1. Naslov i uvod
Yupp je u manje od godinu dana prošao put od 33 milijuna dolara seed investicije, predvođene a16z crypto fondom Chrisa Dixona, do potpunog gašenja. Na papiru je imao sve: vrhunske ulagače, više od milijun korisnika i priču o „demokratizaciji“ umjetne inteligencije. U praksi se sudario s najopasnijim mjestom u AI svijetu – srednjim slojem između temeljnih modela i krajnjih korisnika.
Ovo nije samo još jedan nekrolog startupa. Propast Yuppa je rano upozorenje svim timovima u Zagrebu, Ljubljani, Beogradu ili Sarajevu koji grade AI middleware, podatkovne platforme ili „marketplace“ za modele. Pokazuje kakvi poslovi imaju šanse preživjeti – a kakvi ne.
2. Vijest ukratko
Prema pisanju TechCruncha, Yupp se gasi manje od godinu dana nakon lansiranja. Tvrtka je nudila uslugu odabira AI modela temeljenu na povratnim informacijama korisnika: korisnik bi unio upit, sustav bi ga proslijedio na oko 800 različitih modela – uključujući modele OpenAI‑a, Googlea i Anthropica – te vratio više odgovora paralelno. Zatim bi korisnik označio koji mu je rezultat bolji i zašto.
Ideja je bila da se taj niz povratnih informacija pretvori u anonimizirani skup podataka o preferencijama korisnika, za koji bi AI laboratoriji plaćali, konceptualno slično RLHF‑u (reinforcement learning from human feedback). TechCrunch navodi da je Yupp skupio oko 1,3 milijuna korisnika i svaki mjesec prikupljao milijune pojedinačnih preferencija, uz nekoliko laboratorija kao klijente.
U 2024. tvrtka je osigurala seed rundu od 33 milijuna dolara pod vodstvom Chrisa Dixona iz a16z crypto, uz više od 45 anđela i manjih investitora, uključujući poznata imena iz AI svijeta. Unatoč tome, osnivači priznaju da Yupp nikada nije pronašao dovoljno snažan product‑market fit. Brzi skokovi u kvaliteti temeljnih modela i skretanje tržišta prema specijaliziranim pružateljima stručnog feedbacka ostavili su tvrtku bez jasnog puta do održivog rasta, pa je donesena odluka o zatvaranju.
3. Zašto je to važno
Priča o Yuppu važna je jer ogoljuje koliko je danas rizično poslovati u srednjem sloju AI ekosustava.
Na prvu loptu, logika je zvučala uvjerljivo: broj modela raste, performanse se mijenjaju iz mjeseca u mjesec, korisnicima treba pomoć da odaberu „pravi model za pravi zadatak“. Istovremeno, graditelji modela žele znati što ljudi stvarno žele od AI – ne samo rezultate na benchmark testovima. Yupp se postavio između ta dva svijeta, obećavajući bolji UX za korisnike i vrijedan tok podataka za laboratorije.
No oba dijela te jednadžbe pokazala su se manje isplativima – i daleko manje branjivima – nego što je izgledalo.
Za korisnike odabir modela sve više postaje samo funkcija, a ne samostalan proizvod. Velikoj većini nije važno zove li se model A ili B; žele da sustav u pozadini automatski odabere nešto „dovoljno dobro“. Kako generički modeli napreduju, cijena „lošeg odabira“ pada. Prava vrijednost seli se u duboku integraciju s konkretnim poslovnim procesima i u domensko znanje, a ne u generički sučelni „uspoređivač modela“.
Za AI laboratorije pak najvrjednije su povratne informacije stručnjaka koji mogu precizno označiti suptilne pogreške, rubne slučajeve i sigurnosne rizike, a ne klikovi nasumičnih korisnika o tome koji im se odgovor više sviđa. Zato, kako podsjeća TechCrunch, laboratoriji danas plaćaju ozbiljan novac RLHF pružateljima koji zapošljavaju specijaliste, umjesto masovnim potrošačkim platformama.
Yupp je ostao zaglavljen u sredini: nedovoljno duboko ukorijenjen ni u jednom vertikalnom tržištu da bi opravdao ozbiljne B2B budžete, nedovoljno jak kao potrošačka aplikacija i bez tako specifične kvalitete podataka da bi istisnuo etablirane igrače u svijetu označavanja.
Dobitnici ove situacije su veliki pružatelji temeljnih modela te specijalizirane podatkovne i RLHF platforme s jasnim, teško zamjenjivim vrijednosnim prijedlogom. Gubitnici su generički posrednici koji se oslanjaju na to da je „posjedovanje korisnika“ ili „posjedovanje feedbacka“ dovoljno, bez jasne specijalizacije i stvarnog obrambenog jarka.
4. Šira slika
Gašenje Yuppa lijepo se uklapa u širi obrazac koji gledamo u AI‑u posljednjih godina: eksplozija eksperimenata na rubovima i snažno stiskanje u sredini.
Najprije se pojavio val potrošačkih AI „wrappera“ – tankih sučelja nad API‑jima OpenAI‑a, Anthropica i drugih, koji su nudili bolje promptove, ljepši dizajn ili viralne trikove. Mnogi su, baš kao Yupp, brzo skupili velik broj korisnika, ali se ubrzo sudarili s niskim zadržavanjem i slabom spremnošću na plaćanje. Kad je srž vašeg proizvoda API poziv koji svatko može kopirati, lojalnost traje kratko.
Zatim dolazi generacija infrastrukturnih i evaluacijskih AI startupa, koji žele biti neutralni sloj između modela i aplikacija: sustavi za preusmjeravanje upita, nadzorne ploče, upravljanje promptovima, „tržnice“ modela. Neki od njih grade solidne poslove – posebno ondje gdje su duboko uvučeni u poslovne procese i regulativne okvire. Drugi otkrivaju da veliki pružatelji mogu u svoje platforme ugraditi dovoljan dio te funkcionalnosti da prostor za samostalne igrače naglo suzi.
Yupp je pokušao biti oboje: potrošački proizvod i podatkovna infrastruktura. To je teško i u stabilnim industrijama; u okruženju gdje se sposobnosti modela vidljivo poboljšavaju svakih nekoliko mjeseci, to je gotovo nemoguća misija.
Sličan obrazac već smo vidjeli. U mobilnoj eri, brojni startupi za „otkrivanje aplikacija“ ili mobilnu analitiku nestali su kad su Apple i Google osnovnu verziju tih funkcija integrirali u same sustave. U cloudu je mnogo alata za nadzor izgubilo prednost kad su hiperskaleri proširili vlastite observability pakete.
Umjetna inteligencija vrlo vjerojatno će slijediti isti scenarij, samo ubrzano. Lekcija Yuppa je jasna: biti čisti agregator tuđih modela ili podataka jednostavno nije dovoljno. Da biste preživjeli u srednjem sloju, trebate barem jedno od troje: duboku specijalizaciju u određenoj domeni, teško kopirljiva prava na podatke ili kontrolu nad distribucijskim kanalom koji veliki igrači ne mogu lako zaobići.
5. Europski i regionalni kut
Iz perspektive Hrvatske i šire regije jugoistočne Europe, priča o Yuppu je vrlo poučna.
Platforma koja masovno prikuplja korisničke povratne informacije odmah otvara teme zaštite podataka i privole. Čak i kod anonimiziranih podataka, GDPR postavlja stroge uvjete za prikupljanje, pohranu i dijeljenje podataka o ponašanju. Nadolazeći Akt o umjetnoj inteligenciji EU (AI Act) dodatno će pooštriti zahtjeve – od transparentnosti podataka za učenje do procjene rizika za određene klase sustava.
„Balkanski Yupp“ imao bi značajne troškove usklađenja od prvog dana. To je minus u brzini, ali može biti plus u povjerenju: europske tvrtke, uključujući hrvatske banke, telekome i javne institucije, sve više traže jasne odgovore gdje se nalaze podaci, tko ih smije koristiti za treniranje modela i kako se pristanak može opozvati.
Istovremeno, u Europi ne viđamo često seed runde veličine Yuppove. To ograničava broj „skupih eksperimenata“ s generičkim middlewareom i gura osnivače prema vertikalnim AI rješenjima – npr. u proizvodnji, turizmu, zdravstvu ili javnoj upravi. Upravo u tim domenama nastaju kvalitetni podaci i povratne informacije koje je teško replicirati.
Za hrvatski i regionalni startup ekosustav poruka je jasna: bolje je graditi AI koji rješava vrlo konkretan problem u proračunskim, pravnim ili industrijskim procesima – gdje lokalno znanje i regulativa stvaraju barijere – nego pokušavati biti generička „srednja platforma“ za sve.
6. Pogled unaprijed
Temeljna ideja Yuppa – usmjeravanje upita na najbolji model i učenje iz povratnih informacija – neće nestati. Samo se seli niže u slojeve infrastrukture.
Možemo očekivati da će usmjeravanje modela, A/B testiranje i kontinuirana evaluacija postati ugrađene funkcije velikih AI platformi, cloud pružatelja pa čak i samih operacijskih sustava. Korisnik će razgovarati s „asistentom“ na telefonu ili računalu; u pozadini će taj asistent orkestrirati više modela, alata i agenata. U takvom svijetu ima vrlo malo prostora za samostalnu aplikaciju koja se svodi na usporedbu modela.
Na strani ponude, tržište feedbacka i označavanja podataka vjerojatno će se podijeliti. Na jednoj strani bit će veliki RLHF pružatelji i interni timovi laboratorija, fokusirani na sigurnosno kritične i stručne podatke. Na drugoj strani, svakodnevni podaci o korištenju – klikovi, ispravci, dodatni upiti – prikupljat će se izravno unutar proizvoda koje ljudi već koriste.
Za osnivače u Hrvatskoj i regiji to otvara nekoliko teških, ali nužnih pitanja:
- Posjedujete li konkretan proces ili publiku, ili ste samo ljepše sučelje iznad tuđeg API‑ja?
- Jesu li vaši podaci stvarno branjivi – ugovorima, posebnim pristupom ili regulativom – ili bi ih velike platforme sutra mogle replicirati vlastitom telemetrijom?
- Ako veliki pružatelji modela implementiraju 80 % onoga što radite, opravdava li preostalih 20 % postojanje zasebne tvrtke?
U idućih 12–18 mjeseci možemo očekivati još sličnih priča, kako se lako dostupni AI kapital susreće s realnošću prihoda, marži i konkurentskih prednosti.
7. Zaključak
Brz uspon i još brži pad Yuppa ne znače da je AI prazni hype, već da je srednji sloj AI ekosustava prenapučen i loše zaštićen. Biti posrednik između korisnika i modela, a pritom zapravo ne posjedovati ni jednu stranu odnosa, postaje sve nepovoljnija pozicija.
Tvrtke koje će preživjeti bit će one koje umjetnu inteligenciju učine nezamjenjivom u konkretnim industrijama, procesima ili infrastrukturama – a ne one koje obećavaju da će biti generička „centrala“ za modele koji su trenutno u modi. Ključno pitanje za svakog AI osnivača u regiji glasi: ako Yupp nije uspio s 33 milijuna dolara i vrhunskim investitorima, po čemu je vaša oklada stvarno drugačija?
