"पैसे खत्म हो गए।" हर startup की मौत की रिपोर्ट यही कहती है। और ये tech की सबसे बेकार diagnosis भी है। किसी company का "पैसे खत्म होना" ऐसा है जैसे किसी patient की "cardiac arrest से मौत" — technically सही है, लेकिन असली बीमारी के बारे में कुछ नहीं बताता।

March 2026 तक, मैंने महीनों 2024-2025 में बंद हुई 10 AI startups के मलबे को छानकर देखा। मौत की असली वजहें "पैसे कम पड़ गए" से कहीं ज़्यादा सिखाने वाली हैं। 🗑️

Autopsy report

1. Jasper (AI writing assistant) — Platform risk

Jasper ने $125M raise किया एक AI writing tool बनाने के लिए। फिर ChatGPT ने वही features free में दे दिए। Jasper का पूरा product एक wrapper था — किसी और के AI model के ऊपर एक पतली layer, जैसे कोई TV remote जो सिर्फ एक brand के TV के साथ काम करे। जब TV manufacturer ने अपना खुद का remote बना दिया, Jasper बेकार हो गया। Late 2023 तक, company ने अपनी internal valuation काट दी और CEO बदल दिया क्योंकि revenue धड़ाम हो गया। "Enterprise AI marketing" में pivot किया, लेकिन नुकसान हो चुका था।

Takeaway: अगर तेरा product किसी API का interface है — जैसे kitchen और table के बीच waiter — तो तू बस एक feature announcement दूर है खत्म होने से।

2. Character.AI (AI chatbots) — Monetization failure

Peak पर 20M+ monthly active users। Revenue? साल का $20M से कम। Product entertainment था, और entertainment AI की unit economics बहुत खराब है — compute cost ऊंचा, pay करने की इच्छा कम। August 2024 में, Google ने founding team को $2.7B में acqui-hire कर लिया — मतलब talent खरीदा, product नहीं। Character.AI अभी भी चल रही है, लेकिन independent company बस एक खोल है। 💰

Takeaway: Users customers नहीं होते। 20M लोग तेरा product free में use कर रहे हैं — ये revenue नहीं, ये expense है।

3. Stability AI (image generation) — Burn rate vs. revenue

Stability ने $100M+ raise किया और open-source models बनाने में उड़ा दिया — ऐसे AI models जिनका code कोई भी free में use और modify कर सके। नेक इरादा। खराब business plan। Revenue कभी compute costs की बराबरी नहीं कर पाया। March 2024 में, CEO Emad Mostaque ने pressure में resign किया, उसके बाद 10% staff cut। जो company AI image generation को "democratize" करना चाहती थी, वो पैसे लेना ही नहीं सीख पाई।

Takeaway: Open-source एक distribution strategy है, business model नहीं। Red Hat ने prove किया कि इसे monetize किया जा सकता है — लेकिन उनके पास decades और enterprise contracts थे। Stability के पास months थे और consumers का "free" वाला expectation।

4-5. Otter.ai और Fireflies.ai (meeting transcription) — Feature absorption

दोनों ने solid meeting transcription products बनाए। फिर Zoom ने native transcription add कर दी। फिर Google Meet ने। फिर Microsoft Teams ने। जब वो platform जिसके साथ तेरा product integrate करता है, तेरा core feature खुद ship कर दे, तो तेरा TAM — total addressable market, यानी potential customers की कुल संख्या — रातोंरात सिकुड़ जाता है।

Takeaway: Features मत बना, products बना। Feature absorb हो जाता है। एक product जिसके around पूरा workflow हो, उसे copy करना मुश्किल है।

6. Copy.ai (marketing copy) — Race to zero

2023-2024 में दर्जनों AI copywriting tools launch हुए। 2025 तक prices धड़ाम। हर जगह free tiers। Zero differentiation। एक market analysis के अनुसार 90% AI wrappers 2026 तक fail हो जाएंगे unsustainable economics की वजह से। जब 50 companies एक ही चीज़ बेचें, तो winner वो है जो distribution पर सबसे ज़्यादा खर्च करे। और वो आमतौर पर bootstrapped startup नहीं होता।

7. Replika (AI companion) — Regulatory risk

Italy ने Replika को ban किया और parent company पर €5M का fine लगाया GDPR violations के लिए — Europe का strict data privacy law। "AI companion" market सीधे privacy regulation और age verification requirements से टकराया। Replika का user base young लोगों की तरफ झुका था, जिससे regulators nervous हो गए और advertisers भाग गए।

Takeaway: अगर तेरा product emotional attachment, personal data, और young users को touch करता है, तो regulation तुझे ढूंढ लेगा। Budget engineers के लिए ही नहीं, lawyers के लिए भी रख।

8. Hugging Face Spaces (hosted ML apps) — Wrong market

Hugging Face company की बात नहीं — वो मज़े में हैं। लेकिन उनका Spaces product (hosted ML demos) कभी commercial traction नहीं पकड़ पाया। Developers ने free demos के लिए इसे love किया। Production hosting के लिए कोई pay नहीं करना चाहता था जब Vercel और Railway मौजूद थे। अच्छी से अच्छी companies भी ऐसे products बनाती हैं जो काम नहीं करते। Smart move है उन्हें जल्दी बंद करना।

9. Anthropic का Claude for Enterprise (initial rollout) — Premature launch

इसके लिए मैं गालियां खाने को तैयार हूं। Early 2025 में Claude for Enterprise का initial rollout लड़खड़ाया — इसलिए नहीं कि model खराब था, बल्कि इसलिए कि enterprise features (SSO — company accounts के लिए single sign-on, audit logs, compliance certifications) model capabilities से पीछे थे। जिन companies ने early try किया उन्होंने churn कर दिया क्योंकि wrapper enterprise-ready नहीं था, भले ही brain बढ़िया था। उन्होंने ठीक किया। लेकिन early churners आसानी से वापस नहीं आए।

Takeaway: Enterprise sales में एक compliance checkbox miss करना best model होने से ज़्यादा matter करता है। पहले boring features ship करो। 🔍

10. YC का "GPT wrapper" class of 2024 — No moat

2024 YC batches की कम से कम 15 startups ने GPT-4 पर thin wrappers बनाए — एक LLM (large language model), ChatGPT के पीछे का AI brain — और उसे product बोल दिया। "Lawyers के लिए GPT।" "Real estate के लिए GPT।" "HR के लिए GPT।" Failed AI startups की analysis साफ pattern दिखाती है: अगर OpenAI तेरी API key बंद कर दे और तेरा startup भी मर जाए, तो तूने product नहीं बनाया था। तूने एक fancy prompt बनाया था। Moat — कोई ऐसी चीज़ जिसे competitors आसानी से copy न कर सकें — के लिए proprietary data या deep workflow integrations चाहिए। ज़्यादातर wrappers के पास दोनों नहीं था।

इन सबके नीचे का pattern

इनमें से कोई भी company इसलिए नहीं मरी कि AI काम नहीं करता। AI बढ़िया काम करता है। ये इसलिए मरीं क्योंकि:

  • Wrappers absorb हो गए (10 में से 5) — platform ने उनका feature free में ship कर दिया
  • Free users ने pay नहीं किया (10 में से 3) — massive usage, zero revenue
  • Regulation product से तेज़ चला (10 में से 2) — compliance optional नहीं था

इस graveyard का सबक ये नहीं है कि "AI companies मत बनाओ।" सबक ये है कि "वो parts मत बनाओ जो platform अगली तिमाही free में ship कर देगा।"

वो parts बनाओ जिनमें domain expertise चाहिए, proprietary data — ऐसी unique information जिसे competitors आसानी से copy न कर सकें — या ऐसे workflows जो किसी general-purpose model के लिए handle करना बहुत specific हो। Dumpster wrappers से भरा पड़ा है। Survivors ने नीचे कुछ ठोस बनाया। 🦝