Bølgen af AI-udvikling har kapital – og en porteføljerisiko, som ingen har prisset endnu

Sidste måned lancerede OpenAI en 4 milliards dollars stor enhed kaldet OpenAI Deployment Company. TPG ledde runden, med Bain Capital, Advent og Brookfield som med-leadende grundlæggere og 19 PE-firmaer, der tilførte kapital i alt. Den erklærede mission er at integrere AI-udviklingsingeniører direkte i virksomheder og finde deres højeste-værdi AI-muligheder (og derefter, naturligvis, skala dem).

Anthropic forfølger den samme struktur. Reuters rapporterede, at begge selskaber har uafhængigt dannet PE-baserede joint ventures med mål om at købe virksomheder, der tilbyder AI-udviklingstjenester. Det er tydeligt, at dette er et branchenedsættende kapitaldannelsesevent, og ikke en enkeltstrategisk indsats. Markedet, de vokser ind i, er din portefølje. Investorer bør tænke omhyggeligt over, hvad de faktisk ser på her.

Hvad er et PE-baseret udviklingsselskab

TPG administrerer over 200 milliarder dollars i aktiver, og dens fidusiariske pligt løber til dens begrænsede partnere (den løber ikke, til gengæld, til de virksomhedskunder, der modtager udviklingsingeniører). Når TPG skriver en check til OpenAI Deployment Company, køber det en vækstakt, der måles i AI-udviklingsindtægter. En ingeniør, der aktiverer ti arbejdsgange inde i en porteføljevirksomhed, er en “bedre-performerende” aktiver end en, der aktiverer tre. Den incitament til at finde, aktivere og skala AI-brug er ikke tilfældig i forhold til investeringsstrukturen. Det er snarere hele pointen.

Dette er, hvad PE-baserede vækstfartøjer gør, og hvad de er til at gøre. Incitamenterne er ikke misalignerede; de er bare aligneret til en anden udfald end det, din porteføljevirksomhed optimerer for. Mens de optimerer for skala, skal virksomhederne, der absorberer disse udviklingsteams, optimere for rentabilitet. I virksomheds-AI kan disse to ting divergere stille og roligt i en overraskende lang tid, før nogen i bygningen rynker på panden.

Vi har set denne incitamentsstruktur før

I 1999 blev marchFIRST dannet gennem en fusion mellem USinternetworking og Whittman-Hart, med en toppen-værdi på over 7 milliarder dollars. Forretningen bestod i at integrere internetkonsulenter inde i virksomheder for at finde og bygge høj-værdi web-muligheder. Razorfish og Sapient kørte det samme spil med den samme kapitallogik bag dem.

Pitchet var tidligt. Virksomheder havde virkelig brug for ekspertise, de ikke havde, internettet bevægede sig hurtigere, end interne hold kunne følge med, og konsulenterne var faktisk gode til deres job. Hvad virksomheder ikke fuldt ud gennemtænkte (og hvad mange investorer heller ikke havde) var, hvordan incitamentsstrukturen under ville opføre sig, når den først var inde i bygningen. Disse firmaer blev ikke kompenseret for kunde-ROI, men for metrikker som headcount og billable hours. Mere udvikling var altid bedre for dem, uanset hvad det betød for kunden. Konsulenter, der fandt muligheder, blev belønnet for at finde flere af dem. LP-afkast afhængige af vækst.

marchFIRST gik konkurs i 2001, efterladende virksomheder med infrastruktur, de havde godkendt, men ikke altid kunne retfærdiggøre. AI-udviklingsmarkedet måske eller måske ikke følger den samme kurve, men jeg ville argumentere for, at de økonomiske incitamenter underliggende disse nye virksomheder er strukturelt identiske med dem, der producerede disse resultater. Investorer med porteføljevirksomheder, der er på vej til at åbne døren for et PE-baseret udviklingsteam, bør stille nogle specifikke spørgsmål, før de er gennem døren.

Inde i bygningen, uden for regnskabet

Hver AI-arbejdsgang, en udviklingsingeniør aktiverer, medfører en omkostningsstruktur, enten det er tokens, der forbruges, API-kald, der udføres, beregning, der forbrændes osv. Disse omkostninger akkumulerer sig måned for måned over hver enkelt transaktion og funktion, teamet rører ved. At aktivere og skala disse arbejdsgange er udviklingsingeniørens job; at måle, om de faktisk er profitable i forhold til deres omkostninger, er ikke deres job, og det er heller ikke, hvordan deres præstation bliver vurderet. Kapitalstrukturen bag dem har ingen særlig interesse i, om virksomheden ved, svaret på det spørgsmål.

Så hvem inde i din porteføljevirksomhed holder faktisk øje med omkostningerne pr. AI-arbejdsgang? Hvem tilregner AI-udgifter til de kundesegmenter og produktfunktioner, der genererer dem? Hvem har myndighed til at afbremse eller blokere brug, der forbruger budget uden at producere en afkast? Hvis svaret på nogen af disse spørgsmål ligner en skuldertrækning, har et PE-baseret vækstmaskine nu adgang til en omkostningscenter med intet, der regulerer udgifterne. Den risiko, der ikke viser sig i bestyrelsesmøder endnu, er ikke skjult, men ingen har bygget instrumenteringen til at finde den.

Investeringsmuligheden på den anden side af dette

Spørg den gennemsnitlige porteføljevirksomhed, hvad en AI-arbejdsgang faktisk koster dem pr. transaktion, eller hvem kan lukke brug, der forbruger budget uden at producere en afkast, og svaret er ofte en lang pause. Den lukke, der holder sig usynlig, indtil regningen gør det umuligt at ignorere, og investorer er ofte bedre placeret til at spotte det tidligt end virksomhederne selv.

For to år siden var dette ikke en kommerciel investeringsstrategi, fordi udviklingsbølgen ikke var ankommet med alvorligt kapital bagved (det er ændret). Virksomheder, der nu absorberer integrerede udviklingsteams uden den lag i stedet, kører det samme eksperiment, som virksomheder kørte i 1999, og de, der har det i stedet, før disse teams går ind ad døren, er i en strukturelt anderledes position, og det samme gælder deres investorer.

CFO’er, der blev brændt i 2001, havde masser af intelligens og ikke nok instrumentering, og på det tidspunkt, hvor omkostningsstrukturen blev synlig, var det allerede dyrt at standse det. Den instrumentering findes nu, men om virksomheder kræver den, før de åbner døren (og om investorerne presser deres porteføljevirksomheder til at kræve den), er stadig det åbne spørgsmål.

19 PE-firmaer har lige nu tilført 4 milliarder dollars til at skala AI-brug inde i virksomheder som din, og de er meget gode til, hvad de gør. Investorerne, der kommer ud på den rigtige side af denne bølge, vil være dem, der sikrede, at deres virksomheder var lige så gode til deres egen.