Buy legacy cash flow. Recompile the organization. Compound the operating system.
Explication
Cet article présente le cadre méthodologique de l’auteur, et non le compte rendu d’une transaction précise ; les entreprises, montants et effectifs mentionnés sont des exemples illustratifs du cadre, ne constituant ni un enregistrement factuel vérifiable, ni un conseil en investissement. Les « cartes de cas » externes consultables prévalent, ce texte n’étant pas soumis à ce cadre.
Faits
- Il s’agit d’un cadre de transformation organisationnelle d’origine IA destiné aux acquisitions de type contrôle, ciblant des entreprises traditionnelles dont le modèle commercial est validé, la dette organisationnelle élevée et le travail cognitif intensif.
- L’objet de création de valeur couvre les flux de travail, les droits de décision, les flux d’information, les incitations et la structure organisationnelle ; l’infrastructure de base est définie comme le système d’exploitation AI Transformation OS.
- Il est recommandé de valider d’abord la reproductibilité via un AI Buyout Studio / AI Transformation HoldCo et une SPV unique, avant de lever un fonds traditionnel Blind Pool Fund.
Analyse
L'espace d'arbitrage central d'AI Buyout provient de la dette organisationnelle : acquérir des flux de trésorerie déjà prouvés et, grâce au contrôle, recompiler la coordination humaine en un système de gestion exécutable par machine, observable, apprenable et reproductible.
En combinant Dan Weijian, 3G Capital et la méthodologie d'organisation native de l'IA, on peut faire progresser davantage le concept de « AI PE Fund » :
Le cœur du projet n’est pas de créer un fonds de capital-investissement dédié à l’IA, ni d’acquérir des entreprises traditionnelles pour y implanter l’IA. Le cœur consiste à fonder une « société de transformation d’entreprises natives IA » disposant de capacités de capital, dont la mission est d’acheter des participations de contrôle et de recompiler les entreprises d’avant l’ère de l’IA en AI Native Company. Le fonds n’est qu’un outil de financement ; le véritable produit est l’AI Transformation OS.
Cette méthodologie a déjà clairement expliqué la cause fondamentale : après que l’IA a amplifié les capacités individuelles, le nouveau goulot d’étranglement est passé de la « capacité d’exécution professionnelle » au jugement, à la définition des objectifs, à l’acceptation, à la responsabilité, ainsi qu’aux transferts, attentes et coordination entre les personnes.
Ainsi, le véritable arbitrage de ce métier réside dans :
Organisation de la dette
I. Redéfinir d'abord : que achète réellement le AI PE
Le PE traditionnel recherche souvent :
Bon actif + prix bon marché.
Buyout de style Dan Weijian poursuit la recherche :
Bon actif + gouvernance problématique。
3G recherche :
Bonne marque + organisation inefficace.
AI Buyout devrait surtout rechercher :
Bonne affaire + mauvaise organisation + beaucoup de travail pouvant être automatisé.
Ici, la « mauvaise organisation » ne signifie pas que les employés sont mauvais, mais que le mode de fonctionnement de l’entreprise comporte de nombreux héritages historiques :
- L'opportunité d'actif véritable.
- 300 personnes font beaucoup d'Excel · le travail n'est pas encore informatisé
- Une douzaine de départements s'approuvent mutuellement · la conception des droits de décision est en retard
- De nombreux managers sont responsables de pousser le rythme · le coût de coordination est très élevé
- Les ventes ne peuvent gérer que 100 clients · l'attention des personnes devient la limite des revenus
- Service client, achats, finance très manuels · peuvent être agentisés
- Les employés anciens ont beaucoup d'expérience dans leur tête · le savoir tacite n'est pas encore capitalisé
- Les SOP sont éparpillés dans les documents · Le workflow n’est pas encore automatisé
- L’entreprise fonctionne grâce aux réunions · Le harness organisationnel n’existe pas
- Chaque fusion‑acquisition nécessite une réintégration · Aucun système d’exploitation partagé
Donc la meilleure cible n’est pas forcément :
« L’entreprise qui utilise le moins l’IA ».
Mais plutôt :
Des entreprises dont les clients, la marque, les produits et les canaux sont déjà établis, mais dont le système de gestion fonctionne encore sur des logiciels et une structure organisationnelle de l’époque 2010.
C’est une différence très importante.
Acquire durable businesses with high organizational debt, obtain control, and convert human coordination into machine-executable workflows to create structurally higher revenue per employee, faster growth, and greater operating leverage.
En chinois, on peut être plus incisif :
Acquérir des flux de trésorerie dont le modèle économique est déjà prouvé mais qui n’ont pas encore été transformés par l’IA, en utilisant le poids du contrôle pour la répartition du travail, du pouvoir, de l’information et des intérêts, afin de recompiler les entreprises traditionnelles en entreprises natives de l’IA.
Cela correspond au cœur de la méthodologie des organisations natives de l’IA :
Strategy → Objective → Workflow → Roles → Organization
Au lieu de continuer à optimiser avec l'ancien département / effectif.
C'est le point le plus important de l'ensemble du plan de mise en œuvre.
Il vaut mieux que la première phase ne soit pas « AI PE Fund I ».
Mais cela devrait être :
La structure peut être :
- Fonctions hiérarchiques
- Management Co · Transaction, levée de fonds, gouvernance
- AI Transformation Co · Équipe AI/FDE/de transformation organisationnelle
- HoldCo · Détention d'entreprises de la plateforme
- Deal SPV · Levée de fonds indépendante pour chaque transaction
- Portfolio Company · Entreprise acquise
La raison est simple.
L'incertitude la plus importante actuellement n'est pas du tout :
Y a-t-il de l'argent pour acheter une entreprise ?
Mais plutôt :
Ce Playbook de transformation native IA peut-il réellement être reproduit ?
Donc, prouvons d'abord :
1 entreprise peut réussir la transformation → La 2ᵉ entreprise peut la reproduire → La 3ᵉ entreprise voit ses coûts de déploiement nettement diminuer.
Une fois ce fait établi, lever à nouveau les fonds de USD 500 000 000 et USD 1 000 000 000, l'histoire change complètement.
Parce que ce que vous avez levé n'est plus :
« Croire que l'IA transformera les entreprises ».
Mais plutôt :
Nous avons déjà démontré qu'une entreprise intégrant cet OS peut, en 12 mois, réaliser ces changements quantifiables.
Voici le véritable track record du GP.
Il faut aussi étudier 3G, et non le PE traditionnel.
Le modèle le plus dangereux est :
Acheter les entreprises dont le potentiel en IA est le plus élevé.
Cela conduit à devoir réapprendre le secteur à chaque fois.
Le véritable modèle à effet de capitalisation devrait être :
Sector Playbook × AI Transformation Playbook × M&A Playbook。
Autrement dit, la phase 1 devrait d'abord percer un à deux secteurs.
Je privilégierai les secteurs suivants :
- État idéal des indicateurs
- Modèle commercial · Validé
- Croissance du secteur · Pas besoin d'être très élevée
- EBITDA · positif
- Clients · dispersés
- Processus · haute fréquence, répétitifs
- Travail de cols blancs · relativement élevé
- Données · déjà partiellement numérisées
- Contenu du travail · forte proportion d'information, de jugement, de communication et de coordination
- Secteur · fortement fragmenté
- F&A · possibilité de roll-up
- Taux de pénétration de l'IA · encore faible
- Fondateurs · ont des besoins de sortie ou de succession
Ainsi, ce qui est très intéressant n'est pas une pure entreprise d'IA.
Au contraire, cela pourrait être :
services B2B + distribution + chaîne d'approvisionnement + services professionnels verticaux.
Par exemple, les entreprises de distribution de matières premières alimentaires / assaisonnements sont plus intéressantes à étudier que les usines de fabrication pure :
Gestion des fournisseurs, demande de devis, devis, CRM, développement client, correspondance de formules, contrats, commandes, achats, stocks, comptes clients, service client, support commercial, la plupart étant des travaux à forte intensité d'information.
Il y a bien sûr de la valeur IA du côté de la production, mais il vaut mieux d'abord identifier le premier rachat IA :
Les entreprises où la proportion de travail cognitif est élevée, plutôt que celle du travail purement physique.
Dans le passé :
Financial DD + Commercial DD。
À ajouter à l'avenir :
Ceci constitue une partie de la technologie propriétaire que le fonds devrait surtout développer à l'avenir.
L'organigramme traditionnel peut même être relégué à la deuxième place.
Commencer par dessiner :
C'est-à-dire :
Combien de tâches cette entreprise a-t-elle réellement ?
Par exemple, une entreprise de 300 personnes, sans considérer 300 individus, se décompose en 3000 — 10000 tâches réelles :
Prospection de clients Étude des clients Établissement de devis Approbation du devis Première révision du contrat Passation de commande Relance de livraison Approvisionnement Sélection des fournisseurs Anomalies logistiques Émission de factures Rapprochement comptable Relance de paiement Service après-vente Recrutement Formation Rapports hebdomadaires Réunions de gestion…
Puis cela se traduit en :
Enregistrement :
Attente, passation, approbation, saisie répétée, synchronisation, reporting, confirmation, recherche d'information.
Cela correspond exactement à la feuille de route d'implémentation native de l'IA dans le document : identifier d'abord les goulets d'étranglement après l'intégration de l'IA dans le travail réel, puis marquer systématiquement l'attente, la passation, la planification, les réunions, l'approbation et les confirmations répétées.
Résultat final :
Ce n'est pas simplement écrire :
« Le service client peut être automatisé par l'IA. »
Mais plutôt jusqu'au niveau du workflow.
Par exemple :
- Flux de travail actuel FTE IA potentiel Impact sur le revenu Priorité du risque
- Étude client · 15 · 90% · Élevé · Faible · A
- Préparation de l'offre · 12 · 80% · Élevé · Moyen · A
- Première révision du contrat · 6 · 80% · Moyen · Moyen · A
- Demande de prix d'achat · 20 · 70% · Élevé · Faible · A
- Négociation client · 30 · 30% · Très élevé · Élevé · B
- Comptabilité financière · 10 · 80% · Faible · Moyen · B
- Relations stratégiques avec les clients · 10 · 10% · Très élevé · Élevé · C
Ce tableau doit finalement être soumis à l'IC.
Je l'appellerai :
C'est-à-dire :
Quel est l'écart entre le « mode d'organisation actuel » de cette entreprise et le « mode d'organisation théorique AI Native » ?
Il est possible de créer un modèle de 100 points :
- Poids des dimensions
- Qualité commerciale de base · 30
- Potentiel de transformation en agent de workflow · 15
- Human Friction · 10
- Accessibilité des données · 10
- Capacité à encoder les connaissances tacites · 10
- Revenue Amplification · 10
- Degré de modification du contrôle/gouvernance · 10
- Valeur de réutilisation du roll‑up · 5
Ce qui est le plus intéressant n'est pas :
Maturité de l'IA 90 points.
Il devrait plutôt être :
Qualité commerciale 90 points + maturité AI Native 20 points.
Parce que les 70 points intermédiaires représentent votre espace de création de valeur.
Après une acquisition, ne faites absolument pas :
Acheter ChatGPT pour les employés Former aux prompts Déployer Copilot Faire soumettre un cas d'IA par chaque département.
Cela s'appelle :
AI Adoption。
Ce n'est pas :
AI Transformation。
Il faut réellement mettre en place une structure unifiée :
Entrée :
Legacy Company
Après :
Work Graph → Human Friction Map → Objectives → Circles → Roles → Agents → Harness → Ledger → Incentives
Sortie :
AI Native Company。
La méthodologie d'organisation native AI a déjà décrit l'infrastructure sous-jacente :
Context → Agent → Tool → Execution → Evidence → Evaluation → Memory。
Ces sept modules devraient être directement transformés en produits, devenant l'infrastructure partagée par toutes les Portfolio Company.
C’est le véritable IP d’AI PE.
Traditionnel 3G possible :
Jour 1 changement de personnel Jour 30 réduction du budget.
AI Buyout devrait :
Day 0—30：Instrument
Ne pas réorganiser massivement pour l'instant.
La première chose est de rendre l'entreprise « observable ».
Obtenir :
ERP CRM courriels données d'entreprise Feishu/Slack/WeChat contrats base de connaissances système financier système de service client tickets devis achats activités commerciales.
Établir :
Context Layer + Work Graph + Baseline Metrics。
Ensuite, faire entrer l'Agent dans le travail réel.
La raison est : laisser d'abord l'IA entrer dans le travail réel, afin de découvrir où se situe réellement le nouveau goulot d'étranglement.
Day 30—60：Rebuild Workflow
Sélectionnez 3 à 5 flux de travail qui impactent réellement le P&L.
Par exemple, ne pas faire :
« RH rédige la description de poste ».
À faire :
Lead → Qualification → Quote → Contract → Order
Toute la chaîne.
Ou :
Demand → Supplier → Quote → PO → Delivery → Reconciliation。
Puis établir :
Human \+ Agent \+ Tool \+ Evaluator。
Le KPI principal ne devrait pas être :
Le nombre d'appels IA.
Mais plutôt :
De combien le délai de traitement diminue-t-il ? De combien la capacité de revenu augmente-t-elle ? De combien le taux d'erreur diminue-t-il ? Combien de clients chaque ETP peut-il servir ?
Day 60—100：Zero-Based Work
C’est seulement maintenant que l’organisation commence réellement à s’activer.
Demandez point par point :
Pourquoi ce poste est‑il nécessaire ?
Pourquoi cette approbation est‑elle nécessaire ?
Pourquoi ce département est‑il nécessaire ?
Pourquoi, une fois A terminé, doit‑il forcément être transmis à B ?
Pourquoi cette décision doit‑elle être prise par le manager ?
Pourquoi les informations client doivent‑elles être saisies manuellement dans le CRM ?
Ensuite :
Voici la version IA 3G ZBB :
Zero-Based Budgeting → Zero-Based Work。
Et ce n’est pas :
300 personnes réduites à 180 personnes.
Mais recommencer à partir de l'objectif :
Strategy ↓ Objective ↓ Circle ↓ Role ↓ Human + Agent。
Cette méthodologie propose un principe d'organisation très important :
Le cercle gère les résultats, la communauté gère les capacités.
Ainsi, la société de portefeuille pourrait finalement passer de :
CEO → VP → Director → Manager → Team
à :
CEO ↓ Growth Circle Key Accounts Circle Supply Circle Product Circle New Business Circle ↓ Humans + Agents。
Les systèmes professionnels tels que l'ingénierie, les ventes, la finance restent présents, mais deviennent davantage :
Capability Community。
et non un centre de pouvoir.
C’est le couteau décisif pour le succès ou l’échec de la réforme AI PE.
Si c’est seulement :
Vous êtes responsable de la croissance.
Mais le budget reste approuvé par le CFO,
Le recrutement reste approuvé par les RH,
Les primes restent décidées par le PDG,
La performance reste évaluée par le responsable du département,
Alors rien n’a réellement changé.
Le véritable Circle Leader doit devenir :
Détenant :
Le droit d’objectif + Le droit de ressources + Le droit d’évaluation + Le droit de répartition des bénéfices.
Cela correspond au cœur du principe « division du cercle, division du travail, division des gains » : ce n’est qu’en liant la responsabilité, le droit d’allocation des ressources et le droit de répartition des bénéfices que le Circle peut devenir une véritable unité opérationnelle.
Cela combine en fait :
Culture de propriété de 3G
et :
AI Native Circle
sont réunis.
Je pense même que cela pourrait devenir l'un des logiciels propriétaires les plus essentiels de l'IA PE.
La gestion post-investissement traditionnelle repose sur :
Rapport du PDG Rapport du CFO Documents du conseil d'administration Rapport mensuel.
Mais à l'avenir, on devrait voir directement :
qui
- quel Agent
- pour quel Objectif
- Qu'est-ce qui a été fait
- Quel Evidence a été généré
- Quel a été le résultat.
C’est‑à‑dire :
Les commits Git, les devis, les expériences, les résultats de ventes, les retours clients, les trajectoires d’Agent et les résultats financiers sont tous automatiquement comptabilisés.
Ainsi, le GP pourrait pour la première fois réellement :
Observer en temps réel comment l’entreprise crée de la valeur.
Plutôt que d’entendre le CEO une fois par trimestre.
Cela pourrait même constituer un nouveau système de gestion de portefeuille.
Les investisseurs traditionnels se concentrent surtout sur :
Revenue EBITDA Cash Flow。
Bien sûr, continuez à regarder.
Cependant, l'AI PE doit ajouter un ensemble :
Par exemple :
- Signification des indicateurs
- Revenu / ETP humain · Efficacité du personnel
- Marge brute / ETP humain · Efficacité du personnel encore plus importante
- Revenu / Travailleur du savoir · Levier des cols blancs
- Client / ETP commercial · Capacité de vente
- Délai de flux de travail · Vitesse organisationnelle
- Transferts humains / Flux de travail · Friction humaine
- Taux d'achèvement des agents · Autonomie des agents
- Taux d'exception humaine · Proportion d'intervention humaine
- Coût / Résultat · Coût de la tâche finale
- Revenu / Cercle · Efficacité de l'unité entrepreneuriale
- Dépenses d'agent / Bénéfice brut · Efficacité de l'investissement IA
Le plus crucial, c'est :
Combien de cognition humaine faut‑il pour chaque dollar de revenu ?
C’est le principal indicateur économique d’une société AI Native.
Buyout traditionnel :
Prix d’achat - Croissance de l’EBITDA - Désendettement - Expansion du multiple.
Le buyout IA devrait être découpé en cinq niveaux :
① Cost Compression
Les agents réduisent le travail cognitif redondant.
C’est le plus simple, et le plus facile à copier.
② Organizational Compression
Réduction :
Passation hiérarchie approbation gestion synchronisation。
Cela vaut souvent plus que « réduire le nombre d'employés ».
③ Revenue Capacity
Même vente :
100 clients → 300 clients。
Même achat :
50 fournisseurs → 500 fournisseurs。
C'est là que l'IA commence réellement à générer des intérêts composés。
④ Knowledge Capitalization
Expérience humaine :
Memory → Skill → Agent → Evaluation → Asset。
Connaissance de :
Employee Asset
Transformé en :
Company Asset。
⑤ Acquisition Learning Curve
C’est la véritable partie massive du capital-investissement.
Première entreprise :
USD 1 000 000coût de transformation IA.
Deuxième entreprise :
USD 700 000。
Cinquième entreprise :
USD 300 000。
La dixième entreprise :
De nombreux agents, compétences et évaluateurs sont déployés directement.
Ainsi :
Plus le portefeuille est grand, plus la prochaine acquisition est facile à modifier.
L'IA pourrait pour la première fois offrir aux roll‑up traditionnels des économies d'échelle similaires à celles d'une plateforme logicielle.
Le modèle sera forcément commercialisé.
La véritable barrière devrait être :
Accumulation continue :
Workflow Graphs Agent Skills Evaluation Rubrics Industry Context Transformation Benchmarks Role Designs Circle Designs Decision Rights Compensation Models Integration Playbooks。
Par exemple, après l'acquisition de la 10e entreprise de la chaîne d'approvisionnement alimentaire, vous savez déjà :
Comment l'agent de demande de prix doit agir ;
Quel contexte l'agent commercial nécessite ;
Quelles offres nécessitent une approbation manuelle ;
Comment le Procurement Evaluator détermine ;
Quels postes sont les plus susceptibles de devenir des goulets d'étranglement ;
Quels KPI sont faux ;
Quels employés sont les plus susceptibles de devenir Mini CEO.
Ces connaissances n'appartiennent pas à GPT-6.
Appartient à GP.
Voici :
Pour une plateforme typique d'AI Buyout, je concevrais l'équipe centrale ainsi :
- Rôle de l'équipe
- Investment Partners · Recherche de transactions, financement, structuration des transactions
- Operating Partners · CEO, stratégie, gouvernance
- Partenaires de transformation IA · Restructuration d'organisations natives IA
- FDE / Ingénieurs IA · Faire réellement fonctionner le workflow
- Data / Platform · Harness、Ledger、Context
- Partenaire Talent · Trouver un mini PDG et des talents clés
- Opérateurs sectoriels · Compétences sectorielles
Le plus grand changement est :
L'IA/FDE ne doit pas être le « service informatique » post‑investissement.
Il faut l'intégrer à l'équipe de transaction dès la première rencontre avec la cible.
Même au sein du comité d'investissement :
Deal Partner
- Operating Partner
- AI Transformation Partner
Les trois rôles doivent tous signer.
Parce qu'un projet peut :
Financièrement très attrayant,
mais il n'a tout simplement aucun espace pour la transformation IA.
Alors ce n'est pas l'actif que le capital‑investissement IA devrait acheter.
Il ne s'agit pas d'envoyer 50 consultants.
Par exemple :
1 Operating Partner + 1 AI Transformation Lead + 2 FDE + 1 Data/Process Engineer + 1 Talent/Org Partner。
100 jours sur site.
Cependant, ils ne font pas les activités de l'entreprise.
La mission est :
Remplacer le système d'exploitation de l'entreprise.
Après que le système d'exploitation fonctionne, partir, puis rejoindre la prochaine entreprise.
C’est similaire à 3G qui forme continuellement son propre PDG.
L’AI PE devrait continuellement former :
Ce groupe de talents pourrait même devenir plus rare que les Deal Makers à l’avenir.
Sinon, l’organisation finira par se re‑financer.
Si tout le Carry était attribué à l’équipe Deal :
Ils optimisent naturellement :
Quoi acheter, à quel prix l’acheter, à quel prix le vendre.
Mais le véritable Alpha massif de l’AI PE provient de :
Comment ajuster après l’achat.
Donc, il faut au moins permettre :
Operating Team + AI Transformation Team
Partager directement une proportion équivalente du Carry.
Le PDG du portefeuille et le leader du cercle devraient également partager la création de valeur via des actions de gestion / actions fantômes / pool de profits.
Ce n’est qu’ainsi que l’on pourra :
Le contrôle de Dan Weijian +\nla propriété de 3G +\nle cercle AI Native
Les assembler réellement.
Si c’était à moi de concevoir la première transaction, je ne choisirais pas :
« L’opportunité IA la plus sexy ».
Mais je choisirais :
Un profil idéal pour la première transaction pourrait être :
Revenu annuel de 2 à 1 000 000 000 yuan renminbi
EBITDA de 20 000 000 à 100 000 000 yuan
de 50 à 500 employés
Exploité depuis plus de 10 ans ;
Clients stables ;
Produits stables ;
Secteur fragmenté ;
ERP/CRM présents mais utilisation moyenne ;
Grand nombre de personnel de vente, d'approvisionnement, de service client, financier et opérationnel ;
Le fondateur est disposé à céder le contrôle ;
Évaluation d'une entreprise non technologique ;
Il y a également beaucoup de travail cognitif.
La première transaction n'a même pas besoin d'une acquisition de 100 % ;
Mais il faut que :
Il y ait un véritable contrôle.
Le conseil d'administration ne doit pas dire :
« L'IA peut être utilisée, mais ne modifiez pas l'organisation. »
Si ce n'est pas possible :
Changer le PDG Changer l'organisation Changer les incitations Changer le logiciel Changer les droits de décision,
Alors cette transaction ne devrait pas être réalisée.
Ne jamais écrire :
Après l'acquisition, l'IA économise 30% de main-d'œuvre, donc le prix peut être majoré de 30%.
Il faut plutôt stipuler :
Base Case
Ne pas supposer d'expansion du multiple.
Debt Case
Ne pas comptabiliser la croissance des revenus de l'IA non vérifiée.
AI Efficiency
Seuls les workflows déjà validés par Pilot peuvent être intégrés au modèle, et la décote est prise en compte.
Headcount Savings
On ne peut pas intégrer directement le taux de substitution théorique des agents dans l'EBITDA.
Il faut réellement accomplir :
Refonte du workflow → SLA ne diminue pas → L'expérience client ne diminue pas → Reconfirmer les redondances de personnel.
Cela permet d'éviter que le « récit IA » devienne une nouvelle justification pour payer un prix d'acquisition excessif.
C’est exactement la leçon négative que 3 G/Kraft Heinz laisse aux générations futures.
Je lancerai ainsi.
- Tâches clés temporelles
- 0—3 mois · Construire le prototype du système d'exploitation AI Transformation ; identifier un secteur
- 3—6 mois · Sélectionner 50 entreprises, étudier en profondeur 10 d'entre elles, et réaliser 1 acquisition
- 6—9 mois · Achever le Work Graph + transformation de 3—5 flux de travail clés
- 9—12 mois · Réforme Zero-Based Work + Circle + Incentive
- 12—15 mois · Prouver l'amélioration du Revenue/FTE, EBITDA et du Cycle Time
- 15—18 mois · Acquisition du premier bolt‑on et duplication du même OS
- Après 18 mois · Lever le fonds I avec un véritable historique de transformation
Donc la page la plus attrayante du PPT de levée de fonds ne devrait finalement pas être :
L'IA va changer le PIB mondial de plusieurs billions de dollars.
Mais devrait être :
Company A
Lors de l'acquisition :
240 personnes Revenue 420 000 000 EBITDA 38 000 000.
Après 12 mois :
190 personnes Revenu 480 000 000 EBITDA 62 000 000。
En même temps :
Quote time：48h → 4h Customers/Sales：87 → 241 Workflow Human Handoffs：7.3 → 2.1 Agent autonomy：0 → 68%。
Ensuite :
Company B
Le déploiement du même stack Sales / Procurement / Finance n’a pris que la moitié du temps que Company A.
Si cela est réalisé,
La catégorie d’actifs AI PE est alors essentiellement constituée.
En suivant cette méthodologie, AI PE n’est finalement même pas « AI + PE ».
Plus précisément, il s’agit de :
Traditional PE：
Capital Allocation。
Dan Weijian :
Capital Allocation + Governance。
3G：
Capital Allocation + Governance + Management OS。
AI Native Buyout：
Capital Allocation - Governance - Organization Design - Machine Execution。
Cette méthodologie propose un aboutissement qui correspond parfaitement au PE : l’entreprise devrait progressivement devenir un système adaptatif capable de découvrir continuellement des objectifs, d’assembler des personnes et des agents, d’allouer du capital, de valider les résultats et d’éliminer les mauvaises directions.
Ainsi, la définition de ce projet en une phrase peut être rédigée ainsi :
Le PE IA ne consiste pas à utiliser l’IA pour améliorer l’efficacité des entreprises investies, mais à acquérir le contrôle d’une société d’avant l’ère de l’IA, à redéfinir entièrement le « travail — pouvoir — information — intérêt », afin que l’entreprise elle‑même devienne un système de gestion exécutable par machine, observable, apprenable et reproductible.
En résumé, en langage du marché des capitaux :
La prochaine étape réellement prioritaire n’est pas de rédiger le Fund Deck, mais de préparer d’abord un « AI Buyout Investment & Transformation Playbook v0.1 » : il comprend le tableau de sélection des cibles, le DD natif IA, le modèle Work Graph, le plan de 100 jours, l’évaluation Organizational AI Delta, les KPI post‑investissement et le modèle IC. Une fois cet outil réalisé, le projet passe réellement du « concept » à une phase « négociable, exécutable, levable ».
Contre-évidence
- La capacité de réutilisation inter‑entreprises du AI Transformation Playbook doit encore être vérifiée avec la deuxième et la troisième société investie ; un cas de succès unique peut provenir d’un changement de direction, d’un cycle sectoriel ou du prix de la transaction.
- La compression organisationnelle peut nuire à l’expérience client, aux connaissances tacites et à la confiance interne ; le taux de substitution théorique des agents ne peut pas être directement intégré à l’EBITDA ou au prix d’acquisition.
- L’agentisation déplace les goulets d’étranglement vers la définition des objectifs, les droits d’accès aux données, la gestion des anomalies, l’évaluation et l’attribution des responsabilités ; le succès du déploiement technologique ne garantit pas la réalisation des résultats opérationnels.
- Sans le véritable contrôle du CEO, de l’organisation, des incitations, du système et des droits de décision, la transformation native IA risque de se réduire à une adoption d’outils ponctuels.