क्यों AI अतीत का विश्लेषण अच्छी तरह करती है लेकिन वेंचर कैपिटल भविष्य पर दांव लगाती है
वेंचर कैपिटल फर्मों में से तीन-चौथाई पहले से ही निवेश के अवसरों का मूल्यांकन करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग कर रही हैं। यह आंकड़ा अपने आप में एक अपरिहार्य आधुनिकीकरण की तरह सुनाई देता है। लेकिन एक संरचनात्मक तनाव है जिसे वह प्रतिशत पकड़ नहीं पाता: भाषा मॉडल असाधारण रूप से अच्छे हैं वही करने में जो वेंचर कैपिटल बहुत बार नहीं कर सकता — और वह है पीछे देखना।
वेंचर कैपिटल अपनी सबसे बुनियादी यांत्रिकी में एक असंततता पर एक दांव है। ऐसे बाजारों पर नहीं जो अनुमानित रूप से विस्तारित होते हैं, बल्कि उन क्षणों पर जब कोई तकनीक या व्यवहार उस चीज से टूट जाता है जो पिछले डेटा ने संभावित बताया था। उस प्रक्रिया में ऐतिहासिक पैटर्न पर प्रशिक्षित उपकरणों को शामिल करना तब तक उपयोगी है जब तक यह नहीं रहता, और दोनों अवस्थाओं के बीच की सीमा उससे कहीं अधिक संकरी है जितना अधिकांश फर्में खुलकर स्वीकार कर रही हैं।
सबसे परिष्कृत पुष्टि पूर्वाग्रह जो अब तक अस्तित्व में आया है
बड़े भाषा मॉडल टेक्स्ट के विशाल संग्रह में पैटर्न पहचान कर प्रतिक्रियाएं उत्पन्न करते हैं। यह उन्हें स्पष्ट रूप से परिभाषित विश्लेषणात्मक कार्यों के लिए असाधारण रूप से सक्षम बनाता है: प्रतिस्पर्धियों का मानचित्रण करना, नियामक बाधाओं की पहचान करना, तकनीकी साहित्य का सारांश बनाना, किसी ज्ञात बाजार में जोखिमों को इंगित करना। जो वे निर्माण द्वारा नहीं कर सकते, वह है उस क्षण को पहचानना जब वे रूपरेखाएं पूरे नक्शे को फिर से खींचने वाली हों।
वेंचर कैपिटल का इतिहास ऐसे उदाहरणों से भरा है जहाँ वर्तमान का सही विश्लेषण ही वह कारण था जिसकी वजह से भविष्य चूक गया। जब Airbnb ने 2008 में अपने पहले राउंड उठाए, तो यह थीसिस कि अजनबी दूसरों के घरों में सोने के लिए भुगतान करेंगे, न केवल प्रतिसहज थी; यह उस समय उपभोक्ता व्यवहार पर उपलब्ध डेटा के साथ सीधे तौर पर असंगत थी। उस युग का भावना विश्लेषण विपरीत दिशा में इशारा कर रहा था। सोशल वेब के शुरुआती चरणों के साथ भी यही हुआ: 2000 के दशक की शुरुआत के प्रमुख सर्वेक्षणों से पता चला कि इंटरनेट के उपयोग में सबसे बड़ी बाधा गोपनीयता का डर था। Facebook का निर्माण, एक तरह से, उस रीडिंग को नजरअंदाज करके किया गया था।
एक अच्छी तरह से कैलिब्रेटेड प्रणाली दोनों प्रस्तावों को उच्च जोखिम के रूप में चिह्नित करती। और वह सही भी होती, अतीत के नजरिए से। समस्या यह नहीं है कि विश्लेषण गलत था; बात यह है कि वह उस विशिष्ट निर्णय के लिए गलत विश्लेषण था।
यहीं पर पूर्वाग्रह उन फर्मों के भीतर पता लगाना मुश्किल हो जाता है जिन्होंने AI को मानक उचित परिश्रम प्रक्रिया के हिस्से के रूप में अपनाया है। यह एक स्पष्ट त्रुटि के रूप में प्रकट नहीं होता। यह बहुत अच्छी तरह से प्रलेखित विश्लेषणों की एक श्रृंखला के रूप में प्रकट होता है जो व्यवस्थित रूप से उन दांवों का समर्थन करता है जिनका कोई पूर्व उदाहरण है और उन दांवों को हतोत्साहित करता है जिनका नहीं है। अल्पावधि में, यह अधिक व्यवस्थित पोर्टफोलियो तैयार करता है। दीर्घावधि में, यह ऐसे पोर्टफोलियो तैयार करता है जो वह रिटर्न नहीं देते जो परिसंपत्ति वर्ग को उचित ठहराते हैं।
2025 में AI की ओर पूंजी का प्रवाह क्या उजागर करता है
2025 में वैश्विक वेंचर कैपिटल की एकाग्रता उस पैटर्न को सटीकता से दर्शाती है। वैश्विक वेंचर कैपिटल फंडिंग चौथी तिमाही में लगभग 141 अरब डॉलर तक पहुंची, पिछली तिमाही की तुलना में 12% की वृद्धि के साथ, जिससे 2025 2021 के बाद से सबसे सक्रिय वर्ष बन गया। आर्टिफिशियल इंटेलिजेंस ने उस वर्ष वैश्विक वेंचर कैपिटल के 25% से अधिक का प्रतिनिधित्व किया, जो 2024 में 15% और 2023 में 7% से बढ़ा। उद्यम खंड में, जेनरेटिव AI पर खर्च 2024 में 11.5 अरब डॉलर से 2025 में 37 अरब डॉलर हो गया, Menlo Ventures के डेटा के अनुसार।
वे संख्याएं एक ऐसे उद्योग का वर्णन करती हैं जो, एक हिस्से में, वास्तविक दृढ़ विश्वास के साथ भविष्य पर दांव लगा रहा है। लेकिन वे एक ऐसे उद्योग का भी वर्णन करती हैं जो, एक हिस्से में, उपलब्ध सबसे पठनीय पैटर्न का अनुसरण कर रहा है। AI आज वह क्षेत्र है जिसकी सबसे हालिया ऐतिहासिक वैधता है, जिसमें सबसे अधिक शोध पेपर उद्धरण हैं, जिसमें सबसे अधिक समाचार प्रवाह है। यह व्यावहारिक रूप से वह बाजार है जिस पर AI उपकरण सबसे आसानी से विश्लेषण उत्पन्न कर सकता है। परिणाम एक फीडबैक लूप है जो पूंजी को वहाँ केंद्रित करता है जहाँ संकेत सबसे स्पष्ट है, जो ठीक उस प्रकार की एकाग्रता है जो उच्चतम माध्यिका रिटर्न उत्पन्न करती है लेकिन जरूरी नहीं कि दाहिने ऊपरी छोर पर रिटर्न हो।
AI खंड के भीतर वितरण भी ध्यान देने योग्य है। Menlo Ventures 2025 के खर्च को एप्लिकेशन परत में 19 अरब और इंफ्रास्ट्रक्चर में 18 अरब के बीच विभाजित करता है। एप्लिकेशन के भीतर, क्षैतिज उपकरणों ने 8.4 अरब, विभागीय समाधानों ने 7.3 अरब और विशेष वर्टिकल ने 3.5 अरब डॉलर अर्जित किए। वह दानेदारता बताती है कि दांव अब इस पर नहीं है कि क्या AI एक श्रेणी के रूप में मायने रखती है, बल्कि इस पर है कि मूल्य श्रृंखला की कौन सी परत टिकाऊ मार्जिन हासिल करेगी। यह बहुत अधिक सूक्ष्म प्रश्न है, और यह ठीक उस प्रकार का प्रश्न है जहाँ AI के साथ या उसके बिना, अच्छी तरह से निष्पादित विश्लेषण अंतर मूल्य जोड़ सकता है।
जो ऐतिहासिक विश्लेषण हल नहीं कर सकता वह यह है कि आज किसी भी डेटासेट में नहीं दिखने वाली कौन सी श्रेणियां अगली लहर को पकड़ेंगी। मॉड्यूलर परमाणु ऊर्जा इस समय सबसे स्पष्ट उदाहरण है।
जब विफलताओं का इतिहास एक वास्तविक असंततता को छुपाता है
परमाणु ऊर्जा पर अभिलेख चेतावनियों से भरे हैं। थ्री माइल आइलैंड, चेर्नोबिल, फुकुशिमा। व्यावसायीकरण के असफल प्रयासों के दशक। निर्माण की समय-सीमाएं जो वर्षों से दशकों तक बढ़ गईं। संरचनात्मक लागत ओवररन। उस संग्रह पर प्रशिक्षित एक विश्लेषण प्रणाली, पूरी तरह से उचित रूप से, किसी भी स्टार्टअप के लिए उच्च जोखिम का मूल्यांकन तैयार करेगी जो छोटे मॉड्यूलर रिएक्टरों को ऊर्जा समाधान के रूप में प्रस्तावित करती है।
समस्या यह है कि छोटे मॉड्यूलर रिएक्टर तकनीकी और आर्थिक रूप से बड़े पैमाने के परमाणु संयंत्रों से अलग हैं जिन्होंने वह इतिहास बनाया। वे प्रत्येक स्थान पर बेस्पोक निर्माण के लिए नहीं, बल्कि सीरियल निर्माण और मानकीकरण के लिए डिज़ाइन किए गए हैं। और मांग का संदर्भ संरचनात्मक रूप से बदल गया है: AI डेटा केंद्रों को निरंतर और अनुमानित ऊर्जा की मात्रा की आवश्यकता होती है जो आंतरायिक स्रोत पैमाने पर आर्थिक रूप से कुशलता से पूरी नहीं कर सकते। Microsoft, Google और Amazon जैसी कंपनियां पहले से ही परमाणु ऊर्जा उत्पादन से जुड़े समझौतों पर हस्ताक्षर करना और निवेश करना शुरू कर चुकी हैं, जो इंगित करता है कि मांग संकेत मौजूद है और केवल इरादे की घोषणाओं में नहीं, बल्कि अनुबंधों में औपचारिक किया जा रहा है।
परमाणु अतीत पर प्रशिक्षित एक मॉडल शायद संचित जोखिम देखे। एक विश्लेषक जो समझता है कि ऊर्जा मांग की अर्थव्यवस्था में क्या बदला है, वह एक ऐसी तकनीक देख सकता है जो उस क्षण में बाजार में आती है जब बाजार को अंततः इसकी जरूरत है। उन दो रीडिंग के बीच का अंतर आशावाद बनाम निराशावाद नहीं है। यह यह पहचानने की क्षमता है कि कब किसी बाहरी चर ने किसी ऐसी तकनीक के संभावनाओं के स्थान को पुनर्गठित कर दिया है जो पहले अव्यवहार्य थी।
वह क्षमता किसी ऐसे सिस्टम को नहीं सौंपी जा सकती जिसके पास उस जानकारी तक पहुंच नहीं है जो अभी तक घटित नहीं हुई है।
कल्पना कोई विश्लेषणात्मक विलासिता नहीं है, यह वह चर है जिसे मॉडल आयात नहीं कर सकता
वेंचर कैपिटल ने ऐतिहासिक रूप से जो खरीदा है वह मौजूदा बाजार का विश्लेषण नहीं है। उसने उन बाजारों की कल्पना करने की क्षमता खरीदी है जो अभी तक मौजूद नहीं हैं और उन टीमों की पहचान करने की जो उन्हें बना सकती हैं। उस क्षमता में ऐसे घटक हैं जो ऐतिहासिक पैटर्न विश्लेषण प्रणालियों को नहीं सौंपे जा सकते: कमजोर संकेतों को पढ़ना, यह पहचानने की क्षमता कि एक उभरता व्यवहार बड़े पैमाने पर बनने वाला है, एक ऐसे बाजार के बीच अंतर करना जो खराब निष्पादन के कारण विफल हुआ और एक ऐसे बाजार के बीच जो इसलिए विफल हुआ क्योंकि समय गलत था।
इसका कोई भी मतलब यह नहीं है कि फर्मों को निवेश प्रक्रिया में AI के अपने उपयोग को कम करना चाहिए। वर्तमान उपकरण ज्ञात बाजारों पर उचित परिश्रम को गति देने, व्यवसाय मॉडल मान्यताओं को दबाने और प्रतिस्पर्धी विश्लेषण को संरचित करने के लिए वास्तविक रूप से मूल्यवान हैं। अच्छी तरह से उपयोग किए जाने पर, वे उस काम को अधिक कठोर बनाते हैं जो विश्लेषक पहले से कर रहे थे।
जोखिम AI का उपयोग करने में नहीं है। जोखिम ऐसी प्रक्रियाओं के निर्माण में है जहाँ ऐतिहासिक पूर्व उदाहरण की अनुपस्थिति स्वचालित रूप से अस्वीकृति का संकेत बन जाती है। वह संस्थागत डिज़ाइन पोर्टफोलियो से ठीक उन्हीं अवसरों को बाहर निकाल देता है जिन्हें पकड़ने के लिए वेंचर कैपिटल को सबसे अच्छी स्थिति में होना चाहिए।
जो पूंजी वहाँ प्रवाहित होती है जहाँ मॉडल पहले से अच्छी तरह माप सकते हैं, वह हर उस फर्म के साथ प्रतिस्पर्धा कर रही है जो समान मॉडल का उपयोग करती है। जो पूंजी वहाँ प्रवाहित होती है जहाँ मॉडल अभी तक अच्छी तरह माप नहीं सकते, वह बहुत कम के साथ प्रतिस्पर्धा कर रही है। वह असमानता इसलिए नहीं गायब होती क्योंकि उपकरण अधिक परिष्कृत है। यह गहरी होती है।
