کاربرد هوش مصنوعی در صندوق‌های سرمایه‌گذاری خصوصی؛ فرصت‌ها کجاست و ارزش واقعی چگونه خلق می‌شود؟

هوش مصنوعی می‌تواند در تمام مراحل چرخه عمر سرمایه‌گذاری خصوصی نقش‌آفرینی کند.

ارزیابی موشکافانه و شناسایی معاملات جایی است که هوش مصنوعی تثبیت شده؛ خلق ارزش نتایج پراکنده‌ای دارد و تمایل خریداران به پرداخت مبالغ بالاتر در زمان خروج، هنوز بیشتر در حد یک روایت است تا داده‌های آماری.

تحلیل‌های پیشین نشان می‌دهد که هوش مصنوعی هزینه ثبت، پردازش و به‌اشتراک‌گذاری «سرمایه دانشی» (شناختی) را به‌شکل چشمگیری کاهش می‌دهد. این گزارش بررسی می‌کند که شرکت‌های سرمایه‌گذاری خصوصی (PE) دقیقاً در چه بخش‌هایی از چرخه معاملات خود از این فناوری استفاده می‌کنند و پتانسیل واقعی آن کجاست.

شناسایی معاملات: آمارهای متناقض درباره اثربخشی

بر اساس نظرسنجی فوریه ۲۰۲۶ مؤسسه S&P Global Market Intelligence، حدود ۶۴ درصد از مدیران صندوق‌ها (شرکای عمومی)، هوش مصنوعی را در شناسایی و غربالگری معاملات ناکارآمد ارزیابی کرده‌اند. در نقطه مقابل، نظرسنجی مشترک شرکت‌های بین (Bain) و استپ‌استون (StepStone) نشان می‌دهد که مدیران صندوق‌ها بیشترین بازدهی هوش مصنوعی مولد را دقیقاً در دو حوزه شناسایی معامله و ارزیابی موشکافانه گزارش داده‌اند. این تناقض آشکار بیانگر آن است که نتایج کسب‌شده تا حد زیادی به نحوه به‌کارگیری ابزارها توسط هر مجموعه برای یافتن و سنجش فرصت‌ها بستگی دارد؛ برای نمونه، برخی از این مجموعه‌ها برای بررسی سریع و ارزیابی فرصت‌ها به استفاده از مدل‌های زبانی پیشرفته مانند کلود (Claude) روی آورده‌اند.

ارزیابی موشکافانه: پذیرش واقعی فناوری در مسیری دوطرفه

بر اساس بررسی‌های S&P، حدود ۳۱ درصد از مدیران صندوق‌ها اعلام کرده‌اند که هوش مصنوعی تا حدی یا به‌طور کامل در فرآیند ارزیابی موشکافانه ادغام شده است؛ بالاترین نرخ پذیرش در میان تمام بخش‌های عملیاتی. شرکت‌ها از این ابزارها برای بررسی سریع‌تر اتاق‌های داده (Data Rooms) و اسناد مالی و حقوقی استفاده می‌کنند. بر پایه گزارش بخش آسیا-پاسیفیک شرکت بین، مجموعه‌های پیشرو علاوه بر این، ارزیابی موشکافانه‌ای انجام می‌دهند تا دریابند هوش مصنوعی چه تأثیری بر آینده کسب‌وکار هدف خواهد گذاشت. پاسخ به این پرسش دوم خطرات بزرگی به‌همراه دارد؛ گزارش میان‌دوره‌ای شرکت بین، ریزش ارزش‌گذاری شرکت‌های نرم‌افزاری ناشی از تحولات هوش مصنوعی را یکی از سه شوک بزرگ بازار معرفی کرده و داده‌های مؤسسه MSCI در این گزارش نشان می‌دهد ارزش سهام شرکت‌های نرم‌افزاری تملک‌شده در سه‌ماهه اول سال، حدود ۸ درصد کاهش یافته است.

خلق ارزش: کم‌توجهی به ظرفیت‌سازی بنیادین

مؤسسه مشاوره‌ای FTI Consulting در نظرسنجی از ۲۰۰ مدیر صندوق و رهبر عملیاتی دریافت که ۹۵ درصد از آن‌ها معتقدند ابتکارات هوش مصنوعی به اهداف اولیه کسب‌وکار رسیده یا فراتر از آن عمل کرده است. با این حال، تنها ۳۶ درصد از شرکت‌های زیرمجموعه (پورتفوی) از هوش مصنوعی در سناریوهای متنوع بهره می‌برند و تنها ۷ درصد در مقیاس یکپارچه سازمانی فعالیت دارند. کارشناسان FTI خاطرنشان می‌کنند که اهداف تجاری این پروژه‌ها اغلب به‌صورت محافظه‌کارانه و محدود تعریف شده بودند. یافته‌های بین و استپ‌استون نیز نشان می‌دهد مزایای حاصل در شرکت‌های پورتفوی عمدتاً به سمت صرفه‌جویی در هزینه‌ها متمایل است و ۳۹ درصد از مدیران صندوق‌ها انتظار هیچ تأثیر مالی چشمگیری را در سال ۲۰۲۶ ندارند. تحلیل‌ها نشان می‌دهد شرکت‌ها برای عبور از جزیره‌های نوآوری پراکنده و دستیابی به مقیاس‌پذیری واقعی، نیازمند ظرفیت‌سازی مستمر و رهبری هم‌زمان از بالا به پایین و پایین به بالا هستند؛ چراکه ابزارهای هوش مصنوعی را می‌توان به‌سادگی خریداری کرد، اما ایجاد قابلیت و توانمندی واقعی سازمانی امری جعل‌نشدنی است.

مرحله خروج: احتمال پرداخت مبلغ بالاتر، منطقی اما اثبات‌نشده است

تاکنون هیچ مجموعه‌داده آماری معتبری ثبت نشده است که نشان دهد خریداران در زمان خروج سرمایه‌گذاران، حاضرند برای دستاوردهای حاصل از هوش مصنوعی مبالغ بیشتری بپردازند؛ آنچه در حال حاضر وجود دارد صرفاً روایت‌های پراکنده مشاوران است. برای مثال، مؤسسه آیزنر امپر (EisnerAmper) به یک شرکت توزیع اشاره می‌کند که سیستم پیش‌بینی تقاضای مبتنی بر هوش مصنوعی آن، نرخ گردش موجودی انبار را ۱۵ درصد افزایش داد و ضریب ارزش‌گذاری شرکت را از حدود ۷ برابر سود عملیاتی (EBITDA) به حدود ۹ برابر رساند. همچنین یک شرکت تحلیل داده‌های سلامت با پایگاه داده اختصاصی بیماران معرفی شده که توانست به ضریب ارزش‌گذاری ۱۲ برابری نسبت به درآمد دست یابد. اما در نقطه‌ای دیگر، یک آژانس بازاریابی وجود داشت که خریداران برای خرید آن ضریب ارزش‌گذاری بسیار پایین‌تری پیشنهاد دادند، زیرا ابزارهای هوش مصنوعی می‌توانستند بخش زیادی از خدمات این آژانس را به‌سادگی شبیه‌سازی و اجرا کنند.

معیار تصمیم‌گیری در تمام این موارد یکسان است: خریداران تفاوت میان هوش مصنوعی ادغام‌شده در بطن عملیات را با کاربردهای سطحی به‌خوبی تشخیص می‌دهند. ارزش‌گذاری بالاتر به شرکت‌هایی اختصاص می‌یابد که این فناوری را در ساختار خود نهادینه کرده‌اند و کاهش قیمت به سراغ کسب‌وکارهایی می‌آید که هوش مصنوعی می‌تواند به‌راحتی جایگزین آن‌ها شود.

اهمیت این موضوع در محاسبات آماری شرکت بین به‌روشنی دیده می‌شود: در حال حاضر یک خرید استراتژیک برای رسیدن به همان بازدهی مالی که یک دهه قبل با ۵ درصد رشد سود عملیاتی حاصل می‌شد، به حدود ۱۲ درصد رشد سالانه EBITDA نیاز دارد. شرکتی که بتواند رشد واقعی ناشی از هوش مصنوعی را به نمایش بگذارد، دلیلی قانع‌کننده به خریدار بعدی برای پرداخت مبالغ بالاتر می‌دهد؛ هرچند تاکنون هیچ پژوهشی ثبت نکرده است که خریداران در واقعیت چنین پولی پرداخته باشند.

پرسش‌های کلیدی برای هر مرحله از سرمایه‌گذاری

در مرحله ورود، این سؤال مطرح می‌شود: آیا هوش مصنوعی درآمد این شرکت را افزایش می‌دهد یا آن را فرسایش خواهد داد؟ در دوران تملک و مالکیت، پرسش این است: آیا فرآیند پیشرفت از مرحله تحقیق و آزمایش و گذر از جزیره‌های نوآوری پراکنده به سمت مقیاس‌پذیری واقعی در جریان است؟ و در مرحله خروج باید پرسید: آیا می‌توان به خریدار نتایج اندازه‌گیری‌شده‌ای از سامانه‌های اختصاصی هوش مصنوعی نشان داد که اهرم عملیاتی شرکت (مانند ضریب ارزش‌گذاری بالاتر) و پتانسیل رشد (قیمت فروش بالاتر) را دگرگون کرده باشد؟

شرکت‌های سرمایه‌گذاری خصوصی در بهترین جایگاه برای هدایت تحول هوش مصنوعی قرار دارند، به شرط آنکه تمایل داشته باشند روی مهارت‌ها و قابلیت‌های لازم برای مقیاس‌پذیری واقعی و تغییر مدل‌های عملیاتی کسب‌وکارهای زیرمجموعه خود سرمایه‌گذاری کنند. دستیابی به چنین هدفی، شانس آن‌ها را برای تحقق اهداف مالی وعده‌داده‌شده به سرمایه‌گذاران به‌مراتب افزایش خواهد داد.