Prosus test op grote schaal met zogeheten AI-agents: digitale “medewerkers” die taken automatiseren, experimenten draaien en commerciële kansen opsporen. Het bedrijf zegt inmiddels tienduizenden agents te laten “werken”, met veel missers maar ook enkele toepassingen die direct miljoenen extra omzet opleveren. Voor u als belegger is de kernvraag minder hoeveel agents er rondlopen, en vooral: wat doet dit met omzetgroei, kosten, marges en vrije kasstroom, en wanneer wordt AI een structurele waarderingsdriver in plaats van een duur innovatieproject?
AI-agents als productiviteitsmachine: waarom Prosus dit nu opschaalt
Prosus is geen pure softwarepartij maar een investeringsholding met grote deelnemingen in online classifieds, food delivery, payments en edtech. Dat maakt AI aantrekkelijk: er zijn veel terugkerende processen, veel klantinteracties en vooral veel data. AI-agents kunnen daar in theorie drie dingen tegelijk doen: kosten verlagen (automatisering), omzet verhogen (conversie, pricing, upsell) en risico’s beperken (fraude, credit, compliance).
Het interessante aan de aanpak is de schaal: niet één centrale chatbot, maar een “leger” aan gespecialiseerde agents die kleine, afgebakende taken uitvoeren. Dat vergroot de kans op een paar echte doorbraken, maar maakt ook zichtbaar dat het merendeel van de experimenten weinig oplevert. Dat is niet per se slecht, zolang de kosten van falen laag zijn en de successen repliceerbaar zijn over meerdere portfolio-bedrijven.
Kosten versus opbrengsten: waar zit de businesscase echt?
De kostenkant: reken niet te licht over compute, data en governance
AI klinkt schaalbaar, maar de rekening is dat niet automatisch. De directe kosten zitten in compute, modellicenties, data-engineering, integratie in bestaande systemen en extra governance. Zeker bij klantprocessen moet Prosus ook investeren in kwaliteit: monitoring, guardrails, audit trails en menselijke fallback. Hoe meer agents u inzet, hoe belangrijker platformisering wordt: één gedeelde “agent factory” met herbruikbare componenten is goedkoper dan tientallen losse tools per dochter.
De opbrengstenkant: omzetverbetering verslaat kostenbesparing
In digital commerce en platforms is omzetimpact vaak groter dan pure efficiency. Denk aan betere matching, gepersonaliseerde aanbiedingen, dynamische pricing, minder churn en hogere conversie. Een kleine procentuele verbetering op een groot transactievolume kan al snel miljoenen betekenen. In het bronverhaal wordt ook benadrukt dat een handvol successen miljoenen extra omzet oplevert, terwijl veel agents weinig doen. Dat wijst op een “power law”: enkele toepassingen leveren het merendeel van de waarde.
Impact op marges en vrije kasstroom: het moment van waarheid
Voor de waardering telt uiteindelijk of AI de vrije kasstroom structureel verhoogt. Op korte termijn zien we meestal druk op de opex door AI-teams, tooling en experimentbudgetten. De hefboom ontstaat pas wanneer succesvolle agents breed worden uitgerold en menselijke capaciteit echt kan worden herverdeeld of afgebouwd.
Let daarbij op het verschil tussen:
-
Marges op groepsniveau: Prosus consolideert verschillende bedrijven met uiteenlopende winstprofielen. AI-winst kan in één onderdeel verdampen door concurrentiedruk in een ander.
-
Capex versus opex: veel AI-kosten lopen via operationele kosten (cloud, licenties). Dat raakt EBITDA sneller dan klassieke capex-investeringen.
-
Cash conversion: als AI vooral omzet opjaagt via marketingachtige optimalisatie, kan werkkapitaal of incentive-structuren mee-opschuiven. De vraag is of extra omzet ook echt extra cash wordt.
Wat betekent dit voor beleggers: KPI’s om te volgen
Wie wil beoordelen of Prosus AI van experiment naar verdienmodel brengt, kan scherp letten op een paar meetpunten:
-
Incremental revenue per use case: hoeveel extra omzet is aantoonbaar toe te schrijven aan AI-toepassingen, en blijft dat effect overeind na uitrol?
-
Unit economics: verandert CAC, conversie, churn of take rate meetbaar door AI?
-
Opex-trend: groeien AI-kosten mee met schaal, of dalen kosten per transactie/interactie?
-
Time-to-scale: hoe snel kan een succesvolle agent van pilot naar brede implementatie binnen meerdere dochterbedrijven?
-
Risico-indicatoren: incidenten rond bias, fouten in klantcommunicatie, fraudelekken of compliance-issues.
Vergelijk met andere tech- en investeringsholdings: waar ligt Prosus’ voordeel?
In tegenstelling tot één productbedrijf kan Prosus AI-kansen “hergebruiken” over een portfolio. Dat is het schaalvoordeel: een agent die werkt voor marketplace-matching of customer support kan in aangepaste vorm terugkomen bij meerdere deelnemingen. Maar er is ook een nadeel: integratiecomplexiteit en versnipperde IT-landschappen kunnen de uitrol vertragen.
Vergeleken met Big Tech heeft Prosus minder eigen infrastructuur, en is het dus sneller afhankelijk van externe model- en cloudprijzen. Dat maakt kostenbeheersing en vendorstrategie essentieel. Voor beleggers betekent dit dat u naast groei ook moet letten op de mate waarin Prosus platformdiscipline afdwingt in de groep.
Kansen en risico’s: realistisch scenario voor de waardering
De kans is dat Prosus met enkele bewezen agents de winstmotor van meerdere deelnemingen kan opvoeren: hogere conversie, betere pricing en lagere supportkosten. In dat scenario verbeteren marges en vrije kasstroom en kan de markt bereid zijn een hogere multiple toe te kennen, zeker als resultaten herhaalbaar zijn.
Het risico is dat AI verwordt tot een permanent experimentbudget: veel pilots, weinig duurzame uitrol, oplopende cloudkosten en nieuwe operationele risico’s. Regulering en toezicht op digitale diensten en AI kunnen daarbij extra eisen stellen. Voor context over toezicht en marktgedrag kunt u terecht bij de Autoriteit Financiële Markten (AFM).
De inzet van tienduizenden agents is vooral een signaal dat Prosus agressief zoekt naar productiviteitswinst. Voor u als belegger is het nu zaak te kijken of die zoektocht zichtbaar wordt in harde cijfers: margeverbetering, cashflowgroei en herhaalbare omzetimpact, niet alleen in indrukwekkende aantallen agents.
