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

किसी कंपनी का मूल्यांकन करना पारंपरिक रूप से उसके अतीत को देखकर भविष्य का अनुमान लगाने का मामला है। यदि किसी व्यवसाय का उत्पाद बेचने, बिलों का भुगतान करने और लाभ कमाने का लंबा इतिहास रहा है, तो विशेषज्ञ उन आंकड़ों का उपयोग यह अनुमान लगाने के लिए कर सकते हैं कि कंपनी कल कितनी मूल्यवान होगी। वे गणना करते हैं कि आने वाले वर्षों में व्यवसाय द्वारा संभावित रूप से कितना पैसा कमाया जाएगा और उस आंकड़े को समायोजित करते हैं ताकि उन जोखिमों को ध्यान में रखा जा सके जहाँ चीजें गलत हो सकती हैं। यह तरीका स्थिर व्यवसायों के लिए अच्छा काम करता है, जैसे कि एक बेकरी जो बीस वर्षों से खुली हुई है या एक कारखाना जो दशकों से सुचारू रूप से चल रहा है। हालाँकि, जब कोई कंपनी आर्टिफिशियल इंटेलिजेंस (AI) के इर्द-गिर्द बनाई जाती है, तो नियम पूरी तरह से बदल जाते हैं। इन फर्मों के पास अक्सर लाभ का कोई इतिहास नहीं होता, उनके बिजनेस मॉडल वास्तविक समय में फिर से लिखे जा रहे होते हैं, और उनका मूल्य पूरी तरह से इस बात पर निर्भर करता है कि क्या वे कुछ कठिन भविष्य के लक्ष्यों को सफलतापूर्वक प्राप्त कर सकती हैं। जब कोई कंपनी कुछ ऐसा बनाने की कोशिश कर रही होती है जो पहले कभी अस्तित्व में नहीं था, तो मूल्य मापने के पुराने उपकरण अक्सर विफल हो जाते हैं क्योंकि वे योजना के भीतर छिपे विशिष्ट जोखिमों और अवसरों को नहीं देख पाते।

स्विस इंस्टीट्यूट फॉर एआई और यूनिवर्सिटी ऑफ एप्लाइड साइंसेज नर्टिंगन-गेइसलिंगन का एक नया अध्ययन इन कंपनियों को देखने का एक अलग तरीका प्रस्तावित करता है। शोधकर्ताओं का तर्क है कि मानक तरीके आर्टिफिशियल इंटेलिजेंस पर लागू होने पर बहुत अस्पष्ट होते हैं क्योंकि वे सभी जटिल अनिश्चितताओं को एक एकल, अपारदर्शी संख्या में समेट देते हैं। एक सामान्य विकास दर का अनुमान लगाने के बजाय, टीम ने एक संरचित प्रोटोकॉल विकसित किया है जो एक कंपनी के मूल्य को विशिष्ट, जांच योग्य चरणों की एक श्रृंखला में तोड़ देता है। वे आर्टिफिशियल इंटेलिजेंस को एकीकृत करने की यात्रा को एक सुचारू रेखा के रूप में नहीं, बल्कि 'गेट्स' (द्वार) वाले मार्ग के रूप में देखते हैं। प्रत्येक गेट पर, कंपनी को यह सिद्ध करना होगा कि वह कुछ विशिष्ट कर सकती है—जैसे कि एक नए सॉफ्टवेयर सिस्टम को काम करना सिखाना, एक नियामक जांच पास करना, या अपना पहला भुगतान करने वाला ग्राहक ढूंढना। यदि कंपनी गेट पार कर लेती है, तो वह आगे बढ़ती है और उसका मूल्य बढ़ जाता है। यदि वह विफल होती है, तो मार्ग समाप्त हो जाता है, और संभावित मूल्य गायब हो जाता है। इन गेट्स का मानचित्र तैयार करके और प्रत्येक पर सफलता की एक यथार्थवादी संभावना निर्धारित करके, शोधकर्ताओं ने एक ऐसा तरीका बनाया जिससे यह देखा जा सके कि मूल्य कहाँ से आता है और जोखिम कहाँ निहित है।

इस नए दृष्टिकोण का मूल एक सरल लेकिन शक्तिशाली विचार है: आर्टिफिशियल इंटेलिजेंस का उपयोग करने वाली सभी कंपनियाँ एक जैसी नहीं हैं। शोधकर्ताओं ने एक वर्गीकरण प्रणाली बनाई है जो फर्मों को दो मुख्य समूहों में विभाजित करती है। पहले समूह में वे कंपनियाँ शामिल हैं जो अपने मौजूदा काम को बेहतर बनाने के लिए आर्टिफिशियल इंटेलिजेंस को एक उपकरण के रूप में उपयोग करती हैं, जैसे कि एक बैंक जो क्रेडिट स्कोर तेजी से जांचने के लिए कंप्यूटर प्रोग्राम का उपयोग करता है। दूसरा समूह उन कंपनियों का है जिनका पूरा उत्पाद स्वयं आर्टिफिशियल इंटेलिजेंस है, जैसे कि एक फर्म जो दूसरों को बेचने के लिए एक नए प्रकार का स्मार्ट सॉफ्टवेयर बनाती है। पहले समूह के भीतर, शोधकर्ताओं ने कंपनियों को इस आधार पर विभाजित किया कि उन्होंने तकनीक को कितनी गहराई से एकीकृत किया है। कुछ इसे बस थोड़ा सा उपयोग करते हैं, जैसे वेबसाइट पर चैटबॉट जोड़ना, जबकि अन्य अपने पूरे संचालन को इसके इर्द-गिर्द फिर से बना लेते हैं। अध्ययन में पाया गया कि जितना गहरा एकीकरण होगा, कंपनी का मूल्य वर्तमान लाभ के बजाय भविष्य की संभावनाओं पर उतना ही अधिक निर्भर करेगा। एक कंपनी जिसने आर्टिफिशियल इंटेलिजेंस में केवल पैर पसारना शुरू किया है, उसका मूल्य उसके वर्तमान बिक्री पर आधारित एक अनुमानित मूल्य है। लेकिन एक कंपनी जिसने अपनी पूरी व्यावसायिक संरचना को इस तकनीक के इर्द-गिर्द फिर से बनाया है, वह अनिवार्य रूप से भविष्य के विकल्पों का एक संग्रह है, जहाँ वास्तविक मूल्य इस बात में निहित है कि वह आगे क्या करने में सक्षम हो सकती है।

यह पता लगाने के लिए कि किसी कंपनी के प्रत्येक चरण में सफल होने की कितनी संभावना है, शोधकर्ताओं ने विशेषज्ञों के बीच एक संरचित बातचीत के माध्यम से अनुमान लगाने की पद्धति को पेश किया। उन्होंने विशेषज्ञों के एक पैनल से, जिसमें कंपनी के अपने नेता और बाहरी विशेषज्ञ शामिल थे, सफलता निर्धारित करने वाले विभिन्न कारकों की तुलना करने के लिए कहा। इन कारकों में यह शामिल था कि क्या तकनीक वास्तव में काम करती है, क्या कंपनी के पास इसे चलाने के लिए सही लोग हैं, और क्या सरकारी नियम इसे आगे बढ़ने की अनुमति देंगे। विशेषज्ञों से इन कारकों की आपस में जोड़ों (pairs) में तुलना करने के माध्यम से, यह प्रणाली एक स्कोर उत्पन्न करती है जो यह दर्शाता है कि कंपनी अगले चरण पर जाने के लिए कितनी तैयार है। इस स्कोर को वास्तविक दुनिया के डेटा के साथ कैलिब्रेट किया जाता है ताकि इसे एक विशिष्ट संभावना में बदला जा सके। यह प्रक्रिया सुनिश्चित करती है कि अंतिम मूल्यांकन केवल एक राय नहीं है, बल्कि एक पारदर्शी गणना है जहाँ प्रत्येक संख्या को एक विशिष्ट धारणा से जोड़ा जा सकता है। यदि दो विशेषज्ञों के बीच किसी कंपनी के मूल्य को लेकर असहमति होती है, तो वे अब ठीक से पहचान सकते हैं कि उनकी असहमति कहाँ है: क्या यह एक विशिष्ट परीक्षण को पास करने की संभावना के बारे में है, या उस परीक्षण से उत्पन्न होने वाले धन की मात्रा के बारे में है?

शोधकर्ताओं ने अपने नए ढांचे का परीक्षण एक वास्तविक स्विस स्टार्टअप पर किया जो ऊर्जा पोर्टफोलियो प्रबंधित करने के लिए सॉफ्टवेयर बनाता है। यह कंपनी, जो अपना आर्टिफिशियल इंटेलिजेंस उत्पाद सीधे ग्राहकों को बेचती है, अध्ययन के समय विकास के शुरुआती चरणों में थी और उसका कोई राजस्व इतिहास नहीं था। पुराने तरीकों का उपयोग करके, ऐसी कंपनी का मूल्यांकन करने के लिए इसके भविष्य के विकास के बारे में एक बड़े, अस्पष्ट अनुमान की आवश्यकता होती। नए ढांचे का उपयोग करते हुए, शोधकर्ताओं ने उन चार प्रमुख मील के पत्थरों (milestones) का मानचित्र तैयार किया जिन्हें कंपनी को अगले दो वर्षों में पूरा करना था। इन मील के पत्थरों में सिस्टम को प्रारंभिक परीक्षणों के लिए स्थिर करना, भुगतान करने वाले पायलट ग्राहकों को सुरक्षित करना, अपना पहला आवर्ती राजस्व (recurring revenue) उत्पन्न करना और अंततः यह साबित करना शामिल था कि वह एक साथ कई ग्राहकों को अपना उत्पाद बेच सकती है। प्रत्येक चरण के मूल्य और उसे प्राप्त करने की संभावना की गणना करके, वे 100 मिलियन स्विस फ्रैंक का कुल कंपनी मूल्य प्राप्त करने में सफल रहे। यह संख्या कंपनी के अपने आंतरिक अनुमान से मेल खाती थी, लेकिन नए तरीके ने कुछ महत्वपूर्ण खुलासा किया: आधे से अधिक मूल्य पूरी तरह से अंतिम मील के पत्थर पर निर्भर था, जो हासिल करने में सबसे कठिन था।

यह निष्कर्ष आर्टिफिशियल इंटेलिजेंस क्षेत्र में जोखिम को समझने के तरीके में एक बड़े बदलाव को रेखांकित करता है। अध्ययन दिखाता है कि जो कंपनियाँ अपना स्वयं का आर्टिफिशियल इंटेलिजेंस बेचती हैं, उनके लिए जोखिम यात्रा के दौरान समान रूप से वितरित नहीं होता है। इसके बजाय, जोखिम बाद के चरणों में केंद्रित हो जाता है। शुरुआती कदम, जैसे कि एक कार्यशील प्रोटोटाइप बनाना, अपेक्षाकृत सुरक्षित और सफल होने की संभावना वाले होते हैं। लेकिन बाद के कदम, जिनमें यह साबित करना शामिल है कि बाजार उत्पाद चाहता है और कंपनी इसका विस्तार (scale up) कर सकती है, सबसे अधिक अनिश्चितता पैदा करते हैं। यह ढांचा यह स्पष्ट करके इसे स्पष्ट करता है कि यदि अंतिम मील का पत्थर विफल हो जाता है, तो कंपनी अपना लगभग आधा मूल्य खो देती है। यह पारंपरिक व्यवसायों से भिन्न है, जहाँ जोखिम अक्सर अधिक समान रूप से वितरित होता है। नया तरीका उन लागतों को भी ध्यान में रखता है जिन्हें अन्य मूल्यांकन उपकरण अक्सर छिपा देते हैं। यह तकनीक बनाने पर खर्च किए गए धन को कानून और नियमों के अनुपालन में खर्च किए गए धन से अलग करता है, जिससे यह सुनिश्चित होता है कि इन लागतों को एक सामान्य अनुमान में दबाने के बजाय स्पष्ट रूप से गिना जाए।

अध्ययन कंपनियों द्वारा अपनी वित्तीय रिपोर्टिंग के एक सामान्य मुद्दे को भी संबोधित करता है। कई यूरोपीय देशों में, लेखांकन (accounting) के नियम कंपनियों को नई तकनीक विकसित करने पर खर्च किए गए धन को एक खर्च (expense) के रूप में मानने के लिए कहते हैं, जिससे कागजों पर कंपनी घाटे में दिखती है। अन्य स्थानों पर, कंपनियाँ इस खर्च को एक संपत्ति (asset) के रूप में दर्ज कर सकती हैं, जिससे वे अधिक मूल्यवान दिखती हैं। लेखांकन के इन नियमों का अंतर निवेशकों के लिए दो समान कंपनियों को पूरी तरह से अलग दिखा सकता है। नया ढांचा इस भ्रम को दूर करता है क्योंकि यह लेखांकन लेबल के बजाय व्यवसाय की वास्तविक आर्थिक वास्तविकता को देखता है। यह विकास पर खर्च किए गए धन को एक वास्तविक लागत के रूप में मानता है, चाहे उसे बहीखातों में कैसे भी दर्ज किया गया हो, जिससे विभिन्न देशों या विभिन्न नियमों के तहत कंपनियों के बीच निष्पक्ष तुलना संभव हो पाती है। यह दृष्टिकोण सुनिश्चित करता है कि मूल्यांकन व्यवसाय की वास्तविक क्षमता को दर्शाता है, न कि केवल इसे लेजर में कैसे लिखा गया है।

हालाँकि यह अध्ययन इन कंपनियों के मूल्यांकन के लिए एक स्पष्ट और तार्किक तरीका प्रदान करता है, लेखक सावधानी बरतते हुए कहते हैं कि यह एक नए तरीके का प्रदर्शन है, न कि यह पूर्ण प्रमाण है कि यह त्रुटिहीन है। उन्होंने इस ढांचे का परीक्षण एक ऐसी कंपनी पर किया जिसके पास बहुत स्पष्ट जानकारी थी, जिससे इस पद्धति को लागू करना आसान हो जाता है। वे स्वीकार करते हैं कि वास्तविक दुनिया की स्थितियाँ अधिक जटिल हो सकती हैं, जहाँ कंपनियों में तकनीक एकीकरण के मिश्रित स्तर हो सकते हैं या डेटा कम स्पष्ट हो सकता है। शोधकर्ता सुझाव देते हैं कि अगला कदम इस पद्धति को कई अलग-अलग कंपनियों पर परखना है ताकि यह देखा जा सके कि क्या यह सिद्धांत में जितना प्रभावी है, व्यवहार में भी उतना ही काम करता है। वे यह भी बताते हैं कि आर्टिफिशियल इंटेलिजेंस के नियम तेजी से बदल रहे हैं, और नए कानून पारित होने के साथ इस ढांचे को अनुकूलित करने की आवश्यकता होगी। हालाँकि, मूल विचार ठोस है: आर्टिफिशियल इंटेलिजेंस की यात्रा को छोटे, मापने योग्य चरणों में तोड़कर, हम अनुमान लगाना बंद कर सकते हैं और सटीक रूप से समझ सकते हैं कि इन आधुनिक कंपनियों के मूल्य को क्या संचालित करता है।

इस कार्य के निहितार्थ केवल एक संख्या की गणना करने तक सीमित नहीं हैं। यह निवेशकों और संस्थापकों (founders) के बीच की बातचीत को बदल देता है। एक एकल, अस्पष्ट आंकड़े पर बहस करने के बजाय, वे अब उन विशिष्ट चरणों पर चर्चा कर सकते हैं जिन्हें कंपनी को सफल होने के लिए पूरा करना होगा। यदि एक निवेशक को लगता है कि एक कंपनी बहुत जोखिम भरी है, तो वे एक विशिष्ट मील के पत्थर की ओर इशारा कर सकते हैं जिसे वे प्राप्त करने की संभावना कम मानते हैं। यदि एक संस्थापक को लगता है कि उनकी कंपनी का मूल्य कम आंका गया है, तो वे दिखा सकते हैं कि उनका अगले गेट तक पहुँचने का प्लान निवेशक की समझ से कहीं अधिक ठोस है। यह पारदर्शिता दोनों पक्षों को जोखिम और अवसर की वास्तविक प्रकृति को समझने में मदद करती है। यह नियामकों और नीति निर्माताओं को भी यह देखने में मदद करता है कि वास्तविक बाधाएँ कहाँ हैं। यह पहचानकर कि कौन से चरण सबसे कठिन हैं और कहाँ सबसे अधिक मूल्य बनता है, यह ढांचा संसाधनों के निवेश और इन नई तकनीकों के विकास को समर्थन देने के निर्णय लेने में मार्गदर्शन कर सकता है।

अंततः, यह शोध एक ऐसे क्षेत्र में स्पष्टता लाने का एक तरीका प्रदान करता है जो अक्सर रहस्यमय रहा है। दशकों से, कंपनी का मूल्यांकन अनुभव और अंतर्ज्ञान (intuition) पर आधारित कला और विज्ञान का मिश्रण रहा है। आर्टिफिशियल इंटेलिजेंस के उदय के साथ, पुराना अंतर्ज्ञान अब पर्याप्त नहीं है क्योंकि खेल के नियम बदल गए हैं। नया ढांचा इस नए परिदृश्य में नेविगेट करने के लिए एक मानचित्र प्रदान करता है। यह भविष्य की भविष्यवाणी निश्चितता के साथ करने का वादा नहीं करता है, लेकिन यह अनिश्चितताओं को दृश्यमान बनाने का वादा जरूर करता है। यह दिखाकर कि जोखिम वास्तव में कहाँ हैं और उन्हें पार करने के लिए क्या आवश्यक है, यह सभी शामिल लोगों को बेहतर निर्णय लेने की अनुमति देता है। चाहे आप अगली बड़ी चीज़ की तलाश में एक निवेशक हों, एक नई कंपनी बनाने की कोशिश कर रहे संस्थापक हों, या अर्थव्यवस्था को समझने की कोशिश कर रहे नीति निर्माता हों, यह दृष्टिकोण आर्टिफिशियल इंटेलिजेंस के युग में मूल्य की वास्तविक संरचना को देखने का एक तरीका प्रदान करता है। यह एक 'ब्लैक बॉक्स' को स्पष्ट, समझने योग्य चरणों में बदल देता है, जिससे भविष्य का व्यवसाय थोड़ा कम अस्पष्ट और थोड़ा अधिक जानने योग्य बन जाता है।