M&A e Private Equity, un ambito dove l’Intelligenza Artificiale potrebbe essere la naturale risposta alla complessità ma che nei fatti fatica ancora a decollare
Le operazioni di M&A e Private Equity sono diventate un puzzle sempre più complicato con più aziende da valutare, maggiori dati da incrociare e sempre meno tempo per farlo bene. L’intelligenza artificiale, in teoria, dovrebbe essere la risposta naturale in pratica, però il settore fatica ancora a fidarsi con circa il 50% dei professionisti che preferisce affidarsi ai metodi di sempre come bilanci, visure, banche dati sfogliate a mano nonostante comporti più tempo perso e più margine di errore.
Il punto, però, non è sostituire l’analista con un algoritmo ma togliergli di mano il “lavoro sporco”. Ed è quello che propone DeepTree, startup italiana che ha costruito una piattaforma AI per automatizzare ricerca e analisi delle informazioni sulle imprese, con cinque consigli pratici per far entrare l’intelligenza artificiale nelle prime fasi di un’operazione lasciando agli analisti il tempo (e la testa) per le decisioni che contano davvero.
-
Passare da una raccolta frammentata a una visione integrata dei dati: le informazioni necessarie per valutare un’azienda sono spesso distribuite tra molteplici fonti. Riunire fin dall’inizio dati societari, indicatori finanziari, posizionamento competitivo, competitor, multipli di mercato e figure chiave in un’unica vista consente di ridurre il tempo dedicato alla ricerca delle informazioni e limitare il rischio di errori derivanti dall’incrocio manuale dei dati. In questo modo gli analisti possono concentrarsi fin da subito sugli elementi realmente utili alla valutazione dell’operazione.
-
Valutare le imprese in base al business reale, superando le classificazioni formali: affidarsi esclusivamente a classificazioni come il codice ATECO rischia di restituire una fotografia parziale del mercato. È più efficace analizzare ciò che l’impresa produce realmente, i clienti a cui si rivolge e le tecnologie che utilizza. Un approccio che permette di individuare aziende realmente comparabili, anche quando appartengono a categorie differenti, migliorando la qualità delle analisi.
-
Costruire shortlist più mirate ed eliminare i falsi positivi: nella fase di origination non è utile accumulare lunghe liste di aziende, ma identificare rapidamente quelle che rispondono ai criteri dell’operazione. Lo stesso principio vale per l’analisi competitiva, che dovrebbe individuare i concorrenti sulla base del business effettivamente svolto e non delle sole classificazioni amministrative. Questo consente di ottenere una fotografia del mercato più aderente alla realtà e di ridurre il tempo dedicato alle verifiche.
-
Eliminare il rumore nei documenti complessi: bilanci, contratti e memorandum informativi contengono spesso centinaia di pagine, molte delle quali non sono rilevanti rispetto allo specifico obiettivo dell’analisi. Isolare rapidamente le informazioni pertinenti permette di ridurre i tempi di consultazione e concentrare l’attenzione sugli elementi che incidono realmente sulla valutazione dell’operazione.
-
Automatizzare i report per valorizzare il giudizio degli analisti: la preparazione di memo, report e profili aziendali continua ad assorbire una parte consistente del lavoro degli analisti. Automatizzare la produzione di questi documenti consente di ridurre le attività ripetitive e lasciare più spazio all’interpretazione dei dati e alle valutazioni strategiche.
“L’intelligenza artificiale non sostituisce il giudizio dei professionisti, ma permette di eliminare gran parte delle attività ripetitive che rallentano le operazioni e aumentano il rischio di errore. Automatizzare la raccolta e l’organizzazione delle informazioni significa restituire tempo agli analisti affinché possano concentrarsi sugli aspetti strategici delle operazioni, dove il contributo umano continua a essere determinante” commenta Lorenzo Ferretti, CEO di DeepTree.