Proofreader: Lele Cao, Alex Carusillio & Obrolan GPT

EQT meluncurkan Motherbrain pada tahun 2016, terutama berfokus untuk mendukung dana Venture dalam menemukan unicorn teknologi berikutnya. Hari ini, Motherbrain digunakan di seluruh bisnis, menggerakkan segalanya mulai dari investasi tahap awal hingga pembelian multi-miliar dolar.

Salah satu layanan utama Motherbrain adalah mendukung akuisisi tambahan, di mana EQT mendukung perusahaan portofolionya dalam mengakuisisi perusahaan yang lebih kecil, biasanya perusahaan yang menawarkan produk atau layanan pelengkap. Dalam beberapa bulan terakhir kami telah memperkenalkan model Generative Pre-trained Transformer (GPT), mirip dengan Chat GPT , untuk mempercepat proses sumber M&A dengan memungkinkan portofolio kami memindai ratusan ribu perusahaan. Dalam artikel ini, kita akan melihat kembali evolusi sumber M&A Motherbrain dan berbagi beberapa pembelajaran dari perjalanan tersebut.

Spaces: Aplikasi kencan M&A

Upaya pertama Motherbrain untuk mendukung sumber M&A adalah dengan memperkenalkan produk yang disebut Spaces, di mana para profesional investasi memulai dengan mengirimkan deskripsi perusahaan target.

Tujuan dengan Spaces adalah untuk melatih kecerdasan buatan. Ini berfungsi seperti aplikasi kencan populer Tinder. Perusahaan akan muncul dan profesional investasi akan menggesek ke kiri atau ke kanan tergantung pada kepentingan perusahaan. Di belakang layar, platform menggunakan pembelajaran mesin untuk mengidentifikasi perusahaan serupa berdasarkan deskripsi dan umpan balik pengguna. Setelah AI mengumpulkan cukup gesekan, itu menghasilkan daftar akhir target akuisisi potensial untuk ditinjau manusia. Daftar terakhir adalah interpretasi AI tentang apa yang relevan berdasarkan penguatan yang diterimanya. Itu bisa mengambil tren yang mendasari dalam teks, seperti teknologi serupa, frasa, atau kesamaan lainnya, memungkinkannya menemukan sudut baru untuk menghubungkan titik-titik antara perusahaan yang kurang alami untuk diturunkan manusia.

Meskipun pendekatan ini mungkin terdengar cerdas, tim tersebut kemudian menyadari bahwa ini adalah contoh utama para insinyur yang menyematkan teknologi ke dalam produk tanpa sepenuhnya mempertimbangkan kebutuhan pengguna akhir. Profesional investasi membutuhkan kontrol dan kemampuan untuk mengaudit data sebelum mempercayai solusi.

Kami mengalami masalah dengan Spaces ketika perusahaan yang diharapkan oleh para profesional investasi tidak muncul dalam daftar, yang membuat kami kehilangan kepercayaan.

Solusi kami membutuhkan lebih banyak penjelasan, memungkinkan pengguna untuk menilai data yang mendasarinya dan membangun keyakinan. Kedua, pengguna kami meminta lebih banyak kontrol. Profesional investasi sering kali memiliki persyaratan penilaian, wilayah, atau pendapatan khusus yang membuat sesuatu menjadi “target yang tepat”. Faktor-faktor ini bukan bagian dari masukan pengguna ke Spaces AI.

Laboratorium Otak Induk

Setelah pembuatan Spaces, kami belajar bahwa kami perlu berinvestasi dalam tim yang dapat bekerja sama dengan kesepakatan khusus untuk mempelajari dan menyesuaikan pendekatan kami sambil memberikan lebih banyak nilai per kasus, beralih dari otonomi ke analisis pesanan. Ini menjadi Motherbrain Labs, tim ahli teknologi berpengalaman yang berkolaborasi dengan profesional investasi dan unit digital EQT untuk mengembangkan solusi berbasis perangkat lunak yang mengatasi tantangan bisnis bernuansa, yang tidak dapat diatasi dengan cara konvensional. Mengidentifikasi target akuisisi potensial telah menjadi area keunggulan kompetitif tertentu bagi tim.

Lab berevolusi dari menggunakan Spaces ke pendekatan yang lebih praktis yang disebut Ekspansi Daftar. Ekspansi Daftar adalah solusi serbaguna yang bekerja dengan menganalisis kumpulan perusahaan yang menarik dan karakteristik utama mereka. Anda memilih kriteria yang paling penting bagi Anda dan ini akan mengidentifikasi perusahaan serupa dari kumpulan data kami yang luas.

Gambar di atas mengilustrasikan proses ini dalam tindakan. Dari kiri menunjukkan sumber data yang kami gunakan untuk menemukan perusahaan sejenis. Pengguna kemudian mengontrol dan memfilter perusahaan berdasarkan persyaratan khusus mereka, seperti wilayah, FTE, penilaian, dan lainnya (terlihat saat Sanky mengalir ke kanan pada gambar). Semua perusahaan yang difilter disimpan secara terpisah, sehingga Anda dapat memeriksanya nanti untuk ketertelusuran dan kontrol. Terakhir, garis oranye pada gambar menunjukkan daftar perusahaan yang memenuhi semua kriteria Anda dan memerlukan tinjauan manual. Seperti daftar terakhir Space, garis oranye menyajikan firmografi perusahaan yang relevan tetapi sekarang sepenuhnya mencerminkan masukan pengguna dan tidak lagi diproduksi oleh AI.

Alur kerja ini memungkinkan para profesional investasi untuk memahami di mana perusahaan disaring dan berapa banyak yang tersisa sebagai target yang relevan, kemudian mereka dapat menguji ulang hasil untuk kontrol kualitas. Itu mendapatkan kepercayaan yang kami cari, tetapi kecepatan iterasinya masih lambat.

Dua faktor utama menghambat proses iterasi. Pertama, diperlukan tinjauan manual yang ekstensif terhadap perusahaan, beberapa di antaranya hanya selaras sebagian dengan bisnis yang diinginkan. Kedua, setelah pemeriksaan manual, daftar tersebut didiskusikan dengan perusahaan portofolio, di mana perspektif yang berbeda tentang kebutuhan spesifik di lapangan seringkali memerlukan putaran iterasi lebih lanjut untuk sampai pada daftar yang memuaskan.

Asisten Bertenaga GPT

Rilis dan komoditisasi Chat GPT OpenAI telah membawa kekuatan pembelajaran mesin ke audiens yang lebih luas. Salah satu aspek yang sangat menarik adalah kemampuan untuk membuat model GPT-3 yang disesuaikan di atas mesin OpenAI, yang dapat disesuaikan untuk unggul dalam domain tertentu — dalam kasus kami, M&A.

Pada Januari 2023, kami menerapkan solusi baru menggunakan mesin OpenAI. Ini memungkinkan pengguna untuk mendeskripsikan berbagai bisnis yang diminati, lalu kami mengekstrak semua perusahaan yang cocok dengan kriteria dan membiarkan model GPT yang dipesan lebih dahulu menganalisis kumpulan data. Pengguna dapat secara manual meninjau koleksi perusahaan yang luas atau menggunakan model GPT kami untuk mempercepat proses dengan mengajukan pertanyaan model tentang bisnis di set. Mirip dengan Chat GPT, Anda dapat mengajukan pertanyaan seperti "berikan saya perusahaan yang menggunakan visi komputer dan pembelajaran mesin untuk melacak X di industri Y". Bot akan menjawab dengan menyediakan perusahaan yang sesuai dengan kueri. Karena model disetel untuk memahami kumpulan perusahaan yang disediakan daripada keseluruhan korpus web, ini memungkinkan kinerja yang lebih terspesialisasi yang menghasilkan lompatan di depan Chat GTP.

Sejauh ini, solusi ini aktif untuk salah satu perusahaan portofolio kami, yang sangat efektif. Mereka telah menemukan dan menjangkau beberapa target baru dan menggunakan platform perangkat lunak kami sebagai cara utama mereka bekerja dengan M&A. Pertemuan kami telah bergeser dari memahami kebutuhan add-on menjadi membahas bisnis yang telah mereka temukan dan kemampuan untuk ditindaklanjuti.

Pemisahan pikiran

Meskipun kami berhasil menciptakan solusi yang berharga untuk salah satu perusahaan portofolio kami menggunakan model GPT, kami memahami bahwa tidak semua situasi dapat didekati dengan cara yang sama. Sementara beberapa orang mungkin fokus pada potensi teknologi ini untuk sumber M&A, niat kami dengan teks ini adalah untuk menunjukkan nilai teknik yang bekerja sama dengan profesional investasi dan perusahaan portofolio. Kolaborasi erat ini memungkinkan seseorang membangun infrastruktur yang fleksibel, adaptif, dan dapat dengan cepat merespons perubahan kebutuhan bisnis; dalam kasus khusus ini, menggunakan OpenAI sebagai bagian dari pengiriman.