Bringes også i lørdagens udgave af ØU Formue
AI-boomet er på vej ind i en ny fase. De første år handlede investeringscasen især om chips, datacentre og cloud. Med fremkomsten af AI-agenter flytter værdiskabelsen gradvist videre mod software, sikkerhed og de virksomheder, der kan bruge teknologien til at sænke omkostninger eller ændre hele deres forretningsmodel. Goldman Sachs og Morgan Stanley ser allerede et mere selektivt AI-marked. For investorer bliver den afgørende opgave derfor ikke længere at finde “AI-aktier”, men at skelne mellem selskaber, der får en varig økonomisk gevinst, og selskaber, hvis eksisterende forretning bliver angrebet af de samme agenter.
Den første AI-handel var relativt enkel. Nvidia solgte de chips, hyperscalerne byggede datacentrene, og Microsoft, Amazon og Alphabet investerede milliarder i regnekraft. Investorerne kunne i høj grad følge pengestrømmen fra de massive kapitalinvesteringer og finde vinderne i den fysiske AI-infrastruktur.
Den næste fase bliver vanskeligere.
Goldman Sachs beskriver udviklingen som et mere udpræget “stock picker’s market”. Interessen flytter sig fra alene at være koncentreret om halvlederproducenter og selskaber, der nyder godt af AI-capex, til virksomheder, som hjælper andre med at implementere teknologien og udnytter AI-agenter i handel og arbejdsprocesser. Samtidig vokser forskellene mellem de enkelte softwareselskaber. Goldman Sachs
Det er en vigtig ændring for investorerne. Agentic AI gør ikke hele teknologisektoren til vinder. Tværtimod kan teknologien skabe betydeligt større spredning mellem selskaber, der umiddelbart ligner hinanden.
Det første spørgsmål bør derfor være: Tjener virksomheden på, at AI bliver billigere og bliver brugt mere – eller risikerer dens produkt selv at blive gjort mindre værdifuldt?
Deutsche Bank peger på den vigtigste mekanisme
Deutsche Banks analyse af agentisk AI giver et godt udgangspunkt.
Banken viser, hvordan forholdet mellem pris og agentisk kapacitet forbedres usædvanligt hurtigt. På blot to måneder kunne en model i bankens sammenligning levere omtrent samme agentiske performance som en tidligere førende model til mere end 80 pct. lavere tokenomkostning. PROD0000000000636389
Det betyder ikke nødvendigvis, at AI-industrien samlet kommer til at tjene mindre.
Tværtimod.
Deutsche Banks cheføkonom konstaterer, at hans egne AI-udgifter steg kraftigt, selv om modellerne blev billigere, fordi de faldende priser fik ham til at anvende AI-agenter til stadig flere opgaver. Banken fremhæver Jevons-paradokset: Når en teknologi bliver billigere og mere effektiv, kan forbruget vokse så meget, at den samlede omsætning eller ressourceanvendelse stiger. PROD0000000000636389
For investorer er dette måske den vigtigste tese i hele agentic AI-temaet.
Hvis prisen på en agentisk opgave falder 80 pct., men antallet af opgaver tidobles, vokser det samlede marked stadig betydeligt.
Derfor er de mest robuste vindere ikke nødvendigvis dem, der kan opkræve den højeste pris for én AI-operation. Det kan være virksomheder, som tjener penge hver gang den samlede mængde AI-aktivitet vokser.
Her står cloududbydere, datacenterinfrastruktur, halvledere og netværksudstyr stærkt.
Microsoft, Amazon og Alphabet behøver eksempelvis ikke vide præcis, hvilken AI-agent der ender med at dominere. Hvis millioner af virksomheder begynder at have permanente agenter kørende, vokser efterspørgslen efter compute, storage, databaser og cloudservices.
Den samme logik gælder Nvidia, Broadcom, TSMC, ASML og leverandører af datacenternetværk som Arista Networks. De er eksponeret mod den samlede vækst i AI-arbejdsbyrden snarere end succes for én bestemt applikation.
Det er den første investorregel i det nye marked:
Jo mindre investeringscasen afhænger af, hvilken enkelt AI-model der vinder, desto mere robust er den.
Pas på modelproducenterne: Intelligens kan blive en råvare
Paradoksalt nok kan den mest spektakulære del af AI-industrien også blive en af de mest konkurrencemæssigt udsatte.
Deutsche Banks analyse viser, hvor hurtigt billigere kinesiske modeller er rykket op ad kvalitetskurven. I marts var den effektive pris-performance-front hovedsageligt domineret af amerikanske modeller. Få måneder senere var blandt andre Kimi og DeepSeek rykket langt nærmere toppen.
DeepSeek-eksemplet er særlig interessant. Deutsche Bank viser, at en relativt mindre model gennem forbedret arkitektur og post-training kunne opnå bedre agentisk performance end betydeligt større modeller.
For investoren rejser det et ubehageligt spørgsmål: Hvis avanceret AI-intelligens meget hurtigt kopieres, forbedres og bliver billigere, hvor stærk er så den langsigtede pricing power hos den enkelte modelleverandør?
Det minder om andre teknologimarkeder, hvor enorm efterspørgselsvækst ikke automatisk gav høje afkast til alle producenter, fordi produktet blev standardiseret og konkurrencen pressede priserne.
En stærk model er derfor ikke i sig selv en sikker investeringscase.
Det er mere attraktivt, hvis selskabet samtidig kontrollerer distribution, kundedata, cloudinfrastruktur eller et eksisterende workflow.
Det er netop derfor Alphabet, Microsoft og Meta har en mere interessant strategisk position end en ren modeludvikler. De kan potentielt monetisere AI på flere led i værdikæden.
Næste gruppe vindere findes i virksomhedernes workflows
Morgan Stanley peger på den næste store fase: værdien kan flytte fra dem, der bygger AI, til virksomheder, der bruger den bedst.
Banken vurderer, at investorer i stigende grad bør kigge efter selskaber, der kan bruge AI til bedre beslutninger, lavere omkostninger og højere marginer. Morgan Stanley fremhæver blandt andet finans, sundhed og detail som sektorer, hvor der er mange konkrete anvendelser og tilstrækkelige ressourcer til at implementere teknologien i stor skala. Morgan Stanley
Her bliver investeringsanalysen betydeligt vanskeligere.
To banker kan få adgang til præcis den samme AI-model og alligevel ende med vidt forskellige økonomiske resultater.
Den ene bank kan have rene data, moderne IT-systemer og processer, der kan automatiseres. Den anden kan have fragmenterede systemer, dårlig datakvalitet og komplekse organisationer.
Morgan Stanley understreger netop, at dyb AI-adoption kræver langt mere end pilotprojekter. Der skal investeres i datakvalitet, governance, cybersikkerhed, medarbejderuddannelse og redesign af workflows. Morgan Stanley
Det giver investoren en anden nyttig test:
Kan virksomheden dokumentere, at AI allerede bevæger konkrete driftsnøgletal?
Det er langt mere interessant end antallet af pressemeddelelser om AI.
Man bør lede efter faldende omkostninger pr. transaktion, højere omsætning pr. medarbejder, lavere callcenter-bemanding, kortere behandlingstid eller bedre bruttomargin.
Det er virksomhedernes regnskaber – ikke deres AI-præsentationer – der skal afsløre vinderne.
Software bliver både vinder og offer
Enterprise-software bliver sandsynligvis et af de områder, hvor forskellene bliver størst.
Selskaber som ServiceNow, Salesforce, SAP og Oracle sidder allerede centralt placeret i virksomhedernes workflows og databaser. Hvis AI-agenter skal gennemføre arbejdsopgaver, er det naturligt, at de opererer gennem netop disse systemer.
Det kan gøre eksisterende softwareplatforme mere værdifulde.
Men der er en modsatrettet risiko.
Hvis AI-agenter kan udføre arbejdet på tværs af forskellige programmer, kan behovet for visse brugergrænseflader og traditionelle softwarelicenser falde. Et selskab kan derfor opleve kraftig vækst i AI-anvendelsen uden nødvendigvis at få tilsvarende vækst i omsætningen.
Investorens spørgsmål bør være, om AI-agenten forstærker softwareproduktets betydning eller omgår det.
Software, der ejer centrale data og transaktioner, står stærkere end software, der hovedsageligt tilbyder en brugergrænseflade oven på information, som også findes andre steder.
Cybersikkerhed kan blive den mest sikre afledte vinder
En helt anden type vinder kommer fra agenternes største svaghed: sikkerheden.
Morgan Stanley vurderer, at markedet for identity security potentielt kan mere end fordobles til omkring 60 mia. dollar som følge af agentic AI. Problemet er enkelt: Når agenter får adgang til virksomhedssystemer, skal virksomheden ikke blot vide, hvem der logger ind, men hvorfor agenten søger adgang, hvor længe den skal have den, og hvilke handlinger den må foretage. Morgan Stanley
Det er en stærk strukturel investeringscase.
AI-agenter kan arbejde hurtigere end mennesker og døgnet rundt. Dermed vokser antallet af digitale identiteter og potentielle angrebspunkter kraftigt.
Cybersikkerhedsselskaber med stærke positioner inden for identitet, privileged access og runtime-security får derfor en efterspørgselsdriver, som ikke afhænger meget af, hvilken agentplatform der vinder.
Det gør selskaber som CyberArk, Palo Alto Networks og CrowdStrike interessante som “second-order winners”.
De sælger i praksis sikkerhedsbæltet til agentøkonomien.
De store tabere skal findes uden for teknologi
Den mest oversete investorvinkel er imidlertid, at agentic AI også kan ramme virksomheder, der slet ikke betragtes som AI-selskaber.
Goldman Sachs vurderer, at consumer agents hurtigt kan ændre online shopping, digital annoncering og ecommerce. Agenter bruges allerede til blandt andet indkøbskurve, rejser og kalenderstyring. Goldman Sachs
Det ændrer måden, investorer bør vurdere en række traditionelle forretningsmodeller på.
De mest udsatte virksomheder er dem, der tjener på friktion, informationsasymmetri eller kundetræghed.
Hvis kunderne automatisk kan sammenligne priser og vilkår, bliver det vanskeligere at fastholde høje marginer alene fordi markedet er uoverskueligt.
Det kan påvirke rejseformidlere, banker, forsikringsselskaber, teleselskaber, energileverandører, abonnementstjenester og visse ecommerce-platforme.
Det afgørende er ikke, om AI kan erstatte virksomheden fuldstændigt.
Det er nok, at agenten forbedrer kundens forhandlingsposition.
En bank behøver ikke miste kunden for at blive økonomisk ramt. Hvis agenten gør det lettere at opdage en for høj rente og forhandle den ned, falder marginen.
En forsikringskunde behøver ikke skifte hvert år. Det er nok, at AI-agenten automatisk indhenter konkurrerende tilbud, når præmien stiger.
En bookingplatform kan fortsat gennemføre reservationen, men miste muligheden for at eje kunderejsen og påvirke brugerens valg.
Her bør investorer især kigge efter virksomheder med usædvanligt høje marginer i produkter, der egentlig er forholdsvis standardiserede.
De kan have mere at miste, end markedet aktuelt indregner.
Fem spørgsmål kan sortere vinderne fra taberne
Agentic AI gør dermed den traditionelle etikette “AI-vinder” næsten ubrugelig.
Det interessante bliver at undersøge økonomien bag selskabet.
For det første: Stiger efterspørgslen automatisk, når agentisk AI-forbrug vokser? Det taler for compute, cloud, netværk og sikkerhed.
For det andet: Har selskabet varig pricing power, eller bliver dets AI-produkt hurtigt kopieret og billigere?
For det tredje: Kan virksomheden dokumentere produktivitetsgevinster i regnskabet? Det er den centrale Morgan Stanley-test.
For det fjerde: Ejer virksomheden data og workflows, som agenterne har brug for, eller risikerer agenten at omgå dens traditionelle produkt?
Og endelig: Hvor meget af den nuværende indtjening afhænger af, at kunden ikke gider søge, sammenligne eller skifte?
Det sidste spørgsmål kan vise sig at være det vigtigste, når investorerne skal finde taberne.
AI-agenter ændrer nemlig ikke alene omkostningerne ved at producere varer og tjenester. De kan også ændre selve magtforholdet mellem virksomheder og kunder.
Det er derfor, Goldman Sachs’ karakteristik af det næste AI-marked som et stock picker’s market rammer præcist. Goldman Sachs
Den første AI-bølge belønnede i høj grad virksomhederne, der solgte den nødvendige hardware.
Den næste kan blive langt mere brutal.
Der kommer virksomheder, som sælger infrastrukturen. Andre vil eje de vigtigste agentplatforme. En tredje gruppe vil opnå markante produktivitetsgevinster ved at integrere teknologien bedre end konkurrenterne.
Men på den modsatte side står virksomheder, hvis høje marginer bygger på netop de ineffektiviteter, AI-agenter er skabt til at fjerne.
For investorer bliver den største fejl derfor at spørge, om et selskab “arbejder med AI”.
Det afgørende spørgsmål er: Bliver selskabets produkt mere værdifuldt, når millioner af AI-agenter går på arbejde – eller gør agenterne det lettere for kunder og konkurrenter at undvære det?
Pr. mdr.
349 kr.
Få straks adgang til denne artikel og alle andre artikler på ugebrev.dk
- Alle artikler på ugebrev.dk
- Om investering, finans, ledelse, samfundsansvar, life science og Bestyrelsesguiden.dk
- Daglige nyhedsmails med nyheder og analyser
