Prathik Naidu：通过收购在服务业部署 AI

我是 Long Lake 的创始合伙人 Prathik Naidu。今天我想解释为什么收购企业可以成为把 AI 部署到现实世界的一种方式。先看一个熟悉的场景：你为狭窄场景做出了有效的智能体，现在需要一家企业真正使用它。

进入生产环境可能涉及安全审查、内部协调，以及与已有二十年历史的系统集成。之后还要推动采用：修改界面、培训用户、吸收反馈。推动使用到底是谁的责任，是供应商还是客户？

接下来是商业问题：按 token、席位还是两者结合收费？如何面对客户的价格敏感度并衡量投资回报？更大的问题是，初创公司怎样获得自己创造的一部分价值？

这些障碍反映了从组织外部建设产品的难处。模型在进步，但部署依赖的不只是模型智能：企业是由关系、决策和长期经验构成的复杂系统。

组织图可能只显示所有者、经理和团队，但真实决策嵌在经验丰富的人组成的网络中，他们与销售和运营等部门互动。外部供应商必须理解并融入这个网络。

业务系统、文档和旧邮件很有价值，却无法讲述全部。复杂企业的运转往往依赖判断、例外、边缘案例，以及随时向专家提出的问题。要和实际工作的人一起理解什么才算做好。

即使供应商交付了端到端价值，要获得相应回报也不容易。假设合同每年价值 100 万美元：随着模型进步、替代方案变便宜，续约和定价都存在不确定性。

假设这项服务每年给客户增加 500 万美元 EBITDA，以示例性的十倍估值计算，相当于增加 5000 万美元企业价值。这只是一个假设性的算术例子，并非收益承诺：供应商完成部署工作，大量影响却体现在客户的业务中。

另一种可行策略是从头建立以 AI 为核心的企业。你可以改进整个工作流，销售完整服务而非单一工具，并承担和获得成果。但这种方式也有自己的挑战。

新公司起初没有客户，也没有既有声誉；专业人才可能很难招聘。例如医院规划手术楼时，可能更愿意选择合作了二十年的事务所，而非新的 AI 建筑初创公司。优秀企业花了几十年赢得客户信任并建立团队。

我们的另一种方式是通过收购与现有企业紧密合作。所有权让工程团队能够接触实际工作的人和拥有几十年经验的资深员工，从而为更广泛的运营设计方案，而不是只解决一个孤立任务。

企业本身也是一个真实环境，包含真实任务、边缘案例和判断智能体对错的反馈。这些信号可以帮助改进智能体和模型；获得接触机会仍然需要与工作受到影响的人密切合作。

我认为利益一致也是优势：所有者的成功取决于团队和企业的成功，而不是追求独立的供应商收入目标。这种一致性有助于解决障碍，让部署聚焦共同成果。

成熟企业可以带来客户关系、可信品牌、专业能力和支持进一步投资的现金流。这些都是有价值的起点，但收购本身并不保证信任或变革成功。

我的观点是，接触业务的机会、数据、一致的激励、信任和规模可以相互强化。智能体与人员共同参与运营，从实际工作中获得反馈，随着时间改善成果。

这让我们关注服务经济。软件通常为实际工作的人提供工具，而服务企业负责交付成果。我们认为这种端到端责任蕴含很大的机会。

服务业也面临扩张难题：人工成本往往随收入增长。业主协会的社区经理能管理的协会数量有限，建筑师能设计的医院或学校也有限。客户增加通常意味着需要雇用更多人。

我用一个简化比较：软件企业每增加 100 美元收入可能留下约 80 美元，而服务企业扣除交付和管理费用后可能留下约 20 美元。这些只是示例，实际利润率因企业而异。

我们的假设是 AI 可以提高经营杠杆并改善服务质量，同时专业人员仍不可或缺。这两种好处能否实现取决于实施情况；每家企业都需要验证采用率、成本和质量。

Long Lake 将自己定位为应用 AI 控股公司，通过收购并与服务企业合作来转型运营、推动增长并改善客户体验。演讲时我表示，公司已筹集 75 亿美元，并与约 40 家企业建立合作。

我还提到我们宣布的涉及 Amex GBT 的 63 亿美元私有化合作，它将让我们进入企业差旅领域。这是该策略的一个例子，并不意味着交易当时已经完成。

我们寻找关键服务企业：客户信任企业负责端到端成果，人的判断很重要，责任也可能受到监管约束。目标是找到基本面强、同时拥有实际 AI 机会的公司。

区别在于：起草一条消息，还是负责解决紧急漏水；提取文档，还是处理复杂的税务决策；预订航班，还是应对临时行程中断。

这样的公司很少，其团队也必须愿意合作。我描述的是一个宽入口、严筛选的交易漏斗：寻找良好的业务和市场基本面与强 AI 应用机会的交集。

合作开始后，我把转型看作一条 J 曲线。首先要投入平台、技术、工作流梳理和团队时间。与企业共同建设需要反复迭代、验证，有时还要针对特定数据和工作训练模型。

如果工具得到采用，可能释放产能：人们用更少时间产出同样结果。但节省时间还不等于业务成果；下一步是与管理团队一起把释放的产能用起来。

这些产能可以支持增长，或改善客户和员工体验，最终体现在损益表中。这些是目标，并非部署模型后自然发生的结果。

共享平台和部署方法有可能加快后续转型，而不必把每家公司都当作完全孤立的项目。我表示我们在投资组合中看到了这种效果，但每家公司仍需要各自的运营工作。

这项工作需要并购团队建立关系并收购企业，需要工程师花时间与运营团队合作、为整体业务建设，也需要部署和运营专家推动采用。

不要止步于一个节省时间的智能体。要与企业共同努力，把释放的产能转化为可衡量的影响和更好的客户体验。所有权、建设与部署的结合，就是我们希望在服务业探索的机会。