AI i private equity: nowa okazja do poprawy EBITDA

Private equity zawsze zarabiało, robiąc dobrze rzeczy mało efektowne. AI może być najpotężniejszym mało efektownym narzędziem, jakie branża dostała od dwudziestu lat.
Klasyczny podręcznik tworzenia wartości w private equity jest dobrze znany: usprawnienia operacyjne, oszczędności w zakupach, dyscyplina cenowa, profesjonalizacja zarządu, przejęcia uzupełniające i oczywiście inżynieria finansowa. Przy stopach procentowych znacznie wyższych niż w minionej dekadzie część związana z inżynierią finansową stała się dużo mniej skuteczna. Dźwignia jest droga. Wzrostu mnożnika nie można brać za pewnik.
To stawia usprawnienia operacyjne z powrotem w centrum modelu. I tu AI staje się interesująca.
Od teorii do namacalnych dźwigni
W 2024 roku zastosowania stały się konkretne. W lutym Klarna poinformowała, że jej asystent AI w pierwszym miesiącu przeprowadził 2,3 mln rozmów z klientami, wykonując pracę odpowiadającą około 700 pełnoetatowym konsultantom, i oszacowała poprawę zysku o około 40 mln dolarów w skali roku. Podobne wyniki, w mniejszej skali, pojawiają się w średnich firmach w obsłudze klienta, finansach, zakupach, inżynierii oprogramowania i sprzedaży.
Dla funduszu PE logika jest przekonująca. Typowa spółka portfelowa z 200 mln euro przychodów i 30 mln euro EBITDA może mieć dziesiątki milionów kosztów związanych z procesami administracyjnymi, obsługą klienta, zapleczem i IT. Realistyczny program AI, który poprawi produktywność w kilku z tych obszarów o 15–30 procent, może dodać kilka punktów marży EBITDA. Przy typowych mnożnikach na wyjściu może to oznaczać istotny wzrost wartości kapitału.
Dlaczego większość programów nie dowozi
Ale oto niewygodna prawda. Większość inicjatyw AI, które widzę w spółkach portfelowych, nie dowozi obiecanej wartości. Nie dlatego, że technologia nie działa, ale dlatego, że wdrożenie traktuje się jak zakup oprogramowania.
Z mojego doświadczenia menedżera wynika, że firmy, które przejmują wartość, robią inaczej cztery rzeczy. Zaczynają od linii w rachunku wyników, a nie od technologii. Przeprojektowują proces wokół AI, zamiast nakładać AI na niezmieniony proces. Przypisują jasną odpowiedzialność za wynik liderowi biznesowemu, a nie IT. I od początku mierzą wartość twardymi liczbami: z punktem odniesienia, celem i harmonogramem.
Firmy, którym się nie udaje, zwykle uruchamiają dziesiątki pilotaży, celebrują dema i rok później odkrywają, że w ich bazie kosztowej nic się nie zmieniło.
Rola funduszu
To tworzy konkretną rolę dla samego funduszu PE. Większość spółek portfelowych, zwłaszcza na rynku średnich firm, nie ma kompetencji, by samodzielnie prowadzić transformacje AI. Brakuje im inżynierów danych, doświadczenia w przeprojektowywaniu procesów, a ich zarządy są skupione na realizacji budżetu.
Fundusze, które będą w tym obszarze liderami, zbudują centralne kompetencje: zespół operacyjny zdolny diagnozować okazje AI w całym portfelu, standardowe podręczniki dla typowych zastosowań, relacje z preferowanymi dostawcami i nadzór pozwalający śledzić dowożenie wartości. W praktyce AI staje się częścią planu na pierwsze sto dni.
Ostrożnie z narracją o etatach
Kuszące jest przekładanie AI na redukcję zatrudnienia. W niektórych procesach tak właśnie będzie. Ale trwalsza wartość często bierze się z przepustowości: obsługi większej liczby klientów tym samym zespołem, szybszej reakcji, mniejszej liczby błędów, lepszych decyzji cenowych. Narracja zbudowana wyłącznie na cięciu kosztów może zaszkodzić morale i doświadczeniu klientów, a kupujący przy wyjściu ją przejrzą.
Pytanie inwestycyjne: Czy AI może stać się w ciągu najbliższych pięciu lat jednym z najpotężniejszych motorów tworzenia wartości w portfelach private equity?


