Hoe GenAI de fusie- en overnamemarkt transformeert

AI verandert de fusie- en overnamemarkt door nieuwe inzichten te bieden en meer waarde te creëren. Vertrouwen blijft echter het sleutelwoord.

In de wereld van fusies en overnames worden traditionele methoden steeds vaker vervangen door geavanceerde technologieën zoals artificial intelligence (AI) en data-analyse. Deze disruptieve krachten bieden niet alleen nieuwe mogelijkheden, maar veranderen ook fundamenteel hoe investeringsbeslissingen worden geanalyseerd en geëvalueerd.

Artificial super intelligence

In de context van fusies en overnames (M&A) ondersteun ik klanten bij het gebruik van data-analyse met behulp van AI. Dit kan variëren van het opzetten van een joint venture tot het kopen of verkopen van een bedrijf. Momenteel ben ik bezig met het implementeren van data- en AI-oplossingen om onze klanten te ondersteunen bij deze processen.

AI heeft een tweeledige invloed op de fusie- en overnamemarkt. Enerzijds zien we bedrijven die hun capaciteiten willen uitbreiden door AI-vaardigheden te verwerven, hoewel dit nog niet veel voorkomt. Aan de andere kant hebben grote tech-bedrijven miljarden geïnvesteerd in het ontwikkelen van AI-modellen, maar zijn er weinig overnames geweest op dit gebied. Intern zien we echter veel veranderingen, vooral in de manier waarop we transactieonderzoeken uitvoeren. Door AI kunnen we veel meer data analyseren en risico's beter in kaart brengen, evenals synergieën en kostenvoordelen. Hoewel AI nog in de beginfase zit, zien we steeds meer toepassingen, vooral op het gebied van Generatieve AI (GenAI) voor het analyseren van grotere datasets en het standaardiseren van processen. We verwachten dat de AI-golf zich zal uitbreiden naar bredere toepassingen, gedreven door artificial general intelligence en artificial super intelligence. Professionals moeten weerstand en angst overwinnen door middel van verandermanagement en investeren in technische vaardigheden om AI effectief toe te passen.

Investeren in technische vaardigheden

De toekomst ligt vooral in het ontwikkelen van modellen die diepgaande interpretaties kunnen maken en verbanden kunnen leggen zoals mensen dat doen. Op dit moment voorspellen modellen voornamelijk op basis van statistische gegevens, maar ze zijn nog niet in staat om op het niveau van artificial general intelligence te denken. Wanneer we dat niveau bereiken, kunnen we modellen trainen om als mensen te denken en kunnen we echt grote sprongen maken. Maar daar zijn we nog niet.

Betreft de toepassing van data-analyse en AI om waarden te bepalen en risico's te identificeren, zien we dat binnen bedrijven data wordt gegenereerd vanuit verschillende operationele functies. Deze gegevens, zoals verkooptransacties, klantdata of productiegegevens, bieden inzicht in de ontwikkeling en trends van een onderneming. Big data en Internet Of Things zullen tot een explosie van data leiden die bruikbaar is voor onze onderzoeken. Op een diepgaand niveau begrijpen en analyseren van deze gegevens is echter een uitdaging voor menselijke capaciteiten. Met behulp van data-analyse technieken, statistieken en AI kunnen we echter veel beter inzicht krijgen in deze gegevens en ze op een dieper niveau analyseren. Dit stelt ons in staat om de hypotheses van klanten te testen en managementteams te valideren.

De impact van AI op M&A

De rol van AI bij het verbeteren en bieden van diepere inzichten in M&A is aanzienlijk. Een belangrijk aspect is het verkrijgen van een competitief voordeel bij het bieden op een onderneming. Met meer data en inzichten kunnen kopers een beter onderbouwde bieding doen, wat een voordeel kan zijn. Echter, te veel interpretatie van risico's kan ook tot nadelen leiden. Daarom zien we steeds vaker dat voor verkopende partijen de data en databronnen worden ontsloten, om een gelijk speelveld te creëren voor alle potentiële bieders. Dit zorgt voor een efficiënter proces en stelt bieders in staat om een sterkere 'equity story' te vertellen, waarbij data een cruciale rol speelt.

Bij het identificeren en optimaliseren van groeikansen voor klanten spelen data en specialisten een cruciale rol. Onze betrokkenheid begint vaak bij een transactie, maar het echte werk begint pas na de overname. We hebben speciale teams die helpen bij het bepalen van de waardedrijvers en het uitvoeren van waardecreatie-initiatieven, zoals het herstructureren van financiële functies of het integreren van salesfuncties. Dankzij AI hebben we nu toegang tot meer gegevens en kunnen we veel eerder kijken waar de waarde zit en hoe we die kunnen realiseren. Hierdoor kunnen wij onze adviserende rol intensiever en gedurende een langere periode vervullen, wat van grote waarde is voor onze klanten.

Menselijke betrokkenheid

Ons team combineert menselijk oordeel en expertise met geavanceerde statistische analyses om de waarde voor onze cliënten te ontsluiten. Dit is een complex proces waarbij we moeten erkennen dat AI geen perfecte oplossing is, maar gemiddeld genomen beter en sneller werkt dan menselijke inspanningen. Menselijke betrokkenheid blijft echter essentieel om de resultaten van AI te begrijpen en te interpreteren. Onze teams beschikken over zowel ervaring als technische mogelijkheden om het vertrouwen in AI te borgen en de toegevoegde waarde van ons werk te waarborgen, zoals we altijd hebben gedaan in onze 140-jarige geschiedenis als firma.

Weerstand

De belangrijkste uitdaging die we tegenkomen bij het implementeren van AI is weerstand. Verandermanagement speelt hierbij een cruciale rol, zowel intern bij EY als bij onze klanten. Mensen hebben vaak angst dat AI hun baan zal vervangen, en het kost tijd en aandacht om die weerstand te overwinnen. We moeten uitleggen wat AI is, wat het doet en vooral wat de voordelen ervan zijn. Hoewel sommige banen kunnen verdwijnen, ontstaan er ook nieuwe banen of wordt het werk op een andere manier ingevuld, vaak op een leukere en uitdagendere manier. Mijn advies aan professionals die AI effectief willen toepassen, is om niet bang te zijn maar het te omarmen.

Recente ontwikkelingen, zoals GenAI, hebben een grote impact op ons vakgebied. We zijn bezig met het ontwikkelen van onze eigen backend-software die de vertaalslag kan maken van generieke AI naar specifieke toepassingen op het gebied van transacties en advies. We werken hierbij voornamelijk samen met Microsoft. Een belangrijk aspect is het stellen van de juiste vragen en daarom hebben we prompt engineers aangenomen die de vertaling maken tussen de business en de techniek. Dit stelt ons in staat om hypotheses sneller en dieper te testen en waardecreatie te realiseren. Hoewel we weten wat we moeten doen en hoe we het moeten doen, zijn we nog bezig met de technologische implementatie ervan, met aandacht voor efficiëntie om overmatig datagebruik en energieverbruik te voorkomen. Energieverbruik is namelijk een belangrijk aandachtspunt, daar zijn we ons daar zeer bewust van. Een ander aandachtspunt zijn de zorgen over beveiliging en privacy. Dit is een van de redenen waarom we nog niet op grote schaal AI-toepassingen hebben uitgerold. We moeten absoluut zeker zijn van de veiligheid en het vertrouwen van onze klanten. Aan de achterkant van ons werk, zoals bij het schrijven van teksten, maken we wel al gebruik van AI om processen te versnellen. Bijvoorbeeld bij het samenvatten van contracten in contractendatabases. Dit zijn gebieden waar we AI al succesvol hebben toegepast. We blijven echter werken aan de ontwikkeling van onze modellen en het implementeren van AI in bredere toepassingen.

Betere inzichten

Het is belangrijk dat klanten begrijpen dat ondanks de efficiëntieverbeteringen, we ook meer kunnen doen en dat daar een prijskaartje aan hangt. EY investeert ongeveer 1,4 miljard in de ontwikkeling van AI en AI-toepassingen, en deze investeringen moeten natuurlijk rendabel zijn. Hoewel het efficiënter wordt, doen we ook meer dan voorheen. We maken nu gebruik van meerdere informatie- en databronnen, niet alleen financiële, maar ook operationele en commerciële salesdata. Door deze gegevens sneller met elkaar te verbinden, kunnen we tot veel betere inzichten komen. De output van onze dienstverlening is daardoor compleet anders geworden en kan het niet meer worden vergeleken met traditionele methoden. Het doel blijft echter hetzelfde: het adviseren en vertrouwen bieden bij transacties.