Am discutat cu Mati Staniszewski, co-fondator și CEO, la Nrth din Toronto — conferința cunoscută anterior sub numele de Elevate — într-o conversație care a acoperit totul, de la strategia de IPO până la dilemna morală a transparenței: trebuie să știe un client că vorbește cu un bot?
Vocea ca strat de infrastructură
ElevenLabs nu vinde doar "text-to-speech". Vinde stratul vocal al AI-ului — modelele care transformă textul în vorbire indistinguabilă de cea umană. Majoritatea oamenilor interacționează cu tehnologia lor fără să știe: când suna la serviciul clienți al Klarna (care gestionează 35 de milioane de clienți americani), Deutsche Telekom, Cisco, Adobe sau chiar anumite guverne. Dar platforma servește și creatorii: audiocărți, dublaj, muzică.
"Nu suntem singuri în acest spațiu", recunoaște Staniszewski cu o calmă dezarmanță. "Dar investitorii noștri nu par prea îngrijoși." De fapt, evaluarea de 22 de miliarde sugerează că piața pariază pe dominare, nu pe supraviețuire.
Predicția commoditizării: o corecție necesară
La TechCrunch Disrupt anul trecut, Staniszewski prezicea că modelele audio vor fi commoditizate în câțiva ani. Astăzi, își revizuiește estimarea: "Mai multă lucrare de făcut. Delta de calitate pe care o poți obține doar la nivel de model este încă semnificativă. Pe termen lung — trei, cinci ani — diferențele vor fi mai mici."
Obiectivul declarat? A fi primii care trec testul Turing pentru AI conversațional. "Trebuie să combini inteligența, dar și inteligența emoțională. Trebuie să înțelegi emoțiile celeilalte părți, să știi să încetinești sau să ridici vocea. Asta nu a fost făcut încă."
Anatomia veniturilor: enterprise-ul domine
Cifrele dezvăluite sunt revelatoare: 55%+ din ARR provine din enterprise clasic, restul de 45% fiind ÎMM-uri, dezvoltatori, constructori, creatori. Acest mix este crucial: enterprise-ul aduce stabilitate și contracte pe termen lung, în timp ce lungimea cozii (long tail) asigură distribuție, feedback rapid și efect de rețea.
Dar aici intervine o tensiune fundamentală: ElevenLabs concurează din ce în ce mai mult cu propriii clienți. Decagon, o platformă de AI conversațional, și-a antrenat produsul vocal pe ElevenLabs și acum rulează interogările prin modelele proprii. "Liniile devin mai blurate", admită CEO-ul. "În trecut, aveai delimitări clare între companii de modele, platforme, aplicații. Astăzi, acea linie e mult mai difuză. La Anthropic, ceea ce era o companie de modele e definitiv o platformă și din ce în ce mai mult un set larg de aplicații. Cred că asta va continua."
Stratul de raționament: meniul opțiunilor
ElevenLabs permite clienților să aleagă "stratul de raționament" (reasoning layer) dintr-un meniu de opțiuni. Ce se întâmplă în practică cu modelele frontier (frontier lab models) versus cele open-weight?
"Nu e o alegere binară", explică Staniszewski. "În experiența clientului, dacă suni și e doar informativ — nu execuți acțiuni — poți folosi multe modele open source pentru că baza ta de cunoștințe definește ce înseamnă o bună experiență. Dar dacă e servicii financiare, vrei autentificare, informații despre o tranzacție, poate un ramburs. Nu există spațiu pentru eroare. Aici, modelele frontier vor continua să conducă."
Geopolitica vocii: guvernele ca clienți
Un aspect delicăt: unele modele open-weight sunt chinezești. Guvernul SUA e client. Guverne europene sunt clienți. Cum arată acele conversații?
"Diferite", spune el scurt. "În fiecare implementare, modelele și vocele pe care le implementăm vor depinde de caz. Dacă lucrăm cu guvernul polonez sau cel brazilian, au propriile seturi de cerințe. Poate fi un model open-weight, unul closed-source, propriul lor model fine-tuned. În Polonia, e un caz de sănătate."
Aceasta nu e doar o notă tehnică — e o fereastră spre viitorul suveranității digitale. Când un stat național adoptă AI vocală, alegerea modelului devine decizie strategică: cine controlează datele? Cine garantează că vocea nu poate fi clonată sau manipulată? ElevenLabs se poziționează ca furnizor neutru, capabil să servească orice cerință regulatorică sau de securitate.
Marginile: secretul bine păzit
Am încercat să scot din el detalii despre marginile brute. "Nu pot discuta ele în detaliu", a răspuns diplomatic. Dar a adăugat ceva crucial: "Nu-mi pasă dacă se mai comprimă, dacă asta înseamnă extinderea părții noastre de piață."
Aceasta e strategia clasică a land-grab-ului: sacrifică margină pe termen scurt pentru a captura piață. Într-un spațiu unde costurile de inferență cad exponențial și modelele open-source apucă rapid, moatul nu e margină — e distribuția, integrarea, brandul de încredere.
Transparența: o obligație morală, nu opțională
Una dintre cele mai puternice declarații a fost despre etică: companiile trebuie să le spună clienților când vorbesc cu un AI. Nu „ar trebui”, ci „trebuie".
Într-o eră unde voice cloning-ul e la îndemâna oricui și deepfake-urile audio devin tot mai sofisticate, transparența nu e doar o chestiune de conformitate — e singura cale de a menține încrederea publică. ElevenLabs, ca lider de piață, are responsabilitatea de a seta standardul. Staniszewski pare să înțeleagă asta.
IPO-ul: timing-ul e o artă, nu o știință
Despre bursă, CEO-ul a fost evasiv dar nu dismissiv. Compania are capital, are tracțiune, are o evaluare care justifică un IPO. Dar piața publică e volatilă, iar narrativele se schimbă lunar. Un IPO prematur ar putea forța focalizarea pe trimestre în detrimentul cercetării fundamentale (passing the Turing test). Un IPO întârziat ar putea însemna ratarea ferestrei de lichiditate pentru angajați și investitori timpurii.
Concluzie: vocea e noul interfață
ElevenLabs nu construiește doar un produs. Construiește infrastructura care va face interfața vocală ubișchuită — în call center-uri, în dispozitive medicale, în educație, în divertisment, în administrație publică. Cine controlează acest strat, controlează modul în care umanitatea interacționează cu mașinile.
La 22 de miliarde evaluare și 600 de milioane ARR la patru ani, pariul pieței e că ElevenLabs va fi acel jucător. Dar cum a spus Staniszewski: "Delta de calitate e încă semnificativă." Și în AI, calitatea e singurul moat care rezistă.
De ce este important:
ElevenLabs nu e doar o startup de succes — e barometrul industriei AI vocale. Evoluția sa semnalează trei tendințe critice: (1) commoditizarea modelelor de bază forțează companiile să construiască platforme complete, nu doar API-uri; (2) geopolitica modelelor open vs. closed devine factor decisiv în achizițiile enterprise și guvernamentale; (3) transparența față de utilizatori finali trece de la "nice-to-have" la imperativ strategic. Pentru fondatori, investitori și reglementatori, ElevenLabs e cazul de studiu al momentului.
