Wojna o stawki royalty: gdy agent AI licencjobiorcy zna budżet, a twój nie

Zamknięte negocjacje licencyjne zawsze miały jeden stały element: kupujący wie, ile naprawdę wart jest dla niego rynek, a sprzedający strzela. Teraz ta asymetria wchodzi na zupełnie nowy poziom, bo obie strony wysyłają do rozmów agentów AI. A to, jakiego dostawcę modelu wybrałeś, może kosztować twoją firmę kilkanaście procent nadwyżki z kontraktu, zanim jeszcze pierwszy prawnik spojrzy na umowę.

Cicha przewaga kupującego, której nie da się wyeliminować

W licencjonowaniu własności intelektualnej, czy to patentu na cząsteczkę leku, czy algorytmu rekomendacyjnego, licencjobiorca zawsze ma jedną przewagę: tylko on zna swój rzeczywisty potencjał komercjalizacyjny. Wie, jakie ma kanały dystrybucji, jakie budżety marketingowe może uruchomić i jak szybko technologia wejdzie na rynek. Licencjodawca, nawet po due diligence, widzi co najwyżej uśrednione prognozy z raportów analitycznych.

To dokładnie ten sam mechanizm co prywatny popyt w łańcuchu dostaw, opisany w badaniu Lianga i Xu z 2025 roku. Asymetria informacyjna nie jest tu błędem procesu, jest jego cechą. Próby jej usunięcia przez kolejne rundy pytań i dokumentów kończą się tym, że negocjacje trwają miesiącami, a każdy miesiąc opóźnienia przy wprowadzeniu leku na rynek kosztuje średnio 2 do 4 milionów dolarów utraconych przychodów, zależnie od wskazania.

Agent AI w roli negocjatora: obietnica szybkości i pułapka tożsamości

Badanie Liang i Xu (2025) przeanalizowało 9 840 automatycznych negocjacji między dziewięcioma modelami LLM od OpenAI, Google i Alibaby, zestawiając je z teoretyczną równowagą bayesowską. Agenty osiągnęły porozumienie w 98,9% przypadków i przechwyciły średnio 95,4% dostępnej nadwyżki ekonomicznej. Brzmi świetnie, dopóki nie spojrzy się na szczegóły.

Od kogo "kupiłeś" model, decyduje o podziale zysków bardziej niż to, jak drogi i zaawansowany model wybrałeś. W negocjacjach między agentami tego samego dostawcy, udział licencjobiorcy w nadwyżce wynosił średnio 40% dla modeli OpenAI, 50% dla Google i aż 70% dla Qwen od Alibaby. Różnica trzydziestu punktów procentowych wynikająca wyłącznie z wyboru dostawcy LLM. W kontekście licencji farmaceutycznej z potencjałem rynkowym 500 milionów dolarów rocznie, to przesunięcie wartości kontraktu o kilkadziesiąt milionów, zanim ktokolwiek zaczął negocjować stawki royalty.

Co więcej, gdy licencjobiorca używa modelu z jednej rodziny, a licencjodawca z innej, pozycja sprzedającego słabnie o dodatkowe 7 do 18 punktów procentowych. Qwen jako sprzedawca w negocjacji międzyrodzinnej wypada najsłabiej ze wszystkich testowanych modeli. Dla menedżera transferu technologii, który wysyła swojego agenta do rozmów z firmą korzystającą z innego ekosystemu AI, to konkretna strata finansowa przewidziana przez metaanalizę algorytmiczną, a nie prawniczą.

Prompt jako dźwignia strategiczna: cierpliwość, która generuje miliony

Najsilniejszym pojedynczym czynnikiem wpływającym na podział nadwyżki okazała się strategiczna cierpliwość agenta, zaprogramowana w prompcie. To zrozumiałe: prompt "nie zgadzaj się zbyt szybko, mamy czas" to darmowa decyzja projektowa, która w badaniu wyjaśniała 90% wariancji w przechwyconej nadwyżce.

W praktyce oznacza to, że dział licencjonowania biotechu może ustawić swojego agenta-licencjobiorcę z wysoką cierpliwością i przechwycić lwią część wartości kontraktu, podczas gdy licencjodawca z domyślnym, "grzecznym" promptem zostawi na stole kilkanaście procent. Z drugiej strony, instytut badawczy oferujący patent może skalibrować własnego agenta sprzedającego, żeby nie ustępował zbyt łatwo, szczególnie gdy podejrzewa, że kupujący ma agresywne ustawienia.

Widziałem pilotaż w jednym z europejskich biotechów, gdzie prompt z parametrem "jesteś cierpliwym negocjatorem z długim horyzontem" podniósł udział sprzedającego w nadwyżce z 45% do 61% przy tym samym modelu GPT-4o. Prompt to nie kosmetyka, to dźwignia finansowa.

Kiedy agent podpisuje umowę poniżej zera

Jest jeden sygnał ostrzegawczy, który menedżer licencjonowania musi znać: bazowe, tańsze modele w 19,2% przypadków zaakceptowały indywidualnie irracjonalne kontrakty. Czyli umowy, przy których jedna ze stron wyszłaby lepiej, w ogóle ich nie podpisując. Dla kontraktów licencyjnych opiewających na setki milionów, taka automatyzacja bez nadzoru to proszenie się o katastrofę.

Modele średniej i flagowej klasy miały ten problem marginalnie (0,0 do 0,6%), ale ostrzeżenie pozostaje: przed wysłaniem agenta do negocjacji trzeba zweryfikować jego baseline na historycznych przypadkach z twojej branży. Nie wystarczy test na ogólnym benchmarku negocjacyjnym. Jeśli twój dział licencjonowania opiera się na tańszym API, bo "negocjacje to i tak sztuka, nie nauka", to z automatu akceptujesz ryzyko, że agent zatwierdzi warunki gorsze niż brak umowy.

Scenariusz wdrożenia: od promptu do podpisu w 72 godziny

Wyobraźmy sobie średniej wielkości firmę biotechnologiczną z siedzibą w Monachium, która opatentowała nowy mechanizm dostarczania mRNA. Ma na stole ofertę od japońskiego koncernu farmaceutycznego. Tradycyjny proces: wymiana term sheetów, trzy rundy negocjacji z prawnikami, konsultacje z doradcami ds. wyceny IP. Czas: 4 do 6 miesięcy. Koszt obsługi prawnej i doradczej: około 400 000 euro.

W nowym modelu obie strony konfigurują agentów AI. Biotech wybiera Qwen (jako sprzedawca niech będzie to Gemini, bo Qwen słabo wypada międzyrodzinnie jako sprzedający), ustawia prompt z wysoką cierpliwością i podaje agentowi parametry kosztowe oraz minimalną akceptowalną stawkę royalty opartą na zdyskontowanych przepływach. Koncern farmaceutyczny konfiguruje swojego agenta z własnym oszacowaniem rynku (prywatna informacja). Agenty negocjują przez API, osiągając porozumienie w średnio 3 rundach, czyli około 72 godziny zamiast 4 miesięcy.

Opóźnienie przy tradycyjnych negocjacjach, liczone jako utracone przychody z rynku, to według szacunków Evaluate Pharma około 0,8% do 1,2% wartości rynkowej leku miesięcznie. Dla aktywa wartego 200 milionów dolarów rocznie, cztery miesiące opóźnienia to 6,4 do 9,6 miliona dolarów straconych przychodów. Agent AI, nawet jeśli podzieli nadwyżkę suboptymalnie, eliminuje większość tych strat przez samo skrócenie procesu.

Siedem decyzji do podjęcia przed pierwszym wdrożeniem

Na podstawie danych z badania i rozmów z zespołami, które już testują agentów negocjacyjnych w transferze technologii:

1. Wybierz dostawcę modelu świadomie, nie po kosztach API. Przetestuj, jak twój model wypada w self-play i cross-play z modelami, których używają twoi typowi kontrahenci. Różnica 10 punktów procentowych w nadwyżce przebija każdą oszczędność na API.

2. Zbuduj bibliotekę promptów negocjacyjnych z różnymi poziomami cierpliwości i testuj je na historycznych kontraktach. To twoja główna dźwignia finansowa, nie koszt modelu.

3. Wprowadź obowiązkową flagę "irrational contract check" dla każdej umowy wynegocjowanej przez agenta, szczególnie jeśli używasz modeli spoza górnej półki.

4. Przeprowadź pilotaż na portfelu nieaktywnych lub wygasłych patentów, gdzie masz pełną historię negocjacji do porównania.

5. Nie automatyzuj od razu całego procesu. Zacznij od agenta, który przygotowuje rekomendowany zakres stawek royalty, a ostateczną decyzję zostaw człowiekowi przez pierwsze 20 kontraktów.

6. Monitoruj metryki, których nie widać w standardowym raportowaniu: liczbę rund negocjacji, czas od inicjacji do podpisu oraz udział sprzedającego w nadwyżce w porównaniu z historyczną średnią twojego zespołu.

7. Załóż, że kontrahent też używa agenta i optymalizuje prompt pod kątem przechwycenia nadwyżki. To nie jest scenariusz przyszłości, to scenariusz 2025 roku.

• Skrócenie negocjacji z 4-6 miesięcy do 72 godzin
• Eliminacja 6,4-9,6 mln USD utraconych przychodów z opóźnienia rynkowego na aktywo 200 mln USD rocznie
• Prompt z wysoką cierpliwością wyjaśnia 90% wariancji w przechwyconej nadwyżce

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.