Luister naar de podcast: AI bouwen: van visie tot uitvoering | Een gesprek met Artefact | Ardian
In het snel veranderende landschap van private equity is het gesprek veel verder gegaan dan eenvoudige financiële engineering. Vandaag de dag wordt waardecreatie steeds meer gedreven door het vermogen van een bedrijf om data te benutten. Op de tweede editie van de AI voor Alternatieve Beleggingen (AI x AI) conferentie, Arthur Garnier van Ardian's Data wetenschapsteam ging zitten met Elina Ashkinazi-Ildis, een Partner bij Artefact, om de reis van theoretisch AI-potentieel naar tastbare operationele uitmuntendheid te ontleden.
Hun gesprek onthult een cruciale waarheid: Generatieve AI (GenAI) is weliswaar de “sexy” katalysator die iedereen in de kamer krijgt, maar de echte winnaars zijn degenen die jarenlang het minder glamoureuze werk hebben gedaan om robuuste data foundations te bouwen.
“Data bestuur en data kwaliteit... Het is niet sexy, het is minder spannend. Maar nu met Generative AI, het feit dat je verbazingwekkende use cases kunt creëren en waanzinnige resultaten kunt behalen... worden mensen ineens geïnteresseerd. Ze zeggen: ‘Wat kan ik zelf doen om de volledige capaciteit van AI te benutten? En vaak is het antwoord: eerst moet je je afstemmen op data governance, ’ zegt Arthur Garnier, Senior Data Wetenschapper, Ardian.
De vierlagige piramide van AI-succes
Artefact, een voormalig Ardian Expansion portfoliobedrijf, heeft een decennium besteed aan het verfijnen van haar benadering van digitale transformatie. Volgens Elina gaat het bij een succesvolle AI-integratie niet eerst om de technologie, maar om een piramide van vier lagen die duurzaamheid garandeert:
- De use-case laag: “In welke business zitten wij?” Dit is het uitgangspunt. Voordat er ook maar één regel code wordt geschreven, moeten bedrijven vaststellen waar teams hun tijd aan besteden en welke pijnpunten, als ze opgelost zouden worden, de omzet en marges zouden verbeteren.
- Het bedieningsmodel: Hoe verbindt u beleggingsprofessionals en data wetenschappers? Succes vereist een kader waarin deze twee werelden efficiënt kunnen samenwerken.
- Infrastructuur en bestuur: Dit is de “machinekamer”. Zonder schone, gestructureerde en toegankelijke data zullen zelfs de meest geavanceerde algoritmen falen.
- Veranderingsbeheer: Dit is waar het menselijke element leeft. Het gaat om het veranderen van processen, training, het veranderen van denkwijzen en ervoor zorgen dat de organisatie klaar is om samen met de technologie te evolueren.

GAIA: Een casestudy in strategische wendbaarheid
Een belangrijk onderdeel van de discussie was GAIA, het interne generatieve AI-platform van Ardian. GAIA vertegenwoordigt een strategische middenweg in het debat “Bouwen versus Kopen”. Elina's advies is pragmatisch: “Als er een marktoplossing is die al uw vragen beantwoordt en die binnen het budget valt... bouw het dan niet. Koop het gewoon.”
Ardian koos er echter voor om GAIA te bouwen omdat het hen in staat stelde om absolute controle te houden over hun interne intelligentie. Arthur merkt op dat wanneer een bedrijf 95% van het zware werk doet om zijn data op te schonen, te organiseren en te bezitten, de laatste 5%, het integreren van die data in een aangepaste AI-tool, een natuurlijke en krachtige volgende stap is. Door een aangepaste laag te bouwen bovenop partnertechnologieën zoals Microsoft, OpenAI, Mistral en anderen, heeft Ardian verschillende belangrijke doelen bereikt:
- Technologische flexibiliteit: Ze blijven “agnostisch” en kunnen een LLM vervangen door een nieuwere, betere zonder het hele systeem opnieuw op te bouwen.
- Bottom-up innovatie: Veel van de functies van GAIA kwamen niet uit een directiekamer, maar uit een intern hackathon-evenement, zoals “Ardian Startup Studio”, en interne pitches waarbij werknemers hun eigen behoeften identificeerden.
- Data soevereiniteit: 95% van het werk in AI is het schoonmaken en in eigendom hebben van de interne data. Zodra dat is gebeurd, wordt de uiteindelijke implementatie een bedrijfseigendom in plaats van een gehuurde service.
De noodzaak van “proces re-engineering
Het meest diepgaande inzicht uit het gesprek was misschien wel Elina's mantra: “Laten we het proces opnieuw ontwerpen.” 1TP36 AI inzetten op een gebroken of rommelig proces is als een snellere motor in een auto met vierkante wielen zetten. Elina vergelijkt het aanleren van een AI “agent” met het leren oversteken van een jong kind. U kunt ze niet een miljoen variabelen en “sluiproutes” geven. U moet het proces vereenvoudigen in binaire, precieze stappen:
Rood licht: Stoppen. * Groen licht: Kijk beide kanten op en loop dan.
“De technologie zal een heel klein onderdeel zijn... het is het eerste onderdeel [procesvereenvoudiging] dat voor elke industrie heel lastig zal zijn,” aldus de directeur.” legt Elina Ashkinazi-Ildis uit
Voor een participatiemaatschappij als Ardian betekent dit dat er wordt gekeken naar portfoliobedrijven, van digital natives tot “hard-core” productiebedrijven, en dat ze worden geholpen om inefficiënte oude workflows te verwijderen voordat er AI op wordt gelegd.
De kloof dichten: Van technische silo's naar zakelijke impact
Het overkoepelende thema van de Ardian AI x AI conferentie was duidelijk: het tijdperk van de “silo” data wetenschapper is voorbij. Arthur benadrukte dat, wil AI een echte impact hebben, data wetenschap ingebed moet zijn in de business units.
Als technische teams in een vacuüm werken, bouwen ze dashboards die niemand gebruikt. Als ze samenwerken met beleggingsteams, met live feedback en “ambassadeurs” uit het hele bedrijf, bouwen ze tools zoals GAIA die de manier waarop het bedrijf werkt fundamenteel veranderen.
Naarmate de private equity-industrie zich verder ontwikkelt, is het niet langer alleen de taak van de investeerder om kapitaal te verschaffen, maar ook om de technologische routekaart te verschaffen die ervoor moet zorgen dat hun portfoliobedrijven de AI-golf niet alleen overleven, maar deze naar nieuwe hoogten van efficiëntie brengen.
Luister naar de podcast: AI bouwen: van visie tot uitvoering | Een gesprek met Artefact | Ardian

BLOG





