Historia marży brutto firm zajmujących się aplikacjami AI poddana pierwszej „diagnozie”: Canva celowo zwalnia tempo, Figma samodzielnie ponosi koszty wnioskowania

Dwie czołowe firmy w branży oprogramowania do projektowania ujawniają prawdziwe dane finansowe, odsłaniając najbardziej ukryte koszty transformacji AI.

Canva ostrzegła inwestorów w tym tygodniu, że roczny wzrost przychodów spowolni do 20%. Powodem jest fakt, iż firma zdecydowała się wstrzymać pierwotnie zaplanowaną ekspansję funkcji AI mających napędzać wzrost płatnych subskrypcji — popyt znacznie przekroczył oczekiwania, podobnie jak koszty usług. Figma opublikowała w czwartek raport finansowy, wskazując że wzrost przychodów w trzecim kwartale spadnie z 48% w kwartale czerwcowym do 36%, jednocześnie przyznając, że wiele narzędzi AI jest nadal w fazie testów i nie znalazło jeszcze efektywnej ścieżki komercjalizacji. Po publikacji wiadomości, akcje Figma zanotowały jednodniowy spadek o około 15%.

Według portalu technologicznego The Information, trudności obu firm wskazują na jeden wspólny problem strukturalny: popularność produktów AI nie przekłada się automatycznie na zdrowy model ekonomiczny jednostki. W ramach wcześniejszych narracji inwestorów opartych na dużych nadziejach wobec firm oferujących aplikacje AI, jest to pierwsza rzeczywista próba odporności tego modelu.

Canva: zbyt wysokie zapotrzebowanie obciążeniem, świadome hamowanie rozwoju

Sytuacja Canva jest dość paradoksalna — problemem nie jest brak użytkowników, lecz ich nadmiar.

Według doniesień, Cliff Obrecht, dyrektor operacyjny Canva, powiedział współpracownikom, że przed wprowadzeniem AI koszt obsługi dużej liczby darmowych użytkowników był "bardzo niski". Jednak po uruchomieniu funkcji AI "koszty drastycznie wzrosły, zmieniając fundamentalnie model ekonomiczny jednostki, przez co redukcja kosztów AI stała się dużo ważniejsza niż wcześniej".

Bazując na tej ocenie, Canva zdecydowała się świadomie spowolnić planowane wprowadzanie funkcji AI zamiast kontynuować wzrost użytkowników za cenę wysokich kosztów. Decyzja ta bezpośrednio obniżyła oczekiwania dotyczące rocznego wzrostu przychodów firmy, z wyższych poziomów prognozowanych przez rynek do 20%.

Aby rozwiązać problem kosztów u podstaw, Canva intensywnie rozwija własne modele AI. Firma twierdzi, że jej wewnętrzne modele generowania obrazów i wideo są szybsze i tańsze niż modele wiodących laboratoriów AI. Problem polega jednak na tym, że te modele nie zdążyły z szybkim wdrożeniem nowych funkcji AI, przez co firma musiała polegać na droższych zewnętrznych rozwiązaniach w kluczowych momentach.

Figma: produkty beta dostępne bezpłatnie, pełne koszty inferencji po stronie firmy

W przeciwieństwie do świadomego hamowania Canva, Figma mierzy się z innym rodzajem presji kosztowej — opłacaniem produktów, które jeszcze nie przynoszą zysków.

Dyrektor finansowy Figma, Praveer Melwani, bezpośrednio wyjaśnił tę zależność podczas rozmowy z inwestorami:

"Obecnie nie pobieramy opłat od klientów za korzystanie z produktów będących w fazie testów, wszystkie koszty inferencji ponosimy sami, nie mamy żadnych przychodów, które mogłyby je zrównoważyć."

Oznacza to, że Figma finansuje z własnych środków korzystanie przez użytkowników z funkcji AI i czeka, aż narzędzia te osiągną fazę komercjalizacji. Firma spodziewa się, że taki model kosztowy będzie wpływać negatywnie na marżę brutto.

Figma również zwiększa inwestycje w rozwój własnych modeli AI i rozpoczęła już integrację wewnętrznych modeli z najnowszymi rozwiązaniami w celu wsparcia nowego agenta Figma AI. Jednak szkolenie własnych modeli wymaga czasu i nakładów finansowych, a cierpliwość rynku finansowego jest ograniczona — po publikacji prognoz kwartalnych akcje Figma spadły o około 15% w ciągu jednego dnia.

Wspólna trudność: struktura kosztów transformacji AI nadal nieuporządkowana

Według doniesień, przypadki Canva i Figma pokazują typowy fazowy konflikt dla firm aplikujących AI: atrakcyjność produktu została potwierdzona, ale droga do trwałego modelu rentowności wciąż jest niejasna.

Obie firmy widzą rozwój własnych modeli jako klucz do przełamania — obniżając zależność od kosztownych zewnętrznych rozwiązań i poprawiając model ekonomiczny jednostki. Jednak cykl rozwoju własnych modeli nie pokrywa się z natychmiastowymi oczekiwaniami rynku co do wzrostu wyników — istnieje trudny do uniknięcia czasowy rozdźwięk.

Analizy wskazują, że te dwa raporty finansowe dostarczają ważnego punktu odniesienia: koszty transformacji AI nie dotyczą tylko inwestycji w badania i rozwój, lecz głęboko tkwią w opłatach za każdorazowe użycie przez użytkownika. Zanim model komercjalizacji zostanie dojrzały, te koszty będą stale obniżać marżę brutto.

AI-owa historia firm programistycznych przechodzi właśnie pierwszą prawdziwą kontrolę finansową.