Die AI-Deploy-Welle hat Kapital – und ein Portfolio-Risiko, das noch nicht bewertet wird

Vor einem Monat startete OpenAI ein 4-Milliarden-Unternehmen namens OpenAI Deployment Company. TPG führte die Runde an, mit Bain Capital, Advent und Brookfield als Co-Lead-Gründerpartnern und neunzehn PE-Unternehmen, die insgesamt Kapital bereitstellten. Die angegebene Mission ist es, AI-Entwicklungsingenieure direkt in Unternehmen einzubetten und ihre höchstwertigen AI-Möglichkeiten zu finden (und dann natürlich zu skalieren).

Anthropic verfolgt die gleiche Struktur. Reuters berichtete, dass beide Unternehmen unabhängig voneinander PE-gestützte Joint Ventures gebildet haben mit dem Ziel, Unternehmen für die Bereitstellung von AI-Dienstleistungen zu erwerben. Es ist offensichtlich, dass dies ein industrielles Kapitalbildungsevent und kein einmaliger strategischer Einsatz ist. Der Markt, in den sie wachsen, ist Ihr Portfolio. Anleger sollten sorgfältig überlegen, was sie hier eigentlich betrachten.

Was ist ein PE-gestütztes Bereitstellungsunternehmen?

TPG verwaltet über 200 Milliarden Dollar an Vermögenswerten, und seine treuhänderische Pflicht gilt seinen begrenzten Partnern (im Gegensatz dazu nicht den Unternehmenskunden, die die Bereitstellungsingenieure erhalten). Wenn TPG einen Scheck für die OpenAI Deployment Company ausstellt, kauft es ein Wachstumsvermögen, das in AI-Bereitstellungsumsatz gemessen wird. Ein Ingenieur, der zehn Workflows innerhalb eines Portfoliounternehmens aktiviert, ist ein “besser performendes” Vermögen als einer, der drei aktiviert. Der Anreiz, AI-Nutzung zu finden, zu aktivieren und zu skalieren, ist nicht Nebensache der Investitionsstruktur. Er ist vielmehr der gesamte Zweck.

Dies ist, was PE-gestützte Wachstumsvehikel tun, und was sie tun sollen. Die Anreize sind nicht fehljustiert; sie sind nur auf ein anderes Ergebnis ausgerichtet als das, für das Ihre Portfoliounternehmen optimieren. Während sie auf Skalierung abzielen, müssen die Unternehmen, die diese Bereitstellungsteams aufnehmen, auf Rentabilität abzielen. Im Unternehmensbereich AI können diese beiden Dinge stillschweigend für eine überraschend lange Zeit auseinanderdriften, bevor jemand im Gebäude die Stirn runzelt.

Wir haben diese Anreizstruktur bereits gesehen

Im Jahr 1999 wurde marchFIRST durch die Fusion von USinternetworking und Whittman-Hart gebildet, mit einem Spitzenwert von über 7 Milliarden Dollar. Das Unternehmen bettete Internet-Berater in Unternehmen ein, um hochwertige Web-Möglichkeiten zu finden und zu bauen. Razorfish und Sapient liefen das gleiche Spiel mit der gleichen Kapitallogik hinter ihnen.

Der Pitch war rechtzeitig. Unternehmen benötigten tatsächlich Expertenwissen, das sie nicht hatten, das Internet bewegte sich schneller als interne Teams es verfolgen konnten, und die Berater waren tatsächlich gut in ihrem Job. Was Unternehmen jedoch nicht vollständig durchdachten (und was viele Anleger auch nicht getan hatten) war, wie die Anreizstruktur darunter sich verhalten würde, sobald sie im Gebäude war. Diese Unternehmen wurden nicht für die ROI der Kunden bezahlt, sondern für Metriken wie Kopfzahl und abrechnungsfähige Stunden. Mehr Bereitstellung war immer besser für sie, unabhängig davon, was es für den Kunden bedeutete. Die Berater, die Möglichkeiten fanden, wurden für das Finden von mehr belohnt. LP-Renditen hingen von Wachstum ab.

marchFIRST beantragte 2001 Insolvenz, wobei Unternehmen Infrastruktur hielten, die sie genehmigt hatten, aber nicht immer rechtfertigen konnten. Der AI-Bereitstellungs-Markt mag oder mag nicht dem gleichen Verlauf folgen, aber ich würde argumentieren, dass die wirtschaftlichen Anreize, die diesen neuen Unternehmen zugrunde liegen, strukturell identisch mit denen sind, die diese Ergebnisse produzierten. Anleger mit Portfoliounternehmen, die bald ein Willkommenszeichen für ein PE-gestütztes Bereitstellungsteam setzen, sollten einige spezifische Fragen stellen, bevor sie durch die Tür sind.

Im Gebäude, außerhalb der Bücher

Jeder AI-Workflow, den ein Bereitstellungsingenieur aktiviert, hat eine Kostenstruktur, sei es Token, die verbraucht werden, API-Aufrufe, die getätigt werden, Rechenleistung, die verbraucht wird usw. Diese summieren sich monatlich über jeden Vorgang und jede Funktion, die das Team berührt. Die Aktivierung und Skalierung dieser Workflows ist die Aufgabe des Bereitstellungsingenieurs; das Messen, ob sie tatsächlich im Verhältnis zu ihren Kosten rentabel sind, ist nicht seine Aufgabe, und es ist nicht so, wie seine Leistung bewertet wird. Die Kapitalstruktur hinter ihnen hat kein besonderes Interesse daran, ob das Unternehmen die Antwort auf diese Frage kennt.

Also, wer in Ihrem Portfoliounternehmen verfolgt tatsächlich die Kosten pro AI-Workflow? Wer ordnet AI-Ausgaben den Kundensegmenten und Produktfunktionen zu, die sie erzeugen? Wer hat die Befugnis, die Nutzung zu verlangsamen oder zu blockieren, die Budget verbraucht, ohne eine Rendite zu erzeugen? Wenn die Antwort auf eine dieser Fragen einem Schulterzucken entspricht, hat ein PE-gestütztes Wachstumsunternehmen nun Zugang zu einem Kostenzentrum, das durch nichts reguliert wird. Dieses Risiko, das noch nicht in den Vorstandsdecks erscheint, ist nicht versteckt, aber niemand hat die Instrumentierung gebaut, um es zu finden.

Die Investitionsmöglichkeit auf der anderen Seite

Fragen Sie das durchschnittliche Portfoliounternehmen, was ein AI-Workflow tatsächlich pro Transaktion kostet, oder wer die Nutzung stoppen kann, die Budget verbraucht, ohne eine Rendite zu erzeugen, und die Antwort ist in der Regel eine lange Pause. Diese Lücke bleibt unsichtbar, bis die Rechnung es unmöglich macht, sie zu ignorieren, und Anleger sind oft besser positioniert, um sie frühzeitig zu erkennen als die Unternehmen selbst.

Vor zwei Jahren war dies kein kommerzieller Investitionsthese, weil die Bereitstellungs-Welle noch nicht mit ernstem Kapital dahinter angekommen war (das hat sich geändert). Unternehmen, die jetzt eingebettete Bereitstellungsteams aufnehmen, ohne dass diese Schicht vorhanden ist, führen das gleiche Experiment durch, das Unternehmen 1999 durchgeführt haben, und diejenigen, die es vorher haben, bevor diese Teams durch die Tür kommen, sind in einer strukturell anderen Position, und das gilt auch für ihre Anleger.

CFOs, die 2001 verbrannt wurden, hatten viel Intelligenz und nicht genug Instrumentierung, und bis die Kostenstruktur sichtbar wurde, war es bereits teuer, sie zu stoppen. Diese Instrumentierung existiert jetzt, aber ob Unternehmen sie verlangen, bevor sie die Tür öffnen (und ob Anleger ihre Portfoliounternehmen auffordern, sie zu verlangen), ist noch die offene Frage.

Neunzehn PE-Unternehmen haben gerade 4 Milliarden Dollar bereitgestellt, um die AI-Nutzung in Unternehmen wie Ihrem zu skalieren, und sie sind sehr gut in dem, was sie tun. Die Anleger, die auf dieser Welle vorne liegen, werden diejenigen sein, die sichergestellt haben, dass ihre Unternehmen genauso gut in ihrem Bereich sind.