NORBERT BIEDRZYCKI

Tag: AI i kapitał

15 wpisów

  1. Rachunek za tokeny to nowa lista płac

    Przez dekady największą pozycją kosztową w firmie usługowej i technologicznej byli ludzie. Budżet planowało się od etatów, marżę liczyło od stawek, a wartość spółki szacowało między innymi od przychodu na pracownika.

  2. Centra danych na orbicie. Fizyka zaczyna się zgadzać, arkusz kalkulacyjny jeszcze nie

    Kosmiczne centra danych przestały być slajdem z konferencji. Są już pierwsze satelity, pierwsze miliardowe wyceny i pierwsze opóźnienia. To trzecie mówi o tym rynku najwięcej. Przez ostatnie dwieście lat przemysł szedł tam, gdzie była energia. Młyny stawiano nad rzekami, a huty aluminium budowano w Norwegii

  3. AI nie zabraknie klientów. Zabraknie jej prądu i czasu na spłatę długu

    Spadki kursów spółek od centrów danych wiele osób odczytało jako pierwszą rysę na bańce AI. Patrzę na te same liczby i widzę coś innego. Popyt jest, i to spory. Kłopot leży gdzie indziej: w samej budowie, w dostępie do prądu i w tym, kto to

  4. Ryzyko w AI nie siedzi w popycie. Siedzi w strukturze kapitałuLinkedIn

    To nie jest profil spółki technologicznej. To profil lewarowanego wykupu, tyle że zamiast fabryki aktywem są procesory graficzne. Tak wygląda dziś bilans CoreWeave, jednego z największych neocloudów.

  5. Bańka AI to pytanie o niewłaściwą rzeczLinkedIn

    Microsoft wycofał się właśnie z umowy na budowę centrum danych w Loughton pod Londynem. Nie z braku popytu. Z braku prądu. Przyłącze do sieci ma tam powstać dopiero w latach 30. To nie jest odosobniony przypadek.

  6. Być może źle zrozumieliśmy ekonomię AI. Bo ona nie będzie darmowaLinkedIn

    Przez ostatnie dwa lata słyszeliśmy niemal wyłącznie jedną narrację: AI sprawi, że praca umysłowa będzie tańsza, szybsza i praktycznie nieograniczona kosztowo. Pojawiają się jednak pierwsze sygnały, że rzeczywistość może wyglądać zupełnie inaczej.

  7. Zamieniliśmy subskrypcje AI na czterech doświadczonych programistów. To była nasza najlepsza decyzja w sprawie AILinkedIn

    AI miała obniżyć koszty, zwiększyć produktywność i pozwolić mniejszym zespołom robić więcej. Zrobiliśmy więc to, co dziś robi większość firm technologicznych. Kupiliśmy kolejne narzędzia, dołożyliśmy subskrypcji i zaczęliśmy „skalować AI”. Na początku to działało.

  8. AI zmienia ekonomię oprogramowania, nie tylko produktLinkedIn

    Ponieważ koszty zmienne rosną, oprogramowanie dla firm odchodzi od tradycyjnych modeli cenowych, takich jak licencje wieczyste, w stronę SaaS, a coraz częściej rozliczania za faktyczne użycie. Liczba firm stosujących modele oparte na zużyciu wzrosła w ostatnich latach ponad dwukrotnie. Dlaczego?

  9. AI miała wyeliminować doradców. Zmienia to, czym się zajmująLinkedIn

    Na pierwszy rzut oka to miało sens. Skoro model potrafi przeanalizować dane, wyciągnąć wnioski, a nawet zaproponować strategię, po co firmom zewnętrzni doradcy? Ale to założenie zaczyna pękać. W praktyce większość firm nie ma problemu z dostępem do AI. Ma problem z tym, co z nią zrobić.

  10. OpenAI i firmy doradcze: ostatnia mila AI jest organizacyjnaLinkedIn

    Kiedy OpenAI ogłosiło partnerstwa z McKinsey, BCG, Accenture i Capgemini, nie wyglądało to na przełom. Na pierwszy rzut oka był to kolejny przewidywalny ruch: wielka technologia łączy siły z wielkim doradztwem.

  11. Déjà vu Solowa: AI widać wszędzie, tylko nie w statystykach produktywnościLinkedIn

    Uczestniczę w rewolucjach technologicznych od początku kariery, a w AI – od chwili, gdy dało się ją wdrażać na skalę w prawdziwym biznesie. A jednak coraz częściej mam poczucie déjà vu. W 1987 roku Robert Solow powiedział: „Erę komputerów widać wszędzie, tylko nie w statystykach produktywności”.

  12. Tech DD: największym ryzykiem w transakcjach PE zwykle nie jest technologiaLinkedIn

    Kiedy prowadzę techniczne due diligence, powtarza się jeden wzorzec: sama technologia rzadko jest głównym problemem albo główną szansą. Dużo ważniejsze jest to, czy organizacja potrafi skutecznie wykorzystać to, co zbudowała.

  13. Transformacja bez chaosu. Model 90 dniLinkedIn

    Największy mit transformacji technologicznej mówi, że musi ona być długa i bolesna. Wielu uważa, że potrzeba wieloletniej mapy drogowej, dużej reorganizacji i kilku warstw nowych systemów, zanim pojawią się jakiekolwiek wyniki. To wygodna opowieść. Pozwala uniknąć odpowiedzialności.

  14. Od cloud-first do value-first. Jak architektura hybrydowa daje realną przewagęLinkedIn

    Niedawno, pracując ze spółką portfelową funduszu private equity, zauważyłem schemat, który pojawia się coraz częściej. Po kilku latach agresywnej migracji do chmury infrastruktura wyglądała nowocześnie.

  15. Carve-out. Najbardziej niedoceniana dźwignia alfy w tworzeniu wartościLinkedIn

    W świecie private equity carve-outy wciąż traktuje się jak techniczny etap transakcji. Często sprowadzają się do podpisania umowy o usługach przejściowych (TSA), rozdzielenia systemów IT i dopięcia formalności prawnych.