Firm Valuation When AI Shapes the Business Model: A Milestone-Based Real-Options Framework for the AI Valuation Uncertainty Problem

إن تقييم الشركات هو تقليدياً مسألة تتعلق بالنظر إلى ماضيها للتنبؤ بمستقبلها. فإذا كان للشركة تاريخ طويل في بيع المنتجات، وسداد الفواتير، وتحقيق الأرباح، يمكن للخبراء استخدام تلك الأرقام لتقدير القيمة التي ستصل إليها الشركة غداً. فهم يحسبون الأموال التي من المرجح أن تجنيها الشركة في السنوات القادمة ويعدلون ذلك الرقم لمراعاة المخاطر المتمثلة في احتمال حدوث خطأ ما. هذا الأسلوب يعمل بشكل جيد للشركات المستقرة، مثل مخبز مفتوح منذ عشرين عاماً أو مصنع يعمل بسلاسة منذ عقود. ومع ذلك، تتغير القواعد تماماً عندما تُبنى شركة حول الذكاء الاصطناعي؛ فهذه الشركات غالباً ما تفتقر إلى تاريخ من الأرباح، ونماذج أعمالها يتم إعادة كتابتها في الوقت الفعلي، وتعتمد قيمتها كلياً على مدى نجاحها في الوصول إلى سلسلة من الأهداف المستقبلية الصعبة. وعندما تحاول شركة بناء شيء لم يوجد من قبل، فإن أدوات القياس القديمة غالباً ما تفشل لأنها لا تستطيع رؤية المخاطر والفرص المحددة المختبئة داخل الخطة.

تقترح دراسة جديدة من معهد "سويسي" للذكاء الاصطناعي وجامعة "نورتينجن-غايسلينجن" للعلوم التطبيقية طريقة مختلفة للنظر إلى هذه الشركات. يرى الباحثون أن الطرق القياسية تكون فضفاضة للغاية عند تطبيقها على الذكاء الاصطناعي لأنها تضغط كل حالات عدم اليقين المعقدة في رقم واحد غامض. وبدلاً من التخمين بمعدل نمو عام، طور الفريق بروتوكولاً هيكلياً يفكك قيمة الشركة إلى سلسلة من الخطوات المحددة والقابلة للتحقق. إنهم يعاملون رحلة دمج الذكاء الاصطناعي ليس كخط مستقيم سلس، بل كمسار يحتوي على بوابات. عند كل بوابة، يجب على الشركة إثبات قدرتها على القيام بشيء محدد—مثل جعل نظام برمجي جديد يعمل، أو اجتياز فحص تنظيمي، أو العثور على أول عميل يدفع مقابل الخدمة. إذا اجتازت الشركة البوابة، فإنها تمضي قدماً وتزداد قيمتها، وإذا فشلت، ينتهي المسار وتختفي القيمة المحتملة. ومن خلال رسم خرائط لهذه البوابات وتعيين فرصة نجاح واقعية لكل منها، خلق الباحثون طريقة لرؤية مصدر القيمة ومكمن الخطر بدقة.

إن جوهر هذا النهج الجديد هو فكرة بسيطة ولكنها قوية: ليست كل الشركات التي تستخدم الذكاء الاصطناعي متشابهة. فقد أنشأ الباحثون نظام تصنيف يفصل الشركات إلى مجموعتين رئيسيتين. تتكون المجموعة الأولى من الشركات التي تستخدم الذكاء الاصطناعي كأداة لتحسين عملها الحالي، مثل بنك يستخدم برنامج حاسوبي للتحقق من درجات الائتمان بشكل أسرع. أما المجموعة الثانية فتتكون من الشركات التي يكون منتجها بأكمله هو الذكاء الاصطناعي نفسه، مثل شركة تبني نوعاً جديداً من البرامج الذكية لبيعها للآخرين. وضمن المجموعة الأولى، قسم الباحثون الشركات أيضاً بناءً على مدى عمق دمجها للتكنولوجيا؛ فبعضها يستخدمها قليلاً، مثل إضافة "روبوت دردشة" إلى موقع إلكتروني، بينما أعادت شركات أخرى بناء عملياتها بالكامل حولها. ووجدت الدراسة أنه كلما زاد عمق التكامل، زاد اعتماد قيمة الشركة على الاحتمالات المستقبلية بدلاً من الأرباح الحالية. فالشركة التي قد وضت قدمها للتو في مجال الذكاء الاصطناعي تمتلك قيمة يمكن التنبؤ بها بناءً على مبيعاتها الحالية، أما الشركة التي أعادت بناء أعمالها بالكامل حول هذه التكنولوجيا فهي في الأساس مجموعة من الخيارات المستقبلية، حيث تكمن القيمة الحقيقية فيما قد تكون قادرة على فعله لاحقاً.

ولتحديد مدى احتمالية نجاح الشركة في كل خطوة، استحدث الباحثون طريقة تستبدل التخمين بحوار مهيكل بين الخبراء. لقد طلبوا من لجنة تضم أشخاصاً، بما في ذلك قادة الشركة أنفسهم ومتخصصين خارجيين، مقارنة العوامل المختلفة التي تحدد النجاح. وشملت هذه العوامل ما إذا كانت التكنولوجيا تعمل بالفعل، وما إذا كانت الشركة تمتلك الأشخاص المناسبين لإدارتها، وما إذا كانت اللوائح الحكومية ستسمح لها بالمضي قدماً. ومن خلال جعل هؤلاء الخبراء يقارنون العوامل ببعضها البعض في أزواج، يولد النظام درجة تعكس مدى جاهزية الشركة للانتقال إلى المرحلة التالية. يتم بعد ذلك معايرة هذه الدرجة مقابل بيانات من العالم الحقيقي لمشاريع تكنولوجية مماثلة لتحويلها إلى احتمال محدد. تضمن هذه العملية أن التقييم النهائي ليس مجرد رأي واحد، بل عملية حسابية شفافة حيث يمكن تتبع كل رقم وصولاً إلى افتراض محدد. وإذا اختلف خبيران حول قيمة شركة ما، يمكنهما الآن تحديد مكان الخلاف بدقة: هل هو حول فرصة اجتياز اختبار معين، أم حول مقدار الأموال التي سيولدها ذلك الاختبار؟

اختبر الباحثون إطار عملهم الجديد على شركة ناشئة سويسرية حقيقية تبني برمجيات لإدارة محافظ الطاقة. كانت هذه الشركة، التي تبيع منتج الذكاء الاصطناعي الخاص بها مباشرة للعملاء، في مراحل التطوير الأولى في وقت إجراء الدراسة، ولم يكن لديها سجل إيرادات. باستخدام الأسالين القديمة، كان تقييم مثل هذه الشركة سيتطلب تخميناً كبيراً وغير مبرر لنموها المستقبلي. وباستخدام الإطار الجديد، رسم الباحثون أربع محطات رئيسية تحتاج الشركة للوصه إليها خلال العامين المقبلين. شملت هذه المحطات استقرار النظام للاختبارات الأولية، وتأمين عملاء تجريبيين يدفعون مقابل الخدمة، وتحقيق أول إيرادات متكررة، وأخيراً إثبات قدرتها على بيع المنتج لعدد كبير من العملاء في آن واحد. ومن خلال حساب قيمة كل خطوة واحتمالية الوصول إليها، توصلوا إلى إجمالي قيمة للشركة تبلغ 100 مليون فرنك سويسري. وقد طابق هذا الرقم التقدير الداخلي للشركة، لكن الطريقة الجديدة كشفت عن أمر بالغ الأهمية: أكثر من نصف هذه القيمة يعتمد كلياً على المحطة الأخيرة، وهي الأصعب تحقيقاً.

يسلط هذا الاكتشاف الضوء على تحول كبير في كيفية فهم المخاطر في قطاع الذكاء الاصطناعي. تظهر الدراسة أن الشركات التي تبيع ذكاءها الاصطناعي الخاص لا تتوزع فيها المخاطر بالتساوي عبر الرحلة؛ بل تتركز المخاطر بكثافة في المراحل المتأخرة. فالخطوات الأولى، مثل بناء نموذج أولي يعمل، تعتبر آمنة نسبياً ومن المرجح نجاحها، لكن الخطوات اللاحقة، التي تتضمن إثبات رغبة السوق في المنتج وقدرة الشركة على التوسع، تحمل أكبر قدر من عدم اليقين. يجعل الإطار هذا الأمر واضحاً من خلال إظهار أنه إذا فشلت المحطة الأخيرة، فإن الشركة ستفقد حوالي نصف قيمتها الإجمالية. وهذا يختلف عن الشركات التقليدية، حيث غالباً ما تتوزع المخاطر بشكل أكثر توازناً. كما يأخذ الأسلوب الجديد في الاعتبار التكاليف التي تخفيها أدوات التقييم الأخرى؛ فهو يفصل الأموال المنفقة على بناء التكنولوجيا عن الأموال المنفقة على الامتثال للقوانين واللوائح، مما يضمن احتساب هذه التكاليف بوضوح بدلاً من دفنها في تقدير عام.

كما يتناول البحث مشكلة شائعة في كيفية إبلاغ الشركات عن شؤونها المالية. ففي العديد من الدول الأوروبية، تتطلب قواعد المحاسبة معاملة الأموال المنفقة على تطوير تكنولوجيا جديدة كمصروفات، مما يجعل الشركة تبدو وكأنها تخسر مالاً على الورق. وفي أماكن أخرى، يمكن للشركات تسجيل هذا الإنفاق كأصول، مما يجعلها تبدو أكثر قيمة. هذا الاختلاف في القواعد المحاسبية يمكن أن يجعل شركتين متطابقتين تبدوان مختلفتين تماماً للمستثمرين. يتجاوز الإطار الجديد هذا الارتباك من خلال النظر إلى الواقع الاقتصادي الفعلي للعمل بدلاً من الملصقات المحاسبية؛ فهو يعامل الأموال المنفقة على التطوير كتكلفة حقيقية بغض النظر عن كيفية تسجيلها في الدفاتر، مما يسمح بمقارنة عادلة بين الشركات في بلدان مختلفة أو تحت قواعد مختلفة. يضمن هذا النهج أن يعكس التقييم الإمكانات الحقيقية للعمل، وليس فقط الطريقة التي كُتب بها في السجلات.

بينما توفر الدراسة طريقة واضحة ومنطقية لتقييم هذه الشركات، يشير المؤلفون بحذر إلى أن هذا هو عرض لمنهج جديد، وليس إثباتاً نهائياً على كماله. لقد اختبروا إطار العمل على شركة واحدة ذات معلومات واضحة جداً، مما يسهل تطبيق الطريقة. وهم يقرون بأن مواقف العالم الحقيقي يمكن أن تكون أكثر تعقيداً، مع وجود شركات ذات مستويات مختلطة من تكامل التكنولوجيا أو بيانات أقل وضوحاً. ويقترح الباحثون أن الخطوة التالية هي اختبار هذه الطريقة على العديد من الشركات المختلفة لمعرفة ما إذا كانت ستعمل في الممارسة العملية كما تعمل في النظرية. كما يشيرون إلى أن قواعد الذكاء الاصطناعي تتغير بسرعة، وسيحتاج إطار العمل إلى التكيف مع صدور قوانين جديدة. ومع ذلك، تظل الفكرة الجوهرية صلبة: من خلال تفكيك رحلة الذكاء الاصطناعي المعقدة إلى خطوات أصغر وقابلة للقياس، يمكننا التوقف عن التخمين والبدء في فهم ما يحرك قيمة هذه الشركات الحديثة بدقة.

تمتد آثار هذا العمل إلى ما هو أبعد من مجرد حساب رقم ما؛ فهي تغير طبيعة الحوار بين المستثمرين والمؤسسين. فبدلاً من الجدال حول رقم واحد غامض، يمكنهم الآن مناقشة الخطوات المحددة التي تحتاج الشركة لاتخاذها للنجاح. إذا اعتقد مستثمر أن شركة ما شديدة المخاطر، يمكنه الإشارة إلى محطة معينة يعتقد أنه من غير المرجح الوصول إليها. وإذا اعتقد مؤسس أن شركته مقدرة بأقل من قيمتها، يمكنه إظهار كيف أن خطته للوصول إلى البوابة التالية أكثر صلابة مما يدركه المستثمر. تساعد هذه الشفافية كلا الطرفين على فهم الطبيعة الحقيقية للمخاطر والفرص. كما تساعد المنظمين وصناع السياسات على رؤية أين تكمن العقبات الحقيقية. ومن خلال تحديد الخطوات الأكثر صعوبة وأين يتم خلق أكبر قدر من القيمة، يمكن لإطار العمل توجيه القرارات بشأن أين يتم استثمار الموارد ودعم نمو هذه التقنيات الجديدة.

في نهاية المطاف، يقدم هذا البحث طريقة لجلب الوضوح إلى مجال غالباً ما كان محاطاً بالغموض. لعقود من الزمن، كان تقييم الشركات مزيجاً من الفن والعلم، يعتمد على الخبرة والحدس. ومع صعود الذكاء الاصطناعي، لم يعد الحدس القديم كافياً لأن قواعد اللعبة قد تغيرت. يوفر إطار العمل الجديد خريطة للتنقل في هذا التضاريس الجديد. إنه لا يعد بالتنبؤ بالمستقبل بيقين، ولكنه يعد بجعل حالات عدم اليقين مرئية. ومن خلال إظهار أين تكمن المخاطر بالضبط وما يتطلبه التغلب عليها، فإنه يسمح لكل المشاركين باتخاذ قرارات أفضل. سواء كنت مستثمراً يبحث عن الشيء الكبير القادم، أو مؤسساً يحاول بناء شركة جديدة، أو صانع سياسات يحاول فهم الاقتصاد، فإن هذا النهج يقدم طريقة لرؤية الهيكل الحقيقي للقيمة في عصر الذكاء الاصطناعي. إنه يحول "الصندوق الأسود" إلى سلسلة من الخطوات الواضحة والمفهومة، مما يجعل مستقبل الأعمال أقل غموضاً وأكثر قابلية للفهم.