Program odra Builders Stage na konferenci TechCrunch Disrupt 2026 je več kot seznam govorcev in startup nasvetov. Kaže, kako se tehnološki ekosistem pripravlja na obdobje, v katerem umetna inteligenca ni več ločena panoga, temveč osnovna plast produktov, zaposlovanja, prodaje, financiranja in razvoja podjetij.
Konferenca bo po napovedih TechCruncha potekala med 13. in 15. oktobrom v San Franciscu. Builders Stage bo namenjen ustanoviteljem, operativnim ekipam in vlagateljem, pri čemer je večina napovedanih vsebin neposredno povezana z vprašanjem, kako graditi podjetje v svetu hitro razvijajočih se modelov, agentov in velikih platform.
Najpomembnejše sporočilo programa je pragmatično: uspeh ne bo odvisen zgolj od tega, ali podjetje uporablja umetno inteligenco, temveč ali zna z njo zgraditi produkt, distribucijo, ekipo in poslovni model, ki ostanejo relevantni tudi po naslednjem valu tehnoloških sprememb.
UI trg se premika od navdušenja k obrambnim prednostim
Ena izrazitejših tem programa je strah startupov pred tem, da njihov produkt postane funkcionalnost večje platforme. Razprava z naslovom What Happens When OpenAI Ships Your Roadmap neposredno odpira vprašanje, s katerim se danes srečujejo številna podjetja: kaj se zgodi, ko OpenAI, Anthropic, Google ali drug velik ponudnik objavi funkcijo, ki je bila do tedaj ključna vrednost manjšega podjetja?
To ni le tehnično vprašanje. Gre za vprašanje poslovne strategije. Startup, ki je zgrajen izključno okoli enega modela ali ene zmožnosti generativne umetne inteligence, je lahko hitro izpostavljen pritisku večjih igralcev. Ti imajo dostop do infrastrukture, distribucije, podatkov, kapitala in velike baze uporabnikov.
Priložnost za manjša podjetja zato verjetno ni v tekmovanju z velikimi laboratoriji pri razvoju temeljnih modelov. Večjo vrednost lahko ustvarjajo z domenskim znanjem, lastnimi podatki, zaupanjem uporabnikov, povezavami z obstoječimi poslovnimi procesi in produkti, ki rešujejo natančno določen problem.
Za slovenska podjetja je to posebej relevantno. Lokalni in evropski trgi ponujajo priložnosti v vertikalnih rešitvah za industrijo, zdravstvo, pravo, finance, proizvodnjo, javni sektor in regulirana okolja. Na teh področjih pogosto niso odločilni največji model, najbolj impresiven demo ali najnižja cena poizvedbe, temveč razumevanje postopkov, skladnost z zakonodajo, kakovost podatkov in sposobnost uvedbe v obstoječe delovne procese.
Graditi brez lastnega modela ni slabost, če obstaja jasna vrednost
Panel How to Win When You’re Not Building AI odpira drugo pomembno dilemo: kako lahko rastejo podjetja, ki sama ne razvijajo modelov ali agentov umetne inteligence?
Vprašanje je pomembno zato, ker je velika pozornost vlagateljev, medijev in tehnološke skupnosti usmerjena v podjetja, ki se predstavljajo kot “AI-native”. Toda umetna inteligenca sama po sebi ni poslovni model. Podjetje lahko uporablja najbolj napredne modele in kljub temu nima zadržanja uporabnikov, jasnega cenovnega modela ali učinkovite prodajne poti.
V tem smislu napovedani poudarek na prihodkih, zadržanju strank, učinkoviti rasti in izvrševanju predstavlja delno streznitev po obdobju navdušenja nad generativno umetno inteligenco. Investitorji in kupci bodo vse bolj spraševali, ali UI dejansko zmanjšuje stroške, ustvarja nove prihodke, skrajšuje delovne procese ali izboljšuje odločanje.
Za ustanovitelje je ključno vprašanje preprosto: ali je umetna inteligenca osrednji razlog, da uporabnik izbere njihov produkt, ali zgolj izboljšava že obstoječe storitve? Oboje je lahko legitimno, vendar zahteva drugačno strategijo. V prvem primeru je treba dokazovati tehnološko prednost. V drugem je pogosto pomembnejša kakovost izvedbe, uporabniška izkušnja in poznavanje trga.
Multi-model pristop postaja poslovna, ne le tehnična odločitev
Med bolj zgovornimi naslovi programa je razprava The Real Tokenmaxxing: How the Best AI Companies Navigate a Multi-Model World. Tema kaže, da se del industrije oddaljuje od odvisnosti od enega ponudnika modelov.
Podjetja, ki gradijo izdelke na umetni inteligenci, se namreč srečujejo s kompromisi med kakovostjo modela, ceno, hitrostjo, zasebnostjo, zanesljivostjo in možnostjo uporabe v specifičnih jezikih ali panogah. Model, ki je najboljši za ustvarjanje besedil, morda ni najboljši za klasifikacijo dokumentov, delo z večjimi količinami podatkov, programiranje ali uporabo v okolju z visokimi zahtevami po varnosti.
Multi-model strategija zato ni nujno znak tehnične zapletenosti zaradi zapletenosti same. Lahko je način zmanjševanja poslovnega tveganja. Podjetje, ki zna preklapljati med ponudniki, lokalnimi modeli in specializiranimi sistemi, je manj izpostavljeno spremembam cen, omejitvam dostopa ali nenadnim spremembam produktne strategije velikega ponudnika.
Obenem pa tak pristop prinaša stroške. Zahteva dobro evalvacijo modelov, spremljanje kakovosti odgovorov, upravljanje podatkovnih tokov in jasno arhitekturo, ki preprečuje, da bi produkt postal neobvladljiv skupek različnih API-povezav.
Ključni nauk za ekipe ni, da morajo uporabljati čim več modelov. Bolj pomembno je, da od začetka gradijo dovolj prilagodljivo infrastrukturo, da niso zaklenjene v enega ponudnika.
Umetna inteligenca spreminja sestavo ekip
Program izrazito poudarja tudi zaposlovanje. Razprave o konkurenci za UI kader, plačah, lastniških deležih in zadržanju zaposlenih kažejo, da bo boj za talente ostal pomemben, tudi če del nalog prevzemajo agenti.
Še bolj zanimiva je seja Hiring When AI Is a Co-Founder, ki odpira vprašanje, kako bodo zgodnje ekipe razdeljevale delo med ljudi in sisteme umetne inteligence. To ne pomeni nujno, da bodo podjetja preprosto nadomeščala zaposlene z agenti. Bolj verjeten scenarij je, da bodo manjše ekipe lahko opravile več: razvijalci bodo hitreje izdelovali prototipe, prodajne ekipe bodo lažje pripravljale raziskave kupcev, podporne ekipe pa bodo avtomatizirale ponavljajoče se procese.
Toda več avtomatizacije odpira tudi vprašanje odgovornosti. Kdo preverja odločitev agenta? Kdo odgovarja, ko sistem poda napačen odgovor stranki, sprejme neustrezen poslovni ukrep ali nepravilno obdela občutljive podatke? V zgodnjih ekipah bo zato morda manj pomembno število zaposlenih, bolj pa jasna razdelitev odgovornosti med ljudmi in avtomatiziranimi sistemi.
Za startup okolje to pomeni, da podjetja ne bodo iskala le “AI strokovnjakov”, temveč ljudi, ki znajo delo z modeli povezati s produktnim razmišljanjem, poslovnimi procesi, varnostjo in kakovostjo.
Rast prihodkov ostaja pomembnejša od viralnosti
Builders Stage vključuje več vsebin o produktno-tržnem ujemanju, prvih tisoč strankah, prodaji in poti do 10 milijonov dolarjev letnih ponavljajočih se prihodkov. To je pomemben signal: kljub velikemu poudarku na modelih in agentih organizatorji rast podjetij še vedno razumejo predvsem skozi prizmo trakcije.
Posebej relevantna je tema “lažnega” produktno-tržnega ujemanja. Umetna inteligenca lahko namreč hitro ustvari zanimanje, visoko število prijav ali viralno uporabo. Vendar ti signali niso nujno dokaz, da bo podjetje ohranilo uporabnike ali ustvarilo stabilne prihodke.
Za ustanovitelje je zato bolj pomembno spremljati ponavljajočo uporabo, pripravljenost kupcev za plačilo, stroške podpore, zanesljivost produkta in dolgoročno zadržanje uporabnikov. Viralni trenutek je lahko odličen začetek, ne more pa nadomestiti jasnega razloga, zakaj se stranka vrača.
Program razkriva tudi svoje omejitve
Agenda Builders Stage je izrazito osredotočena na rast, kapital, prodajo, talente in produktno strategijo. To je razumljivo za konferenco, namenjeno startupom, vendar hkrati odpira nekaj vprašanj.
Manj izrazito so zastopane teme, ki bodo verjetno ključne za razvoj UI podjetij v Evropi: regulativa, odgovornost za avtomatizirane odločitve, avtorske pravice, dostop do podatkov, energetska poraba modelov in družbeni vplivi avtomatizacije. Prav tako je v programu veliko več poudarka na financiranju in skaliranju kot na temeljnih tehnoloških prebojih, varnosti modelov ali odprtih ekosistemih.
To ne zmanjšuje vrednosti napovedanih razprav, kaže pa na prevladujočo perspektivo: umetna inteligenca je predstavljena predvsem kot gospodarska in produktna priložnost. Za podjetja, regulatorje in uporabnike pa bo ključno, da jo obravnavajo tudi kot vprašanje zaupanja, odgovornosti in dolgoročne infrastrukture.
Builders Stage tako ponuja dober pregled razpoloženja v startup svetu: manj fascinacije nad samim modelom in več skrbi glede distribucije, prihodkov, kadrov ter obstanka ob velikih platformah. Za podjetja, ki razvijajo rešitve z umetno inteligenco, bo ključno, da iz tega ne prevzamejo le retorike o hitri rasti, temveč predvsem disciplino: graditi izdelke, ki rešujejo resnične probleme in ostanejo uporabni tudi, ko naslednji veliki model postane standard.
