De AI-implementatiegolf heeft kapitaal – en een portefeuillerisico dat nog niet is geprijsd

Deze maand lanceerde OpenAI een entiteit van 4 miljard dollar genaamd OpenAI Deployment Company. TPG leidde de ronde, met Bain Capital, Advent en Brookfield als co-lead founding partners en negentien private-equitybedrijven die in totaal kapitaal hebben toegezegd. De verklarde missie is om AI-implementatie-engineers rechtstreeks binnen ondernemingen in te bedden en hun hoogste-waarde AI-kansen te vinden (en vervolgens natuurlijk op te schalen).

Anthropic volgt dezelfde structuur. Reuters meldde dat beide bedrijven onafhankelijk van elkaar private-equity-joint ventures hebben gevormd met als doel de overname van bedrijven die AI-implementatiediensten aanbieden. Het is duidelijk dat dit een industrie-niveau kapitaalvormingsevenement is, en geen eenmalige strategische inzet. De markt waarin ze groeien, is uw portefeuille. Beleggers moeten goed nadenken over wat ze hier eigenlijk zien.

Wat een private-equity-gestuurde implementatiebedrijf is

TPG beheert meer dan 200 miljard dollar aan activa, en haar fiduciaire plicht loopt naar haar beperkte partners (het loopt niet, in tegenstelling, naar de ondernemingsklanten die de implementatie-engineers zullen ontvangen). Wanneer TPG een cheque uitschrijft aan OpenAI Deployment Company, koopt het een groeimiddel dat wordt gemeten in AI-implementatie-omzet. Een engineer die tien workflows activeert binnen een portefeuillebedrijf, is een “beter presterend” middel dan een die drie activeert. Die stimulans om AI-gebruik te vinden, te activeren en op te schalen, is niet incidenteel voor de investeringsstructuur. Het is het hele punt.

Dit is wat private-equity-groeiinstrumenten doen, en wat ze moeten doen. De stimulansen zijn niet misgealigneerd; ze zijn gewoon gealigneerd met een ander resultaat dan dat waarvoor uw portefeuillebedrijven zijn geoptimaliseerd. Terwijl ze zijn geoptimaliseerd voor schaal, moeten de bedrijven die deze implementatieteams absorberen, zijn geoptimaliseerd voor winstgevendheid. In ondernemings-AI kunnen deze twee dingen stilzwijgend, voor een verrassend lange tijd, afwijken voordat iemand in het gebouw een wenkbrauw fronsen.

We hebben deze stimulansstructuur eerder gezien

In 1999 werd marchFIRST gevormd uit de fusie van USinternetworking en Whittman-Hart, met een piekwaarde van meer dan 7 miljard dollar. Het bedrijf bedde internetconsultants in binnen ondernemingen om hoogwaardige webkansen te vinden en te bouwen. Razorfish en Sapient voerden hetzelfde spel uit met dezelfde kapitaallogica erachter.

De pitch was tijdig. Ondernemingen hadden echt expertise nodig die ze niet hadden, het internet bewoog sneller dan interne teams konden bijhouden, en de consultants waren eigenlijk goed in hun werk. Wat ondernemingen niet volledig hebben doordacht (en wat veel beleggers ook niet hadden) was hoe de stimulansstructuur eronder zou gedragen zich eenmaal binnen het gebouw. Deze bedrijven werden niet beloond voor klant-ROI, maar voor metrics als hoofdtelling en factureerbare uren. Meer implementatie was altijd beter voor hen, ongeacht wat het voor de klant betekende. De consultants die kansen vonden, werden beloond voor het vinden van meer van hen. LP-rendementen waren afhankelijk van groei.

marchFIRST diende in 2001 een faillissementsaanvraag in, waardoor ondernemingen infrastructuur overhielden die ze hadden goedgekeurd maar niet altijd konden rechtvaardigen. De AI-implementatiemarkt kan al dan niet dezelfde boog volgen, maar ik zou betogen dat de economische stimulansen die ten grondslag liggen aan deze nieuwe ondernemingen, structureel identiek zijn aan die welke die resultaten produceerden. Beleggers met portefeuillebedrijven die op het punt staan om een private-equity-gestuurd implementatieteam binnen te halen, moeten enkele specifieke vragen stellen voordat ze door de deur zijn.

Binnen het gebouw, buiten de boeken

Elke AI-workflow die een implementatie-engineer activeert, heeft een kostenstructuur, hetzij tokens die worden verbruikt, API-aanroepen die worden gedaan, compute die wordt verbrand, enz. Deze accumuleren maand na maand over elke transactie en functie die het team aanraakt. Het activeren en opschalen van die workflows is de taak van de implementatie-engineer; meten of ze daadwerkelijk winstgevend zijn in verhouding tot hun kosten, is niet hun taak, en het is niet hoe hun prestaties worden geëvalueerd. De kapitaalstructuur erachter heeft geen bijzonder belang bij of het ondernemingsbedrijf het antwoord op die vraag weet.

Dus wie binnen uw portefeuillebedrijf houdt eigenlijk bij wat de kosten per AI-workflow zijn? Wie wijt AI-uitgaven toe aan de klantsegmenten en productfuncties die ze genereren? Wie heeft de autoriteit om het gebruik dat budget verbruikt zonder rendement te vertragen of te blokkeren? Als het antwoord op een van die vragen neerkomt op een schouderophalen, heeft een private-equity-gestuurd groeimachine nu toegang tot een kostenplaats met niets dat de uitgaven reguleert. Dat risico dat nog niet in bestuursvergaderingen verschijnt. Het is niet verborgen, per se, maar niemand heeft de instrumentatie gebouwd om het te vinden.

De investeringskans aan de andere kant hiervan

Vraag het gemiddelde portefeuillebedrijf wat een AI-workflow hen eigenlijk kost per transactie, of wie het gebruik dat budget verbruikt zonder rendement kan stoppen, en het antwoord is meestal een lange pauze. Die kloof blijft onzichtbaar totdat de rekening het onmogelijk maakt om het te negeren, en beleggers zijn vaak beter gepositioneerd om het vroeg te zien dan de bedrijven zelf.

Twee jaar geleden was dit geen commerciële beleggingshypothese omdat de implementatiegolf nog niet was aangekomen met serieus kapitaal erachter (dat is veranderd). Ondernemingen die nu geïntegreerde implementatieteams absorberen zonder die laag, voeren hetzelfde experiment uit als ondernemingen in 1999, en degenen die het wel hebben voordat die teams door de deur komen, zijn in een structureel andere positie, en zo zijn hun beleggers.

CFO’s die in 2001 zijn verbrand, hadden veel intelligentie en niet genoeg instrumentatie, en tegen de tijd dat de kostenstructuur zichtbaar werd, was stoppen al duur. Die instrumentatie bestaat nu, maar of bedrijven het eisen voordat ze de deur openen (en of beleggers hun portefeuillebedrijven aansporen om het te eisen) is nog steeds de open vraag.

Negentien private-equitybedrijven hebben 4 miljard dollar toegezegd om AI-gebruik binnen bedrijven zoals het uwe op te schalen, en ze zijn erg goed in wat ze doen. De beleggers die aan de winnende kant van deze golf komen, zullen degene zijn die ervoor hebben gezorgd dat hun bedrijven even goed waren in het hunne.