Bokanmeldelse: Investering i KI: Seks mentale modeller for å skille varige konkurransefortrinn fra fallgruver av Rob May

Jeg gledet meg til å lese Investering i KI: Seks mentale modeller for å skille varige konkurransefortrinn fra fallgruver, ikke minst fordi jeg har fulgt Rob May i årevis gjennom nyhetsbrevet hans om investering i KI. Etter min mening skiller Rob May seg fra mange investorer ved at han er villig til å unngå flokktenkning og resonnere ut fra grunnleggende prinsipper. Han ser forbi den rådende fortellingen for å spørre hvordan en virksomhet faktisk fungerer, hvor fordelene dens kommer fra, og om de kan bestå den neste teknologiske omveltningen.

Det er her denne boken virkelig utmerker seg. Det er den første boken jeg har lest som går fram på denne måten når den behandler investering i KI. I stedet for bare å peke ut en spennende teknologi eller et voksende marked ber den leserne tenke grundig gjennom hvordan de analyserer virksomhetene som bygges rundt teknologien. Mulighetene er enorme, men det er to helt forskjellige ferdigheter å gjenkjenne en lovende KI-funksjon og å se at et selskap er verdt å investere i.

Når KI-fortellingen møter virkeligheten

Rob May bygger diskusjonen på historier som vil være kjent for alle som har fulgt KI-økosystemet. Jasper ble en mediefavoritt og hentet inn 125 millioner dollar til en verdsettelse på 1,5 milliarder dollar. Deretter gjorde ChatGPT avansert tekstgenerering direkte tilgjengelig for forbrukerne og satte spørsmålstegn ved verdien av et produkt som bygget på tilgang til lignende underliggende funksjoner. Rob May bruker dette omslaget til å undersøke hvor raskt en tilsynelatende fordel kan bli sårbar.

Det jeg synes er interessant med dette eksempelet, er spørsmålet det tvinger investorer og gründere til å stille seg: Hva trenger kundene fortsatt fra selskapet ditt når den underliggende teknologien blir allment tilgjengelig? Hva skiller en virksomhet med et forsvarlig konkurransefortrinn fra enda et KI-produkt som bare pakker inn en modell? Et forsprang kan gi et selskap tid, men det besvarer ikke spørsmålet. Kontroll over arbeidsflyten, distribusjon, spesialkunnskap og kunderelasjoner blir langt viktigere når tilgangen til modellen blir en handelsvare.

DeepSeek viser den andre siden av denne usikkerheten. Boken omtaler overraskelsen over at en modell på nivå med GPT-4 ble utviklet til en oppgitt treningskostnad på 5,576 millioner dollar. Lærdommen for investorer er viktig: Antakelser om kostnadene ved å konkurrere kan endre seg langt raskere enn en verdsettelsesmodell tar høyde for.

Derfor må SaaS-oppskriften tenkes på nytt

Rob May ser tilbake på KI-vintrene og hevder at dagens brede bruksmuligheter har brutt det gamle mønsteret med lovende demonstrasjoner som ble fulgt av omfattende skuffelse. Han mener at nyttig KI nå er innvevd i så mange faktiske arbeidsflyter at teknologien ikke bare kan trekke seg tilbake til laboratoriet. Likevel kan det fortsatt være vanskelig å finne den neste enhjørningen som kan dra nytte av den fortsatte utbredelsen.

Han peker på fire grunnleggende forskjeller som bidrar til å forklare endringen: KI kan utføre kognitivt arbeid, lære av data, endre forventningene til dem som bruker teknologien, og bli en naturlig del av livet for en generasjon som vokser opp med den. Det tredje punktet – refleksivitet – er særlig interessant. Når kundene først har opplevd en bestemt funksjon, begynner de å forvente den andre steder også. Markedet selskapet betjener, endrer seg etter hvert som teknologien tas i bruk.

Den største omveltningen er hvor raskt virksomheter kan vokse. KI-selskaper kan nå en betydelig størrelse på tidslinjer som tidligere var forbeholdt sjeldne unntak. Men for å vurdere dem må man fortsatt forstå forretningsmodellen. Betaling per oppgave eller resultat skaper et annet forhold mellom verdi, inntekter og kostnader enn salg av et fast antall programvarelisenser.

Noen av lærdommene fra SaaS er fortsatt svært relevante. Domenekunnskap betyr fortsatt mye. Bransjespesifikke verktøy som forstår de reelle utfordringene i en bransje, kan bygge betydelige konkurransefortrinn. Egne dataløkker kan skape stadig større verdi, og dype integrasjoner kan medføre byttekostnader. Utfordringen er å skille disse varige styrkene fra funksjoner kundene kan få fra dusinvis av andre leverandører.

Seks mentale modeller som skjerper spørsmålene

Boken bygger hovedargumentet rundt seks mentale modeller: å forstå KI som en samling teknologier; å utfordre tradisjonelle antakelser om SaaS; å forvente store omveltninger i markedet; å forstå hvordan markeder og selskapsstrategier endres; å forstå raskere vekst; og å vurdere kostnadene ved å levere KI-tjenester nøye.

Disse modellene utfyller hverandre godt, fordi hver av dem avdekker en annen svakhet ved en overflatisk investeringstese. Å kalle et selskap en «KI-virksomhet» sier lite om økonomien i virksomheten. En dramatisk inntektsøkning sier lite om hvor varig den er. En høy bruttomargin i dag sier lite om hva som skjer når kundene begynner å be produktet utføre vanskeligere oppgaver.

Det jeg setter mest pris på, er vanen med å stille et oppfølgingsspørsmål. Når du har spurt om teknologien fungerer, bør du spørre om den fungerer pålitelig nok i kundens faktiske arbeidsflyt. Når du har spurt om kundene betaler, bør du spørre hva de betaler for, og om de sannsynligvis vil fortsette å bruke penger på det. Derfor er boken nyttig også utover perioden eksemplene i den ble skrevet.

Botkeeper og betydningen av kostnadsutviklingen

Et av de mest nyttige casestudiene er Botkeeper, et selskap som automatiserer bokføring, og som Rob May investerte i. Han beskriver en virksomhet som i utgangspunktet var sterkt avhengig av menneskelige regnskapsførere, og som hadde bruttomarginer på omtrent 20 til 25 prosent. Det virket lite attraktivt for investorer som forventet tradisjonelle programvaremarginer. Men arbeidet disse menneskene utførte, genererte også data som kunne bidra til å automatisere prosessen. Rob May forteller at bruttomarginene senere oversteg 70 prosent etter hvert som mer av arbeidet ble overført til programvare.

Lærdommen jeg trekker av dette, er at man bør undersøke hva den menneskelige innsatsen bidrar til å bygge. Hvis hver fullførte oppgave gjør systemet i stand til å håndtere den neste mer effektivt, kan de tidlige tjenestekostnadene være med på å finansiere en virksomhet som lettere kan skaleres. Hvis hver nye kunde for alltid krever en tilsvarende økning i manuelt arbeid, forteller økonomien en annen historie.

Rob May undersøker også den motsatte utviklingen: kostnader til inferens som blir mer krevende å håndtere etter hvert som bruken øker. Et KI-system kan trenge mer databehandling, flere forsøk eller menneskelig gjennomgang for å løse vanskeligere oppgaver. Et produkt som virker attraktivt i en liten pilot, kan bli dyrt når kundene bruker det til komplekse oppgaver. Derfor er utviklingen i kostnadene like viktig som dagens margin.

Effektivitet er ikke automatisk et konkurransefortrinn

Et annet rammeverk jeg fant nyttig, er Rob Mays tredeling av KI-verdi: KI som handelsvare, kjerne-KI og ekspansjons-KI. Grovt sett beskriver disse henholdsvis funksjoner konkurrentene enkelt kan ta i bruk, funksjoner som styrker et selskaps eksisterende fortrinn, og funksjoner som åpner for nye forretningsmuligheter.

Det hypotetiske eksempelet hans med et flyselskap gjør den første kategorien lett å forstå. Et flyselskap innfører en KI-agent for kundestøtte og blir mer effektivt. Konkurrentene tar deretter i bruk lignende verktøy. Det som en kort stund så ut som et konkurransefortrinn, blir en forventning i bransjen, og noe av den økonomiske gevinsten kan bli konkurrert bort.

Dette er en nyttig motvekt til å betrakte enhver KI-kunngjøring som et tegn på en sterkere virksomhet. Jeg vil vite hva som fortsatt skiller selskapet ut når konkurrentene har tilgang til tilsvarende verktøy. Et selskap som kombinerer KI med egne tilbakemeldingsdata, inngående driftskunnskap eller en arbeidsflyt for kundene som er vanskelig å kopiere, har et mer overbevisende svar enn et selskap som kunngjør den samme automatiseringen som alle andre kan kjøpe.

Se etter virksomhetsledere som kan ta KI i bruk i praksis

Boken er full av praktiske observasjoner, blant annet om hvor viktig det er å satse på ledere som faktisk klarer å integrere KI i virksomheten. En konkret plan for å endre arbeidsflyter og ansvarsområder er langt mer overbevisende enn en presentasjon som lover KI i hele organisasjonen.

Rob Mays drøfting av inntektskvalitet understreker dette. Betalte pilotprosjekter og konseptbevis kan gi imponerende tall tidlig, men bør skilles fra inntekter knyttet til løpende produksjonsarbeid. Det nyttige spørsmålet er hvor stor del av virksomheten som ville bestå dersom kundene sluttet å eksperimentere i morgen.

Jeg mener dette er særlig verdifullt for gründere. Å vinne et pilotprosjekt er et fremskritt, men å bygge et produkt som blir en del av måten kunden driver virksomheten på, er en annen prestasjon. Hvis man forstår dette skillet tidlig, kan det påvirke produktprioriteringer, ansettelser og hvordan selskapet måler suksess.

Avsluttende vurdering

Det viktigste jeg sitter igjen med, er at denne boken ikke bare bør leses av investorer. Entreprenører har like mye å tjene på å forstå hva som gjør et KI-selskap investerbart, hvordan varige fortrinn oppstår, og hvilke fallgruver oppstartsbedrifter kan unngå før de blir kostbare.

Boken bør først og fremst leses som et rammeverk for vurderinger, ikke som en liste over aksjer man bør kjøpe. Det viktigste bidraget er at den hjelper leserne med å bli mer presise om hvorfor de har tro på en virksomhet. Eksemplene vil uunngåelig bli foreldet etter hvert som bransjen utvikler seg; det er disiplinen med å stille spørsmål ved antakelser som gjør boken nyttig også på lang sikt.

Investering i KI: Seks tankemodeller for å skille konkurransefortrinn fra fallgruver formidler den grunnleggende tenkningen som først fikk meg til å lese nyhetsbrevet til Rob May. For investorer som prøver å skille en virksomhet med et forsvarlig konkurransefortrinn fra en overbevisende fortelling, og for entreprenører som prøver å bygge førstnevnte, er dette en gjennomtenkt og verdifull bok.