Tri leta po izidu ChatGPT večina velikih podjetij še vedno čaka, da se jim vlaganja v umetno inteligenco dejansko obrestujejo.
Avgustovska raziskava MIT je pokazala, da 95 % podjetij od svojih AI-projektov ne vidi omembe vrednega donosa. Kljub temu vlagatelji že tretje leto zapored napovedujejo isto: naslednje leto bo AI končno postal ključni del podjetniške programske opreme.
TechCrunch je povprašal 24 VC-jev, osredotočenih na podjetniški segment. Skoraj vsi menijo, da bo leto 2026 leto, ko bodo podjetja AI resno uvedla v procese, iz njega začela črpati vrednost in mu namenila večje proračune. Razlika glede na prejšnja leta: veliko bolj jasno povedo, kaj se mora spremeniti.
Od navdušenja k tršim vprašanjem
Lahek del AI-cikla je mimo.
»Podjetja ugotavljajo, da veliki jezikovni modeli niso srebrna krogla za večino problemov,« pravi Kirby Winfield, ustanovni generalni partner sklada Ascend. Njegov primer: dejstvo, da bi Starbucks lahko uporabil Claude za pisanje lastnega CRM-ja, še ne pomeni, da bi to moral storiti.
Po njegovem se bo fokus premaknil na manj bleščeče, a nujne dele: prilagojene modele, fine-tuning, evalvacije, opazovanje sistemov, orkestracijo in suverenost podatkov.
Molly Alter iz sklada Northzone pričakuje, da bo del podjetniških AI-podjetij ugotovil, da so v resnici svetovalci. Začeli bodo z enim izdelkom, recimo AI-podporo strankam ali AI-kodnimi agenti, nato pa bodo z lastnimi ekipami kot »forward-deployed« inženirji za iste stranke gradili vedno nove primere uporabe. Specializirani AI-produkti se bodo tako spremenili v generične AI-izvajalce.
Kje vlagatelji vidijo preboj v letu 2026
V odgovorih se pojavlja nekaj jasnih tem:
Glas kot glavni vmesnik. »Glas je veliko bolj naraven, učinkovit in izrazit način komunikacije med ljudmi in stroji,« pravi Marcie Vu iz sklada Greycroft. Veseli jo, kako bodo graditelji na novo izumljali izdelke in vmesnike, kjer bo glas primarni način interakcije z inteligenco.
AI v fizičnem svetu. Alexa von Tobel iz Inspired Capital napoveduje, da bo leto 2026 leto, ko bo AI preoblikoval infrastrukturo, proizvodnjo in spremljanje podnebja. Svet se bo, kot pravi, premaknil iz reaktivnega v prediktivni: fizični sistemi bodo zaznali težavo, še preden postane okvara.
Modelni laboratoriji gredo navzgor po stacku. Lonne Jaffe iz Insight Partners spremlja, kako se obnašajo t. i. frontier laboratoriji. Veljalo je, da bodo zgolj trenirali modele, aplikacije pa prepustili drugim. Danes meni, da bodo sami začeli dostavljati »turnkey« aplikacije za finance, pravo, zdravstvo in izobraževanje.
Kvantni računalniki dobivajo zagon. Tom Henriksson iz sklada OpenOcean bi kvantnemu računalništvu za leto 2026 dal eno besedo: »momentum«. Zaupanje v kvantno prednost raste, podjetja objavljajo načrte razvoja. Velikih prebojev v programski opremi pa še ne pričakujte – najprej morajo napredovati stroji.
Neizgledna, a donosna plast: infrastruktura in učinkovitost
Velik del prihajajočega kapitala bo šel v ozadje – v podatkovne centre, energijo in zmogljivost.
Pri Salesforce Ventures, pravi glavna analitičarka Emily Zhao, ciljajo na dva roba: »vstop AI v fizični svet« in »naslednjo evolucijo modelnega raziskovanja«.
M12, Microsoftov sklad, stavi na prihodnjo tehnologijo za podatkovne centre, ki jo Michael Stewart opisuje kot prihodnje »tovarne žetonov«. Gre za vse, kar se dogaja znotraj podatkovnega centra: hlajenje, računska moč, pomnilnik in omrežje znotraj ter med lokacijami.
Aaron Jacobson iz NEA opozarja, da smo na robu zmogljivosti človeštva, da proizvede dovolj energije za »lačne« GPU-je. Išče rešitve, ki bistveno izboljšajo razmerje zmogljivost/poraba: od boljšega upravljanja GPU-jev in učinkovitejših AI-čipov do optičnih omrežij in pametnejše termike v podatkovnih centrih.
Kako izgleda pravi »moat« pri AI
Če razvijate AI-startup, vlagatelji ne verjamejo več samo lepim promptom in malo boljšim benchmarkom.
»Jarek pri AI je manj povezan z modelom samim in bolj z ekonomiko ter integracijo,« pravi Rob Biederman iz Asymmetric Capital Partners. Zanimajo ga podjetja, ki so globoko vgrajena v procese, imajo dostop do lastnih ali nenehno izboljšujočih se podatkov in ustvarjajo visoke stroške menjave.
Jake Flomenberg iz Wing Venture Capital je skeptičen do jarkov, »ki temeljijo zgolj na zmogljivosti modela ali promptingu«, saj takšne prednosti v nekaj mesecih izginejo. Njegovo ključno vprašanje: če OpenAI ali Anthropic jutri izdata 10-krat boljši model, ali ima to podjetje še vedno razlog za obstoj?
Alterjeva meni, da je danes veliko lažje zgraditi jarek v vertikalnih panogah – proizvodnja, gradbeništvo, zdravstvo, pravo –, kjer so podatki med strankami bolj homogeni. Tako nastanejo pravi podatkovni jarki, kjer vsak nov kupec produkt izboljša. Obstajajo pa tudi »workflow jarki«, kjer je prednost v globokem razumevanju toka dela v določeni industriji.
Harsha Kapre iz Snowflake Ventures dodaja, da najmočnejši jarki izvirajo iz tega, kako učinkovito startup obstoječe podatke podjetja prevede v boljše odločitve, procese in izkušnje strank – brez ustvarjanja novih podatkovnih silosov.
Bo leto 2026 res leto vrednosti?
Večina vprašanih verjame, da da – a bolj postopno kot eksponentno.
Winfield pričakuje, da bodo podjetja prenehala z »naključnimi eksperimenti z ducati rešitev« in se osredotočila na manj, a bolje vpeljanih orodij.
Scott Beechuk iz Norwest Venture Partners leto 2025 vidi kot leto postavljanja AI-infrastrukture, leto 2026 pa kot test: »Takrat bomo videli, ali lahko aplikacijska plast te naložbe spremeni v pravo vrednost.«
Marell Evans iz Exceptional Capital pričakuje »še vedno postopen« napredek. Reševanje simulacije proti realnosti pri učenju modelov bo po njegovem odprlo veliko novih priložnosti.
Jennifer Li iz Andreessen Horowitz opozarja, da so bombastični naslovi o ničelnih donosih zavajajoči. Njena preizkušnja: »Vprašajte kateregakoli razvijalca, ali bi se vrnil v mračni srednji vek pred AI-kodnimi orodji. Verjetno ne.« Po njenem podjetja že danes vidijo vrednost, ki se bo prihodnje leto še pomnožila.
Antonia Dean iz Black Operator Ventures pa opozarja, da bo AI tudi priročen izgovor: vodstva bodo povečanje AI-proračunov pogosto uporabila za utemeljevanje rezov drugje. »AI bo postal grešni kozel za vodilne, ki želijo prikriti stare napake,« pravi.
Proračuni: več denarja, manj dobaviteljev
Skoraj vsi vlagatelji pričakujejo rast porabe za AI, a ne za vse ponudnike.
Rajeev Dham iz sklada Sapphire meni, da se bodo AI-proračuni povečali, a bo del tega le preusmeritev sredstev za delo v tehnologijo. Tam, kjer AI ustvari močan donos, se lahko naložba povrne »trikrat do petkrat«.
Biederman napoveduje rast proračunov za »ozek nabor AI-produktov, ki jasno dostavljajo rezultate«, in ostro rezanje povsod drugje. Gordon Ritter iz Emergence Capital prav tako pričakuje koncentracijo porabe – predvsem tam, kjer AI okrepi institucionalne prednosti podjetja.
Andrew Ferguson iz Databricks Ventures meni, da bo leto 2026 leto, ko bodo CIO-ji udarili po mizi zaradi »AI-razpršenosti«. Danes podjetja preizkušajo več orodij za isto uporabo, ker je eksperimentiranje poceni, ponudniki pa težko ločljivi. Ko se bodo pokazali pravi rezultati, bodo, kot pravi, podjetja »odrezala del eksperimentalnega proračuna, racionalizirala prekrivajoča se orodja in prihranke preusmerila v AI, ki je dostavil rezultate«.
Ryan Isono iz Maverick Ventures pričakuje tudi premik iz pilotov v produkcijo: poskusni projekti se bodo prelevili v stalne postavke, podjetja, ki so poskušala graditi in-house, pa bodo vse bolj posegala po specializiranih startupih.
Kako do serije A kot podjetniški AI-startup v letu 2026
Če boste v letu 2026 zbirali serijo A, sama zgodba ne bo dovolj.
»Najboljša podjetja danes združujejo dve stvari,« pravi Flomenberg iz Wing: prepričljiv ‘zakaj zdaj’ v povezavi z genAI ter »konkreten dokaz podjetniškega sprejemanja«. En do dva milijona dolarjev ponavljajočih prihodkov je »baseline«, a pomembneje je, ali vas kupci dojemajo kot kritično infrastrukturo. Njegov povzetek: »Prihodki brez zgodbe so funkcija; zgodba brez trakcije je vaporware. Potrebujete oboje.«
Pri Insight Partners želi Jaffe videti, da startup deluje na trgih, kjer nižji stroški zaradi AI trg povečajo, ne izničijo.
Jonathan Lehr iz Work-Bench išče kupce, ki izdelek uporabljajo v vsakodnevnem delu, so pripravljeni na odkrit referenčni klic in jasno pokažejo, kako orodje prihrani čas, zmanjša stroške ali poveča izplen – ter hkrati prestane varnostne in pravne preglede.
Stewart iz M12 dodaja, da pilotski prihodki niso več avtomatsko slab znak, saj imajo kupci na voljo preveč možnosti. A po približno šestih mesecih pričakuje, da bodo prav konverzije iz pilotov v produkcijo glavni del zgodbe.
Evans iz Exceptional Capital gleda predvsem na izvedbo in trakcijo: več kot 12-mesečne pogodbe, resnično navdušeni uporabniki, tehnična dovršenost in ustanovitelj, ki zna prepričati vrhunske kadre, da se namesto hyperscalerjev pridružijo startupu.
AI-agenti: od demoja do »sodelavca«
AI-agenti prihajajo v podjetja, a do konca 2026 še ne bodo prevzeli vsega dela.
Nnamdi Okike iz sklada 645 Ventures pričakuje, da bodo agenti še vedno v začetni fazi posvajanja zaradi tehničnih in regulativnih izzivov ter manka standardov za komunikacijo agent–agent.
Dham iz Sapphire pa napoveduje pojav »enega univerzalnega agenta« v podjetju: danes so agenti razdrobljeni (inbound/outbound prodaja, podpora, odkrivanje produktov), proti koncu 2026 pa naj bi se začeli zlivati v en agent z deljenim kontekstom in spominom.
Deanova meni, da bodo zmagovalci tista podjetja, ki bodo agente hitro postavila v vlogo sodelavcev, ne zamenjav. Meja med nalogami ljudi in agentov se bo stalno premikala.
Jacobson iz NEA gre še dlje: po njegovem bo »večina znanjskih delavcev imela vsaj enega agentskega sodelavca, ki ga pozna po imenu«. Eric Bahn iz Hustle Fund poudarja, da lahko agenti zaradi skoraj ničelnih mejnih stroškov postanejo večinski del delovne sile: »Zakaj se ne bi širili prek botov?«
Kje AI v podjetjih že deluje
Če želite videti, kje AI v podjetjih že zares prime, sledite rasti in retenciji.
Flomenberg pravi, da najhitreje rastejo podjetja, ki so prepoznala vrzeli, ki jih je odprl genAI – v delovnih tokovih ali varnosti – in jih hitro zapolnila. V varnosti gre za zaščito podatkov, da lahko LLM-varno delajo z občutljivimi informacijami, in za governance agentov. V marketingu nastajajo povsem nove kategorije, kot je Answer Engine Optimization – optimizacija za odgovore AI, ne le za iskalnike.
Ferguson iz Databricks Ventures vidi uspeh pri podjetjih, ki vstopijo z zelo ozkim »wedgeom« – targetiranim personom ali primerom uporabe –, ga res dobro obvladajo, postanejo nepogrešljivi in šele nato širijo obseg.
Jennifer Li iz Andreessen Horowitz pravi, da najhitreje rastejo podjetja, ki pomagajo AI spraviti v produkcijo: orodja za ekstrakcijo in strukturiranje podatkov, produktivnost razvijalcev pri AI-sistemih, infrastruktura za generativne medije, glas in zvok ter aplikacije za podporne in klicne centre.
Pri retenciji Flomenberg izpostavlja tri značilnosti: produkt mora biti misijsko kritičen (njegova odstranitev zlomi produkcijske tokove), nabirati mora lastni kontekst, ki ga je težko ponoviti, in reševati probleme, ki se z več AI le še zaostrijo.
Henriksson opaža najvišjo retencijo pri »resnih« podjetniških ponudnikih programske opreme, zlasti tistih z AI. Kot primer navaja Operations1, ki digitalizira proizvodne procese od začetka do konca.
Stewart poudarja startup-e v podatkovnih orodjih in vertikalnih AI-aplikacijah, ki svoje izdelke podprejo z ekipami na terenu, zadolženimi za zadovoljstvo strank in kakovost.
Lehr omenja AuthZed kot ključno infrastrukturo za avtorizacijo ter Courier Health in GovWell kot sisteme zapisa in orkestracije v zdravstvu in javni upravi – ko enkrat tečejo, jih je izjemno drago odstraniti.
Če vse to seštejete, leto 2026 za podjetniški AI ne izgleda kot še en val hype-a, temveč kot stresni test. Proračuni bodo rasli, število dobaviteljev se bo krčilo. Preživeli bodo tisti, ki bodo najbližje resničnim delovnim tokovom, resničnim podatkom in resnični infrastrukturi – in bodo svojo vrednost dokazali, ne le obljubljali.
