7 yapay zeka girişiminde ortalama değerleme 31 kat arttı; Sequoia Capital’dan AGI açıklaması

Yedi yapay zeka girişiminin ortalama şirket değerlemesinin, ilk yatırımın ardından bir aydan kısa sürede 110 milyon dolardan 3,4 milyar dolara çıktığı örneği paylaşıldı. Yaklaşık 31 katlık artışa işaret eden bu örnekte şirket adları ve işlem koşulları açıklanmadı.

Sequoia Capital ortağı Pat Grady, bu örneği 24 Eylül’de Boston College yatırım komitesine yaptığı sunumda aktardı. ABMedia, Sequoia Capital’ın son 12 ayda yatırım yaptığı yedi şirketin ilk yatırım sırasındaki ortalama değerlemesinin 110 milyon dolar olduğunu bildirdi.

31 katlık ortalama değerleme değişimini ve sunumun yapıldığını destekleyen bağımsız resmi bir belge sunulmadı. Bu nedenle söz konusu rakam, yapay zeka girişimlerinin genelindeki ortalama artış olarak değil, belirli yedi şirket için aktarılan bir örnek olarak değerlendirilmelidir.

Sequoia Capital’ın işlevsel AGI yaklaşımı

Sequoia Capital, yapay zeka gelişimini ön eğitim, akıl yürütme yeteneği ve uzun süreli görevler olmak üzere üç aşamada ele aldı. Pat Grady ve Sonia Huang, Sequoia Capital’ın resmi yazısında “AGI şu anda burada” ifadesini kullandı.

Sequoia Capital, AGI’yi teknik bir tanımdan ziyade ‘sorunları kendi başına çözme yeteneği’ olarak açıkladı. ChatGPT, 2022’de ön eğitimdeki dönüm noktası; OpenAI o1 ise 2024 sonundaki akıl yürütme ilerlemesinin örneği olarak gösterildi.

Uzun süreli görevleri yerine getirebilen yapay zeka ajanlarının şu anda yaklaşık 30 dakika boyunca işleri istikrarlı şekilde sürdürebildiği belirtildi. Bununla birlikte ajanların halüsinasyon üretebildiği, bağlamı kaybedebildiği ve çalışmayı yanlış yöne taşıyabildiği de ifade edildi.

Değişimin merkezinde sohbet botlarından görevleri yerine getiren sistemlere geçiş bulunuyor. Yapay zeka hizmetlerinin soruları yanıtlamanın ötesine geçerek işe alım, yazılım geliştirme, hukuk, sağlık ve siber güvenlik gibi belirli görevleri baştan sona yürütebileceği değerlendirildi.

Uygulama şirketleri için fırsat: ‘yayılım açığı’

Sequoia Capital, yapay zeka modellerinin yapabildikleri ile şirketlerin bunları pratikte kullanma düzeyi arasındaki farkı ‘yayılım açığı’ olarak tanımladı. Model performansı yükselse bile bu teknolojilerin şirketlerde iş yapış biçiminin kalıcı parçası haline gelmesi için ek zamana ihtiyaç duyulduğu belirtildi.

Öncelikli alanlar arasında yazılım geliştirme, siber güvenlik, sağlık, finansal hizmetler ve muhasebe gibi yüksek katma değerli bilgi işleri sıralandı. Şirketlerin kritik verilerini ve iş akışlarını yöneten ‘kayıt sistemleri’ de yapay zeka çağının uygulama alanları arasında gösterildi.

İlaç tasarımı gibi bilimsel araştırmalar da örnekler arasında yer aldı. Bazı şirketlerin aday molekül tasarım süresini yıllardan günlere indirdiği belirtildi ancak belirli bir şirketin performansını ve süreyi doğrulayan bağımsız veriler açıklanmadı.

Sunumda Jev adlı sınıflandırıcı yapay zekanın, seçime dayalı kararları büyük dil modellerine kıyasla yaklaşık 100 kat daha düşük maliyetle işleyebildiği iddiası da yer aldı. Hizmetin piyasaya çıkışından yedi gün sonra 100 milyon dolar gelir elde ettiği de aktarıldı ancak resmi finansal belgeler veya bağımsız gelir doğrulaması bulunamadı.

Jev’in kamuya açık geliştirici belgeleri, hizmeti serbest biçimli metinler yerine sınıflandırma değerleri, skorlar ve olasılıklar gibi yapılandırılmış sonuçlar sunan bir karar modeli olarak tanımlıyor. Ürünün işlevleri ve varlığı kamuya açık kaynaklarda doğrulanabiliyor ancak gelir rakamı için yeterli doğrulama bulunmuyor. Sosyal medya ve geliştirici topluluklarında, hizmetin mevcut sınıflandırıcı teknolojiyi yeni bir biçimde sunduğuna yönelik şüpheci yorumlar da paylaşıldı.

Model gelişimi hızlandıkça ürün ömrü kısalıyor

Yapay zeka uygulama şirketleri için temel risk, temel modellerin gelişim hızı olarak öne çıkıyor. Bugün ücret karşılığında sunulan bir özelliğin birkaç ay sonra büyük bir modelin standart işlevine dönüşebileceği belirtiliyor.

Grady, başarılı yapay zeka şirketlerinin yaklaşık dört ayda bir kendilerini yeniden icat etmek zorunda kalabileceğini söyledi. Bunun yalnızca ürün özelliklerini değil, organizasyon yapısını ve personel yönetimini de değiştirmeyi gerektirebileceği ifade edildi.

Bu nedenle yalnızca kullanıcı kazanımına odaklanmak yerine belirli görevlerde tekrar tekrar kullanılan ajanlar ile özgün veri ve iş akışlarına sahip olmanın önemine dikkat çekildi. Yapay zeka modellerinin işlevleri hızla standartlaştıkça, kurumsal müşterilerin iş süreçlerine derin biçimde entegre olan uygulama hizmetlerinin farklılaşma unsuru olabileceği belirtildi.

Yapay zeka modeli işlevlerinin metalaşmasıyla değerin nihai uygulamalara ve donanıma kayabileceği yönündeki tartışma da bu değerlendirmelerle örtüşüyor. Bununla birlikte 31 katlık değerleme artışı örneğinde şirket adları ve işlem belgeleri açıklanmadığı için bu durum yapay zeka girişimlerinin tamamındaki genel bir eğilim olarak yorumlanmamalıdır.