Ny rapport visar att AI snabbt blir en central del av investeringscase och värdeskapandeplaner inom private equity, samtidigt som operativ mognad, kvalitet och styrning inte utvecklas i samma takt
Software Improvement Group står bakom rapporten AI ambition and reality in Private Equity, som analyserar varför AI-ambitionerna inom private equity i allt högre grad utvecklas snabbare än den praktiska användningen i verksamheterna. Rapporten visar hur klyftan påverkar transaktionsrisk, värdeskapande och exitutfall genom hela investeringscykeln.
Rapporten presenteras på en marknad där private equity hanterar höga tillgångsvärderingar, växande exitköer, begränsad likviditet och avkastning som i flera fall är mer återhållsam än utvecklingen på de publika marknaderna. I det läget blir det avgörande för investerare att kunna bedöma vilka AI-relaterade konkurrensfördelar som är faktiska och försvarbara, och vilka som i praktiken främst är en berättelse.
I dag har AI gått från experiment till en central del av investeringshypoteser, värdeskapandeplaner och portföljkommunikation. Samtidigt uppger 88 procent av organisationer globalt att de använder AI i minst en affärsfunktion och 64 procent att AI möjliggör innovation.
Luc Brandts, CEO of Software Improvement Group
Inom private equity uppger cirka två tredjedelar av general partners att AI-piloter pågår i portföljbolagen, men endast omkring 40 procent ser AI integrerat i flera affärsprocesser. Det visar på en växande klyfta mellan ambition och genomförande.
– AI förändrar hur vi gör affärer i grunden och beroendet av teknik ökar till nivåer vi inte tidigare har sett. Samtidigt finns ingen tydlig överblick. Det är inte ett nytt problem, men AI förstärker det tiofalt. Kan vi lita på det som byggs, investerar vi på rätt ställen och hur redo är vi för AI? Det är frågor varje investerare har och som behöver tydliga svar, säger Luc Brandts, vd för Software Improvement Group.
AI-ambition möter investeringsrealitet
Rapporten visar att private equity-aktörer sällan misslyckas med AI på grund av tekniken i sig. Utmaningen ligger i att den underliggande mjukvaran ofta är svår att överblicka och inte byggd för att skala AI på ett kontrollerat sätt. AI-mognad påverkar därför i ökande grad hur risk prissätts vid förvärv, hur värdeskapande genomförs under holdingperioden och hur värde försvaras vid exit.
När AI snabbar på utvecklingen av generisk funktionalitet sätts den traditionella tekniska konkurrensfördelen under press. Storleken på kodbasen eller antalet utvecklingsår är inte längre tillräckliga indikatorer på försvarbarhet. Det som i ökad utsträckning är svårt att kopiera är domänkunskap, egen data, arkitektur och strukturerad ingenjörsdisciplin. Samtidigt är dessa delar ofta bristfälligt dokumenterade eller styrda, vilket direkt påverkar hur robust en teknisk vallgrav faktiskt är.
SIG:s analyser visar att:
- Cirka 1,5 procent av de produktionssystem som analyserades under 2025 klassificeras som AI-system, vilket visar att storskalig och affärskritisk AI-användning fortfarande befinner sig i ett tidigt skede i många portföljer.
- 72 procent av AI-systemen ligger under rekommenderad kvalitetsnivå för byggkvalitet, vilket innebär ökade risker kopplade till underhållbarhet, säkerhet och regelefterlevnad.
- AI-assisterad utveckling ger blandade resultat. Rapporterade produktivitetseffekter varierar från en 19-procentig nedgång till en 26-procentig ökning beroende på kontext och kontrollmekanismer. I SIG:s experiment uppvisade AI-genererad kod ungefär dubbelt så många säkerhetsrelaterade avvikelser som jämförbar mänskligt skriven kod.
- AI introducerar nya attackytor genom data, modeller, promptar och externa beroenden, vilket adderar nya exponeringslager ovanpå befintliga cybersäkerhetsrisker snarare än ersätter dem.
Styrningsgapet växer när regelverken fragmenteras
Rapporten pekar på att det regulatoriska trycket ökar samtidigt som AI-regler utvecklas olika i olika jurisdiktioner. Inom EU skärps tillsynen av överdrivna eller vilseledande påståenden om AI och nya AI-specifika krav växer fram globalt. Påståenden om AI:s betydelse i bolag granskas därmed i allt större utsträckning på samma sätt som finansiell information, särskilt vid exit och refinansiering.
Internationella standarder fungerar i detta sammanhang som ett gemensamt språk för investerare som verkar över gränser och behöver kunna visa hur AI-system utvecklas, styrs, övervakas och korrigeras utan att bromsa innovation.
Avgörande genom hela investeringscykeln
Genom hela private equity-cykeln, från buy till grow och sell, har AI-mognad blivit en värdedeterminant.
Vid förvärv kan begränsad insyn i mjukvarans kvalitet dölja framtida åtgärdskostnader och leda till överskattade tekniska konkurrensfördelar. Under holdingperioden kan bristande styrning fördröja genomförande och öka exponeringen mot säkerhets- och compliance-risker. Vid exit granskar köpare i ökande grad om AI-system är kontrollerbara, spårbara, säkra och långsiktigt försvarbara.
Denna granskning sträcker sig tillbaka till investeringskommittéer och Limited Partners, som i allt högre grad förväntar sig att AI-påståenden och tekniska konkurrensfördelar kan styrkas med oberoende evidens och inte enbart med narrativ.
Rapportens slutsats är att designad snabbhet, innovation med tydliga skyddsräcken, nu är ett investeraransvar. Fonder som tidigt investerar i strukturerad mjukvarustyrning, mätbara kvalitetsmått och gemensam portföljöverblick har bättre förutsättningar att omvandla AI till varaktigt värde snarare än att möta sena överraskningar inför exit.
