AI 在并购领域表现优于银行家，原因如下

快速阅读: 据《印度分析杂志》称，AI正改变印度并购市场，通过分析海量数据预测市场趋势和机会，提升交易撮合效率。尽管AI在处理偏见和复杂判断上有局限，但它作为辅助工具，能帮助银行家和投资者更好地识别战略契合度和市场动态。

人工智能（AI）、私募股权与并购（M&A）的交汇点正在印度悄然展开。AI已经开始在识别、评估和吸引并购机会方面超越传统投资银行家。传统的并购实践严重依赖公开数据、银行家网络以及高管级别的社交引荐。然而，大多数初创公司依然保持私密，在市场中不可见，通常直到它们已经退出市场。

生成型AI模型能够自动发现和学习输入数据中的模式，并根据更新且更一致的数据得出结论。这些模型需要大量的历史输入-输出对示例来实现这一点。利用这些信息，模型学会识别哪些输入最具预测性，哪些行动会导致期望的结果。AI在交易撮合中的效率在与AIM的对话中得到了体现。阿马尔·希尔斯（Amar Shirsat），GrowthPal的联合创始人兼首席技术官，强调了传统交易撮合过程中的低效之处，并指出了使用AI模型来识别战略契合度和动态市场趋势的重要性。他补充说，与银行家不同，AI工具可以分析庞大的数据集，包括公共和专有来源，以预测市场情绪和机会。

除了其他公开和客户提供的数据外，GrowthPal还使用其过去四年经营业务积累的自有专有数据。“我们与多家买方和卖方公司进行了交谈，因此我们对市场非常了解。所有这些综合知识都用于训练这些算法，这就是如何得出见解的过程，”希尔斯指出。审视通常的交易撮合过程或目前大多数并购交易时，可以看到它们主要由投资银行家指导，并受到关系的显著影响。“公司的数量是巨大的，但如今，我们有一个包含全球超过30亿家公司数据库。如果有人正在寻找跨境收购，要找到适合你的正确战略匹配是非常困难的，”希尔斯说道。

德勤印度的合伙人贾亚克里斯南·皮莱（Jayakrishnan Pillai）告诉AIM，AI模型特别适用于需要处理大量数据的任务，尤其是在时间有限的情况下，这在并购交易中通常是如此。“叠加多个数据集并从中得出推论所需的时间仅为手动完成任务的几分之一，且准确性更高，例如通过叠加销售数据与社交媒体上的客户情绪信息来识别红旗，对原材料价格及其对利润率和营运资本影响的预测分析，”皮莱补充道。

并购中准确数据集的重要性

希尔斯认为，银行家主要依靠数据库，这些数据库提供有用但大多是静态的信息，可能会限制新机会的发现。他们的商业模式侧重于销售现有服务并在卖方市场中寻找合适的候选人。从买方的角度来看，目标是在快速变化的市场中识别战略契合度，特别是在Denton的研究中表明，近64%的商业领域高管计划在未来一年内通过并购来增强其AI能力，这一比例在未来三年内将增加到70%。该研究提到，购买具有既定AI能力的公司提供了一种相对有效的方法来采用先进技术，这可能导致市场增长、敏捷性的提高以及受AI影响的成本降低。

为了在这个环境中导航，银行家需要动态工具来评估市场情绪、竞争对手行为和行业趋势。这些工具必须迅速识别相关机会，因为及时决策在这个快节奏的环境中至关重要，希尔斯强调。“这只是时间问题，”TCS并购服务英国区域主管阿莱克西斯·克里斯托菲德斯（Alexis Christofides）在TCS的一份报告中表示。“越来越多的公司正在发现方法来将其能力代码化，即使是像企业文化这样传统上难以量化的因素也是如此。迟早，所有关于‘电子邮件情感分析’和‘产品上市时间’的数据都将被投入机器学习算法。”

当被问及AI模型是否能够在市场看到之前预测退出意图时，希尔斯指出，公司常常留下数字足迹，主要受其高管团队的影响。私募股权（PE）公司也以不同于战略买家和银行家的方式使用AI工具。PE公司投资的时间范围为三到七年，重点关注退出选项和潜在买家。相比之下，战略买家强调整合，AI在识别两家公司间的协同效应并分析客户、供应商及员工趋势的数据模式方面非常有价值，皮莱解释道。

战略性合作伙伴关系中整合AI的挑战

不过，AI仍存在局限性，如算法偏见以及谈判和建立信任过程中的人类判断需求。在任何情况下，并不是所有的并购交易都能成功。根据TCS的一份报告，现在与AI驱动的未来之间的差距在于缺乏可用的训练数据。当机器学习的输入简单到象棋棋盘位置时，提供信息很容易。然而，公司并不符合这种简单的描述。在AI能够确定哪些企业优势可以预测并购成功之前，它必须先定义这些优势。本质上，它需要确定公司的属性和优势。根据报告，虽然收集和管理公司能力的数据可能不容易，但并非不可能。

希尔斯认为，“哪里缺乏数据，就会产生一些合成数据，或者可能做出一些预测，这些预测可能不准确，而且需要很多反馈循环，最终会达到目标。”此外，AI在决策方面存在局限性，尤其是在需要判断或数据稀缺的情况下。“例如，私募股权公司投资委员会成员对交易的投票通常需要高度判断力，而关于积极或消极投票与潜在因果因素之间相关性的历史数据并不容易获得，”皮莱解释道。

旨在消除偏见的评估需要耗费大量精力。然而，这是一个具有挑战性的任务。有时需要人类干预，这就是专家意见发挥作用的地方。公司倾向于依靠这些专家而不是完全依赖AI。“AI仍然作为辅助角色使用，人们很清楚它只是辅助角色。它永远不可能成为主导者，我希望它永远不要成为主导者，”希尔斯总结道。

(以上内容均由Ai生成)