Boekbespreking: Beleggen in AI: zes denkmodellen om duurzame concurrentievoordelen van valkuilen te onderscheiden, door Rob May

Ik keek ernaar uit om Beleggen in AI: zes denkmodellen om duurzame concurrentievoordelen van valkuilen te onderscheiden te lezen, vooral omdat ik Rob May al jaren volg via zijn nieuwsbrief over beleggen in AI. Wat Rob May naar mijn mening onderscheidt van veel andere beleggers, is zijn bereidheid om groepsdenken te vermijden en vanuit eerste principes te redeneren. Hij kijkt voorbij het heersende verhaal en vraagt zich af hoe een bedrijf daadwerkelijk werkt, waar de voordelen vandaan komen en of die voordelen bestand zijn tegen de volgende technologische omslag.

Daarin blinkt dit boek uit. Het is het eerste boek dat ik ben tegengekomen dat beleggen in AI op deze manier benadert. In plaats van alleen een veelbelovende technologie of een groeiende markt aan te wijzen, vraagt het lezers om hun manier van analyseren van de bedrijven die eromheen worden gebouwd opnieuw vorm te geven. De kansen zijn enorm, maar een veelbelovende AI-toepassing herkennen en een bedrijf herkennen waarin je kunt beleggen, zijn twee heel verschillende vaardigheden.

Wanneer het AI-verhaal botst met de werkelijkheid

Rob May onderbouwt zijn betoog met verhalen die vertrouwd zullen zijn voor iedereen die de AI-sector heeft gevolgd. Jasper werd een lieveling van de media en haalde 125 miljoen dollar op bij een waardering van 1,5 miljard dollar. Vervolgens bracht ChatGPT krachtige tekstgeneratie rechtstreeks naar consumenten, waardoor de waarde van een product dat toegang bood tot vergelijkbare onderliggende mogelijkheden ter discussie kwam te staan. Rob May gebruikt deze ommekeer om te laten zien hoe snel een schijnbaar voordeel kwetsbaar kan worden.

Wat mij in dit voorbeeld interesseert, is de vraag waarmee het beleggers en oprichters confronteert: wat heeft de klant nog nodig van je bedrijf wanneer de onderliggende technologie breed beschikbaar wordt? Wat onderscheidt een bedrijf met een verdedigbaar concurrentievoordeel van zomaar een AI-schil? Een vroege voorsprong kan tijd opleveren, maar beantwoordt die vraag niet. Beheer van workflows, distributie, specialistische kennis en klantrelaties worden allemaal veel belangrijker zodra toegang tot het model gemeengoed wordt.

DeepSeek laat de andere kant van die onzekerheid zien. Het boek bespreekt de schok die ontstond toen een model van GPT-4-klasse beschikbaar kwam met gerapporteerde trainingskosten van 5,576 miljoen dollar. De les voor beleggers is belangrijk: aannames over de kosten van concurrentie kunnen veel sneller veranderen dan een waarderingsmodel voorziet.

Waarom de SaaS-aanpak moet worden herzien

Rob May haalt de AI-winters uit het verleden aan en stelt dat de brede inzet van AI tegenwoordig een einde heeft gemaakt aan het oude patroon van veelbelovende demonstraties die gevolgd werden door wijdverbreide teleurstelling. Volgens hem is bruikbare AI inmiddels ingebed in te veel echte workflows om zich zomaar weer tot het laboratorium te beperken. Toch kan het, ondanks de aanhoudende adoptie, nog steeds moeilijk zijn om de volgende unicorn te vinden die daarvan kan profiteren.

Hij noemt vier fundamentele verschillen die deze verschuiving helpen verklaren: AI kan cognitief werk uitvoeren, leren van gegevens, de verwachtingen veranderen van mensen die AI gebruiken en een vanzelfsprekend onderdeel worden van het leven van een generatie die ermee opgroeit. Het derde punt — reflexiviteit — is bijzonder interessant. Zodra klanten een bepaalde mogelijkheid ervaren, verwachten ze die ook elders. De markt waarop een bedrijf actief is, verandert naarmate de technologie wordt omarmd.

De grootste gamechanger is de snelheid waarmee bedrijven kunnen opschalen. AI-bedrijven kunnen in een tijdsbestek dat vroeger alleen uitzonderlijke uitschieters haalden, een aanzienlijke omvang bereiken. Maar om ze te beoordelen, moet je nog steeds het bedrijfsmodel begrijpen. Per taak of per resultaat rekenen creëert een andere relatie tussen waarde, omzet en kosten dan een vast aantal softwarelicenties verkopen.

Sommige lessen uit SaaS blijven zeer relevant. Domeinkennis blijft ertoe doen. Tools die specifiek voor een bepaalde sector zijn ontwikkeld en de werkelijke problemen van die sector begrijpen, kunnen aanzienlijke voordelen opbouwen. Eigen datalussen kunnen zichzelf versterken en diepgaande integraties kunnen overstapkosten creëren. De uitdaging is om die duurzame sterke punten te onderscheiden van functies die klanten bij tientallen andere leveranciers kunnen krijgen.

Zes denkmodellen die de juiste vragen oproepen

Het boek bouwt zijn centrale betoog op rond zes denkmodellen: AI begrijpen als een verzameling technologieën; traditionele aannames over SaaS ter discussie stellen; grote marktverschuivingen verwachten; veranderingen in markten en bedrijfsstrategie herkennen; begrijpen hoe bedrijven sneller kunnen opschalen; en de kostprijs van de omzet bij AI zorgvuldig beoordelen.

Deze modellen vullen elkaar goed aan, omdat elk ervan een andere zwakke plek in een oppervlakkige beleggingsthese blootlegt. Een bedrijf een ‘AI-bedrijf’ noemen, zegt weinig over de bedrijfseconomie. Een dramatische omzetstijging zegt weinig over de duurzaamheid ervan. Een hoge brutomarge vandaag zegt weinig over wat er gebeurt wanneer klanten het product moeilijker werk laten uitvoeren.

Wat ik het meest waardeer, is de gewoonte om een tweede vraag te stellen. Vraag nadat je hebt vastgesteld of de technologie werkt, of die betrouwbaar genoeg werkt voor de daadwerkelijke workflow van de klant. Vraag nadat je hebt vastgesteld of klanten betalen, waarvoor ze betalen en of die uitgaven waarschijnlijk zullen aanhouden. Daardoor blijft het boek ook nuttig buiten de periode waarin de voorbeelden zijn geschreven.

Botkeeper en het belang van de kostenontwikkeling

Een van de nuttigste praktijkvoorbeelden is Botkeeper, een bedrijf dat Rob May hielp oprichten en dat de boekhouding automatiseert. Hij beschrijft een onderneming die aanvankelijk sterk leunde op menselijke boekhouders en een brutomarge had van ongeveer 20 tot 25 procent. Dat leek onaantrekkelijk voor beleggers die conventionele softwaremarges verwachtten. Het werk dat die mensen verrichtten, leverde echter ook gegevens op waarmee het proces kon worden geautomatiseerd. Rob May meldt dat de brutomarge later opliep tot meer dan 70 procent, doordat steeds meer werk door software werd overgenomen.

De les die ik hieruit trek, is dat je moet onderzoeken waaraan menselijke betrokkenheid bijdraagt. Als elke afgeronde taak het systeem helpt om de volgende taak efficiënter uit te voeren, kunnen de vroege kosten van dienstverlening een beter schaalbaar bedrijf financieren. Als elke nieuwe klant blijvend een evenredige toename van handmatig werk vereist, wijzen de economische cijfers op een heel ander verhaal.

Rob May bespreekt ook de tegenovergestelde ontwikkeling: inferentiekosten die zwaarder gaan wegen naarmate het gebruik toeneemt. Een AI-systeem heeft mogelijk meer rekenkracht, herhaalde pogingen of menselijke controle nodig om moeilijkere taken uit te voeren. Een product dat aantrekkelijk lijkt in een kleine pilot, kan duur worden wanneer klanten erop vertrouwen voor complex werk. Daarom is de ontwikkeling van de kosten net zo belangrijk als de huidige marge.

Efficiëntie is niet automatisch een concurrentievoordeel

Een ander kader dat ik nuttig vond, is Rob Mays drieluik van AI-waarde: AI als standaardproduct, kern-AI en uitbreidings-AI. In grote lijnen gaat het om mogelijkheden die concurrenten gemakkelijk kunnen overnemen, mogelijkheden die het bestaande voordeel van een bedrijf versterken, en mogelijkheden die nieuwe zakelijke kansen creëren.

Zijn hypothetische voorbeeld van een luchtvaartmaatschappij maakt de eerste categorie inzichtelijk. Een luchtvaartmaatschappij introduceert een AI-ondersteuningsagent en gaat efficiënter werken. Vervolgens nemen concurrenten vergelijkbare tools in gebruik. Wat heel even een onderscheidend kenmerk leek, wordt een verwachting in de sector, en een deel van het economische voordeel kan door concurrentie verdwijnen.

Dit is een nuttig tegengif voor de neiging om elke aankondiging over AI te zien als bewijs van een sterker bedrijf. Ik wil weten wat onderscheidend blijft zodra concurrenten toegang hebben tot vergelijkbare tools. Een bedrijf dat AI combineert met eigen feedbackgegevens, diepgaande operationele kennis of een moeilijk te kopiëren klantproces, heeft een overtuigender antwoord dan een bedrijf dat dezelfde automatisering aankondigt die iedereen kan kopen.

Zoek naar ondernemers die AI in de praktijk kunnen inzetten

Het boek staat vol praktische inzichten, waaronder het belang van investeren in ondernemers die AI daadwerkelijk kunnen integreren. Een concreet plan om werkprocessen en verantwoordelijkheden te veranderen is veel overtuigender dan een presentatie die belooft AI in de hele organisatie in te voeren.

Rob Mays bespreking van de kwaliteit van omzet onderstreept dit. Betaalde pilots en proof-of-conceptprojecten kunnen indrukwekkende cijfers opleveren in een vroeg stadium, maar moeten apart worden gehouden van omzet uit doorlopende productieactiviteiten. De relevante vraag is welk deel van het bedrijf zou overblijven als klanten morgen zouden stoppen met experimenteren.

Ik vind dit vooral waardevol voor oprichters. Een pilot binnenhalen is vooruitgang, maar een product bouwen dat onderdeel wordt van de bedrijfsvoering van een klant is een heel andere prestatie. Als je dat onderscheid vroeg begrijpt, kan dat richting geven aan productprioriteiten, personeelswerving en de manier waarop een bedrijf succes meet.

Eindoordeel

Mijn belangrijkste conclusie is dat dit boek niet uitsluitend voor beleggers is bedoeld. Ook ondernemers hebben er veel aan om te begrijpen wat een AI-bedrijf aantrekkelijk maakt voor investeerders, hoe duurzame voordelen ontstaan en welke valkuilen voor startups je kunt vermijden voordat ze duur worden.

Je kunt het boek het best benaderen als een denkkader om je oordeel aan te scherpen, niet als een lijst met aandelen om te kopen. De grootste bijdrage is dat het lezers helpt preciezer te verwoorden waarom ze vertrouwen hebben in een bedrijf. De voorbeelden zullen onvermijdelijk verouderen naarmate de sector zich ontwikkelt; het blijvende nut van het boek zit in de discipline om aannames kritisch te bevragen.

Investeren in AI: zes denkmodellen om concurrentievoordelen van valkuilen te onderscheiden biedt het denken vanuit eerste principes waardoor ik destijds Rob Mays nieuwsbrief ben gaan lezen. Voor beleggers die een verdedigbaar bedrijf willen onderscheiden van een overtuigend verhaal, en ondernemers die zo’n bedrijf willen bouwen, is dit een doordachte en waardevolle aanrader.