Appliquer des outils d'intelligence artificielle à l'expérience et à l'expertise propriétaires d'un gestionnaire, consignées dans ses données, est une voie claire pour exploiter l'avantage concurrentiel d'une société. Mais comment les sociétés créent-elles la couche de données nécessaire pour générer des analyses, des gains d'efficacité et de la rapidité assistés par l'IA ? Taylor Lowe, PDG et fondateur de Metal et spécialiste de l'IA pour les marchés privés, et Jessica Pizzo, partenaire ressources de l'investisseur mid-market Court Square, examinent ce que les gestionnaires doivent prendre en compte lorsqu'ils décident quelles technologies acheter et lesquelles développer.
Lowe décrit l'infrastructure d'IA en trois couches. La couche de données regroupe toutes les informations de la société sur ses transactions, ses sociétés en portefeuille, sa documentation et ses décisions. La couche d'intelligence comprend des outils d'IA essentiels, comme la recherche et les automatisations par agents, ainsi que des tâches propres au domaine, telles que l'évaluation des transactions, le benchmarking et la reconnaissance de schémas. La troisième couche est une interface accessible à la fois aux humains et aux agents d'IA.
Pour choisir entre acheter et développer, Lowe évoque le délai de création de valeur, les coûts totaux, la portabilité des données, le verrouillage des modèles, les besoins continus en talents et le coût d'opportunité. Beaucoup de sociétés testent encore des outils standards comme ChatGPT et Claude, tandis que d'autres font appel à des consultants pour des développements sur mesure. Lowe insiste sur le fait qu'une preuve de concept diffère fortement d'un système déployé à grande échelle au service de 50 à plus de 100 collaborateurs, et que les sociétés sans fondation de données cohérente se heurteront à des obstacles.
Chez Court Square, Pizzo explique que le développement sur mesure a été écarté en raison de coûts initiaux élevés, de la complexité et du coût de la rétention des talents sur la durée. Après douze mois d'évaluation d'outils, la société a privilégié la flexibilité pour changer de modèles de pointe, ainsi qu'un fournisseur doté d'une expertise en capital-investissement, qui comprenait ses processus et pouvait construire des flux de travail et des agents sans formation approfondie.
Entités clés : Sociétés : Metal, Court Square, PE Hub, ChatGPT, Claude | Personnes : Taylor Lowe, Jessica Pizzo
Source: PE Hub · Résumé par HeadlinesBriefing