Nuo „kas, jeigu?“ iki DI agento
Kaip technologijos keitė vertės supratimą, matavimą ir kūrimą
Rolandas Rakštys · lektorius · Vytauto Didžiojo universitetas, Žemės ūkio akademija · Bioekonomikos plėtros fakultetas, Verslo ir kaimo plėtros katedra · rolandas.rakstys@vdu.lt · ORCID 0000-0003-0299-9930
1 skyrius „Verslo vertės pagrindai“, 1.1.6 poskyris · skyriaus v0.16.7 (2026-11-01) · rinkinio v1.1 · 14 skaidrių, ≈ 18 min.
Rakštys, R. (2026). 1 skyrius. Verslo vertės pagrindai (v0.16.7, 2026-11-01). Verslo planavimas ir vertinimas. Vytauto Didžiojo universitetas, Žemės ūkio akademija. https://rakstys.eu/studijos/verslo-planavimas-ir-vertinimas/skyriai/ch01/ · CC BY-NC-ND 4.0
Trys technologinės bangos
„Verslo vertės samprata ir jos matavimo metodai neformavosi intelektualiniame vakuume“ – kiekvienoje epochoje juos lėmė ir tuometinės technologinės galimybės.
Kompiuterizacija
nuo intuicijos prie modelio
Internetas ir duomenys
nuo modelio prie informacijos
DI ir DI agentai
nuo informacijos prie automatizuoto vertinimo
Trys bangos fundamentaliai pakeitė tai, kaip vertė suprantama, matuojama ir kuriama.
Kai DCF buvo per brangus
Iki aštuntojo dešimtmečio verslo vertinimas buvo daugiausia kokybinis procesas.
Irvingo Fisherio diskontuotų pinigų srautų (angl. discounted cash flow, DCF) logika buvo žinoma nuo XX a. pradžios (Fisher, 1906), tačiau praktinis jos taikymas buvo ribotas: rankiniai skaičiavimai buvo „pernelyg imlūs laikui“.
„Kas, jeigu?“ per minutes
VisiCalc – pirmoji elektroninė skaičiuoklė. Jos sumanytojas, Harvardo verslo mokyklos studentas D. Bricklinas, norėjo programos, kurioje lentelę matytum ją kurdamas, ir savo idėją apibūdino kaip „elektroninę lentą ir elektroninę kreidą klasėje“ (Power, 2004). Praktinė pasekmė: iteratyvus „kas, jeigu?“ skaičiavimas truko minutes, o ne dienas. Pats šios istorijos užrašytojas pažymi, kad pasakojimas yra „iš dalies mitas, iš dalies faktas“.
Spustelėkite prielaidą – pajamas arba diskonto normą.
„Kas, jeigu?“ logika pavertė vertinimą „iteratyviu, prielaidoms atspariu procesu“ ir išplėtė modeliavimo ribas „nuo vieno scenarijaus iki neribotų matricų“.
Vertė tampa skaičiuojama
Skaičiuoklės demokratizavo finansinį modeliavimą: DCF vertinimas tapo „ne elitinių investicinių bankų privilegija, o standartine analitiko kompetencija“.
Markowitzo portfelio teorija (1952)
dešimtmečius liko akademiniu kuriozu dėl matricos skaičiavimų sudėtingumo – kompiuteriai leido skaičiuoti kovariacijos matricas šimtams aktyvų.
CAPM (Sharpe, 1964)
kapitalo turto kainodaros modelis (angl. Capital Asset Pricing Model) iš teorinio modelio tapo kasdieniu diskonto normos nustatymo įrankiu.
Vertė tapo skaičiuojama, o ne tik vertinama.
Informacija tampa prieinama
Bloombergo terminalas
realaus laiko rinkos duomenys; plačiai paplito nuo 1990-ųjų
EDGAR sistema
JAV SEC – nemokama prieiga prie viešų finansinių ataskaitų
Damodarano atviri duomenys
rizikos premijų ir beta koeficientų duomenų bazės
XBRL ir platformos
XBRL (angl. eXtensible Business Reporting Language); Capital IQ, FactSet, Refinitiv
Vertinimas remiasi ne pavienėmis ataskaitomis, o nuolat atnaujinamomis duomenų ekosistemomis; informacijos asimetrija tarp profesionalų, akademikų ir praktikų reikšmingai sumažėjo.
Vertė, kurios DCF nepagrindžia
Pirmoji dot-com banga parodė, kad tradiciniai vertinimo modeliai sunkiai apčiuopia tinklo efektus, naudotojų bazės augimą ir platformų ekonomikos logiką.
Amazon, 1999 m. – labai aukšti pajamų daugikliai, neturint pelno: vertė, kurios klasikinis DCF modelis negalėjo pagrįsti be ekstremalių augimo prielaidų.
Atsakas – nauji vertinimo modeliai (Parker ir kt., 2016):
- kliento gyvavimo vertė (angl. customer lifetime value, CLV)
- tinklo efektų vertinimas
- platformų ekonomika
- ekosistemų analizė
83 % → 92 %
JAV S&P 500 įmonių kapitalizacija (Ocean Tomo, 2025)
Dėl metodikos žr. 1.1.2 poskyrį.
Vertės ontologija nebegali apsiriboti pastatais ar įranga – ji privalo apimti duomenis, algoritmus, programinę įrangą ir organizacines žinias, net jei klasikinis apskaitinis balansas nesugeba to tinkamai įvertinti.
Pasekmė: standartinių daugiklių aiškinamasis pajėgumas gerokai sumenko vertinant technologijų bendroves.
Lietuvoje: birža, registrai, API
Transformacija ypač išryškėjo regiono „vienaragių“ (Vinted, Nord Security) plėtroje, kur kuriama vertė didžiąja dalimi susieta su tinklo efektais ir nematerialia intelektine nuosavybe.
Nasdaq Vilnius · nuo 1993 m.
Tuometinė Nacionalinė vertybinių popierių birža suteikė skaidrią kainų nustatymo infrastruktūrą, be kurios viešųjų įmonių vertinimas būtų likęs spekuliatyvus.
Registrų centro (RC) atviri duomenys ir API
Metinių ataskaitų importas analitiniam modeliavimui automatizuojamas. XBRL (angl. eXtensible Business Reporting Language) ES ataskaitų formatuose – nuo rankinio duomenų suvedimo prie algoritminio apdorojimo.
Kur DI keičia vertinimą
Didieji kalbos modeliai (angl. large language models, LLM) ir DI agentai (angl. AI agents) jau šiandien keičia vertinimo praktiką keliais lygmenimis.
Ar galime atsakyti už tai, ko nesuprantame?
„Juodosios dėžės“ problema (angl. black box problem): investuotojai sudėtingus vertinimus deleguoja trečiųjų šalių dirbtinio intelekto platformoms – riboto skaidrumo dilema.
„…ar galime prisiimti atsakomybę už modelio vertę, kurios priežastinės logikos nesugebame racionaliai išskaidyti apskaitoje?“
Garbage in – garbage out
Sudėtingas modelis, maitinamas blogomis prielaidomis, generuoja ne geresnius, o tik „labiau pagrįstai atrodančius“ rezultatus – klaidingo tikslumo iliuzija (plačiau – 2 skyriuje).
Sisteminis trapumas
kai daugelis rinkos dalyvių naudoja tuos pačius algoritmus, gali sustiprėti koreliuoti vertinimo iškraipymai
Priklausomybė
nuo trečiųjų šalių duomenų infrastruktūros, modelių licencijų ir platforminių standartų – klaida gali būti atkartojama visoje rinkoje
Atsakomybė
kas atsako už DI sugeneruotą vertinimą? Klausimas lieka teisiškai ir etiškai neišspręstas
Trys bangos, trys lūžiai
| Era | Metai | Technologija | Lūžis |
|---|---|---|---|
| Kompiuterizacija | 1970–1995 | elektroninė skaičiuoklė | nuo intuicijos prie modelio |
| Internetas ir duomenys | 1995–2020 | duomenų infrastruktūra | nuo modelio prie informacijos |
| DI ir DI agentai | 2020→ | LLM ir DI agentai | nuo informacijos prie automatizuoto vertinimo |
Gilesnė technologijų ir vertės santykio analizė, apimanti visų knygos temų sintezę ir ateities perspektyvas, pateikiama 19 skyriuje.
Šaltiniai
Fisher, I. (1906). The Nature of Capital and Income. Macmillan.
Gu, S., Kelly, B., & Xiu, D. (2020). Empirical asset pricing via machine learning. The Review of Financial Studies, 33(5), 2223–2273. https://doi.org/10.1093/rfs/hhaa009
Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77–91. https://doi.org/10.2307/2975974
Ocean Tomo. (2025). Intangible Asset Market Value Study. Ocean Tomo, a part of J.S. Held. https://www.oceantomo.com/intangible-asset-market-value-study
Parker, G. G., Van Alstyne, M. W., & Choudary, S. P. (2016). Platform Revolution: How Networked Markets Are Transforming the Economy – and How to Make Them Work for You. W. W. Norton.
Power, D. J. (2004, September 30). A brief history of spreadsheets. DSSResources.COM. https://dssresources.com/history/sshistory.html
Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium Under Conditions of Risk. The Journal of Finance, 19(3), 425–442. https://doi.org/10.2307/2977928
Rakštys, R. (2026). 1 skyrius. Verslo vertės pagrindai (v0.16.7, 2026-11-01). Verslo planavimas ir vertinimas. Vytauto Didžiojo universitetas, Žemės ūkio akademija. https://rakstys.eu/studijos/verslo-planavimas-ir-vertinimas/skyriai/ch01/ · CC BY-NC-ND 4.0
Skaidrės parengtos remiantis vadovėliu „Verslo planavimas ir vertinimas“. Tekstas susistemintas ir vizualiai sumaketuotas pasitelkus dirbtinio intelekto įrankius (Claude), laikantis autoriaus nustatytų darbo su DI protokolo ir verifikavimo procedūrų.