Często oparte na wartości odtworzeniowej. Założyciele czasem lubią kierować rozmowę w tę stronę, ale nie polecamy tego w AI. Technologia deprecjonuje się niezwykle szybko. Narzędzia i techniki rozwijają się błyskawicznie, przez co to, co budujesz, staje się przestarzałe w ciągu kilku miesięcy.

Podsumowując, staramy się więc trzymać się ziemi. Chcemy zrozumieć, co się dzieje, nie ulegając hype'owi ani panice.

Słowo na zakończenie i sesja Q&A

Marcin Majewski:
Jeśli Filip nie ma nic więcej do dodania, to chyba możemy kończyć.

Filip Drazdou:
Tak, myślę, że możemy.

Marcin Majewski:
To by było na tyle. I tak, ten mem wygenerowaliśmy za pomocą AI! To prawdopodobnie jedyna rzecz w prezentacji, do której użyliśmy AI.

W tej przestrzeni jest mnóstwo hype'u i FOMO. Mamy nadzieję, że wnieśliśmy trochę zdrowego rozsądku i jasności. Śmiało skontaktuj się z nami z wszelkimi pytaniami albo jeśli chcesz porady dotyczącej swoich inwestycji lub strategii exitu.

Chętnie zaoferujemy wyważone, racjonalne doradztwo.

Z czasem exity będą się pojawiać, trzeba tylko podejść do tej przestrzeni z rozwagą i na chłodno.

Sesja pytań i odpowiedzi

Marcin Majewski:

Mamy sporo pytań. Zajmiemy się nimi?

Filip Drazdou:

Tak, pierwsze, które widzę, mogłoby zająć cały nasz czas, ale to prawdopodobnie pytanie, które chodzi wszystkim po głowie:
„Czy AI to kolejna bańka dot-com?”

Marcin Majewski:

Jest sporo podobieństw. Ale myślę, że pod jednym kluczowym względem jest inaczej: spółki AI generują realne przychody, a przynajmniej próbują. Tak nie było podczas bańki dot-com, gdzie mogłeś pozyskać pieniądze tylko na podstawie liczby odwiedzin i ruchu na stronie.

Dziś musisz przynajmniej sprzedać garść tokenów, żeby uzasadnić wycenę.

Marcin Majewski:

Kolejne pytanie: Czy hype trochę przygasa?...

Filip Drazdou:

Tak, myślę, że hype trochę przygasa. Inwestorzy są teraz znacznie lepiej poinformowani o AI. Jak powiedziałeś wcześniej, wyceniają spółki na podstawie fundamentów i finansów, a nie samej technologii czy etykietki „AI”.

Dziś spółki muszą odpowiadać na trudniejsze pytania:

• Ilu masz użytkowników?
• Jak będziesz zarabiać?
• Jaka jest Twoja marża brutto?

Trudniej teraz pozyskać finansowanie. A wielu wczesnych inwestorów sparzyło się na startupach, które miały początkową falę zainteresowania, ale potem ChatGPT dodał tę samą funkcjonalność, albo stała się ona częścią Copilota, albo została zintegrowana z Google Gemini. Google wypuszcza nowe produkty na każdej konferencji.

Naprawdę musisz się upewnić, że aplikacja AI, którą finansujesz na etapie seed czy Series A, przetrwa. Była na przykład duża fala narzędzi AI do robienia notatek, a teraz ta funkcja działa natywnie w Google Meet. Excel dostał wsparcie formuł opartych na AI. Google Sheets ma teraz „=AI”, które odpytuje Gemini.

Wniosek jest więc jasny: będą wielcy zwycięzcy - ale prawdopodobnie wśród dużych firm z głębokimi kieszeniami. Mniejszym graczom będzie trudniej.

Marcin Majewski:

Dokładnie. Inwestorzy są teraz bardziej wymagający. Nie zdobędziesz ich uwagi samym mówieniem, że robisz AI. Potrzebujesz solidnego zespołu i jasnej strategii wejścia na rynek, by przyciągnąć kapitał.

P: Czy modele fundamentalne ulegną utowarowieniu?

Marcin Majewski:
Świetne pytanie. Nie sądzę, żebyśmy byli na tyle kompetentni, by wchodzić w to głęboko od strony technicznej, ale z perspektywy inwestycyjnej w modelach fundamentalnych chodzi o coś więcej niż same modele.

Wymagają ogromnej energii, sprzętu i infrastruktury, żeby je stworzyć i utrzymać. Myślę, że tylko garstka firm będzie w stanie pozwolić sobie na ich utrzymanie. Spodziewam się więc, że skończymy z oligopolem, w którym zaledwie kilku dużych graczy zarabia większość pieniędzy.

To sprawia, że jest mało prawdopodobne, by modele fundamentalne stały się towarem masowym. Są zbyt rzadkie i zbyt drogie.

P: Czy wskaźniki z rund finansowania są tak samo użyteczne jak spółki publiczne porównywalne?

Marcin Majewski:
Porównywalne z rund finansowania często pokazują wyższe wskaźniki, bo te spółki są na wcześniejszym etapie cyklu życia i mają wyższe stopy wzrostu. Porównywalne spółki publiczne są niższe, co odzwierciedla dojrzałość.

Z czasem te dwie wartości się zbiegną. W miarę jak prywatne spółki takie jak OpenAI osiągają późne etapy, ich wskaźniki prawdopodobnie zbliżą się do dojrzałych odpowiedników, takich jak Google czy Microsoft.

Filip Drazdou:
Tak, sporo korzystamy z porównywalnych z rund finansowania, żeby wyznaczać górne granice i zarządzać oczekiwaniami. Na przykład jeśli OpenAI pozyskuje kapitał przy 20x przychodów i rośnie w określonym tempie, mniejsza, niszowa spółka nie dostanie tej samej wielokrotności; będzie ona znacznie niższa.

Te benchmarki są więc przydatne do zakotwiczenia wycen, nawet jeśli nie są porównaniem jeden do jednego.

P: W którym momencie straty dużych spółek AI stają się sygnałem ostrzegawczym?

Filip Drazdou:
Doskonałe pytanie. Widzieliśmy biznesy SaaS i platformy handlowe, które przez bardzo długi czas przetrwały ze stratami. Kiedyś byłem sceptyczny, ale Amazon, Uber i Airbnb zmieniły tę narrację. Różne modele, ale ta sama lekcja.

Jeśli spółka urośnie wystarczająco duża, straty są mniejszym problemem, zwłaszcza w czołowych branżach takich jak AI.

Kluczowym sygnałem jest wzrost. Dopóki rośniesz, inwestorzy przymykają oko na straty. Ale gdy wzrost wyhamuje, kwestia rentowności staje się nieunikniona.

Marcin Majewski:
Dokładnie. Spółki takie jak Uber ostatecznie zdołały „włączyć” rentowność. Jest to więc możliwe - choć zdecydowanie trudniejsze dla mniejszych graczy.

Otoczenie gospodarcze i odporność AI

Marcin Majewski:
Moim zdaniem, dopóki stopy procentowe i koszt kapitału pozostają względnie niskie, nikomu nie przeszkadza, że te spółki przynoszą straty, o ile utrzymują rozsądny wzrost.

Jeśli jednak doświadczymy kolejnej fali inflacji, a w jej efekcie wzrosną stopy procentowe, co zasadniczo wywołałoby poważny kryzys gospodarczy, to moim zdaniem mogłoby to doprowadzić do znacznego ograniczenia wydatków na AI.

Choć więc takie ryzyko istnieje, dopóki otoczenie finansowe pozostaje stabilne, nie widzę powszechnej presji na biznesy AI.

Narzędzia AI używane przez doradców M&A

Marcin Majewski:
Filip, jakich narzędzi AI używamy jako doradcy M&A?

Właściwie używamy ich całkiem sporo. ChatGPT jest głęboko wpleciony w nasze procesy. Coraz częściej korzystamy też z Gemini, które zaczyna odgrywać coraz większą rolę.

Czasami mamy też wdrożenia z Claude czy Perplexity do niektórych zastosowań.

Filip Drazdou:
Więc tak, przez jakiś czas używaliśmy Perplexity, ale po tym, jak ChatGPT dodał funkcję wyszukiwania, używanie osobnego produktu tylko do tego wydało się trochę zbędne.

Przetestowaliśmy wiele narzędzi. Wiele z nich nie jest jeszcze na odpowiednim poziomie, ale ludzie bardzo chętnie testują aplikacje AI. Więc jeśli jakaś firma zgłosi się do nas z narzędziem AI skrojonym pod M&A, jest bardzo prawdopodobne, że je wypróbujemy.

Ale w większości przypadków narzędzie nie sprawdza się na poziomie, jakiego potrzebujemy.

Marcin Majewski:
Dokładnie. Łatwo zdobyć początkowe zainteresowanie w AI - ale utrzymanie klientów jest znacznie trudniejsze.

Doszliśmy do wniosku, że podobnie jak wiele firm doradczych, musimy przekształcić się w firmę technologiczną. Planujemy mocno zainwestować w budowę własnych agentów i systemów AI.

Charakter pracy młodszych analityków szybko się zmienia. Podczas gdy to, co robimy, czyli rozmowy z ludźmi i doradztwo, nie zmienia się zbytnio, sposób, w jaki zbieramy i analizujemy dane, zmienia się błyskawicznie.

Czy Reguła 40 jest wciąż użyteczna w AI?

Marcin Majewski:
Dostaliśmy świetne pytanie: czy Reguła 40 jest wciąż użyteczna w AI?

Myślę, że wciąż jest aktualna. Reguła 40, czyli marża zysku plus wzrost przychodów, to dobre ramy. Choć wiele spółek AI nie jest jeszcze rentownych, inwestorom wciąż zależy na obu stronach tego równania. Jeśli jesteś jednocześnie rentowny i szybko rośniesz, to mocny przepis na udany exit.

Filip Drazdou:
Tak, ale to zależy od modelu biznesowego. Reguła 40 wywodzi się z SaaS, gdzie spółki miały wysokie koszty pozyskania klienta i powtarzalne przychody z subskrypcji. W tym kontekście miało sens wymienianie rentowności na wzrost.

Jeśli spółka AI ma podobną dynamikę, to działa. Ale jeśli przypomina raczej e-commerce lub odsprzedaż modeli, gdzie marże są niskie, a retencja klientów słaba, to rentowność potrzebna jest od razu.

Wnioski z wycen AI i porównania do SaaS

Filip Drazdou:
Jeszcze jedna kwestia, którą omawialiśmy przed webinarem, to „efekt DeepSeeka” z 27 stycznia. Przyjrzeliśmy się, których spółek akcje tego dnia wzrosły lub spadły.

Co zaskakujące, akcje spółek SaaS nie poruszyły się zbytnio. Więc nawet jeśli wspominają o „AI” dziesiątki razy podczas konferencji wynikowych, inwestorzy z rynku publicznego w to nie wierzą. Jest wyraźne rozróżnienie: spółki AI i spółki SaaS są traktowane jako osobne klasy.

Dysrupcja ze strony Google: realne zagrożenie

Marcin Majewski:
Wpłynęło naprawdę ciekawe pytanie o aplikacje głosowe i wideo, które są zagrożone dysrupcją ze strony Google.

To zdecydowanie się dzieje. Generowanie wideo przez AI od Google, funkcje transkrypcji w Meet oraz integracje z Sheets i innymi narzędziami to poważne zagrożenia dla spółek o wąskich zastosowaniach.

W przeszłości Google nie zawracałby sobie głowy mniejszymi, niszowymi produktami SaaS. Ale teraz, dzięki AI, dostarczanie tych funkcji bezpośrednio jest dla niego ekonomicznie opłacalne.

Tym razem Google działa szybko i myślę, że wyciągnął wnioski z dawnych porażek w mediach społecznościowych. Byli jednymi z pierwszych, którzy mocno zainwestowali w AI, a teraz wykonują to wszystko wyjątkowo dobrze.

Filip Drazdou:
Mieliśmy gdzieś w prezentacji takie zdanie: „Im większy TAM, tym większe ryzyko”. To tu dobrze pasuje.

ARR w świecie AI: wciąż aktualne?

Marcin Majewski:
Kolejne świetne pytanie: czy ARR jest przestarzałe w świecie AI?

Filip Drazdou:
To zależy od modelu biznesowego. Jeśli to biznes oparty na subskrypcji, ARR wciąż jest bardzo użyteczne. Możesz zastosować wszystkie znane metryki SaaS (ARPU, LTV/CAC, retencja).

Ale jeśli odsprzedajesz tokeny albo robisz jednorazowe transakcje, to ARR staje się mniej znaczące.

Marcin Majewski:
Ostatecznie, jakiejkolwiek metryki użyjesz, musi się ona bronić w modelu DCF. ARR to skrót do zrozumienia wartości, ale EBITDA, cash flow i trwała ekonomika liczą się w dłuższej perspektywie bardziej.

To jedno z narzędzi w zestawie, ale nigdy jedyne.

Słowo na zakończenie

Marcin Majewski:
I tak dobiegamy do końca dzisiejszego webinaru.

Jeśli chcesz z nami porozmawiać, czy to o budowie strategii AI, planie exitu, czy mapie drogowej inwestycji, śmiało się z nami skontaktuj. Chętnie porozmawiamy i doradzimy.

Mamy nadzieję, że ta sesja była dla Ciebie wartościowa. Podziel się nią z kolegami, znajomymi czy rodziną, którym może się przydać.

Nagranie i transkrypcję rozdystrybuujemy wkrótce.

Jeszcze raz dziękujemy, że dołączyliście do nas podczas letniego urlopu, zwłaszcza ci z Was z Europy, gdzie lipiec to zwykle spokojniejszy miesiąc.

Filip Drazdou:
Dzięki wszystkim. Miłej reszty dnia.

Marcin Majewski:
Dziękuję.

Filip Drazdou:
Dzięki, do zobaczenia.

Marcin Majewski:
Do widzenia.