Metal on how PE managers can lay the data foundations

Applying artificial intelligence tools to a manager's proprietary experience and expertise captured in its data is a clear route to leveraging a firm's edge. But how do firms create the data layer required to generate AI-assisted insights, efficiencies and speed? Taylor Lowe, CEO and founder of Metal and a private markets AI specialist, and Jessica Pizzo, resource partner at mid-market investor Court Square, discuss what managers should consider as they decide what technology to buy and what to build.

Lowe describes AI infrastructure in three layers. The data layer holds all of a firm's information about its deals, portfolio companies, documentation and decisions. The intelligence layer includes core AI tools such as search, agent automations and domain-specific tasks like deal scoring, benchmarking and pattern recognition. The third layer is an interface that must be accessible to both humans and AI agents.

When choosing whether to buy or build, Lowe points to time-to-value, total costs, data portability, model-locking, ongoing talent needs and opportunity cost. Many firms are still testing off-the-shelf tools such as ChatGPT and Claude, while others engage consultants for custom builds. Lowe stresses that a proof of concept differs greatly from a scaled system serving 50 to 100-plus employees, and that firms without a coherent data foundation will run into walls.

At Court Square, Pizzo explains that a custom build was ruled out because of high one-time costs, complexity and the expense of retaining talent over time. After 12 months of evaluating tools, the firm prioritized flexibility to switch frontier models and a provider with private equity expertise who understood its processes and could build workflows and agents without extensive education.

يُعد تطبيق أدوات الذكاء الاصطناعي على الخبرة والمعرفة الخاصة بالمدير، والمخزّنة في بياناته، طريقاً واضحاً لاستثمار الميزة التنافسية للشركة. لكن كيف تنشئ الشركات طبقة البيانات اللازمة لتوليد رؤى وكفاءات وسرعة مدعومة بالذكاء الاصطناعي؟ يناقش Taylor Lowe، الرئيس التنفيذي ومؤسس Metal والمتخصص في الذكاء الاصطناعي للأسواق الخاصة، وJessica Pizzo، الشريكة المعنية بالموارد في مستثمر السوق المتوسطة Court Square، ما ينبغي للمديرين أخذه في الحسبان عند تحديد التقنيات التي يشترونها وتلك التي يبنونها.

يصف Lowe البنية التحتية للذكاء الاصطناعي في ثلاث طبقات. تحتفظ طبقة البيانات بكل معلومات الشركة عن صفقاتها وشركات محفظتها ووثائقها وقراراتها. وتشمل طبقة الذكاء الأدوات الأساسية مثل البحث وأتمتة الوكلاء، والمهام الخاصة بالمجال مثل تقييم الصفقات والمقارنة المعيارية وتمييز الأنماط. أما الطبقة الثالثة فهي واجهة يجب أن تكون متاحة للبشر ولوكلاء الذكاء الاصطناعي على حد سواء.

عند الاختيار بين الشراء والبناء، يشير Lowe إلى الوقت اللازم لتحقيق القيمة، والتكاليف الإجمالية، وقابلية نقل البيانات، والارتباط بنموذج معين، والاحتياجات المستمرة من المواهب، وتكلفة الفرص البديلة. لا تزال شركات كثيرة تختبر أدوات جاهزة مثل ChatGPT وClaude، بينما تتعاقد أخرى مع استشاريين لتطوير حلول مخصصة. ويؤكد Lowe أن إثبات المفهوم يختلف كثيراً عن نظام قابل للتوسع يخدم من 50 إلى أكثر من 100 موظف، وأن الشركات التي تفتقر إلى أساس بيانات متماسك ستصطدم بعوائق.

أما في Court Square، فتوضح Pizzo أن البناء المخصص استُبعد بسبب التكاليف الأولية المرتفعة والتعقيد وتكلفة الاحتفاظ بالمواهب على المدى الطويل. وبعد 12 شهراً من تقييم الأدوات، أعطت الشركة الأولوية للمرونة في التبديل بين النماذج المتطورة، ولمزود يمتلك خبرة في الأسهم الخاصة ويفهم عملياتها ويستطيع بناء سير العمل والوكلاء دون تدريب مكثف.

الكيانات الرئيسية: الشركات: Metal، Court Square، PE Hub، ChatGPT، Claude | الأشخاص: Taylor Lowe، Jessica Pizzo

কোনো ম্যানেজারের ডেটায় সংরক্ষিত নিজস্ব অভিজ্ঞতা ও দক্ষতার ওপর কৃত্রিম বুদ্ধিমত্তার সরঞ্জাম প্রয়োগ করা একটি প্রতিষ্ঠানের প্রতিযোগিতামূলক সুবিধাকে কাজে লাগানোর সুস্পষ্ট পথ। কিন্তু এআই-সহায়তায় অন্তর্দৃষ্টি, দক্ষতা ও গতি তৈরি করতে প্রয়োজনীয় ডেটা স্তর ফার্মগুলো কীভাবে গড়ে তোলে? Metal-এর প্রধান নির্বাহী ও প্রতিষ্ঠাতা এবং প্রাইভেট মার্কেট এআই বিশেষজ্ঞ Taylor Lowe, এবং মিড-মার্কেট বিনিয়োগকারী Court Square-এর রিসোর্স পার্টনার Jessica Pizzo আলোচনা করেন, কোন প্রযুক্তি কিনবেন আর কোনটি নিজে তৈরি করবেন, তা ঠিক করার সময় ম্যানেজারদের কী ভাবা উচিত।

Lowe এআই অবকাঠামোকে তিনটি স্তরে ব্যাখ্যা করেন। ডেটা স্তরে থাকে ফার্মের লেনদেন, পোর্টফোলিও কোম্পানি, নথিপত্র ও সিদ্ধান্ত সংক্রান্ত সব তথ্য। ইন্টেলিজেন্স স্তরে থাকে অনুসন্ধান ও এজেন্ট অটোমেশনের মতো মূল এআই সরঞ্জাম এবং লেনদেন স্কোরিং, বেঞ্চমার্কিং ও প্যাটার্ন শনাক্তকরণের মতো নির্দিষ্ট ক্ষেত্রের কাজ। তৃতীয় স্তরটি এমন একটি ইন্টারফেস, যা মানুষ ও এআই এজেন্ট উভয়ের জন্যই সহজলভ্য হতে হবে।

কেনা বনাম নিজে তৈরির সিদ্ধান্তে Lowe সময়ে-মূল্য পাওয়ার সময়কাল, মোট খরচ, ডেটা স্থানান্তরযোগ্যতা, মডেল-লকিং, চলমান দক্ষ জনবলের প্রয়োজন এবং সুযোগ ব্যয়ের কথা উল্লেখ করেন। অনেক ফার্ম এখনও ChatGPT ও Claude-এর মতো তৈরি সরঞ্জাম পরীক্ষা করছে, আবার অন্যরা কাস্টম তৈরির জন্য পরামর্শক নিয়োগ করছে। Lowe জোর দেন যে প্রুফ অফ কনসেপ্ট এবং ৫০ থেকে ১০০-এর বেশি কর্মীর সেবা দেওয়া স্কেলড সিস্টেম এক জিনিস নয়, এবং সুসংগত ডেটা ভিত্তি ছাড়া ফার্মগুলো বাধার সম্মুখীন হবে।

Court Square-এ Pizzo ব্যাখ্যা করেন, বেশি এককালীন খরচ, জটিলতা এবং দীর্ঘ সময় দক্ষ জনবল ধরে রাখার ব্যয়ের কারণে কাস্টম তৈরি বাতিল করা হয়েছিল। ১২ মাস সরঞ্জাম মূল্যায়নের পর ফার্ম সর্বাধিক উন্নত মডেল বদলানোর নমনীয়তা এবং প্রাইভেট ইক্যুইটি বিশেষজ্ঞতাসম্পন্ন এমন একটি সরবরাহকারীকে অগ্রাধিকার দেয়, যে তাদের প্রক্রিয়া বোঝে এবং ব্যাপক প্রশিক্ষণ ছাড়াই ওয়ার্কফ্লো ও এজেন্ট তৈরি করতে পারে।

প্রধান সত্তা: কোম্পানি: Metal, Court Square, PE Hub, ChatGPT, Claude | ব্যক্তি: Taylor Lowe, Jessica Pizzo

Die Anwendung von Werkzeugen der künstlichen Intelligenz auf die in den Daten eines Managers erfassten, eigenen Erfahrungen und Fachkenntnisse ist ein klarer Weg, den Wettbewerbsvorteil einer Gesellschaft zu nutzen. Doch wie schaffen Gesellschaften die Datenebene, die für KI-gestützte Erkenntnisse, Effizienzsteigerungen und Geschwindigkeit erforderlich ist? Taylor Lowe, CEO und Gründer von Metal sowie KI-Spezialist für private Märkte, und Jessica Pizzo, Resource Partner beim Mid-Market-Investor Court Square, erörtern, was Manager berücksichtigen sollten, wenn sie entscheiden, welche Technologie sie kaufen und welche sie selbst entwickeln.

Lowe beschreibt die KI-Infrastruktur in drei Schichten. Die Datenebene umfasst sämtliche Informationen der Gesellschaft zu Transaktionen, Portfoliounternehmen, Dokumentation und Entscheidungen. Die Intelligenzebene enthält zentrale KI-Werkzeuge wie Suche und Agenten-Automatisierung sowie branchenspezifische Aufgaben wie Transaktionsbewertung, Benchmarking und Mustererkennung. Die dritte Schicht ist eine Schnittstelle, die sowohl für Menschen als auch für KI-Agenten zugänglich sein muss.

Bei der Wahl zwischen Kauf und Eigenentwicklung verweist Lowe auf Zeit bis zur Wertschöpfung, Gesamtkosten, Datenportabilität, Modellbindung, dauerhaften Personalbedarf und Opportunitätskosten. Viele Gesellschaften testen noch Standardwerkzeuge wie ChatGPT und Claude, andere beauftragen Berater mit maßgeschneiderten Lösungen. Lowe betont, dass ein Proof of Concept sich stark von einem skalierten System unterscheidet, das 50 bis über 100 Mitarbeiter versorgt, und dass Gesellschaften ohne eine kohärente Datenbasis an Grenzen stoßen werden.

Bei Court Square erläutert Pizzo, dass eine Eigenentwicklung wegen hoher einmaliger Kosten, Komplexität und der langfristigen Kosten für das Halten von Talenten verworfen wurde. Nach zwölf Monaten Werkzeugbewertung setzte die Gesellschaft auf Flexibilität beim Wechsel zwischen führenden Modellen und auf einen Anbieter mit Private-Equity-Expertise, der ihre Prozesse verstand und Workflows sowie Agenten ohne umfangreiche Einarbeitung entwickeln konnte.

Zentrale Akteure: Unternehmen: Metal, Court Square, PE Hub, ChatGPT, Claude | Personen: Taylor Lowe, Jessica Pizzo

Aplicar herramientas de inteligencia artificial a la experiencia y los conocimientos exclusivos de un gestor, recogidos en sus datos, es una vía clara para aprovechar la ventaja competitiva de una firma. Pero, ¿cómo crean las firmas la capa de datos necesaria para generar información, eficiencias y rapidez asistidas por IA? Taylor Lowe, CEO y fundador de Metal y especialista en IA para mercados privados, y Jessica Pizzo, socia de recursos del inversor de mid-market Court Square, analizan qué deben considerar los gestores al decidir qué tecnología comprar y cuál desarrollar.

Lowe describe la infraestructura de IA en tres capas. La capa de datos contiene toda la información de la firma sobre sus operaciones, empresas en cartera, documentación y decisiones. La capa de inteligencia incluye herramientas centrales de IA, como búsqueda y automatizaciones con agentes, y tareas específicas del dominio como la puntuación de operaciones, el benchmarking y el reconocimiento de patrones. La tercera capa es una interfaz que debe ser accesible tanto para personas como para agentes de IA.

Al elegir entre comprar o desarrollar, Lowe señala el tiempo hasta obtener valor, los costes totales, la portabilidad de los datos, el bloqueo de modelos, las necesidades continuas de talento y el coste de oportunidad. Muchas firmas siguen probando herramientas estándar como ChatGPT y Claude, mientras que otras contratan consultores para desarrollos a medida. Lowe subraya que una prueba de concepto difiere mucho de un sistema escalado que da servicio a entre 50 y más de 100 empleados, y que las firmas sin una base de datos coherente chocarán con obstáculos.

En Court Square, Pizzo explica que descartaron un desarrollo a medida por sus altos costes puntuales, su complejidad y el gasto de retener talento con el tiempo. Tras 12 meses evaluando herramientas, la firma priorizó la flexibilidad para cambiar entre modelos de vanguardia y un proveedor con experiencia en capital privado que comprendiera sus procesos y pudiera construir flujos de trabajo y agentes sin una formación extensa.

Entidades clave: Empresas: Metal, Court Square, PE Hub, ChatGPT, Claude | Personas: Taylor Lowe, Jessica Pizzo

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

किसी प्रबंधक के डेटा में समाहित अपने विशिष्ट अनुभव और विशेषज्ञता पर आर्टिफिशियल इंटेलिजेंस उपकरण लागू करना फर्म की बढ़त का लाभ उठाने का एक स्पष्ट मार्ग है। लेकिन फर्म AI-सहायता प्राप्त अंतर्दृष्टि, दक्षता और गति के लिए आवश्यक डेटा परत कैसे तैयार करें? Metal के CEO और संस्थापक तथा निजी बाज़ार AI विशेषज्ञ Taylor Lowe, और मिड-मार्केट निवेशक Court Square की रिसोर्स पार्टनर Jessica Pizzo चर्चा करते हैं कि प्रबंधकों को यह तय करते समय किन बातों पर विचार करना चाहिए कि कौन सी तकनीक खरीदें और कौन सी स्वयं बनाएं।

Lowe AI बुनियादी ढाँचे को तीन परतों में समझाते हैं। डेटा परत में फर्म की सौदों, पोर्टफोलियो कंपनियों, दस्तावेज़ों और निर्णयों से जुड़ी सारी जानकारी होती है। इंटेलिजेंस परत में खोज और एजेंट स्वचालन जैसे मुख्य AI उपकरण तथा सौदा स्कोरिंग, बेंचमार्किंग और पैटर्न पहचान जैसे विशिष्ट कार्य शामिल हैं। तीसरी परत एक ऐसा इंटरफ़ेस है जो मनुष्यों और AI एजेंटों, दोनों के लिए सुलभ होना चाहिए।

खरीदने या बनाने का निर्णय लेते समय Lowe समय-से-मूल्य, कुल लागत, डेटा पोर्टेबिलिटी, मॉडल-लॉकिंग, निरंतर प्रतिभा की आवश्यकता और अवसर लागत की ओर इशारा करते हैं। कई फर्में अभी भी ChatGPT और Claude जैसे तैयार उपकरणों का परीक्षण कर रही हैं, जबकि अन्य कस्टम निर्माण के लिए सलाहकारों से जुड़ रही हैं। Lowe ज़ोर देते हैं कि प्रूफ़ ऑफ़ कॉन्सेप्ट और 50 से 100 से अधिक कर्मचारियों को सेवा देने वाली स्केल्ड प्रणाली में बड़ा अंतर है, और सुसंगत डेटा नींव के बिना फर्में बाधाओं से टकराएँगी।

Court Square में Pizzo बताती हैं कि उच्च एकमुश्त लागत, जटिलता और समय के साथ प्रतिभा बनाए रखने के खर्च के कारण कस्टम निर्माण को खारिज किया गया। 12 महीने तक उपकरणों का मूल्यांकन करने के बाद फर्म ने फ्रंटियर मॉडल बदलने की लचीलापन और ऐसे प्रदाता को प्राथमिकता दी जिसके पास प्राइवेट इक्विटी की विशेषज्ञता हो, जो उनकी प्रक्रियाएँ समझता हो और बिना व्यापक प्रशिक्षण के वर्कफ़्लो व एजेंट बना सके।

मुख्य संस्थाएँ: कंपनियाँ: Metal, Court Square, PE Hub, ChatGPT, Claude | लोग: Taylor Lowe, Jessica Pizzo

Menerapkan alat kecerdasan buatan pada pengalaman dan keahlian eksklusif seorang manajer yang tersimpan dalam datanya merupakan jalan yang jelas untuk memanfaatkan keunggulan sebuah firma. Namun, bagaimana firma membangun lapisan data yang diperlukan untuk menghasilkan wawasan, efisiensi, dan kecepatan berbantuan AI? Taylor Lowe, CEO dan pendiri Metal sekaligus spesialis AI pasar privat, dan Jessica Pizzo, resource partner di investor mid-market Court Square, membahas apa yang harus dipertimbangkan manajer saat memutuskan teknologi apa yang akan dibeli dan apa yang akan dibangun.

Lowe menggambarkan infrastruktur AI dalam tiga lapisan. Lapisan data menyimpan seluruh informasi firma mengenai transaksi, perusahaan portofolio, dokumentasi, dan keputusan. Lapisan kecerdasan mencakup alat AI inti seperti pencarian dan otomatisasi agen, serta tugas khusus domain seperti penilaian transaksi, benchmarking, dan pengenalan pola. Lapisan ketiga adalah antarmuka yang harus dapat diakses oleh manusia maupun agen AI.

Dalam memilih antara membeli atau membangun, Lowe menyoroti waktu hingga nilai tercapai, total biaya, portabilitas data, keterkunciannya pada model tertentu, kebutuhan talenta yang berkelanjutan, dan biaya peluang. Banyak firma masih menguji alat siap pakai seperti ChatGPT dan Claude, sementara yang lain menggunakan konsultan untuk pembangunan khusus. Lowe menegaskan bahwa proof of concept sangat berbeda dengan sistem yang diskalakan untuk melayani 50 hingga lebih dari 100 karyawan, dan firma tanpa fondasi data yang koheren akan menghadapi hambatan.

Di Court Square, Pizzo menjelaskan bahwa pembangunan khusus dikesampingkan karena biaya awal yang tinggi, kompleksitas, dan mahalnya mempertahankan talenta dari waktu ke waktu. Setelah 12 bulan mengevaluasi alat, firma memprioritaskan fleksibilitas untuk beralih antarmodel mutakhir serta penyedia dengan keahlian private equity yang memahami proses mereka dan dapat membangun alur kerja serta agen tanpa pelatihan yang panjang.

Entitas utama: Perusahaan: Metal, Court Square, PE Hub, ChatGPT, Claude | Orang: Taylor Lowe, Jessica Pizzo

運用者のデータに蓄積された独自の経験や専門知識に人工知能ツールを適用することは、企業の強みを活かす明確な方法です。では、AIを活用した洞察、効率化、スピードを生み出すために必要なデータ層を、企業はどのように構築するのでしょうか。Metalの最高経営責任者兼創業者で、プライベート市場のAI専門家であるTaylor Lowe氏と、ミッドマーケット投資家Court SquareのリソースパートナーであるJessica Pizzo氏が、どの技術を購入し、どの技術を構築するかを決める際に運用者が検討すべき点について話し合います。

Lowe氏はAIインフラを3つの層で説明します。データ層には、取引、ポートフォリオ企業、文書、意思決定に関する企業のすべての情報が含まれます。インテリジェンス層には、検索やエージェントによる自動化といった中核的なAIツールと、取引のスコアリング、ベンチマーキング、パターン認識などの分野特化型タスクが含まれます。第3の層は、人間とAIエージェントの両方がアクセスできるインターフェースです。

購入か構築かを選ぶ際、Lowe氏は、価値を得るまでの時間、総コスト、データの移植性、モデルへのロックイン、継続的な人材ニーズ、機会費用を挙げます。多くの企業は依然としてChatGPTやClaudeなどの既製ツールを試験的に使用しており、別の企業はカスタム構築のためにコンサルタントを起用しています。Lowe氏は、概念実証と、50人から100人以上の従業員を支えるスケールしたシステムは大きく異なること、そして一貫したデータ基盤のない企業は壁にぶつかることを強調します。

Court Squareでは、カスタム構築は高額な初期費用、複雑さ、長期にわたる人材確保のコストを理由に退けられたとPizzo氏は説明します。12か月間ツールを評価した後、同社はフロンティアモデルを切り替える柔軟性と、プライベート・エクイティの専門知識を持ち、同社のプロセスを理解し、長い教育期間なしにワークフローやエージェントを構築できるプロバイダーを優先しました。

主要な関係者：企業：Metal、Court Square、PE Hub、ChatGPT、Claude｜人物：Taylor Lowe、Jessica Pizzo

Aplicar ferramentas de inteligência artificial à experiência e ao conhecimento proprietários de um gestor, registrados em seus dados, é um caminho claro para aproveitar a vantagem competitiva de uma firma. Mas como as firmas criam a camada de dados necessária para gerar insights, eficiências e velocidade assistidos por IA? Taylor Lowe, CEO e fundador da Metal e especialista em IA para mercados privados, e Jessica Pizzo, sócia de recursos do investidor de mid-market Court Square, discutem o que os gestores devem considerar ao decidir que tecnologia comprar e que tecnologia construir.

Lowe descreve a infraestrutura de IA em três camadas. A camada de dados contém todas as informações da firma sobre seus negócios, empresas do portfólio, documentação e decisões. A camada de inteligência inclui ferramentas centrais de IA, como busca e automações com agentes, além de tarefas específicas do domínio, como pontuação de negócios, benchmarking e reconhecimento de padrões. A terceira camada é uma interface que deve ser acessível tanto a pessoas quanto a agentes de IA.

Ao escolher entre comprar ou construir, Lowe aponta o tempo até o retorno, os custos totais, a portabilidade dos dados, o aprisionamento a modelos, as necessidades contínuas de talentos e o custo de oportunidade. Muitas firmas ainda testam ferramentas prontas como ChatGPT e Claude, enquanto outras contratam consultores para soluções sob medida. Lowe ressalta que uma prova de conceito é muito diferente de um sistema escalado que atende de 50 a mais de 100 funcionários, e que firmas sem uma base de dados coerente vão encontrar obstáculos.

Na Court Square, Pizzo explica que a construção sob medida foi descartada por causa dos altos custos iniciais, da complexidade e do custo de reter talentos ao longo do tempo. Após 12 meses avaliando ferramentas, a firma priorizou a flexibilidade para trocar entre modelos de fronteira e um fornecedor com experiência em private equity, que compreendesse seus processos e pudesse construir fluxos de trabalho e agentes sem extensa capacitação.

Entidades principais: Empresas: Metal, Court Square, PE Hub, ChatGPT, Claude | Pessoas: Taylor Lowe, Jessica Pizzo

Применение инструментов искусственного интеллекта к собственному опыту и экспертным знаниям менеджера, зафиксированным в его данных, является очевидным путем к использованию конкурентного преимущества фирмы. Но как фирмы создают слой данных, необходимый для получения аналитики, повышения эффективности и скорости с помощью ИИ? Taylor Lowe, генеральный директор и основатель Metal, специалист по ИИ для частных рынков, и Jessica Pizzo, партнер по ресурсам инвестора среднего рынка Court Square, обсуждают, что менеджерам следует учитывать, решая, какие технологии покупать, а какие создавать самостоятельно.

Lowe описывает ИИ-инфраструктуру в три уровня. Уровень данных содержит всю информацию фирмы о сделках, компаниях портфеля, документации и решениях. Уровень интеллекта включает базовые ИИ-инструменты, такие как поиск и автоматизация с агентами, а также задачи, специфичные для отрасли, например оценку сделок, бенчмаркинг и распознавание закономерностей. Третий уровень представляет собой интерфейс, доступный как людям, так и ИИ-агентам.

При выборе между покупкой и разработкой Lowe указывает на время до получения результата, совокупные затраты, переносимость данных, привязку к модели, постоянную потребность в специалистах и упущенную выгоду. Многие фирмы все еще тестируют готовые инструменты вроде ChatGPT и Claude, а другие привлекают консультантов для индивидуальной разработки. Lowe подчеркивает, что доказательство концепции сильно отличается от масштабируемой системы, обслуживающей от 50 до более чем 100 сотрудников, и что фирмы без согласованной основы данных столкнутся с серьезными препятствиями.

В Court Square Pizzo объясняет, что индивидуальная разработка была отвергнута из-за высоких единовременных затрат, сложности и расходов на удержание специалистов в долгосрочной перспективе. После 12 месяцев оценки инструментов фирма отдала приоритет гибкости в смене передовых моделей и поставщику с опытом в **private equity}, который понимал ее процессы и мог создавать рабочие процессы и агентов без длительного обучения.

Ключевые сущности: Компании: Metal, Court Square, PE Hub, ChatGPT, Claude | Люди: Taylor Lowe, Jessica Pizzo

将人工智能工具应用于基金经理积累在数据中的专有经验和专业知识，是发挥公司竞争优势的明确途径。但是，企业如何构建生成AI辅助洞察、提升效率和速度所需的数据层？Metal首席执行官兼创始人、私募市场AI专家Taylor Lowe，以及中型市场投资机构Court Square的资源合伙人Jessica Pizzo，讨论了管理人在决定购买哪些技术、自建哪些技术时应考虑的问题。

Lowe将AI基础设施描述为三层。数据层包含公司关于交易、投资组合公司、文件和决策的全部信息。智能层包括搜索、智能体自动化等核心AI工具，以及交易评分、基准比较和模式识别等特定领域任务。第三层是一个既要便于人类使用、也要便于AI智能体访问的界面。

在决定是购买还是自建时，Lowe指出应考虑投产时间、总成本、数据可移植性、模型锁定、持续的人才需求以及机会成本。许多公司仍在测试ChatGPT和Claude等现成工具，另一些公司则聘请顾问进行定制开发。Lowe强调，概念验证与服务50至100多名员工的规模化系统有很大区别，缺乏连贯数据基础的公司将遇到瓶颈。

在Court Square，Pizzo解释说，由于一次性成本高、复杂度大以及长期留住人才的开支，该公司排除了定制开发方案。在评估工具12个月后，公司优先考虑能够切换前沿模型的灵活性，以及一家具备私募股权专业知识、了解其流程、并能在无需大量培训的情况下构建工作流程和智能体的服务商。

关键实体：公司：Metal、Court Square、PE Hub、ChatGPT、Claude｜人物：Taylor Lowe、Jessica Pizzo