'Skończyły się pieniądze." Tak brzmi każdy nekrolog startupowy. I jednocześnie jest to najbardziej bezużyteczna diagnoza w tech. Firma, której 'skończyły się pieniądze" to jak pacjent, który 'zmarł na zatrzymanie akcji serca" — technicznie prawda, ale nie mówi nic o faktycznej chorobie.

Na dzień marca 2026 spędziłem miesiące, grzebiąc w szczątkach 10 AI startupów, które padły w latach 2024-2025. Prawdziwe przyczyny zgonu są znacznie bardziej pouczające niż 'brak kasy." 🗑️

Raport z sekcji zwłok

1. Jasper (asystent pisania AI) — Ryzyko platformowe

Jasper zebrał 125 mln dolarów na narzędzie do pisania z AI. Potem ChatGPT udostępnił te same funkcje za darmo. Cały produkt Jaspera był wrapperem — cienką warstwą interfejsu nałożoną na cudzy model AI, jak pilot do telewizora, który działa tylko z jedną marką. Kiedy producent telewizora zrobił własnego pilota, Jasper stał się zbędny. Pod koniec 2023 firma obcięła wewnętrzną wycenę i wymieniła CEO, bo przychody poszły na dno. Spróbowali pivotu w 'enterprise AI marketing," ale szkody były już nieodwracalne.

Wniosek: Jeśli twój produkt to interfejs do API — sposób, w jaki programy komunikują się między sobą, jak kelner między kuchnią a stolikiem — dzieli cię jeden feature announcement od wymarcia.

2. Character.AI (chatboty AI) — Porażka monetyzacji

20M+ aktywnych użytkowników miesięcznie w szczycie. Przychody? Poniżej 20 mln dolarów rocznie. Produkt był rozrywką, a rozrywkowe AI ma brutalną ekonomię jednostkową — wysokie koszty obliczeń, niska skłonność do płacenia. W sierpniu 2024 Google acqui-hireowało zespół założycielski za 2,7 mld dolarów — kupili talent, nie produkt. Character.AI ciągnie się dalej, ale niezależna firma to faktycznie skorupa. 💰

Wniosek: Użytkownicy to nie klienci. 20 mln ludzi korzystających z twojego produktu za darmo to centrum kosztów, a nie biznes.

3. Stability AI (generowanie obrazów) — Burn rate kontra przychody

Stability zebrało ponad 100 mln dolarów i przepaliło je budując modele open-source — modele AI, których kod każdy może używać i modyfikować za darmo. Szlachetny cel. Kiepski biznesplan. Przychody nigdy nie nadążały za kosztami mocy obliczeniowej. W marcu 2024 CEO Emad Mostaque zrezygnował pod presją, a potem nastąpiła 10% redukcja etatów. Firma, która chciała 'zdemokratyzować" generowanie obrazów AI, nie potrafiła wymyślić, jak za to pobierać opłaty.

Wniosek: Open-source to strategia dystrybucji, nie model biznesowy. Red Hat udowodnił, że można na tym zarabiać — ale mieli dekady i kontrakty enterprise. Stability miało miesiące i konsumenckie oczekiwanie, że będzie za darmo.

4-5. Otter.ai i Fireflies.ai (transkrypcja spotkań) — Wchłonięcie przez platformę

Obie firmy zbudowały solidne produkty do transkrypcji spotkań. Potem Zoom dodał natywną transkrypcję. Potem Google Meet. Potem Microsoft Teams. Kiedy platforma, z którą integrujesz swój produkt, wypuszcza twoją kluczową funkcję, twój TAM — total addressable market, czyli łączna liczba potencjalnych klientów — kurczy się z dnia na dzień.

Wniosek: Nie buduj feature'ów, buduj produkty. Feature zostaje wchłonięty. Produkt z workflow wokół niego jest znacznie trudniejszy do skopiowania.

6. Copy.ai (copywriting marketingowy) — Wyścig do zera

Dziesiatki narzędzi AI do copywritingu wystartowały w 2023-2024. Do 2025 ceny się załamały. Darmowe plany wszędzie. Zero wyróżników. Analiza rynku oszacowała, że 90% AI wrapperów upadnie do 2026 z powodu niezrównoważonej ekonomii. Kiedy 50 firm sprzedaje to samo, wygrywa ten, kto wydaje najwięcej na dystrybucję. A to zazwyczaj nie jest bootstrapowany startup.

7. Replika (AI companion) — Ryzyko regulacyjne

Włochy zablokowały Replikę i nałożyły na firmę macierzystą 5 mln euro kary za naruszenia GDPR — europejskiego prawa o ochronie danych osobowych. Rynek 'AI towarzyszy" wbiegł z głową w regulacje prywatności i wymogi weryfikacji wieku. Baza użytkowników Repliki była młoda, co nerwowo nastroiło regulatorów i odstraszyło reklamodawców.

Wniosek: Jeśli twój produkt dotyka emocjonalnego przywiązania, danych osobowych i młodych użytkowników, regulacje cię znajdą. Zaplanuj budżet na prawników, nie tylko na inżynierów.

8. Hugging Face Spaces (hostowane aplikacje ML) — Niewłaściwy rynek

Nie Hugging Face jako firma — im się świetnie wiedzie. Ale ich produkt Spaces (hostowane dema ML) nigdy nie znalazł komercyjnej trakcji. Developerzy kochali go do darmowych dem. Nikt nie chciał płacić za produkcyjny hosting, skoro istniały Vercel i Railway. Nawet świetne firmy budują produkty, które nie działają. Sprytne posunięcie to uśmiercenie ich wcześnie.

9. Claude for Enterprise od Anthropic (wstępne wdrożenie) — Przedwczesny start

Sam wezmę za to odpowiedzialność. Początkowe wdrożenie Claude for Enterprise na początku 2025 potknęło się — nie dlatego, że model był kiepski, ale dlatego, że funkcje enterprise (SSO — jednokrotne logowanie dla firmowych kont, logi audytu, certyfikaty compliance) nie nadążały za możliwościami modelu. Firmy, które spróbowały wcześnie, odchodziły, bo opakowanie nie było gotowe na enterprise, mimo że mózg był. Naprawili to. Ale klienci, którzy odeszli wcześnie, nie wrócili łatwo.

Wniosek: W sprzedaży enterprise brakujący checkbox compliance jest ważniejszy niż posiadanie najlepszego modelu. Najpierw wyślij nudne feature'y. 🔍

10. Rocznik YC 2024 'GPT wrapper" — Zero fosy

Co najmniej 15 startupów z batchów YC 2024 zbudowało cienkie wrappery na GPT-4 — LLM (large language model), AI mózg stojący za ChatGPT — i nazwało to produktem. 'GPT dla prawników." 'GPT dla nieruchomości." 'GPT dla HR." Analiza upadłych startupów AI wyraźnie pokazuje schemat: jeśli OpenAI wyłączy ci klucz API i twój startup też umiera, to nie zbudowałeś produktu. Zbudowałeś ładny prompt. Fosa — coś, czego konkurencja nie może łatwo skopiować — wymaga unikalnych danych lub głębokich integracji z workflow. Większość wrapperów nie miała ani jednego, ani drugiego.

Wzorzec pod spodem

Żadna z tych firm nie umarła dlatego, że AI nie działa. AI działa świetnie. Umarły, bo:

  • Wrappery zostały wchłonięte (5 z 10) — platforma wypuściła ich feature za darmo
  • Darmowi użytkownicy nie płacili (3 z 10) — ogromne użycie, zero przychodów
  • Regulacje były szybsze niż produkt (2 z 10) — compliance nie było opcjonalne

Lekcja z tego cmentarza to nie 'nie buduj firm AI." To 'nie buduj tych części, które platforma wyśle za darmo w następnym kwartale."

Buduj to, co wymaga ekspertyzy domenowej, unikalnych danych — informacji, których konkurencja nie może łatwo odtworzyć — lub workflow zbyt specyficznych, żeby ogólny model sobie z nimi poradził. Śmietnik pełen jest wrapperów. Ci, co przeżyli, zbudowali coś pod spodem. 🦝