Стратегии бизнес-моделей и венчурное финансирование ИИ-стартапов

Цель. Показать влияние различных конфигураций бизнес-моделей на эффективность привлечения венчурного финансирования стартапами в сфере искусственного интеллекта (ИИ), а также выделить типы бизнес-моделей, наиболее привлекательные для рынка капитала.

Задачи. Классифицировать бизнес-модели ИИ-стартапов на три типа: инфраструктурно-ориентированные, прикладно-ориентированные и гибридные; выполнить эмпирическую оценку связи между типом бизнес-модели и объемом привлеченного финансирования; разработать стратегические рекомендации для ИИ-стартапов ранних стадий в аспектах распределения ресурсов и рыночного позиционирования. 

Методология. Исследование основано на эмпирическом анализе выборки из 980 непубличных ИИ-стартапов. Методология включает в себя классификацию компаний по их ключевым ценностным предложениям и анализ исторических данных о привлечении финансирования с использованием статистического моделирования для выявления взаимосвязи между выбором бизнес-модели и результатами финансирования. 

Результаты. Установлено, что инфраструктурно-ориентированные компании с большей вероятностью привлекают инвестиции и демонстрируют более высокие показатели финансирования. Прикладно-ориентированные компании, как правило, обладают более слабыми возможностями по привлечению капитала, если сравнивать их с компаниями, нацеленными на инфраструктуру. Для гибридных моделей предусмотрен значительный дисконт по объему привлекаемого финансирования. 

Выводы. Для повышения конкурентных преимуществ и успешности привлечения финансирования компаниям целесообразно придерживаться четко определенных бизнес-моделей, а не диверсифицированных гибридных моделей. Стратегическая фокусировка оказывается более эффективной для получения поддержки со стороны рынка капитала, чем ресурсоемкая интеграция.

1. Linkon A.A., Shaima M., Sarker S.U. et al. Advancements and applications of generative artificial intelligence and large language models on business management: A comprehensive review. Journal of Computer Science and Technology Studies. 2024;6(1):225-232. https://doi.org/10.32996/jcsts.2024.6.1.26

2. Teece D.J. Business models and dynamic capabilities. Long Range Planning. 2018;51(1): 40-49. https://doi.org/10.1016/j.lrp.2017.06.007

3. Zott C., Amit R. Business model design: An activity system perspective. Long Range Planning. 2010;43(2-3):216-226. https://doi.org/10.1016/j.lrp.2009.07.004

4. Mikalef P., Gupta M. Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & Management. 2021;58(3):103434. https://doi.org/10.1016/j.im.2021.103434

5. Zott C., Amit R. Business model design and the performance of entrepreneurial firms. Organization Science. 2007;18(2):181-199. https://doi.org/10.1287/orsc.1060.0232

6. Chesbrough H. Business model innovation: Opportunities and barriers. Long Range Planning. 2010;43(2-3):354-363. https://doi.org/10.1016/j.lrp.2009.07.010

7. Weber M., Beutter M., Weking J., Böhm M., Krcmar H. AI startup business models: Key characteristics and directions for entrepreneurship research. Business & Information Systems Engineering. 2022;64(1):91-109. https://doi.org/10.1007/s12599-021-00732-w

8. Garbuio M., Lin N. Artificial intelligence as a growth engine for health care startups: Emerging business models. California Management Review. 2019;61(2):59-83. https://doi.org/10.1177/0008125618811931

9. Spence M. Job market signaling. In: Diamond P., Rothschild M., eds. Uncertainty in economics. New York, NY: Academic Press; 1978:281-306. https://doi.org/10.1016/B978-0-12-214850-7.50025-5

10. Connelly B.L., Certo S.T., Ireland R.D., Reutzel C.R. Signaling theory: A review and assessment. Journal of Management. 2011;37(1):39-67. https://doi.org/10.1177/0149206310388419

11. Amit R., Zott C. Value creation in e business. Strategic Management Journal. 2001; 22(6-7):493-520. https://doi.org/10.1002/smj.187

12. Teece D.J. Profiting from technological innovation: Implications for integration, collaboration, licensing and public policy. Research Policy. 1986;15(6):285-305. https://doi.org/10.1016/0048-7333(86)90027-2

13. Teece D.J. Business models, business strategy and innovation. Long Range Planning. 2010;43(2-3):172-194. https://doi.org/10.1016/j.lrp.2009.07.003

14. Klein J., Stuckenborg L., Leker J. Hot or not — Which features make FinTechs attractive for investors? The Journal of Entrepreneurial Finance. 2020;22(1):27-60. https://doi.org/10.57229/2373-1761.1372

15. Fossen F.M., McLemore T., Sorgner A. Artificial intelligence and entrepreneurship. Foundations and Trends® in Entrepreneurship. 2024;20(8):781-904. https://doi.org/10.1561/0300000130

16. Barney J. Firm resources and sustained competitive advantage. Journal of Management. 1991;17(1):99-120. https://doi.org/10.1177/014920639101700108

17. Williamson O.E. The economics of organization: The transaction cost approach. American Journal of Sociology. 1981;87(3):548-577. https://doi.org/10.1086/227496

18. Iansiti M., Lakhani K.R. Competing in the age of AI: Strategy and leadership when algorithms and networks run the world. Boston, MA: Harvard Business Press; 2020. 295 p.

19. Bommasani R., Hudson D.A., Adeli E., et al. On the opportunities and risks of foundation models. Stanford, CA: Center for Research on Foundation Models (CRFM), Stanford University; 2021. 214 p. URL: https://crfm.stanford.edu/assets/report.pdf (accessed on 18.03.2026).

20. Agrawal A., Gans J., Goldfarb A. Power and prediction: The disruptive economics of artificial intelligence. Boston, MA: Harvard Business Press; 2022. 288 p.

21. Gregory R.W., Henfridsson O., Kaganer E., Kyriakou H. The role of artificial intelligence and data network effects for creating user value. Academy of Management Review. 2021;46(3):534-551. https://doi.org/10.5465/amr.2019.0178

22. Jacobides M. G., Cennamo C., Gawer A. Towards a theory of ecosystems. Strategic Management Journal. 2018;39(8):2255-2276. https://doi.org/10.1002/smj.2904

23. Bornstein M., Appenzeller G., Casado M. Who owns the generative AI platform? Andreessen Horowitz. 2023. URL: https://publicservicesalliance.org/wp-content/uploads/2023/02/Who-Owns-the-Generative-AI-Platform-Andreessen-Horowitz.pdf (accessed on 18.03.2026).

24. Jacobides M.G. Regulating Big Tech in Europe: Why, so what, and how understanding their business models and ecosystems can make a difference. SSRN. Dec. 21, 2020. http://dx.doi.org/10.2139/ssrn.3765324

25. Bessen J. Information technology and industry concentration. Boston University. School of Law. Law and Economics Research Paper. 2017;(17-41). URL: https://scholarship.law.bu.edu/faculty_scholarship/267 (accessed on 18.03.2026).

26. Eisenmann T., Parker G., Van Alstyne M. Platform envelopment. Strategic Management Journal. 2011;32(12):1270-1285. https://doi.org/10.1002/smj.935

27. Gompers P.A., Gornall W., Kaplan S.N., Strebulaev I.A. How do venture capitalists make decisions? Journal of Financial Economics. 2020;135(1):169-190. https://doi.org/10.1016/j.jfineco.2019.06.011

28. Bohnsack R., Rennings M., Block C., Bröring S. Profiting from innovation when digital business ecosystems emerge: A control point perspective. Research Policy. 2024;53(3):104961. https://doi.org/10.1016/j.respol.2024.104961

29. Montanaro B., Croce A., Ughetto E. Venture capital investments in artificial intelligence. Journal of Evolutionary Economics. 2024;34(1):1-28. https://doi.org/10.1007/s00191-024-00857-7

30. Porter M.E. Competitive Strategy: Techniques for analyzing industries and competitors. New York, NY: Free Press; 1980. 396 p.

31. Magretta J. Understanding Michael Porter: The essential guide to competition and strategy. New York, NY: Harvard Business Press; 2011. 256 p.

32. Gerhart B., Feng J. The resource-based view of the firm, human resources, and human capital: Progress and prospects. Journal of Management. 2021;47(7):1796-1819. https://doi.org/10.1177/0149206320978799