رویکردها و روش‌های استاندارد برای ارزش‌گذاری الگوریتم‌ها

گروه تحریریۀ شرکت راهبران سرمایۀ هوشمند
رویکردها و روش‌های استاندارد برای ارزش‌گذاری الگوریتم‌ها

الگوریتم‌ها به‌عنوان دارایی‌های نامشهود فناوری‌محور، به‌ویژه در صنایعی مانند هوش مصنوعی، فین‌تک، بازاریابی دیجیتال، تجارت الکترونیک و اتوماسیون صنعتی، از اهمیت استراتژیکی برخوردارند. ارزش‌گذاری دقیق الگوریتم‌ها به دلیل ماهیت پیچیده و نقش تعیین‌کننده‌ای که در کسب‌وکارهای مدرن دارند، نیازمند رویکردهای تخصصی و استاندارد است. در این مقاله به معرفی و تشریح روش‌ها و رویکردهای استاندارد ارزش‌گذاری الگوریتم‌ها پرداخته شده و شرایط استفاده و جزئیات هر یک از آن‌ها نیز مورد بررسی دقیق قرار گرفته است.

طبقه‌بندی الگوریتم‌ها در گروه دارایی‌های مبتنی بر فناوری

مطابق استاندارد IVS 210، بند 20-3: الگوریتم‌ها به‌عنوان دارایی‌های نامشهود مبتنی بر فناوری (Technology-based intangible assets) شناخته می‌شوند که شامل نرم‌افزارها، پایگاه‌های داده، فرمول‌ها، فرآیندهای فنی و سیستم‌های اطلاعاتی هستند. این طبقه‌بندی نشان می‌دهد که الگوریتم‌ها، به دلیل قابلیت کنترل عملیاتی، نقش فنی و ظرفیت تولید منافع اقتصادی، در گروه دارایی‌های فناوری‌محور قرار می‌گیرند و باید با روش‌های تخصصی مورد ارزش‌گذاری قرار گیرند.

رویکرد درآمدی با روش سود مازاد  (Excess Earnings Method)

مطابق استاندارد IVS 210، بند 60-5: این روش زمانی به کار می‌رود که الگوریتم نقش قابل‌توجه و مستقیمی در ایجاد درآمد یا جریان‌های نقدی یک کسب‌وکار داشته باشد. در این حالت، ابتدا جریان نقدی منتسب به الگوریتم محاسبه شده و سپس با کسر بازده سایر دارایی‌های همراه (مانند دارایی‌های مشهود و سایر نامشهودها)، سود مازاد قابل‌انتساب به الگوریتم مشخص می‌گردد. الگوریتم‌هایی مانند سیستم‌های معاملاتی خودکار در صنعت مالی یا الگوریتم‌های بهینه‌سازی تبلیغات در بازاریابی دیجیتال از نمونه‌هایی هستند که استفاده از این روش برای ارزش‌گذاری آن‌ها بسیار مناسب است.

رویکرد درآمدی با روش صرف امتیاز  (Relief from Royalty Method)

مطابق استاندارد IVS 210، بند 60-19: در این روش، فرض بر این است که شرکت مالک الگوریتم است و از پرداخت حق امتیازی که در صورت نداشتن مالکیت می‌بایست پرداخت می‌کرد، رهایی یافته است. بنابراین، ارزش الگوریتم از طریق برآورد جریان نقدی معادل حق امتیاز فرضی و تنزیل آن محاسبه می‌شود. نرخ حق امتیاز فرضی از قراردادهای مشابه موجود در بازار، گزارش‌های صنعتی یا سایر مستندات معتبر استخراج و بر اساس ویژگی‌های خاص الگوریتم تعدیل می‌گردد. این روش برای الگوریتم‌هایی که قابلیت لیسانس‌دهی و انتقال مستقل دارند، مناسب است.

رویکرد بها با روش بهای جایگزینی  (Replacement Cost Method)

مطابق استاندارد IVS 210، بند 70-5: در شرایطی که الگوریتم‌ها مستقیماً جریان درآمدی مستقل ایجاد نمی‌کنند، روش بهای جایگزینی برای تعیین ارزش آن‌ها مناسب است. در این رویکرد، هزینهٔ مورد نیاز برای طراحی، توسعه، کدنویسی، تست، مستندسازی، بهینه‌سازی و نگهداری الگوریتم به‌طور دقیق و بر اساس اطلاعات داخلی شرکت یا پیمانکاران خارجی محاسبه می‌شود. این هزینه سپس با لحاظ کردن عوامل دیگری مانند نابابی فنی یا اقتصادی تعدیل می‌شود. روش بهای جایگزینی برای الگوریتم‌هایی مانند سیستم‌های داخلی و پشتیبان که به‌طور مستقل فروخته نمی‌شوند یا لیسانس داده نمی‌شوند، مناسب است.

روش گرینفیلد (Greenfield Method) برای الگوریتم‌های حیاتی

مطابق استاندارد IVS 210، بند 60-31: اگر مدل کسب‌وکار کاملاً به یک الگوریتم خاص وابسته باشد (مانند سیستم‌های توصیه‌گر در پلتفرم‌های تجارت الکترونیک یا الگوریتم‌های مدیریت ریسک در شرکت‌های مالی)، روش گرینفیلد بسیار مؤثر است. در این رویکرد، فرض می‌شود که الگوریتم تنها دارایی موجود است و تمامی دارایی‌های دیگر (نرم‌افزارها، پایگاه‌های داده، نیروی انسانی، زیرساخت‌ها و سایر امکانات) باید مجدداً ایجاد یا تهیه شوند تا الگوریتم بتواند به‌صورت عملیاتی و کارآمد عمل کند. هزینهٔ کلی این بازسازی مبنای تعیین ارزش الگوریتم خواهد بود.

‌‌‌

انتخاب روش ارزش‌گذاری مناسب برای الگوریتم‌ها به عوامل متعددی از جمله نقش آن در جریان درآمدی، قابلیت تفکیک و انتقال مستقل، نوع صنعت و کاربرد عملی بستگی دارد. برای الگوریتم‌هایی که به‌طور مستقیم درآمدزا هستند، روش سود مازاد و صرف امتیاز مناسب هستند؛ در حالی‌که برای الگوریتم‌های پشتیبانی و داخلی، روش بهای جایگزینی یا گرینفیلد توصیه می‌شود. در کلیهٔ موارد، مستندسازی دقیق اطلاعات فنی، اقتصادی و حقوقی، و همچنین تحلیل حساسیت و افشای کامل محدودیت‌ها برای افزایش اعتبار و دفاع‌پذیری گزارش ارزش‌گذاری ضروری است. همکاری نزدیک بین تیم‌های تخصصی فناوری اطلاعات، مالی و حقوقی در فرآیند ارزش‌گذاری الگوریتم‌ها نقش مهمی ایفا می‌کند.

‌‌‌

برای دریافت خدمات تخصصی در حوزه ارزش‌گذاری دارایی‌های نامشهود، از صفحه اختصاصی این خدمت در رتیبا بازدید نمایید.

همچنین می‌توانید مقاله راهنمای جامع ارزش‌گذاری دارایی‌های نامشهود را مطالعه نموده و با مبانی و استانداردهای ارزش‌گذرای این نوع دارایی‌ها آشنا شوید.

برای مشاهده سایر خدمات رتیبا در زمینه ارزیابی، ارزش‌گذاری و مشاوره سرمایه‌گذاری نیز، به صفحه اصلی وبسایت رتیبا مراجعه نمایید.

دسته‌بندی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *