Boganmeldelse: Investing in AI: Seks mentale modeller til at skelne varige konkurrencefordele fra fælder af Rob May

Jeg glædede mig til at læse Investing in AI: Seks mentale modeller til at skelne varige konkurrencefordele fra fælder, især fordi jeg i årevis har fulgt Rob May gennem hans nyhedsbrev om investering i AI. Efter min mening adskiller Rob May sig fra mange andre investorer ved sin vilje til at undgå gruppetænkning og ræsonnere ud fra grundlæggende principper. Han ser forbi den fremherskende fortælling og spørger, hvordan en virksomhed rent faktisk fungerer, hvor dens fordele kommer fra, og om de kan bestå den næste teknologiske omvæltning.

Det er her, bogen virkelig skinner. Det er den første bog, jeg er stødt på, der griber investering i AI an på netop denne måde. I stedet for blot at udpege en spændende teknologi eller et voksende marked beder den læserne om at gentænke, hvordan de analyserer de virksomheder, der bygges op omkring teknologien. Mulighederne er enorme, men det er to vidt forskellige færdigheder at få øje på henholdsvis en lovende AI-funktion og en virksomhed, der er værd at investere i.

Når fortællingen om AI møder virkeligheden

Rob May underbygger sin argumentation med historier, som vil være velkendte for alle, der har fulgt AI-økosystemet. Jasper blev et mediefænomen og rejste 125 millioner dollars ved en værdiansættelse på 1,5 milliarder dollars. Derefter gjorde ChatGPT avanceret tekstgenerering direkte tilgængelig for forbrugerne og udfordrede værdien af et produkt, der byggede på adgang til tilsvarende underliggende funktioner. Rob May bruger denne vending til at undersøge, hvor hurtigt en tilsyneladende fordel kan blive sårbar.

Det interessante ved dette eksempel er det spørgsmål, det tvinger investorer og stiftere til at stille sig: Hvad har kunden stadig brug for fra din virksomhed, når den underliggende teknologi bliver bredt tilgængelig? Hvad adskiller en virksomhed med en holdbar konkurrencefordel fra endnu en AI-frontend? Et tidligt forspring kan købe tid, men det besvarer ikke spørgsmålet. Ejerskab over arbejdsgange, distribution, specialiseret viden og kunderelationer bliver alle langt vigtigere, når adgang til modellen bliver en standardvare.

DeepSeek viser den anden side af denne usikkerhed. Bogen beskriver det chok, det var, da en model på niveau med GPT-4 blev udviklet til en angiveligt rapporteret træningsomkostning på 5,576 millioner dollars. Læringen for investorer er betydelig: Antagelser om omkostningerne ved at konkurrere kan ændre sig langt hurtigere, end en værdiansættelsesmodel forudser.

Derfor skal SaaS-modellen gentænkes

Rob May ser tilbage på fortidens AI-vintre og argumenterer for, at den brede anvendelse i dag har brudt det gamle mønster med lovende demonstrationer efterfulgt af udbredt skuffelse. Hans pointe er, at nyttig AI nu er indlejret i så mange reelle arbejdsgange, at den ikke bare kan forsvinde tilbage i laboratoriet. Alligevel kan det fortsat være svært at finde den næste enhjørning, der kan udnytte den fortsatte udbredelse.

Han peger på fire grundlæggende forskelle, der er med til at forklare udviklingen: AI kan udføre kognitivt arbejde, lære af data, ændre forventningerne hos dem, der bruger den, og blive en selvfølgelig del af livet for en generation, der vokser op med den. Det tredje punkt – refleksivitet – er særligt interessant. Når kunder først har oplevet en bestemt funktion, begynder de at forvente den andre steder. Det marked, en virksomhed henvender sig til, ændrer sig i takt med, at teknologien tages i brug.

Den største gamechanger er, hvor hurtigt virksomheder kan vokse. AI-virksomheder kan nå en betydelig størrelse på tidsforløb, der tidligere var forbeholdt ekstraordinære undtagelser. Men en vurdering af dem kræver stadig en forståelse af forretningsmodellen. Betaling pr. opgave eller pr. resultat skaber et andet forhold mellem værdi, omsætning og omkostninger end salg af et fast antal softwarelicenser.

Nogle af SaaS-modellens læringer er stadig meget relevante. Faglig indsigt i branchen betyder fortsat noget. Værktøjer, der er udviklet til bestemte brancher og forstår deres reelle udfordringer, kan opbygge betydelige fordele. Egne datakredsløb kan skabe kumulative fordele, og dybe integrationer kan medføre omkostninger ved at skifte leverandør. Udfordringen er at skelne disse holdbare styrker fra funktioner, som kunden kan få hos snesevis af andre leverandører.

Seks mentale modeller, der skærper spørgsmålene

Bogen samler sit hovedargument omkring seks mentale modeller: at forstå AI som en samling teknologier; at udfordre traditionelle antagelser om SaaS; at forvente store omvæltninger på markederne; at erkende ændringer i markeder og virksomhedsstrategier; at forstå hurtigere vækst; og at vurdere omkostningerne ved solgte varer for AI nøje.

Modellerne fungerer godt sammen, fordi hver især afdækker en svaghed ved en overfladisk investeringstese. At kalde en virksomhed for en »AI-virksomhed« siger ikke meget om dens økonomi. En dramatisk omsætningsstigning siger ikke meget om holdbarheden. En høj bruttomargin i dag siger ikke meget om, hvad der sker, når kunderne begynder at bede produktet om at løse vanskeligere opgaver.

Det, jeg sætter størst pris på, er vanen med at stille et opfølgende spørgsmål. Når du har spurgt, om teknologien virker, så spørg, om den fungerer pålideligt nok til kundens faktiske arbejdsgang. Når du har spurgt, om kunderne betaler, så spørg, hvad de betaler for, og om de sandsynligvis vil blive ved med at bruge penge på det. Derfor er bogen nyttig også ud over den tid, hvor eksemplerne i den blev skrevet.

Botkeeper og betydningen af omkostningsudviklingen

Et af de mest nyttige casestudier handler om Botkeeper, en virksomhed inden for automatisering af bogføring, som Rob May investerede i. Han beskriver en virksomhed, der i begyndelsen i høj grad var afhængig af menneskelige bogholdere og havde bruttoavancer på omkring 20 til 25 procent. Det virkede ikke tillokkende for investorer, der forventede avancer som i traditionelle softwarevirksomheder. Men arbejdet, medarbejderne udførte, skabte også data, der kunne bidrage til at automatisere processen. Rob May fortæller, at bruttoavancerne senere oversteg 70 procent, efterhånden som mere af arbejdet blev overtaget af software.

Den lære, jeg drager af dette, er, at man bør undersøge, hvad den menneskelige indsats er med til at opbygge. Hvis hver afsluttet opgave hjælper systemet med at håndtere den næste mere effektivt, kan de tidlige serviceomkostninger være med til at finansiere en virksomhed, der lettere kan skaleres. Hvis hver ny kunde derimod kræver en tilsvarende stigning i manuelt arbejde på ubestemt tid, tegner økonomien et andet billede.

Rob May ser også på den modsatte udvikling: inferenceomkostninger, der vokser i takt med brugen. Et AI-system kan have brug for mere regnekraft, gentagne forsøg eller menneskelig kontrol for at løse vanskeligere opgaver. Et produkt, der virker attraktivt i et mindre pilotprojekt, kan blive dyrt, når kunderne bruger det til komplekse opgaver. Derfor er omkostningernes udvikling lige så vigtig som den aktuelle avance.

Effektivitet er ikke automatisk en konkurrencefordel

En anden ramme, jeg fandt nyttig, er Rob Mays tredeling af AI-værdi: AI som standardvare, kerne-AI og AI til ekspansion. Overordnet beskriver begreberne henholdsvis funktioner, som konkurrenterne let kan tage i brug, funktioner, der styrker en virksomheds eksisterende fordele, og funktioner, der åbner for nye forretningsmuligheder.

Hans hypotetiske eksempel med et flyselskab gør den første kategori let at forstå. Et flyselskab indfører en AI-baseret supportagent og bliver mere effektivt. Konkurrenterne tager derefter lignende værktøjer i brug. Det, der kortvarigt lignede en konkurrencefordel, bliver en forventning i branchen, og noget af den økonomiske gevinst kan blive konkurreret væk.

Det er et nyttigt værn mod at betragte enhver AI-annoncering som tegn på en stærkere virksomhed. Jeg vil gerne vide, hvad der stadig adskiller virksomheden, når konkurrenterne har adgang til tilsvarende værktøjer. En virksomhed, der kombinerer AI med proprietær feedback, indgående driftskendskab eller en kundearbejdsgang, som er vanskelig at kopiere, har et mere overbevisende svar end en virksomhed, der annoncerer den samme automatisering, som alle andre kan købe.

Se efter ledere, der kan omsætte AI til praksis

Bogen er fuld af praktiske observationer, blandt andet om betydningen af at satse på ledere, der rent faktisk kan integrere AI. En konkret plan for at ændre arbejdsgange og ansvarsområder er langt mere overbevisende end en præsentation, der lover AI i hele organisationen.

Rob Mays gennemgang af omsætningens kvalitet understreger dette. Betalte pilotprojekter og proof of concept-forløb kan give imponerende tal i begyndelsen, men de bør holdes adskilt fra omsætning, der stammer fra løbende produktionsarbejde. Det relevante spørgsmål er, hvor stor en del af forretningen der ville bestå, hvis kunderne holdt op med at eksperimentere i morgen.

Jeg mener, at dette især er værdifuldt for iværksættere. At vinde et pilotprojekt er et fremskridt, men at bygge et produkt, der bliver en del af kundens måde at arbejde på, er en helt anden bedrift. Hvis man forstår den forskel tidligt, kan det præge produktprioriteringer, ansættelser og den måde, virksomheden måler succes på.

Endelig vurdering

Min vigtigste konklusion er, at denne bog ikke kun bør være forbeholdt investorer. Iværksættere har lige så meget at vinde ved at forstå, hvad der gør en AI-virksomhed investerbar, hvordan holdbare konkurrencefordele opstår, og hvilke faldgruber for startups man kan undgå, før de bliver dyre.

Bogen læses bedst som en ramme for at træffe velbegrundede vurderinger snarere end som en liste over aktier, man bør købe. Dens største styrke er, at den hjælper læserne med at blive mere præcise om, hvorfor de tror på en virksomhed. Eksemplerne vil uundgåeligt blive forældede, efterhånden som branchen udvikler sig; det er disciplinen med at stille spørgsmål ved sine antagelser, der giver bogen dens vedvarende værdi.

Investering i AI: Seks mentale modeller til at skelne mellem voldgrave og fælder leverer den grundlæggende tænkning, der oprindeligt fik mig til at læse Rob Mays nyhedsbrev. For investorer, der forsøger at skelne mellem en virksomhed med et holdbart forsvar og en overbevisende fortælling, og for iværksættere, der prøver at opbygge førstnævnte, er det en eftertænksom og værdifuld bog.