為什麼買下企業比賣 AI 給企業更划算——Long Lake 的 Prathik Naidu

Long Lake 創始合夥人 Prathik Naidu 主張，買下既有的服務型事業，遠比把 AI 賣給它更划算，因為所有權能讓誘因一致，也讓 AI 創造的價值真正留在自己手上。整場演講大部分時間都花在這套論點的運作機制上：阻擋外部廠商部署 AI 的三道牆、服務業與軟體業的經濟結構差異、Long Lake 挑選併購標的的準則，以及從 AI 投資到損益表發酵的 J 曲線路徑。標題的框架是準確的——「買下 vs. 賣出」的對比是整場論證的主幹，而非順帶一提。

Naidu 是從自己描述的模型內部發言：Long Lake 是一家應用 AI 控股公司，已募資 75 億美元、與 40 家企業合作，最近一筆是以 63 億美元將 Amex GBT 私有化。讀者讀完應該能帶走幾個具體數字：支撐服務業經濟論述的關鍵資料（成長的邊際成本約 80%，軟體業則約 20%）、擁有所有權的五項優勢，以及 Long Lake 篩選併購標的時套用的三問題濾網。

從外部賣 AI，還沒抓到價值就先撞上三道牆

Naidu 把企業 AI 供應商的困境描述成一連串障礙，每一道都得先耗掉大量心力，下一道才會浮現。第一道是能否真正進入生產環境：資安審查、內部協調，以及與沿用二十年的老系統整合。第二道是採用率——反覆調整介面、辦教育訓練、收集回饋，還要回答一個始終沒有定論的問題：推動使用量的責任究竟在供應商還是客戶身上。第三道是變現：該賣 Token 還是賣席次、如何應對價格敏感度、ROI 又該怎麼衡量。

他更深的論點是，這三道牆沒有一道跟模型品質有關。「問題不在模型，」他說，智慧本身正以指數速度進步。真正的困難是結構性的，他給出三個理由：

• 組織比組織圖複雜得多。 決策嵌在一張由資深員工交織而成的網路裡——那些老闆倚重的老將——所以外部供應商必須「嵌進」組織，而不是隻跟組織「整合」。
• 系統紀錄抓不到實際營運的樣貌。 CRM、工單系統、檔案庫都有用，但在複雜領域裡，企業靠的是人的判斷：例外狀況、邊緣案例、隱性知識，還有走到隔壁問專家一句話就能解決的問題。
• 就算交付了價值，也未必抓得住價值。 一紙七位數的合約帶來的是續約風險、模型進步與替代方案變便宜所引發的降價壓力，以及「上檔收益最後歸誰」的問題。

最後一點是全場算術最犀利的地方。如果客戶每年花 100 萬美元的 AI 專案，換來 500 萬美元的 EBITDA 效益，以保守的 10 倍本益比估算，等於創造了 5,000 萬美元的企業價值——而這些價值落在客戶的損益表上，不是供應商的。「身為供應商，苦活都是你做的，」Naidu 說，但「最大的效益其實出現在你合作的那家公司的損益表上。」

從零打造 AI 原生公司，只是換一組牆來撞

Naidu 認為「乾脆自己用 AI 為核心打造一家公司」是條可行的路，也說這類公司裡會有很多表現優異者。它能改造整個工作流程而非只切一小塊、賣的是工作成果本身而非工具，損益與創造的價值也都留在自己手上。但它起步時沒有客戶、沒有通路、沒有品牌聲譽，而且在客戶需要多項專業服務的利基產業裡，很難招募到足夠深厚的專業人才。

他舉的例子是一位規劃新建手術大樓的醫療體系主管。把專案交給一家 AI 建築新創，而不是交給與該體系合作二十年、熟悉標準與設計細節、且能受託處理完整範圍的建築師事務所，是「一種非常不同的執行模式」。最優秀的公司花了數十年贏得客戶、建立品牌與信任、組成能交付成果的團隊。併購，就是讓自己從這個位置出發，而不是從對立面出發的方法。

所有權帶來五項優勢，彼此串成飛輪

Naidu 把擁有所有權的好處鋪陳為五項彼此連動的特性，而不是五個各自獨立的利益；而「連動」正是論點所在：合起來會形成一個會複利的迴圈，這是供應商或新創在第一天組不出來的。

| 優勢 | 所有權帶來什麼 |
|---|---|
| 接觸 | 團隊與實際做事的人坐在一起、與資深員工建立關係，並針對完整的服務交付機會設計代理，而不是隻針對單一工作流程 |
| 資料 | 一個有真實任務、真實邊緣案例、以及「代理到底做對了沒」真實答案的活環境——這是改進代理與模型的訊號 |
| 誘因一致 | 沒有各自獨立的營收目標，也沒有互相競爭的客戶；擁有者只有在事業贏的時候才贏，障礙因此消失、部署因此加速 |
| 信任 | 品牌與客戶關係是花數十年建立的，從第一天就已內建 |
| 規模 | 既有客戶基礎、專業的交付團隊，以及可再投入成長與新產品的現金流 |

飛輪靠實際營運轉動：代理與人協作，企業從中學習工作實際上怎麼做，這產生真實世界的資料，資料帶來真實成果，學習再層層複利。Naidu 的主張是，所有權從第一天就供應了這個迴圈的每一個要素，這也是他認為這項優勢能快速複利的原因。

服務業是 70 兆美元的市場，人力成本卻對成長課徵約 80% 的稅

市場規模的論證，是把全球軟體市場拿來對比 70 兆美元的全球服務市場；Naidu 的主張是，從頭到尾擁有服務成果，比把工具賣給實際做事的人更有價值。障礙在成本結構。HOA（社群管理委員會）管理公司的一位社群經理，能管的社群數量就是有限；一位建築師能設計的醫院 or 學校就是有限。客戶變多，就得增聘人手。

他把對比數字化。典型軟體事業中，每增加 100 美元營收，扣掉成本後大約留下 80 美元。服務業中，每增加 100 美元營收，大約要背負 80 美元的交付與管銷成本——招募、訓練、管理。他稱這是「對成長課徵大約 80% 的邊際稅，這數字非常驚人」，並說這正是許多優秀服務業創辦人明明身處大市場、也胸懷野心，卻停止追求成長的原因。

AI 改變了這條斜率。Naidu 說，AI 降低服務成本同時提升服務品質，人力成本不再直接隨營收等比上升。交付服務仍然需要專家，但經濟結構「開始看起來更像軟體業」。這樣的營運槓桿，正是 Long Lake 論述的核心。

Long Lake 鎖定任務關鍵型服務：靠判斷、信任與監管問責

Long Lake 自述為一家應用 AI 控股公司，收購一流的服務型企業、改造其營運，並以更好的客戶體驗為目標加速成長。Naidu 說，公司約三年前成立，已向 General Catalyst、Alpha Wave、D1 等募得 75 億美元，並與橫跨住宅服務、建築、人資等市場的 40 家企業合作。團隊 55 人，涵蓋技術、財務與營運，成員來自前創業者、軍方與 Palantir。最近一筆對外公佈的交易，是以 63 億美元將 Amex GBT 私有化，藉此切入商務差旅市場。

篩選邏輯始於一個前提：隨著模型進步，智慧的價格會持續下跌，所以真正的問題是「什麼東西仍然昂貴」。Long Lake 用三個問題回答每個標的：

1. 是否有一群信任這家企業、願意把真正的端到端成果交給它的客戶？
2. 所交付的服務中，是否包含人的判斷？
3. 是否存在監管因素，決定問責歸屬？

Naidu 的例子把「工具」與「擁有的成果」之間的差別講得更清楚：不是幫屋主草擬一份社群通訊，而是從頭到尾處理一次緊急漏水；不是從檔案裡抽取資料，而是為一個複雜的稅務決定負起責任；不是幫忙訂機票，而是處理臨時發生的航班中斷。他說這類企業很稀有——必須同時符合所有問題，還得有一支對合作感到興奮的團隊。Long Lake 一年看約 5,000 件案子，套用「極其嚴格的濾網」，因為他們相信好的投資決策需要選擇空間。

損益改造走的是 J 曲線：從部署到真正的營運效益

Naidu 把改造路徑描述成一條有兩個明顯階段的 J 曲線，並警告只走完第一階段就停手，等於把價值留在桌上。向下的那一段是投資：建平臺、擷取工作流程、投入團隊時間讓它在企業內部真正運作起來——與原有團隊緊密合作、反覆迭代、驗證產品，也可能用這家企業獨有的工作流程與資料訓練新模型。

向上的那一段，始於使用量站穩、產能釋放：省下時間、使用量拉高、同樣的產出用更少工時完成。但這還不是終點。「我們要真的把價值抓下來，」他說，意思是把釋放出來的產能投入運用——與經營團隊一起推動成長、客戶 NPS 與員工 NPS，直到產生真正的損益效益：更高的每人營收與更好的服務品質。

flowchart TD
    A["投資：平臺、工作流程擷取、團隊時間"] --> B["部署：與原有團隊合作、迭代、驗證、訓練模型"]
    B --> C["採用：使用量上升、產能釋放、同樣產出用更少工時"]
    C --> D["價值捕獲：把產能投入成長、客戶 NPS、員工 NPS"]
    D --> E["損益效益：更高的每人營收、更好的服務品質"]
    E --> F["複利：下一筆併購部署更快、損益效益來得更快"]

所謂複利，指的是這不是每家公司各跑一次的客製化劇本。有了共用平臺，以及同時涵蓋 AI 部署與企業改造的劇本，每一個新夥伴都應該能更快部署代理、更快看到損益效益。Naidu 說，Long Lake 在其 40 多家夥伴企業中都觀察到這個現象。

這套模式需要三種能力，而它們很少同時存在於一家公司

Naidu 最後談到組織面的要求，並把它定調為招募與營運問題，而非資金問題。要擁有、經營並改造企業，需要三種團隊：一是併購團隊，能與世界級服務公司合作、並點燃它們對未來的熱情；二是建置團隊，願意飛到 Minneapolis、Portland、London，把代理部署推進到涵蓋整個營運，而不是隻做單一用例；三是部署與營運團隊，能把採用率推過「省產能、省時間」的階段，進入可衡量的營運效益與更好的客戶體驗。

這三塊結構，就是這套論點的實戰檢驗。主張「買下而非賣出」的前提，是能同時做好併購、工程與變革管理——而且 J 曲線的後半段真的會到來。

尚未解開的張力在於時間。Naidu 的論證建立在營運槓桿會反映到損益表上，但 J 曲線向下那一段是實打實的支出，報酬沒有保證；而 5,000 萬美元企業價值的推算，也假設客戶能完整吃到 EBITDA 效益、且市場持續給予 10 倍本益比。以 63 億美元將 Amex GBT 私有化，是至今對「控股公司能否把這套劇本套用到這種規模的企業」最大的檢驗。值得追蹤的是：隨著投資組合超過 40 家，Long Lake 所稱「後續併購更快看到效益」是否站得住腳；以及服務業經濟結構向軟體式毛利率靠攏的變化，是否會出現在實際公佈的財報數字裡，而不只是停留在論述語言中。