Navigating the Artificial Intelligence Wave: Strategic Choices for Mid-Market and Regional Banks in Mergers and Acquisitions

Abstract

Este trabajo se centra en determinar mejores estrategias para la implementación de la IA por una boutique de M&A de bajo nivel. Para ello, se realizó un estudio de mercado y entrevistas con profesionales. Éstas muestran una visión muy diferente entre las distintas entidades bancarias sobre el riesgo de confidencialidad y las mejores estrategias de implementación, lo que refleja la incertidumbre sobre el mejor camino a seguir. A continuación, se propusieron 7 oportunidades para mejorar las fusiones y adquisiciones utilizando la IA. Se analizó la viabilidad técnica para determinar si las ideas debían rechazarse, simplificarse o mantenerse sin cambios. Tras ese análisis, las oportunidades se dividieron en implantación interna y proveedores externos, y se seleccionaron los proveedores específicos. Un análisis coste-beneficio de la implantación mostró un ROI del 70% para la implementación “in-house” y del 315% a partir de proveedores externos. Se estudió la teoría de la ventaja del primer entrante y se contrastó con la implantación de la IA para comprender si existe la oportunidad de obtener dicha ventaja. Se revela que la IA no es el ejemplo perfecto de ello. Sin embargo, se descubre que se puede crear una innovación organizativa. Esta innovación es más duradera, ya que representa un cambio de mentalidad que permite incrementar la resiliencia y flexibilidad. Se analizan los riesgos y retos de la IA y se comparan con los casos propuestos. Los riesgos que más afectan son la falta de transparencia, la alucinación y el sesgo involuntario. Dado que mitigar esos riesgos de los modelos de IA requiere un gasto significativo, se recomienda descartar la implementación interna. Por último, se propone una implantación consistente en servicios prestados por proveedores externos, formación sobre IA y un equipo centrado en mantener la innovación continua. Garantizando una capitalización instantánea de la IA, asegurando una alta calidad de los productos y reduciendo los riesgos asociados a su uso.

This thesis focuses on determining the most intelligent strategies for successfully adopting AI capabilities for a low-tier M&A boutique. To do so, comprehensive market research and interviews with professionals are conducted. They show a very contrasting view among banking institutions regarding confidentiality risk and best implementation strategies, reflecting the uncertainty about the best path to follow. Next, 7 opportunities to improve M&A using AI capabilities were proposed. A technical feasibility analysis was done to understand whether the ideas should be rejected, simplified, or kept with no change. Following that analysis, the opportunities were divided into in-house implementation and external vendors, the specific vendors were selected. A cost-benefit analysis of the implementation in low-tier boutique with estimated inputs showed an ROI of 70% for in-house integration and 315% from external vendors. First-mover advantage theory was studied and contrasted with the AI implementation to understand whether there is an opportunity for such advantage. It reveals that AI is not the perfect example of it. Nevertheless, it is discovered that beyond the edge provided by the integration of the product, organizational innovation can be created. This innovation is more durable since it represents a change in mindset, enabling resilience and flexibility. Risks and challenges of AI were analyzed and compared to the proposed use cases. The risks that affect the most are the lack of transparency, hallucination, and unintended bias. Since mitigating those risks from AI models would require significant expense, it is recommended that the in-house implementation is discarded. Last, it was proposed an implementation consisting of services provided by external vendors, training about AI, and a team focused on keeping continuous innovation. It guarantees an instant capitalization of AI technology while ensuring the high quality of the products and reducing the risks associated with the use of AI.