Firm Valuation When AI Shapes the Business Model: A Milestone-Based Real-Options Framework for the AI Valuation Uncertainty Problem

Het waarderen van een bedrijf is traditioneel een kwestie van kijken naar het verleden om de toekomst te voorspellen. Als een bedrijf een lange geschiedenis heeft van het verkopen van producten, het betalen van rekeningen en het maken van winst, kunnen experts die cijfers gebruiken om in te schatten wat het bedrijf morgen waard zal zijn. Ze berekenen hoeveel geld het bedrijf in de komende jaren waarschijnlijk zal verdienen en passen dat bedrag aan om rekening te houden met het risico dat er dingen mis kunnen gaan. Deze methode werkt goed voor stabiele bedrijven, zoals een bakkerij die al twintig jaar geopend is of een fabriek die al decennia lang soepel draait. De regels veranderen echter volledig wanneer een bedrijf is gebouwd rondom kunstmatige intelligentie. Deze bedrijven hebben vaak geen winstgeschiedenis, hun bedrijfsmodellen worden in realtime herschreven, en hun waarde hangt volledig af van de vraag of ze een reeks moeilijke toekomstige doelen succesvol kunnen bereiken. Wanneer een bedrijf iets probeert te bouwen dat nog nooit eerder heeft bestaan, schieten de oude instrumenten voor het meten van waarde vaak tekort omdat ze de specifieke risico's en kansen die verborgen liggen in het plan niet kunnen zien.

Een nieuwe studie van het Swissi Institute voor AI en de University of Applied Sciences Nürtingen-Geislingen stelt een andere manier voor om naar deze bedrijven te kijken. De onderzoekers beargumenteren dat standaardmethoden te vaag zijn wanneer ze op kunstmatige intelligentie worden toegepast, omdat ze alle complexe onzekerheden samenvatten in één enkel, ondoorzichtig getal. In plaats van een algemene groeivoet te raden, heeft het team een gestructureerd protocol ontwikkeld dat de waarde van een bedrijf opdeelt in een reeks specifieke, controleerbare stappen. Ze behandelen de reis van het integreren van kunstmatige intelligentie niet als een vloeiende lijn, maar als een pad met poorten. Bij elke poort moet het bedrijf bewijzen dat het iets specifieks kan doen—zoals een nieuw softwaresysteem werkend krijgen, een regelgevende controle passeren, of de eerste betalende klant vinden. Als het bedrijf de poort passeert, gaat het verder en neemt de waarde toe. Als het faalt, eindigt het pad en verdwijnt de potentiële waarde. Door deze poorten in kaart te brengen en een realistisch slagingspercentage aan elk van hen toe te wijzen, hebben de onderzoekers een manier gecreëerd om precies te zien waar de waarde vandaan komt en waar het risico ligt.

De kern van deze nieuwe benadering is een simpel maar krachtig idee: niet alle bedrijven die kunstmatige intelligentie gebruiken zijn hetzelfde. De onderzoekers hebben een classificatiesysteem ontwikkeld dat bedrijven in twee hoofdgroepen verdeelt. De eerste groep bestaat uit bedrijven die kunstmatige intelligentie gebruiken als een hulpmiddel om hun bestaande werk te verbeteren, zoals een bank die een computerprogramma gebruikt om kredietscores sneller te controleren. De tweede groep bestaat uit bedrijven waarvan het volledige product de kunstmatige intelligentie zelf is, zoals een firma die een nieuw type slimme software bouwt om aan anderen te verkopen. Binnen de eerste groep hebben de onderzoekers de bedrijven verder onderverdeeld op basis van hoe diep zij de technologie hebben geïntegreerd. Sommigen gebruiken het slechts een beetje, zoals het toevoegen van een chatbot aan een website, terwijl anderen hun volledige operatie eromheen hebben herbouwd. De studie vond dat hoe dieper de integratie, hoe meer de waarde van het bedrijf afhangt van toekomstige mogelijkheden in plaats van huidige winsten. Een bedrijf dat slechts met één been in de kunstmatige intelligentie staat, heeft een voorspelbare waarde gebaseerd op de huidige verkopen. Maar een bedrijf dat zijn hele bedrijfsvoering rond de technologie heeft herbouwd, is in essentie een verzameling toekomstige opties, waarbij de echte waarde ligt in wat het vervolgens zou kunnen doen.

Om te bepalen hoe groot de kans is dat een bedrijf bij elke stap slaagt, introduceerden de onderzoekers een methode die giswerk vervangt door een gestructureerd gesprek tussen experts. Ze vroegen een panel van mensen, waaronder de leiders van het bedrijf zelf en externe specialisten, om verschillende factoren die het succes bepalen met elkaar te vergelijken. Deze factoren omvatten of de technologie daadwerkelijk werkt, of het bedrijf over de juiste mensen beschikt om het te runnen, en of de overheidsregels het zullen toestaan om door te gaan. Door deze experts de factoren tegen elkaar af te wegen in paren, genereert het systeem een score die reflecteert hoe klaar het bedrijf is om naar de volgende fase te gaan. Deze score wordt vervolgens gekalibreerd tegen real-world data van vergelijkbare technologieprojecten om het om te zetten in een specifieke waarschijnlijkheid. Dit proces zorgt ervoor dat de uiteindelijke waardering niet slechts een mening is, maar een transparante berekening waarbij elk getal kan worden teruggevoerd naar een specifieke aanname. Als twee experts van mening verschillen over de waarde van een bedrijf, kunnen ze nu precies aanwijzen waar hun onenigheid ligt: gaat het over de kans op het slagen voor een specifieke test, of over de hoeveelheid geld die die test zal genereren?

De onderzoekers testten hun nieuwe raamwerk op een echte Zwitserse startup die software bouwt voor het beheren van energieportfolio's. Dit bedrijf, dat zijn AI-product rechtstreeks aan klanten verkoopt, bevond zich op het moment van de studie in de vroege ontwikkelingsfase en had geen omzetgeschiedenis. Met de oude methoden zou het waarderen van een dergelijk bedrijf een grote, onverklaarbare gok over de toekomst hebben vereist. Met het nieuwe raamwerk brachten de onderzoekers vier belangrijke mijlpalen in kaart die het bedrijf de komende twee jaar moest bereiken. Deze mijlpalen omvatten het stabiliseren van het systeem voor initiële tests, het veiligstellen van betaalde pilotklanten, het genereren van de eerste terugkerende omzet, en tot slot het bewijzen dat het product aan veel klanten tegelijk verkocht kan worden. Door de waarde van elke stap en de kans op het bereiken ervan te berekenen, kwamen ze tot een totale bedrijfswaarde van 100 miljoen Zwitserse frank. Dit nummer kwam overeen met de eigen interne schatting van het bedrijf, maar de nieuwe methode onthulde iets cruciaals: meer dan de helft van die waarde hing volledig af van de laatste mijlpaal, die het moeilijkst te bereiken was.

Deze bevinding onderstreept een belangrijke verschuiving in hoe risico wordt begrepen in de sector van kunstmatige intelligentie. De studie laat zien dat voor bedrijven die hun eigen kunstmatige intelligentie verkopen, het risico niet gelijkmatig is verdeeld over de reis. In plaats daarvan concentreert het risico zich zwaar in de latere stadia. De vroege stappen, zoals het bouwen van een werkend prototype, zijn relatief veilig en waarschijnlijk succesvol. Maar de latere stappen, die betrokken zijn bij het bewijzen dat de markt het product wil en dat het bedrijf kan opschalen, dragen de meeste onzekerheid met zich mee. Het raamwerk maakt dit duidelijk door te tonen dat als de laatste mijlpaal mislukt, het bedrijf ongeveer de helft van zijn totale waarde verliest. Dit is anders dan bij traditionele bedrijven, waar het risico vaak gelijkmatiger verdeeld is. De nieuwe methode houdt ook rekening met de kosten die andere waarderingstools vaak verbergen. Het scheidt het geld dat wordt uitgegeven aan het bouwen van de technologie van het geld dat wordt uitgegeven aan het voldoen aan wetten en regelgeving, waardoor deze kosten duidelijk worden meegeteld in plaats van begraven te worden in een algemene schatting.

De studie behandelt ook een veelvoorkomend probleem in de manier waarop bedrijven hun financiën rapporteren. In veel Europese landen vereisen de regels voor de boekhouding dat geld dat wordt uitgegeven aan de ontwikkeling van nieuwe technologie als een kostenpost wordt behandeld, wat het bedrijf op papier doet lijken alsover te maken. In andere plaatsen kunnen bedrijven deze uitgaven als een bezit registreren, waardoor ze waardevoller lijken. Dit verschil in boekhoudregels kan ervoor zorgen dat twee identieke bedrijven er voor investeerders volkomen verschillend uitzien. Het nieuwe raamwerk omzeilt deze verwarring door te kijken naar de werkelijke economische realiteit van het bedrijf in plaats van naar de boekhoudkundige labels. Het behandelt het geld dat aan ontwikkeling wordt uitgegeven als een werkelijke kostenpost, ongeacht hoe het in de boeken wordt geregistreerd, wat een eerlijke vergelijking tussen bedrijven in verschillende landen of onder verschillende regels mogelijk maakt. Deze aanpak zorgt ervoor dat de waardering de werkelijke potentie van het bedrijf weerspiegelt, en niet alleen de manier waarop het in een grootboek is genoteerd.

Hoewel de studie een duidelijke en logische manier biedt om deze bedrijven te waarderen, benadrukken de auteurs voorzichtig dat dit een demonstratie is van een nieuwe methode, en geen definitief bewijs dat deze perfect is. Ze testten het raamwerk op één enkel bedrijf met zeer duidelijke informatie, wat het makkelijker maakt om de methode toe te passen. Ze erkennen dat de werkelijkheid rommeliger kan zijn, met bedrijven die gemengde niveaus van technologische integratie hebben of minder duidelijke gegevens. De onderzoekers suggereren dat de volgende stap is om deze methode op veel verschillende bedrijven te testen om te zien of het in de praktijk net zo goed werkt als in de theorie. Ze wijzen er ook op dat de regels voor kunstmatige intelligentie snel veranderen, en dat het raamwerk moet worden aangepast naarmate er nieuwe wetten worden aangenomen. Echter, de kern van het idee blijft solide: door de complexe reis van kunstmatige intelligentie op te delen in kleinere, meetbare stappen, kunnen we stoppen met gissen en beginnen met het begrijpen van wat de waarde van deze moderne bedrijven precies drijft.

De implicaties van dit werk reiken verder dan alleen het berekenen van een getal. Het verandert het gesprek tussen investeerders en oprichters. In plaats van te discussiëren over een enkel, vaag cijfer, kunnen zij nu de specifieke stappen bespreken die een bedrijf moet nemen om succesvol te zijn. Als een investeerder denkt dat een bedrijf te risicovol is, kunnen zij wijzen naar een specifieke mijlpaal die zij naar verwachting onwaarschijnlijk zal worden bereikt. Als een oprichter vindt dat zijn bedrijf ondergewaardeerd is, kan hij laten zien hoe zijn plan om de volgende poort te bereiken steviger is dan de investeerder beseft. Deze transparantie hels beide partijen de ware aard van het risico en de kans te begrijpen. Het helpt ook beleidsmakers en regelgevers om te zien waar de echte knelpunten liggen. Door te identificeren welke stappen het moeilijkst zijn en waar de meeste waarde wordt gecreëerd, kan het raamwerk leiden bij beslissingen over waar middelen te investeren en hoe de groei van deze nieuwe technologieën te ondersteunen.

Uiteindelijk biedt dit onderzoek een manier om helderheid te brengen in een veld dat vaak gehuld is in mysterie. Decennialang was het waarderen van een bedrijf een mix van kunst en wetenschap, gebaseerd op ervaring en intuïtie. Met de opkomst van kunstmatige intelligentie is de oude intuïtie niet langer voldoende omdat de regels van het spel zijn veranderd. Het nieuwe raamwerk biedt een kaart voor het navigeren door dit nieuwe terrein. Het belooft niet de toekomst met zekerheid te voorspellen, maar het belooft wel de onzekerheden zichtbaar te maken. Door precies aan te geven waar de risico's liggen en wat er nodig is om ze te overwinnen, stelt het iedereen in staat om betere beslissingen te nemen. Of u nu een investeerder bent die op zoek is naar het volgende grote ding, een oprichter die een nieuw bedrijf probeert op te bouwen, of een beleidsmaker die de economie probeert te begrijpen, deze aanpak biedt een manier om de werkelijke structuur van waarde in het tijdperk van kunstmatige intelligentie te zien. Het verandert een zwarte doos in een reeks duidelijke, begrijpelijke stappen, waardoor de toekomst van zaken doen iets minder ondoorzichtig en iets meer kenbaar wordt.