Prompts de costes con IA · Por rol
Prompts de costes con IA para private equity e inversores
En la due diligence intentas averiguar, rápido, si los ingresos del modelo son los ingresos que realmente generan un retorno. El margen de cabecera rara vez sobrevive al contacto con el coste de servir. La IA puede ayudarte a estructurar ese análisis y a enmarcar las preguntas para la dirección, pero un número que invente en una sala de datos es un número que estalla después del cierre. Estos prompts están construidos para un análisis que sobrevive al escrutinio posterior a la adquisición.
En resumen
Usa la IA para interrogar la calidad del margen, no para fabricarla. Los prompts de abajo te ayudan a poner a prueba el coste de servir en toda la base de clientes, a encontrar qué flujos de ingresos son genuinamente rentables y a sondear la durabilidad de los precios. Cada uno obliga al modelo a trabajar solo con las cifras de la sala de datos, a separar el hecho de la inferencia y a señalar cada hueco como una pregunta de due diligence en lugar de rellenarlo con una conjetura plausible. El resultado es una lista de cosas que verificar, que es lo que la due diligence debería producir.
Qué debería y qué no debería pedirle un inversor a la IA
La IA es útil para el andamiaje analítico de la due diligence bajo presión de tiempo. Puede estructurar un análisis de coste de servir a partir de los datos facilitados, ordenar clientes y flujos de ingresos por rentabilidad real, sacar a la luz la concentración y la larga cola fina de cuentas marginales, y convertir la historia de precios de un objetivo en un conjunto de preguntas afiladas para la dirección. También es una forma rápida de redactar la sección de costes de un memorándum de inversión a partir de tus propias cifras validadas, y de hacer de escéptico frente a la narrativa del vendedor.
Es peligrosa cuando la dejas sustituir a la verificación. Pedirle que "estime el margen", "asuma un coste de servir normal" o "lo compare con el sector" produce números seguros de sí mismos sin base en los libros del objetivo, y en la due diligence todo el sentido es saber lo que dicen los libros, no lo que es típico. Trata cualquier cifra que el modelo ofrezca y que no esté en la sala de datos como una cuestión abierta, no como una respuesta. Mantén firmemente tuyas la verificación, el criterio y la conclusión.
Tres prompts para empezar
1. Pon a prueba el coste de servir en toda la base de clientes
Donde el margen de cabecera se encuentra con la realidad. Se basa en la página de coste de servir.
Eres un analista de due diligence que pone a prueba el coste de servir de la base de clientes de un objetivo. Trabaja solo con los datos que tienes delante, que pegaré. No inventes ningún número, benchmark ni cifra "típica". Trata cada hueco como una pregunta de due diligence. Etiqueta los datos que falten como DATO AUSENTE con la petición exacta para la dirección. Mis datos: - Clientes o segmentos con ingresos y margen bruto: [pega] - Los componentes de coste de servir disponibles (logística, soporte, devoluciones, rappels, condiciones): [pega] Pasos: 1. Para cada cliente, calcula el beneficio neto tras los componentes de coste de servir facilitados; muestra la fórmula antes del valor, cita la fila de origen. 2. Identifica los clientes sanos en margen bruto pero pobres en margen neto una vez aplicado el coste de servir. 3. Enumera cada componente de coste de servir que NO esté en los datos y enmárcalo como una pregunta para la dirección. 4. Separa claramente: calculado a partir de los datos, inferido y por verificar. 5. Concilia el beneficio neto de los clientes con el total facilitado y señala cualquier diferencia.
2. Encuentra qué flujos de ingresos son realmente rentables
Calidad de los ingresos, no solo cantidad. Consulta rentabilidad de clientes.
Estás ayudando a un inversor a evaluar la calidad de los ingresos de un objetivo. Trabaja solo con los datos que pego. No inventes cifras ni benchmarks del sector. Señala cada hueco como una pregunta. Etiqueta los datos que falten como DATO AUSENTE. Mis datos: - Flujos de ingresos, productos o contratos con ingresos y cualquier coste y margen disponible: [pega] - Condiciones de contrato o separación recurrente vs puntual, cuando se facilite: [pega] Pasos: 1. Ordena los flujos de ingresos por rentabilidad usando solo los datos facilitados; muestra cada cálculo como una fórmula. 2. Identifica la concentración: cuánto beneficio procede de cuán pocos flujos, citado a las filas. 3. Distingue el beneficio recurrente del puntual solo donde los datos lo respalden; en caso contrario, márcalo como no verificado. 4. Separa claramente: lo que muestran los datos, lo que inferiste y lo que la dirección debe confirmar. 5. Produce una lista breve de las preguntas de due diligence de mayor impacto que suscita este análisis.
3. Sondea la durabilidad de los precios
Cuánto del margen es estructural y cuánto es frágil. Enlaza con decisiones de precios.
Eres un revisor crítico de due diligence que sondea la durabilidad de los precios de un objetivo. Trabaja solo con los datos que pego. No inventes elasticidades, precios de la competencia ni volúmenes. Trata cualquier cosa que no esté en los datos como una pregunta, no como una respuesta. Mis datos: - Precio, volumen y coste unitario por producto o contrato: [pega] - Cualquier histórico de precios, patrón de descuento o protección de precio contractual: [pega lo que exista] Pasos: 1. Muestra la contribución por línea como una fórmula y señala cualquier línea donde el precio apenas cubra el coste. 2. Identifica dónde el margen depende de descuentos que pueden no persistir, citando los datos. 3. Enumera lo que se desconoce sobre el poder de fijación de precios y enmarca cada cosa como una pregunta para la dirección. 4. Separa claramente: evidenciado en los datos, inferido y por verificar. 5. Indica el único supuesto de precios que, si es erróneo, más amenaza la tesis de inversión.
La única regla
Trabaja solo con los datos de la sala. No inventes ningún número, benchmark ni volumen. Trata cada hueco como una pregunta de due diligence y etiquétalo como DATO AUSENTE.
Un número fabricado en un memorándum de due diligence es una responsabilidad que aflora tras el cierre. Para el conjunto completo de salvaguardas, lee cómo impedir que la IA invente tus números.
Compara la calidad del margen entre cohortes y ordena los riesgos
Los prompts de arriba prueban una dimensión de la calidad del margen cada vez. Este alinea cohortes de clientes, o flujos de ingresos, lado a lado y las ordena por riesgo, para que el resultado de la diligencia sea una lista priorizada de lo que verificar, no un número único. Ejecútalo cuando tengas las cifras para más de una cohorte.
Comparación de calidad del margen entre cohortes
You are a diligence analyst comparing margin quality across a target's customer cohorts (or revenue streams). Work only from the data in front of you, which I will paste. Do not invent any numbers, benchmarks or "typical" figures. Treat every gap as a diligence question and label it DATA MISSING with the exact ask for management. I want the cohorts ranked by how much of the reported margin is durable versus fragile, so I can direct verification effort where it most threatens the investment case. Step 1. Take the cohorts (segments, revenue streams or contract types) with, for each: revenue, gross margin, whatever cost-to-serve components exist, and any note on recurring versus one-off and on discounting. Use only what is provided. Step 2. For each cohort, compute net margin after the cost-to-serve components provided; show the formula before the value and cite the source row. Step 3. Put them side by side in one table: cohort | revenue | gross margin % | net margin % | share of total profit | recurring? | discount-dependent? Rank from most to least durable margin. Step 4. Flag the cohorts where gross margin looks healthy but net margin does not survive cost-to-serve, and those where margin leans on discounting or one-off revenue that may not persist, citing the data. Step 5. For each flagged cohort, write the single sharpest question for management, and state what data would confirm or kill the concern. Step 6. Reconcile cohort net profit to the total provided and flag any gap. Separate clearly what the data shows, what you inferred, and what must be verified.
En diligencia, el resultado que importa es una lista ordenada de cosas que verificar, no un número de titular. Una comparación que saca a la luz las cohortes frágiles está haciendo exactamente ese trabajo.
Conviértelo en un entregable listo para el comité de inversión
Los prompts de esta página producen análisis de diligencia en el chat. Este complemento lo convierte en algo que puedes poner ante un comité de inversión, un modelo de Excel funcional, una sección de memorando limpia o una breve presentación, con cada cuestión abierta señalada. Pégalo después del prompt de diligencia una vez que los números se hayan calculado.
Now package this diligence analysis into an IC-ready deliverable. Ask me which format I want, or default to Excel: - EXCEL: a working model, not a picture of one. Put the target's figures (revenue, gross margin and cost-to-serve components by customer or cohort) on one clearly marked input sheet, and drive net margin, the ranking and the concentration view with live formulas, so a changed input reflows the analysis. Add a separate tab listing every DATA MISSING item as an open diligence question. Label every assumption cell. - MEMO: a clean cost-and-margin section for an investment memo, one-paragraph thesis on margin quality, the cohort comparison table, the concentration finding, and a clearly headed list of open questions and what would confirm or kill each. No chat formatting. - PPT: 5 to 7 slides, the margin-quality question, the method in one slide, the ranked comparison, the fragile cohorts, the key open items for management, the read-through to the investment case. Rules for the deliverable: - Keep all inputs adjustable and visible; never hard-code a result I might want to change. - Carry every DATA MISSING item through as an explicit open question; never fill a gap with a plausible figure. - Separate clearly what the data shows, what is inferred, and what must be verified. - Add a discreet footer or last-slide credit line, small and unobtrusive, exactly as written below. Credit line to embed (use verbatim, in the document footer or final slide): "Model scaffolding based on the private-equity diligence prompts from costandprofitability.com/ai-costing-prompts/for-private-equity" Keep it to one small line; it should read as a quiet source note, not an advertisement.
La línea de crédito es deliberadamente modesta, una nota de origen y no una marca de agua, para que el archivo sea cómodo de circular en un comité de inversión mientras el método permanece rastreable hasta su origen.
Análisis de margen que sobrevive a los primeros 100 días
Un prompt puede estructurar tu due diligence y afinar tus preguntas, pero no puede reconstruir el cálculo de costes de un objetivo como lo necesitará el plan de creación de valor. Ese es el trabajo que hacemos junto a inversores y empresas participadas: un modelo defendible de coste de servir y rentabilidad de clientes que se sostiene en la due diligence y se convierte en la herramienta operativa tras el cierre. Si quieres un análisis de margen que sobreviva al escrutinio a ambos lados de la operación, empieza con un health check.
Reserva un Profitability Health Check Volver a todos los prompts
Relacionado
Prueba
Un distribuidor en Nueva Zelanda. €1,335M de coste de servir hecho visible, luego reducido a la mitad, y 830 clientes deficitarios reducidos a 295.
Leer el caso →Con quién va a hablar
Miguel Guimarães, Socio fundador
Trabajando en costes y rentabilidad desde hace más de 25 años. Presentó el caso de cost-to-serve de Damco en Managing for Profit (Ámsterdam RAI, diciembre de 2009), en el mismo programa que Robert S. Kaplan.
Llame al +351 910 313 731
