شتاب‌دهنده نسل جدید معاملات M&A
استفاده از ابزارهای هوش مصنوعی مولد، در بخش‌های مختلف فرآیند «ادغام و تملیک» (M&A) سازمان‌ها، گسترش یافته است. در حال حاضر، حدود یک‌پنجم شرکت‌های برجسته دنیا در این حوزه، از هوش مصنوعی مولد در فرآیندهای ادغام و تملیک خود استفاده می‌کنند.
شکاف عملکردی میان شرکت‌های فعال در این حوزه، برحسب میزان و چگونگی استفاده از هوش مصنوعی مولد روز به روز بیشتر می‌شود. انتظار می‌رود در سال 2027، بیش از نیمی از شرکت‌ها از این ابزار در معاملات خود استفاده کنند. نتیجه احتمالی این است: آن شرکت‌هایی که دیرتر از این فناوری بهره بگیرند، رقابت قیمتی را خواهند باخت و درگیر فرآیندهای طولانی و ناکارآمد برای معاملات خواهند شد.
هوش مصنوعی مولد به دسته‌ای از فناوری‌های هوش مصنوعی گفته می‌شود که علاوه بر تحلیل می‌توانند محتوا یا داده‌های جدید و اصیل تولید کنند. این محتوا می‌تواند شامل متون، تصاویر، گزارش، کد، مدل‌های مالی و عملیاتی یا ویدئو باشد.
پتانسیل فناوری هوش مصنوعی مولد تقریبا بی‌حد و اندازه است و تاثیر آن بر حوزه ادغام و تملیک (Merger and Acquisition) بسیار عمیق و تحول‌آفرین خواهد بود. متخصصان این حوزه معتقدند که ابزارهای هوش مصنوعی مولد در مراحل مختلف فرآیند معامله، می‌توانند مزایای قابل توجهی ایجاد کنند.
پیش‌بینی می‌شود شرکت‌هایی که طی پنج سال آینده در به‌کارگیری هوش مصنوعی مولد برای فرآیندهای ادغام و تملیک مسلط می‌شوند، در مقایسه با رقبای خود، اهداف خود را سریع‌تر شناسایی خواهند کرد و ارزش معاملات را با اطمینان بیشتری تحلیل و ارزیابی می‌کنند. شرکت‌های مجهز به این فناوری، قادر خواهند بود فعالیت‌های مربوط به ارزیابی موشکافانه و ادغام را با سرعت بیشتر و منابع کمتر انجام دهند و در نتیجه، بازگشت سرمایه سهامدارانشان بالاتر خواهد بود.
به‌کارگیری هوش مصنوعی مولد در استراتژی و فرآیندهای ادغام و تملیک، بهبودهایی در (1) یافتن معامله مناسب، (2) اعتبارسنجی معامله و (3) تحویل ارزش به همراه دارد. بیشترین تحولات، معطوف به یافتن معامله مناسب و کمترین تغییرات، مرتبط با تحویل ارزش است.
نخست این که، در نتیجه استفاده از این مفهوم فناورانه، بهره‌وری برای دستیابی به معامله‌های مناسب و شکل‌دهی مسیری از فرصت‌ها، افزایش یافته است. بدین منظور، تعداد تحلیل‌های غربالگرانه در صنایع مختلف و تعداد اهداف بالقوه هدف‌گذاری‌شده برای تملیک در لیست اولیه، افزایش یافته و به دنبال آن، اثربخشی در غربالگری اولیه بهبود یافته است. دوم این که، با اتخاذ این رویکرد، دسترسی بیشتر و سریع‌تری به اطلاعات فراهم شده و صحه‌گذاری معاملات معتبرتر شده است.
به این ترتیب که در نتیجه استفاده از این فناوری، کیفیت اطلاعات گردآوری شده از بیرون سازمان بهبود پیدا کرده و زمان تخصیص یافته برای درک روندهای بازار کاهش یافته است. نهایتا در مرحله تحویل ارزش، معاملات هدف‌گذاری شده از نظر زمانی با شتاب بیشتری دنبال می‌شوند. بهبودها در این مرحله، شامل کاهش زمان صرف شده در تدوین «قراردادهای خدمات انتقالی» (Transition Service Agreements) و توسعه برنامه اجرایی معامله است.
به صورت تجربی پذیرفته شده شرکت‌هایی که سالانه یک یا چند معامله از این دست انجام می‌دهند، به طور مداوم در شاخص «بازده کل سهامداری» (مجموع سود حاصل از افزایش قیمت سهام و سودهای نقدی که سهامداران در یک دوره زمانی مشخص از سرمایه‌گذاری خود دریافت می‌کنند)، عملکرد بهتری نسبت به رقبا دارند. به این معنی که آنها فرآیندهای خود را به‌طور مستمر بهبود می‌دهند و مهارت معامله‌گری بیشتری کسب می‌کنند.
در مقابل، شرکت‌هایی که به‌ندرت، معاملات M&A انجام می‌دهند باید انتظار داشته باشند که با شکاف عملکرد بیشتر و محسوس‌تری در شاخص بازده کل سهامداری مواجه شوند. در صورتی که این شرکت‌ها در پیاده‌سازی هوش مصنوعی مولد برای فرآیندهای خود سرمایه‌گذاری نکنند، این شکاف بیشتر هم خواهد شد.
شرکت‌های سرمایه‌گذاری سهامی خاص (Private Equity) از جمله پیشگامان مشتاق در پذیرش هوش مصنوعی مولد در صنایع مختلف هستند. حدود دو سوم از شرکت‌های سرمایه‌گذاری سهامی خاص، حداقل از یک ابزار برای بهبود فرآیندهای شناسایی و منبع‌یابی (Sourcing)، غربالگری یا ارزیابی اولیه (Screening) و بررسی موشکافانه (Due Diligence) استفاده می‌کنند. در زمینه استفاده از این مفهوم فناورانه، انتظار رقابتی بسیار شدیدتری بین این نوع شرکت‌ها پیش‌بینی می‌شود.
علاوه بر استفاده از این ابزار در مراحل مختلف ادغام و تملیک، پیشگامان این حوزه اخیرا شروع به بهره‌گیری از این فناوری در مراحل برنامه‌ریزی ادغام، برنامه‌ریزی واگذاری دارایی‌ها و همچنین، مدیریت برنامه‌های خود کرده‌اند.
انتظار می‌رود در سال آتی پیشگامان بتوانند با کمک ابزارهای هوش مصنوعی مولد، برنامه‌های کاری ادغام و توافق‌نامه‌های خدمات انتقالی را در کمتر از یک‌پنجم زمان معمول سنتی تدوین کنند. این به معنی تشکیل سریع‌تر تیم‌های کاری به همراه برخورداری از اطلاعات اولیه باکیفیت‌تر است.
موج بعدی، استفاده از این ابزارها برای دسترسی به داده‌های خاص شرکت‌ها است تا بتواند برآورد واقع‌بینانه‌ای از هم‌افزایی‌های هزینه‌ای و درآمدی فراهم آورد و در نتیجه، تدوین برنامه‌های خلق ارزش بر اساس تجارب و عملکرد قبلی تملیک‌ها مورد اقبال واقع شود.
در چشم‌اندازی برای پنج سال آینده، پیش‌بینی می‌شود که تمام مراحل چرخه M&A با کمک هوش مصنوعی مولد تسهیل شود.
در نتیجه، با افزایش تعداد شرکت‌هایی که از این پیشرفت‌های فناورانه در توانمندسازی خود بهره می‌برند، سطح استاندارد رقابت برای سایرین نیز بالاتر می‌رود.
در سوی مقابل، شرکت‌هایی که نسبت به پذیرش هوش مصنوعی مولد در فرآیندهای M&A دیرتر اقدام می‌کنند، در سه حوزه کلیدی با چالش جدی مواجه خواهند شد:
1- ارائه پیشنهادهای هوشمندانه‌تر و تصمیم‌گیری صحیح، حتی در زمان انصراف از معامله
به عنوان مثال، شرکت‌هایی که از هوش مصنوعی مولد (GenAI) برای بررسی‌های دقیق‌تر استفاده می‌کنند، می‌توانند در بازه زمانی کوتاه‌تری آن را خلاصه و جمع‌بندی کرده و در نتیجه زمان بیشتری برای تحلیل ارزش‌آفرینی از معامله در اختیار داشته باشند.
این سرعت بالاتر در جمع‌بندی، به شرکت‌ها کمک می‌کند فرصت‌های سودآور را سریع‌تر شناسایی و پشتیبانی مالی کنند و هم‌زمان، معاملات ضعیف و کم‌ارزش را زودتر کنار بگذارند.
2- کشف راهکارهای نو برای پشتیبانی مالی و تحقق سریع‌تر ارزش
شرکت‌هایی که به هوش مصنوعی مولد تکیه کنند، می‌توانند فرصت‌های دقیق‌تری برای هم‌افزایی هزینه و درآمد شناسایی کرده و توانمندی‌های خود را برای تدوین پیش‌نویس برنامه‌های تحقق افزایش دهند.
به‌عنوان مثال، در حوزه فروش متقاطع و ترکیبی، اگر اطلاعاتی مانند فروش، قیمت‌گذاری، مدیریت ارتباط با مشتری و کاتالوگ محصولات به یک ابزار هوش مصنوعی مولد داده شود، آن ابزار سفارشی‌سازی شده می‌تواند به‌سرعت اهداف مشخصی برای فروش متقاطع و ترکیبی را شناسایی و اولویت‌بندی کند و پیشنهادهایی برای اقدام ارائه دهد.
3- محافظت از منابع انسانی و دیگر منابع کسب‌وکاری در طول فرآیند
فرآیندهای M&A می‌توانند فشار زیادی بر کارکنان وارد کنند، زیرا مدیران عملیاتی باید بین وظایف روزانه و پروژه‌های ادغام و تملیک خود تعادل ایجاد کنند.
این امر می‌تواند منجر به افت تمرکز و عملکرد کلی کسب‌وکار شود. در نتیجه، کاهش بار کاری کارکنان حاصل از کاربست این فناوری‌ها، افزایش بهره‌وری و بهبود نرخ نگهداشت نیروی انسانی را در پی خواهد داشت.
با در نظر گرفتن خطراتی چون از دست دادن معاملات سودآور، عقب‌ماندن در تحقق هم‌افزایی‌ها و ناتوانی در کاهش فشار کاری کارکنان، اکنون شرکت‌های بیشتری در حال برنامه‌ریزی برای استفاده از هوش مصنوعی مولد هستند. درس‌آموخته‌هایی از تجارب شرکت‌های پیشگام می‌تواند در فهرست اقدامات شرکت‌های دیگر قرار گیرد:
شروع سریع: فناوری‌های جدید نیاز به آزمون، تجربه و یادگیری دارند تا مهارت‌ها، کاربردهای ارزشمند و تغییرات رفتار کاربران به‌دست آید. این فرآیند زمان‌بر خواهد بود.
صرفا با خریداری یک ابزار مجهز به هوش مصنوعی مولد، نمی‌توان از رقبا پیشی گرفت. علاوه بر این، به تعویق انداختن این اقدام، تنها منحنی یادگیری را کندتر خواهد کرد.
ایجاد پرتفوی هوش مصنوعی: استفاده از ابزار هوش مصنوعی مولد، می‌تواند در سطح به‌کارگیری نسخه پایه‌ای از این فناوری و پرامپت‌هایی که به درستی مهندسی شده‌اند، در نظر گرفته شود.
پیشنهاد اولیه در این زمینه، تهیه مجوز سازمانی برای استفاده از یک ابزار قوی است. و در ادامه، می‌توان ابزارهای پیشرفته‌تری را خریداری کرد و یا حتی توسعه داد.
داشتن نوآوری هدفمند: شرکت‌های پیشرو، فرآیندهای M&A را با اتکا به قابلیت‌های هوش مصنوعی مولد و به‌صورت جامع بازطراحی می‌کنند. این شرکت‌ها با اولویت‌بندی فرصت‌ها، از مزایای رقابتی حاصله محافظت می‌کنند و آنها را توسعه می‌دهند.
بازتعریف تیم: با ورود هوش مصنوعی مولد، بسیاری از وظایف وقت‌گیر مدیریت پروژه توسط ابزارها انجام خواهد شد. در نتیجه، لازم است شرکت‌ها بررسی کنند که برای تقویت قابلیت ادغام و تملیک خود، چه مهارت‌هایی در آینده نیاز خواهند داشت. معامله‌های موفق توسط افرادی انجام خواهد شد که تمرکز بیشتری بر خلق ارزش راهبردی (در مقایسه با اجرای کارهای مدیریتی) دارند. به عنوان نمونه، برای پیشی گرفتن از رقبا در این حوزه، شرکت‌ها باید راهبرد منابع انسانی خود را بازبینی کنند تا در آینده روی خلق ارزش پایدار متمرکز شوند.