Why Buying Companies Beats Selling Them AI — Prathik Naidu, Long Lake
三句話摘要
為什麼透過收購現有企業並整合 AI,比起作為外部供應商或從零開始構建,是部署 AI 至現實世界的更優策略。 擁有權透過激勵一致、完整的營運掌控、既有信任和客戶基礎,使 AI 能有效在現實服務企業中大規模部署,同時根本改善傳統勞動密集型服務業的經濟學。 外部部署的價值捕捉陷阱:即使 AI 供應商創造了數百萬美元年度 EBITDA 影響(例如 500 萬美元成長),企業客戶以 10 倍估值乘數計算,卻能獲得 5000 萬美元企業價值。大部分創造的價值被客戶保留,供應商的營收有限,導致難以維持高增長和定價能力。
重點整理
外部部署的價值捕捉陷阱:即使 AI 供應商創造了數百萬美元年度 EBITDA 影響(例如 500 萬美元成長),企業客戶以 10 倍估值乘數計算,卻能獲得 5000 萬美元企業價值。大部分創造的價值被客戶保留,供應商的營收有限,導致難以維持高增長和定價能力。
收購提供的複合優勢:擁有權從第一天就內建信任(數十年品牌和客戶關係),提供完全的激勵一致(不存在分散的收入目標),配備既有專家團隊和客戶基礎,並可直接接觸執行工作的人員以理解邊界情況和隱形判斷邏輯。
服務業的邊際成本困境:70 兆美元全球服務經濟中,每增加 100 美元收入需投入約 80 美元成本(招聘、訓練、管理人力),導致 20% 邊際利潤率與 80% 邊際增長稅率,限制了創辦人擴展野心的發揮。
AI 重塑服務業經濟學:透過 AI 集成,人力成本不再與收入成正比,勞動力槓桿改善,使服務企業逼近軟體公司的低邊際成本結構,實現可持續高速增長和利潤率提升。
實用技巧與重點
- Long Lake 籌資規模:7.5 億美元
- 主要投資者:Eliad Gil、General Catalyst、Alpha Wave、D1
- 已收購企業數:40+
- 團隊規模:55 人(含技術、財務、營運)
- 涵蓋領域:住宅服務、建築設計、HR、公司差旅
- 最新交易:Amex GBT 63 億美元收購(私有化)
- 年度交易審視量:約 5,000 份
- 傳統服務業成本結構:收入 $100 → 成本 $80 → 利潤 $20
- 軟體公司成本結構:收入 $100 → 成本 $20 → 利潤 $80
- 企業估值倍數(保守):10x EBITDA
- 評估標準三問:(1)客戶信任端到端成果嗎?(2)服務涉及人類判斷嗎?(3)存在監管問責需求嗎?
- 部署週期模式:J 曲線(初期投資 → 產能解鎖 → 價值捕捉 → P&L 衝擊)
結論
擁有權透過激勵一致、完整的營運掌控、既有信任和客戶基礎,使 AI 能有效在現實服務企業中大規模部署,同時根本改善傳統勞動密集型服務業的經濟學。
完整解析
講者 Pratik Naidu 開場指出將 AI 部署到現實企業環境面臨的系列障礙。作為外部 AI 新創,首先必須克服技術整合壁壘(安全審查、20 年遺留系統集成),其次推動員工採用需經過產品迭代、培訓、回饋循環,最後面臨價值捕捉困局──如何透過計價模式(按 token、按座位席、混合制)在定價敏感的企業客戶中獲利。但根本挑戰在於,企業組織遠比表面組織圖複雜得多,決策權分散在數十年經驗員工形成的人脈網絡中,大量運營由隱形人類判斷和邊界情況知識驅動。外部供應商很難嵌入這個網絡。
即使成功部署創造顯著商業價值(年度 500 萬美元 EBITDA 增長),以保守 10 倍估值計,客戶企業獲得 5000 萬美元企業價值增幅,但供應商能捕捉的營收相對微小。這反映一個根本困局:建築在外部的 AI 很難大幅提升商業績效並同時維持高增長。
相反,透過收購優質服務企業獲得擁有權,能統一解決五大痛點。工程端:直接訪問實際操作人員,理解完整工作流和邊界情況,建立深度關係,實現全面自動化而非片段解決方案。數據端:每個企業是生動的真實環境,包含真實任務、邊界情況、代理正確性的驗證信號,可用於迭代改進模型。營運端:激勵完全一致,企業成功即你的成功,無分散的客戶目標或利益衝突。信任端:已有數十年建立的品牌和客戶關係,信任天然存在。規模端:從既有客戶基礎、專家團隊、現金流開始成長。這些優勢交互複合形成飛輪:深度理解工作流 → 部署高效能代理 → 產生真實營運數據 → 改進模型和業務流程 → 加速部署 → 更快 P&L 衝擊 → 複合增長。
服務業提供最優收購目標。全球 70 兆美元服務經濟遠大於軟體市場,但面臨邊際成本困境:HOA 經理只能管理有限社區,建築師設計有限項目,每增加收入必須線性增加人力成本。每增加 $100 收入,服務企業投入約 $80 成本,邊際利潤僅 $20,與軟體公司的 $80 邊際利潤形成鮮明對比。這 80% 邊際增長稅率使許多創辦人停止追求增長,不是缺乏野心,而是經濟不可行。
AI 改變了這一動力。整合 AI 的服務企業勞動力成本不再與收入成線性關係,邊際經濟學轉變為軟體級別的高槓桿模式。Long Lake 的策略就是收購最優服務企業、深度整合 AI、應用統一的部署和轉型方法論。透過 J 曲線模式(投資部署 → 產能解鎖 → 價值捕捉與增長推動 → P&L 衝擊),每家合作企業實現員工人均收入提升、客戶服務品質改善、員工和客戶 NPS 提升。方法論的重用使後續合作企業部署加速,P&L 衝擊周期縮短。此外,成功執行需要獨特多元團隊:M&A 專家收購優質企業,工程師深入現場部署代理,營運和採用團隊驅動真實商業成果而非停留於產能節省。


