Частные инвестиционные компании могут достичь больших высот, интегрировав генеративный ИИ в свой бизнес, но для начала требуется вдумчивый подход.
В этом эпизоде Deal Volume , подкаста McKinsey о частных рынках, партнер и ведущий McKinsey Брайан Викери беседует со старшим партнером Беном Элленцвейгом . Бен руководит альянсами и партнерствами в QuantumBlack, AI by McKinsey, и проводит большую часть своего времени, работая с фирмами прямых инвестиций (PE) и их портфельными компаниями. В этой дискуссии они выходят за рамки шумихи вокруг генеративного ИИ (gen AI) и обсуждают его последствия для заинтересованных сторон PE. Ниже приведена отредактированная версия их беседы.
Брайан Викери: Давайте начнем с уточнения нескольких определений. Компании уже несколько лет используют машинное обучение [ML] и аналитический ИИ. Чем ИИ-генерал отличается от этих технологий?
Бен Элленцвейг: Аналитические алгоритмы ИИ и МО используются для выполнения аналитических задач — классификации огромных объемов данных, прогнозирования кластера и его оценки — быстрее и лучше, чем люди, что делает их отличными для таких задач, как сегментация клиентов, анализ настроений и прогнозирование продаж. Gen AI может вывести создание контента на новый уровень — например, новые тексты и музыку для песни в стиле Beatles или программного кода — как если бы в этом участвовал человек. Контент может быть изображениями, видео или текстом. Люди думают о создании контента в контексте маркетинга, но это может быть создание технического руководства, помощь в открытии лекарств или повышение эффективности для портфельной компании.
Брайан Викери: Вокруг ИИ-гена очень много шумихи. Что вы характеризуете как шумиху по сравнению с потенциалом, и где люди на самом деле используют ИИ-ген сегодня?
Бен Элленцвейг: Сегодня мы видим четыре крупных архетипа вариантов использования. Первый — это генерация кода: есть инструменты для повышения производительности кода и разработчиков, а также помощники, которые помогают нам писать лучший код, проводить контроль качества и гарантировать, что мы генерируем достаточно синтетических данных при создании программного обеспечения. Второй — это генерация контента, например, для маркетинговых материалов, включая Святой Грааль гиперперсонализированной коммуникации, и технических руководств. Третий — это человеческое взаимодействие, использование ботов или агентов для создания нового опыта в обслуживании клиентов, поддержке продаж или обслуживании сотрудников в сфере финансов и кадровых функций. И четвертый — виртуальный работник знаний, который может обобщать и извлекать идеи из больших объемов информации, включая неструктурированные источники данных. Для некоторых вариантов использования это все еще ранние дни. Другие более продвинуты, и мы видим инновации день за днем.
Брайан Викери: Как большинство компаний подходят к этим архетипам? Они изначально пробуют один? Кто-нибудь принимает все четыре?
Бен Элленцвейг: Вчера я участвовал в форуме с примерно 65 операционными партнерами PE. Я спросил, у скольких из них есть портфельные компании, которые внедряют ИИ-технологии, и около 60 процентов подняли руки. Затем я спросил у этой подгруппы, не только ли их компании экспериментируют, но и занимаются ли они масштабным производством, и только три руки, или около 5 процентов, остались поднятыми. Я бы сказал, что это типично для того, что мы видим.
Интересно, что до появления ИИ-поколения большинство компаний терпели неудачу с расширенной аналитикой или преобразованиями ИИ, потому что это сложно. Требуется много управления изменениями, чтобы завоевать сердца и умы. Вам нужно измерить влияние. Инвестиции требуют терпения в ожидании окупаемости инвестиций. Управление данными является серьезной проблемой, и этот список можно продолжать. ИИ-поколение добавляет еще больше уровней сложности. Если 2023 год был годом экспериментов с пилотами по всему миру, то 2024 и особенно 2025 годы станут годами масштабирования и фактического переноса влияния на конечный результат.
Индустрия прямых инвестиций может поучиться у других отраслей, как использовать возможности искусственного интеллекта
Брайан Викери: Какие вопросы возникают у фирм прямых инвестиций относительно искусственного интеллекта поколения и какие рекомендации вы им даете?
Бен Элленцвейг: Часто возникают три вопроса. Во-первых, фирмы прямых инвестиций хотят знать, что делают другие в их сегменте, например, для создания эффективности, и как они сравниваются. Ранее сегодня я встречался с портфельной компанией в сфере разработки лекарств, и в какой-то момент они спросили, делают ли другие компании в их секторе то же, что и они. Ответ был «может быть», но это неправильный вопрос. Вместо этого им следует спросить, как немецкий автомобильный OEM или разработчик аэрокосмической техники думает об использовании инструментов искусственного интеллекта и цифрового моделирования двойников в НИОКР, а затем применить эти уроки к разработке лекарств. Важно выйти за рамки передовых разработок в вашей отрасли и понять, какие инновации можно переносить в другие отрасли.
Затем они хотят знать, как начать. Как я уже сказал, это сложно и требует не только технологий, но и много психологии. Команда по управлению портфелем должна быть на борту, и есть решения о том, откуда берется бюджет. Помимо этого, мы всегда говорим о «дважды два»: сначала найдите два небольших варианта использования и просто начните. Это может быть что-то простое, например, готовое решение для бота, использующее ИИ-ген в колл-центре. Но начните как можно скорее и дайте людям побаловаться с ним. Ваши продавцы, покупатели и клиенты умны; они поймут, что работает, и довольно быстро это примут. Это создает правильный импульс в краткосрочной перспективе.
Параллельно подумайте о двух стратегических рабочих процессах для компании — сути того, кто вы есть, и о том, что вы делаете. Например, промышленная компания рассматривала возможность разработки второго пилота НИОКР, потому что они взимали надбавку за свой продукт. Но генеральный директор сказал: «Нет, мы взимаем надбавку, потому что у нас отличное обслуживание. Когда Билл или Джо появляются на заводе, они знают планировку, производительность машины и историю ремонтов за последние 30 лет. Это наша ценность». Поэтому вместо этого они разработали второго пилота сервиса, который помогает техникам понимать историю, находить нужные ремонты и заказывать нужные детали на основе фотографий, сделанных на мобильный телефон. Может потребоваться год или больше, чтобы заново изобрести стратегический рабочий процесс с помощью искусственного интеллекта, но это тот двусторонний подход, который мы рекомендуем.
Наконец, люди спрашивают, как измерить прогресс, чтобы они могли оценить, насколько хорошо они справляются или отстают. Важно установить исходную точку и понять проблему, которую вы пытаетесь решить, чтобы вы могли увидеть, просачивается ли улучшение в конечный результат.
Благоприятный подход к финансированию проектов по созданию искусственного интеллекта может принести существенную прибыль
Брайан Викери: Как вы заметили, что взгляды партнеров по операциям с портфелем, генеральных директоров компаний-участников портфеля и команд по сделкам различаются в отношении искусственного интеллекта, особенно в отношении его бюджетирования?
Бен Элленцвейг: Хотя все понимают важность ИИ-генерала, согласование этих трех групп — довольно сложная задача. Часто бывает так, что компания взволнована, но не получает от владельцев помощи для ее финансирования. Или владельцы PE и операционный партнер взволнованы, но компания и инвестиционные партнеры — нет.
Имейте в виду, что это на самом деле не так уж и дорого. По моим оценкам, примерно 1,0–1,5 процента текущего ИТ-бюджета компаний с лихвой покроют расходы на развертывание ИИ-технологий. Это без учета облака и персонала, но ежедневные opex [эксплуатационные расходы] не намного больше, чем текущая сумма, которую компании тратят на технологии. Я призываю владельцев или руководителей портфельных компаний любезно предоставлять финансирование, потому что, хотя это и не большая сумма, она может иметь огромное значение, поскольку помогает избежать искаженного принятия решений и может много значить для долгосрочного благополучия компании. Он имеет гораздо более быструю окупаемость инвестиций, чем любой предыдущий трансформационный ИТ-проект.
Как ИИ влияет на заключение сделок и комплексную проверку
Брайан Викери: Как правильно учитывать возможности искусственного интеллекта при работе над проверкой благонадежности в интересах фирм прямых инвестиций?
Бен Элленцвейг: Это напоминает мне ранние дни киберпространства. Оценка киберпространства во время комплексной проверки началась с одного вопроса: есть ли киберугроза? Затем контрольный список стал страницей в буклете, который выходит из комплексной проверки. Теперь это целая глава.
Сегодня многие люди сосредоточены на повышении производительности. Но как насчет возможностей повышения доходов с помощью ИИ поколения? ИИ поколения может обеспечить инструменты самообслуживания, новые продукты или усовершенствования существующих продуктов, которые повысят их ценность. Другой ракурс гораздо более стратегический. Вызовет ли ИИ поколения тектонический сдвиг в отрасли компании или, скажем, в ее ценообразовании? ИТ-услуги и юридические фирмы, среди прочих, взимают почасовую оплату, но эта модель оспаривается ИИ поколения. Если BrianCo не может показать рост производительности, клиент может предпочесть нанять BenCo. Однако если BenCo по-прежнему взимает почасовую оплату, клиент теряет деньги, несмотря на эффективность.
Это требует переосмысления трех линз производительности, повышения доходов и стратегических сдвигов, которые влияют не только на бизнес-модели, но и на ценообразование. Сегодня наше усердие в области ИИ-поколения составляет примерно страницу, но вскоре это будет глава.
Практические соображения по началу работы с ИИ-поколением в PE
Брайан Викери: Многие компании PE считают, что их данные не в достаточно хорошей форме для поколения AI. Что вы скажете этим ребятам?
Бен Элленцвейг: Покажите мне компанию, у которой нет массивных запутанных наборов данных. Это очень распространенная отправная точка. Но когда дело доходит до данных, прелесть в том, что вы можете использовать ИИ-ген, чтобы очистить свои данные и сделать их пригодными для использования другими приложениями ИИ-гена для извлечения ценности.
Для начала помните, что технологии — это всего лишь 20 процентов работы. Я представляю себе три направления. Во-первых, организуйтесь и внедрите все необходимые инструменты. Это включает в себя упорядочивание данных, настройку управления данными и определение технологических партнеров и потребностей в талантах. Это также включает в себя соображения о структуре. Вы можете создать центр передового опыта на уровне фонда для всех портфельных компаний, нанять третью сторону или поручить портфельным компаниям сделать это самостоятельно. Вам также нужен лидер. Вчера я разговаривал с парнем, который сказал, что тратит 80 процентов своего времени на своего «помощника» по искусственному интеллекту, хотя он и является операционным партнером.
Далее подумайте о психологии и управлении изменениями. Обучайте своих коллег. Проведите «день поколения ИИ» для генеральных директоров, директоров по информационным технологиям (CIO) и технических директоров (CTO) ваших портфельных компаний, чтобы они могли поделиться тем, что они делают. Отправьте им обучающие материалы и пригласите внешних спикеров. Эта сфера развивается так быстро, что обычному менеджеру сложно за ней угнаться. И вот тут-то фонд может помочь. Также обучайте своих коллег на уровне фонда. Операционные партнеры могут убедиться, что все остаются в курсе того, что происходит с технологиями. В-третьих, есть приложения на уровне портфеля, для которых требуется дорожная карта. Наличие плана важно, потому что без него вы не сможете двигаться вперед.
Брайан Викери: В последнее время мы видим гораздо больше сообщений о рисках поколения ИИ. Как вы сопоставляете, куда движется мир, и как мы ответственно туда попадаем?
Бен Элленцвейг: Это новое, и мы все еще изучаем риски и способы их снижения. Регулируемые отрасли, такие как финансовые услуги и здравоохранение, имеют свои собственные определенные риски, связанные с соблюдением требований. Существуют риски безопасности в разработке лекарств, автомобилестроении и аэрокосмической промышленности, например. Мы все работаем над снижением рисков галлюцинаций — когда модель думает, что что-то реально, но это абсолютно не так — и предубеждений. Но мы не говорим так много, как следовало бы, об углеродном следе этих огромных центров обработки данных или даже о том, как Соединенные Штаты будут удовлетворять спрос на электроэнергию и чипы ИИ для электромобилей и поколения ИИ.
Я слышал отличную аналогию: ИИ-ген похож на стажера. Вы даете им задание, они уходят, возвращаются воодушевленные и создают что-то, что выглядит действительно хорошо. Это структурировано, продуманно и хорошо организовано, но это может быть совершенно неправильно. Нам нужно критически взглянуть на результаты ИИ-гена и применить наше человеческое суждение, чтобы оценить, доверяем ли мы им. Во многих случаях результаты точны и могут продвинуть наше мышление. Пока мы держим людей в курсе, мы можем сделать много хорошего с помощью ИИ-гена.
ОБ АВТОРЕ(АХ)
