Penulis: Alex Rampell, mitra a16z Fund; Terjemahan: Golden Finance xiaozou
“Gelombang” pembelian dengan leverage pada tahun 1980-an disebabkan oleh suatu bentuk rekayasa keuangan: obligasi sampah. Pembelian dengan leverage dipopulerkan oleh Michael Milken dari Drexel Burnham Lambert (Drexel Securities).Bentuk akuisisinya tidak terlalu rumit: menerbitkan obligasi dengan suku bunga yang sangat tinggi dan risiko yang tinggi, dan kemudian menggunakan dana tersebut untuk mengakuisisi perusahaan manajemen skala besar. Perusahaan yang buruk, tidak efisien, dan kaku.
Di bawah tirai yang sama, revolusi teknologi yang luas sedang terjadi - spreadsheet. Dirilis pada tahun 1979, VisiCalc adalah "aplikasi mematikan" pertama di bidang keuangan (di Apple IIe) dan salah satu alasan KKR dan perusahaan awal lainnya mampu mensimulasikan hasil dan menghasilkan banyak uang. Dengan metode penghitungan yang lebih cepat ini, penghitungan yang mungkin memakan waktu berminggu-minggu kini dapat diselesaikan dalam hitungan detik. Milken sendiri dikatakan mengaitkan (atau menyalahkan) pertumbuhan industri ekuitas swasta (PE) dengan VisiCalc dan spreadsheet, karena arus kas versus pembayaran utang dapat dengan mudah dipantau dan penghitungan nilai sekarang bersih yang sebelumnya rumit kini diperlukan dalam satu unit. rumus di dalam kotak untuk diselesaikan. Konon Donald Herdrich, seorang eksekutif awal KKR, membeli komputer Apple IIe untuk anak-anaknya pada tahun 1980 dan mendapatkan demo VisiCalc dari toko elektronik, yang menjadi keuntungan penentu bagi perkembangan KKR di masa depan. Pada akhirnya, semuanya menjadi alokasi minimum, dan setiap perusahaan ekuitas swasta menggunakan alat analisis dan pemikiran analitis yang sama untuk menemukan perusahaan yang dapat ditingkatkan atau diperbaiki. Ekuitas swasta kini menjadi industri yang sangat besar—berkembang dari awal yang sederhana berupa spreadsheet dan obligasi sampah hingga aset senilai hampir $5 triliun.
AI generatif kemungkinan besar akan mengarah pada pendekatan yang lebih mendalam terhadap transformasi perusahaan. Kita akan melihat bahwa bukan rekayasa keuangan atau teknik manajemen optimal yang didorong oleh ekuitas swasta, melainkan AI yang dapat memangkas biaya dan membuat perusahaan yang ada menjadi lebih menguntungkan sekaligus memungkinkan munculnya model bisnis baru.
1**, sedikit (bit) dan atom (atom)**
Penting untuk disadari bahwa meskipun AI generatif dapat memberikan dampak besar pada “bit” – karena AI generatif dapat dengan mudah “memanipulasi” bit tersebut – kita mungkin tidak akan berada dalam bisnis “atom” dalam waktu dekat.
Lockheed Martin** memproduksi jet tempur F-35**** melalui perakitan tingkat atom, dengan margin laba kotor 13%; Salesforce merakitnya melalui bit ****Membuat perangkat lunak dengan margin kotor 74%**.
Oleh karena itu, dampak bisnis AI bergantung pada jenis operasi perusahaan—tidak hanya pada apakah perusahaan tersebut merupakan bisnis “bit” atau “atom”, namun juga pada seberapa besar biaya operasional perusahaan yang didorong oleh operator bit. Bisnis apa yang menulis? sedikit. Penggalian? atom. menganalisa? sedikit. Pengiriman? atom. Pemasaran jarak jauh? sedikit. Ada banyak perusahaan "non-teknologi" yang memanipulasi hal-hal kecil; misalnya, hampir setiap perusahaan jasa keuangan bersifat "non-atomik" dalam hal apa yang akhirnya mereka jual. Polis hipotek, pinjaman, atau asuransi Anda ditandatangani/dijamin dengan menerima, memanipulasi, dan mengirim bit bolak-balik. Sebelumnya, AI berguna dalam pengambilan keputusan produk, bukan dalam pengambilan keputusan eksternal dengan pelanggan, atau dalam persetujuan internal bolak-balik.
Dengan ikhtisar ini, mungkin akan sangat membantu jika kita mempertimbangkan tiga peluang berikut: hal yang diketahui, hal yang tidak diketahui, dan hal yang tidak diketahui.
2. Diketahui diketahui
Dikenal Dikenal berarti perusahaan/produk/ide yang sudah ada dengan kebutuhan pelanggan yang jelas. Bisakah hal ini mengurangi biaya, meningkatkan dukungan pelanggan, meningkatkan NPS, dan membuka peluang penjualan baru? Seiring kemajuan teknologi, jawabannya jelas ya. United Airlines tidak bisa begitu saja merekrut dan melatih 10.000 perwakilan pusat panggilan baru dalam 12 jam saat terjadi cuaca buruk, namun komputasi dinamis dapat memecahkan masalah tersebut. Jadi, bagaimana dengan kasus sudut yang rumit? Delta memiliki kebijakan duka yang memperbolehkan tiket didiskon, namun mengharuskan pelanggan untuk berbicara dengan perwakilan pusat panggilan, dalam upaya mencegah penyalahgunaan. Untuk masalah yang tidak dapat diselesaikan oleh personel garis depan, Apple terkadang akan meneruskan masalah tersebut ke teknisi "sekunder", namun biasanya memerlukan waktu beberapa jam atau hari. Verifikasi, validasi, kasus-kasus kecil yang jarang diketahui, otomatisasi tugas-tugas yang membosankan—semua ini dapat dilakukan oleh AI.
Dalam kategori “diketahui diketahui”, sebenarnya ada tiga jenis peluang investasi:
Jual perangkat lunak ke bisnis yang sudah ada.
Gunakan AI generatif sebagai daya saing inti untuk bersaing dengan perusahaan yang sudah ada.
Mengakuisisi bisnis yang ada dan mentransformasikannya dengan AI - KKR "AI generatif" akan melakukan hal tersebut.
Pertimbangkan Rocket Mortgage, yang memiliki beberapa ribu pialang hipotek dan akan memiliki pendapatan bersih sebesar $5,8 miliar pada tahun 2022 dan hampir $2,8 miliar dalam "gaji, komisi, dan tunjangan anggota tim".
Seseorang mungkin memulai sebuah perusahaan atau membangun produk yang mengambil lebih banyak pekerjaan dari tenaga kerja Rocket yang ada, atau menggantikan lebih banyak karyawan dengan perangkat lunak. Jelas bahwa Rocket kemungkinan akan membayar mahal untuk hal ini, begitu pula perusahaan lain yang bersaing dengan Rocket.
Atau seseorang mungkin memulai sebuah perusahaan baru yang melakukan pinjaman hipotek dan pembiayaan kembali, dengan sedikit atau tanpa campur tangan manusia.
Terakhir, jika margin EBITDA rata-rata (sebelum bunga, pajak, depresiasi, dan amortisasi) sebesar 40% pada tahun 2019-2022 dapat ditingkatkan menjadi 60% atau lebih tinggi melalui AI generatif, seseorang bahkan dapat mengakuisisi Rocket Mortgage - nilai pasar saat ini adalah 20 miliar Dolar .
Tentu saja, Rocket Mortgage mungkin telah memikirkan secara mendalam semua masalah ini secara internal. Saat ini, **hampir setiap perusahaan Fortune 500 menaruh perhatian pada strategi AI. **Hal ini berbeda dengan peralihan platform seluler, komputasi awan, atau internet asli (yang lambat diadaptasi oleh sebagian besar perusahaan). “BlackBerry saya berfungsi dengan baik” atau “Perangkat lunak yang dihosting tidak dapat dipercaya” atau “Pelanggan tidak akan membeli di Internet” adalah kebenaran dari para CEO generasi sebelumnya yang telah memungkinkan bintang-bintang baru yang cakap untuk menggantikan para petahana. Namun saat ini, yang saya lihat adalah setiap dewan direksi Fortune 500 memperhatikan AI.
3. Diketahui tidak diketahui
Hal-hal yang diketahui dan tidak diketahui diilustrasikan dengan baik dengan diagram penawaran/permintaan ekonomi sederhana. Beberapa produk memiliki banyak pasokan pada titik harga yang sangat tinggi dan banyak permintaan pada titik harga yang sangat rendah...tetapi tidak ada titik temu. Kurva penawaran dan permintaan tidak berpotongan sama sekali.
Pasar untuk gambar dan karya seni khusus di Upwork dan Fiverr sangat luas, tetapi Midjourney** tampaknya menghasilkan lebih banyak uang daripada gabungan bisnis gambar kedua perusahaan. Mengapa? Karena $20****$/bulan membuka banyak permintaan, dan $500$/**gambar tidak ada sama sekali. Namun, ini tidak selalu soal biaya, ini juga soal kecepatan. Dibutuhkan waktu kurang dari 30 detik untuk menghasilkan gambar tengah perjalanan, sehingga memenuhi persyaratan yang hampir mustahil bagi seniman manusia yang kecepatannya menjadi penghambat—berapapun biayanya.
LVMH mungkin menghabiskan puluhan juta dolar setiap tahunnya untuk memerangi pemalsuan, mengirimkan surat penghentian dan penghentian, bekerja sama dengan penegak hukum, dan lain-lain. Berapa banyak usaha kecil peniru yang menginginkan layanan yang sama persis? Jawabannya adalah semuanya! Berapa banyak orang yang dapat menghabiskan $50 juta setahun? Jawabannya adalah tidak ada. Jadi, berapa banyak orang yang bersedia mengeluarkan $1.000 setahun? Mungkin semuanya?
4. Tidak diketahui tidak diketahui (Tidak diketahui tidak diketahui)
Menurut definisinya, hal-hal yang tidak diketahui tidak dapat dimodelkan. Tidak ada model mental untuk mendeteksinya, kecuali: begitu terjadi, maka akan terlihat jelas. Akankah muncul perilaku-perilaku baru yang tidak pernah terpikirkan oleh siapa pun? Namun begitu perilaku ini terjadi, perilaku ini mudah diamati. Dengan bimbingan belajar AI yang dipersonalisasi, siswa tidak perlu pergi ke sekolah? Dengan mitra AI, lebih sedikit orang yang akan menikah?
Tidak ada yang meragukan bahwa AI akan mengubah dunia - dalam kasus ekstrim, kecerdasan buatan mungkin lebih penting bagi umat manusia dibandingkan roda, api, dan listrik. Namun dalam hal dampak ekonomi, perubahan-perubahan tersebut kemungkinan besar akan dipimpin oleh para petahana, dan sebuah era baru akan terjadi ketika para perampok korporasi diarahkan pada hal-hal yang “diketahui dan diketahui,” dan sejumlah besar perampok korporasi yang diarahkan pada hal-hal yang “diketahui dan diketahui”. -up dari yang tidak diketahui” dan “yang tidak diketahui yang tidak diketahui”. Orang Barbar (BarbAIrians) ada di depan pintu.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Orang Barbar di Gerbang: Peluang Finansial dalam AI
Penulis: Alex Rampell, mitra a16z Fund; Terjemahan: Golden Finance xiaozou
“Gelombang” pembelian dengan leverage pada tahun 1980-an disebabkan oleh suatu bentuk rekayasa keuangan: obligasi sampah. Pembelian dengan leverage dipopulerkan oleh Michael Milken dari Drexel Burnham Lambert (Drexel Securities).Bentuk akuisisinya tidak terlalu rumit: menerbitkan obligasi dengan suku bunga yang sangat tinggi dan risiko yang tinggi, dan kemudian menggunakan dana tersebut untuk mengakuisisi perusahaan manajemen skala besar. Perusahaan yang buruk, tidak efisien, dan kaku.
Di bawah tirai yang sama, revolusi teknologi yang luas sedang terjadi - spreadsheet. Dirilis pada tahun 1979, VisiCalc adalah "aplikasi mematikan" pertama di bidang keuangan (di Apple IIe) dan salah satu alasan KKR dan perusahaan awal lainnya mampu mensimulasikan hasil dan menghasilkan banyak uang. Dengan metode penghitungan yang lebih cepat ini, penghitungan yang mungkin memakan waktu berminggu-minggu kini dapat diselesaikan dalam hitungan detik. Milken sendiri dikatakan mengaitkan (atau menyalahkan) pertumbuhan industri ekuitas swasta (PE) dengan VisiCalc dan spreadsheet, karena arus kas versus pembayaran utang dapat dengan mudah dipantau dan penghitungan nilai sekarang bersih yang sebelumnya rumit kini diperlukan dalam satu unit. rumus di dalam kotak untuk diselesaikan. Konon Donald Herdrich, seorang eksekutif awal KKR, membeli komputer Apple IIe untuk anak-anaknya pada tahun 1980 dan mendapatkan demo VisiCalc dari toko elektronik, yang menjadi keuntungan penentu bagi perkembangan KKR di masa depan. Pada akhirnya, semuanya menjadi alokasi minimum, dan setiap perusahaan ekuitas swasta menggunakan alat analisis dan pemikiran analitis yang sama untuk menemukan perusahaan yang dapat ditingkatkan atau diperbaiki. Ekuitas swasta kini menjadi industri yang sangat besar—berkembang dari awal yang sederhana berupa spreadsheet dan obligasi sampah hingga aset senilai hampir $5 triliun.
AI generatif kemungkinan besar akan mengarah pada pendekatan yang lebih mendalam terhadap transformasi perusahaan. Kita akan melihat bahwa bukan rekayasa keuangan atau teknik manajemen optimal yang didorong oleh ekuitas swasta, melainkan AI yang dapat memangkas biaya dan membuat perusahaan yang ada menjadi lebih menguntungkan sekaligus memungkinkan munculnya model bisnis baru.
1**, sedikit (bit) dan atom (atom)**
Penting untuk disadari bahwa meskipun AI generatif dapat memberikan dampak besar pada “bit” – karena AI generatif dapat dengan mudah “memanipulasi” bit tersebut – kita mungkin tidak akan berada dalam bisnis “atom” dalam waktu dekat.
Lockheed Martin** memproduksi jet tempur F-35**** melalui perakitan tingkat atom, dengan margin laba kotor 13%; Salesforce merakitnya melalui bit ****Membuat perangkat lunak dengan margin kotor 74%**.
Oleh karena itu, dampak bisnis AI bergantung pada jenis operasi perusahaan—tidak hanya pada apakah perusahaan tersebut merupakan bisnis “bit” atau “atom”, namun juga pada seberapa besar biaya operasional perusahaan yang didorong oleh operator bit. Bisnis apa yang menulis? sedikit. Penggalian? atom. menganalisa? sedikit. Pengiriman? atom. Pemasaran jarak jauh? sedikit. Ada banyak perusahaan "non-teknologi" yang memanipulasi hal-hal kecil; misalnya, hampir setiap perusahaan jasa keuangan bersifat "non-atomik" dalam hal apa yang akhirnya mereka jual. Polis hipotek, pinjaman, atau asuransi Anda ditandatangani/dijamin dengan menerima, memanipulasi, dan mengirim bit bolak-balik. Sebelumnya, AI berguna dalam pengambilan keputusan produk, bukan dalam pengambilan keputusan eksternal dengan pelanggan, atau dalam persetujuan internal bolak-balik.
Dengan ikhtisar ini, mungkin akan sangat membantu jika kita mempertimbangkan tiga peluang berikut: hal yang diketahui, hal yang tidak diketahui, dan hal yang tidak diketahui.
2. Diketahui diketahui
Dikenal Dikenal berarti perusahaan/produk/ide yang sudah ada dengan kebutuhan pelanggan yang jelas. Bisakah hal ini mengurangi biaya, meningkatkan dukungan pelanggan, meningkatkan NPS, dan membuka peluang penjualan baru? Seiring kemajuan teknologi, jawabannya jelas ya. United Airlines tidak bisa begitu saja merekrut dan melatih 10.000 perwakilan pusat panggilan baru dalam 12 jam saat terjadi cuaca buruk, namun komputasi dinamis dapat memecahkan masalah tersebut. Jadi, bagaimana dengan kasus sudut yang rumit? Delta memiliki kebijakan duka yang memperbolehkan tiket didiskon, namun mengharuskan pelanggan untuk berbicara dengan perwakilan pusat panggilan, dalam upaya mencegah penyalahgunaan. Untuk masalah yang tidak dapat diselesaikan oleh personel garis depan, Apple terkadang akan meneruskan masalah tersebut ke teknisi "sekunder", namun biasanya memerlukan waktu beberapa jam atau hari. Verifikasi, validasi, kasus-kasus kecil yang jarang diketahui, otomatisasi tugas-tugas yang membosankan—semua ini dapat dilakukan oleh AI.
Dalam kategori “diketahui diketahui”, sebenarnya ada tiga jenis peluang investasi:
Pertimbangkan Rocket Mortgage, yang memiliki beberapa ribu pialang hipotek dan akan memiliki pendapatan bersih sebesar $5,8 miliar pada tahun 2022 dan hampir $2,8 miliar dalam "gaji, komisi, dan tunjangan anggota tim".
Seseorang mungkin memulai sebuah perusahaan atau membangun produk yang mengambil lebih banyak pekerjaan dari tenaga kerja Rocket yang ada, atau menggantikan lebih banyak karyawan dengan perangkat lunak. Jelas bahwa Rocket kemungkinan akan membayar mahal untuk hal ini, begitu pula perusahaan lain yang bersaing dengan Rocket.
Atau seseorang mungkin memulai sebuah perusahaan baru yang melakukan pinjaman hipotek dan pembiayaan kembali, dengan sedikit atau tanpa campur tangan manusia.
Terakhir, jika margin EBITDA rata-rata (sebelum bunga, pajak, depresiasi, dan amortisasi) sebesar 40% pada tahun 2019-2022 dapat ditingkatkan menjadi 60% atau lebih tinggi melalui AI generatif, seseorang bahkan dapat mengakuisisi Rocket Mortgage - nilai pasar saat ini adalah 20 miliar Dolar .
Tentu saja, Rocket Mortgage mungkin telah memikirkan secara mendalam semua masalah ini secara internal. Saat ini, **hampir setiap perusahaan Fortune 500 menaruh perhatian pada strategi AI. **Hal ini berbeda dengan peralihan platform seluler, komputasi awan, atau internet asli (yang lambat diadaptasi oleh sebagian besar perusahaan). “BlackBerry saya berfungsi dengan baik” atau “Perangkat lunak yang dihosting tidak dapat dipercaya” atau “Pelanggan tidak akan membeli di Internet” adalah kebenaran dari para CEO generasi sebelumnya yang telah memungkinkan bintang-bintang baru yang cakap untuk menggantikan para petahana. Namun saat ini, yang saya lihat adalah setiap dewan direksi Fortune 500 memperhatikan AI.
3. Diketahui tidak diketahui
Hal-hal yang diketahui dan tidak diketahui diilustrasikan dengan baik dengan diagram penawaran/permintaan ekonomi sederhana. Beberapa produk memiliki banyak pasokan pada titik harga yang sangat tinggi dan banyak permintaan pada titik harga yang sangat rendah...tetapi tidak ada titik temu. Kurva penawaran dan permintaan tidak berpotongan sama sekali.
Pasar untuk gambar dan karya seni khusus di Upwork dan Fiverr sangat luas, tetapi Midjourney** tampaknya menghasilkan lebih banyak uang daripada gabungan bisnis gambar kedua perusahaan. Mengapa? Karena $20****$/bulan membuka banyak permintaan, dan $500$/**gambar tidak ada sama sekali. Namun, ini tidak selalu soal biaya, ini juga soal kecepatan. Dibutuhkan waktu kurang dari 30 detik untuk menghasilkan gambar tengah perjalanan, sehingga memenuhi persyaratan yang hampir mustahil bagi seniman manusia yang kecepatannya menjadi penghambat—berapapun biayanya.
LVMH mungkin menghabiskan puluhan juta dolar setiap tahunnya untuk memerangi pemalsuan, mengirimkan surat penghentian dan penghentian, bekerja sama dengan penegak hukum, dan lain-lain. Berapa banyak usaha kecil peniru yang menginginkan layanan yang sama persis? Jawabannya adalah semuanya! Berapa banyak orang yang dapat menghabiskan $50 juta setahun? Jawabannya adalah tidak ada. Jadi, berapa banyak orang yang bersedia mengeluarkan $1.000 setahun? Mungkin semuanya?
4. Tidak diketahui tidak diketahui (Tidak diketahui tidak diketahui)
Menurut definisinya, hal-hal yang tidak diketahui tidak dapat dimodelkan. Tidak ada model mental untuk mendeteksinya, kecuali: begitu terjadi, maka akan terlihat jelas. Akankah muncul perilaku-perilaku baru yang tidak pernah terpikirkan oleh siapa pun? Namun begitu perilaku ini terjadi, perilaku ini mudah diamati. Dengan bimbingan belajar AI yang dipersonalisasi, siswa tidak perlu pergi ke sekolah? Dengan mitra AI, lebih sedikit orang yang akan menikah?
Tidak ada yang meragukan bahwa AI akan mengubah dunia - dalam kasus ekstrim, kecerdasan buatan mungkin lebih penting bagi umat manusia dibandingkan roda, api, dan listrik. Namun dalam hal dampak ekonomi, perubahan-perubahan tersebut kemungkinan besar akan dipimpin oleh para petahana, dan sebuah era baru akan terjadi ketika para perampok korporasi diarahkan pada hal-hal yang “diketahui dan diketahui,” dan sejumlah besar perampok korporasi yang diarahkan pada hal-hal yang “diketahui dan diketahui”. -up dari yang tidak diketahui” dan “yang tidak diketahui yang tidak diketahui”. Orang Barbar (BarbAIrians) ada di depan pintu.