Od rozszerzania mocy obliczeniowej AI do generowania przychodów po stronie aplikacji, Goldman Sachs analizuje nowy etap inwestycji w AI: kto potrafi przekształcić Token w przepływy pieniężne

Według informacji aplikacji Informacje finansowe Smart, podczas szeroko komentowanej konferencji Goldman Sachs Communacopia+ Technology, liderzy branży oprogramowania koncentrujący się na zastosowaniach AI dla firm (B-end i C-end) zbiorowo przedstawili najnowsze prognozy dotyczące przyszłego wzrostu. W najnowszym raporcie Goldman Sachs analitycy wskazali, że Ali Ghodsi, CEO Databricks – firmy skupiającej się na analizie big data i projektach związanych ze sztuczną inteligencją – powiedział, iż konkurencja w obszarze oprogramowania AI przesuwa się w kierunku faktycznych wdrożeń w przedsiębiorstwach. Platformy oprogramowania, które potrafią skutecznie i precyzyjnie przekładać możliwości modeli na wiarygodne wyniki biznesowe, otrzymają nowe możliwości wzrostu.

Databricks adresuje potrzeby analityczne firm za pomocą Genie oraz ujednolica zarządzanie sztuczną inteligencją i cyfrową governance, bezpieczeństwem oraz kontrolą kosztów przy pomocy Unity Catalog, rozbudowując działalność w obszarach platformy danych klienta, analizy bezpieczeństwa, monitorowania i baz transakcyjnych. Goldman Sachs podkreśla, że oceniając potencjał wzrostu udziałów w rynku oprogramowania związanego z zastosowaniami AI na najbliższe trzy lata, należy szczególną uwagę zwrócić na własność intelektualną, tempo innowacji oraz otwartą architekturę. Goldman Sachs wskazuje, że z inwestycyjnego punktu widzenia, platformy software’owe dysponujące dużymi, wyłącznymi bazami danych oraz mocno rozbudowanymi procesami roboczymi mogą być przedmiotem nowej wyceny rynkowej.

Analitycy Goldman Sachs dodają, że kapitał globalny przenosi się z pierwszej fazy inwestycji związanych z AI, opartej o infrastrukturę GPU/HBM/AI i kluczowe komponenty hardware’owe związane z centrami danych, w kierunku firm, które potrafią przekładać Token na rosnącą produktywność przedsiębiorstw, przychody i przepływy pieniężne – czyli do aplikacji AI. Przyszła wycena może jeszcze bardziej się rozróżnić: firmy posiadające wyłączne dane, złożone procesy robocze dla firm i osób prywatnych, zamknięty workflow agenta, i klarowny ROI zyskają na wartości, podczas gdy tradycyjne SaaS-y podatne na funkcjonalną komodyfikację przez bazowe modele mogą nadal pozostawać pod presją.

AI zaczyna wydajnie „oddawać zadania”: dane i governance firmy decydują o skuteczności wdrożeń

Podczas konferencji Communacopia+ Technology, Genie ukazało ścieżkę Databricks do zdobycia firmowego wejścia AI – poprzez autorską technologię indeksowania danych OntoRank oraz model biznesowy, organizując dane przedsiębiorstwa w sposób zrozumiały, obliczalny i użyteczny dla modeli, sprawiając, że produkt pełni rolę „analityka AI”.

Zarząd Databricks podkreślił, że Genie jest szeroko wykorzystywane w sprzedaży, marketingu i finansach wewnątrz firmy, znacząco zmieniając sposób działania w ciągu ostatnich 6–12 miesięcy. Technicznie chodzi o to, że wdrożenie inteligentnych agentów wymaga jednolitego pojęcia o klientach, zamówieniach, przychodach i innych obiektach biznesowych oraz powiązania wyników analizy z codziennymi procesami; nawet jeśli wydajność modeli rośnie, prace nad danymi nadal decydują o skuteczności realizacji zadań. Zarząd dostrzega również możliwości współpracy z Palantir na polu złożonych projektów inżynierii danych.

Unity Catalog odpowiada z kolei na potrzeby związane z governance przy masowych wdrożeniach inteligentnych agentów. Analitycy Goldman Sachs wskazują, że szybka iteracja modeli zwiększa złożoność wyboru i wdrożeń, rosnące zużycie Token napędza weryfikację kosztów i zwrotu z inwestycji, a widoczność operacji agentów, dostępu do danych i ryzyk bezpieczeństwa jest nadal niewystarczająca dla firm. Dlatego governance danych, uprawnienia dostępu, bezpieczeństwo i semantyka biznesowa muszą być ściśle powiązane ze środowiskiem operowania AI.

Goldman Sachs ocenia, że wartość komercyjna tych platform polega na umożliwieniu firmom bezpiecznego skalowania wdrożeń: wyjaśnienie, do czego agent ma dostęp, jakie zadania może wykonać i monitorowanie kosztów oraz rezultatów zadań. Przywiązanie klienta bazuje przez to na nieustannym generowaniu wartości biznesowej, co współgra z podkreślanymi przez Goldman Sachs kompetencjami technologicznymi, tempem innowacji i otwartą architekturą.

Platformy AI, takie jak Databricks, rozbudowują swój portfel produktów w czterech kierunkach: w obszarze platformy danych klienta Infinite Campaigns umożliwia przejście z grupowej segmentacji marketingu do indywidualnej personalizacji; zarząd przewiduje, że open-source’owe modele jeszcze bardziej poprawią opłacalność. W obszarze SIEM (Security Information and Event Management), nowo generowane dane przez agentów oraz scalenie zadań Chief Information Officer i Chief Information Security Officer tworzą okazję do wejścia w analizę bezpieczeństwa. Monitorowanie (observability) też jest kierunkiem rozbudowy, choć harmonogram produktu nie jest ujawniony. Lakebase jest przez zarząd przedstawiany jako potencjalnie największa nowość: AI obniża próg do tworzenia oprogramowania, nowe aplikacje potrzebują baz transakcyjnych do codziennych odczytów, zapisów i operacji, co poszerza rynek Databricks poza biznes analityczny.

Zarząd mówi nawet, że w ciągu najbliższych ośmiu miesięcy może powstać więcej oprogramowania niż dotychczas w całej historii – jednak Goldman Sachs zaznacza, że to agresywna prognoza popytu, która nie może być traktowana jako zweryfikowana predykcja branżowa.

Zamiana Token na przepływy pieniężne: szanse aplikacyjne się rozprzestrzeniają, akcje software'owe szybciej się różnicują

OpenAI wprowadziło Astra, skupiającą się na agentowej poprawie efektywności operowania komputerem, programowania i wykonywania złożonych zadań, umożliwiając więcej automatyzacji w firmowych workflow. Jednak „konkurencja w wydajności modeli” i „konkurencja w konkretnych wdrożeniach biznesowych” będą toczyły się równolegle. Modele opłat są zróżnicowane: API Astra wycenia się według zużycia Token wejściowych i wyjściowych, podczas gdy software AI pozwala na rozliczenie według stanowisk, liczby operacji, rozmów albo efektów biznesowych. Na przykład Intercom Fin wycenia opłatę od zdefiniowanego efektu biznesowego – od 0,99 USD za każde zadanie; Salesforce Agentforce umożliwia rozliczenie według operacji, rozmów i autoryzacji użytkowników.

Dostawcy bazowych modeli prawdopodobnie będą nadal skupiać się na sprzedaży API jako usługi obliczeniowej, natomiast aplikacje AI będą musiały coraz wyraźniej pokazywać dostarczaną wartość. Rozliczenie za efekt pozwala wyceniać usługę bliżej korzyści klienta, ale wymaga od dostawców pokrycia kosztów wnioskowania, powtórzeń i ludzkiej weryfikacji; wskaźniki sukcesu zadań i zysk na każde z nich stają się kluczowym miernikiem jakości komercjalizacji.

Rynek akcji już pokazuje, że preferuje firmy deklarujące rzeczywiste wpływy z AI i karze te narażone na ryzyko zastąpienia. 3 września Snowflake – jeden z rywali Databricks – zakończył sesję wzrostem około 17% po mocnych wynikach: przychody z produktów wzrosły o 37% rok do roku do 1,49 mld USD, roczna prognoza zwiększona z 5,84 do 6,07 mld USD, potwierdzając rosnący konsum w platformach danych na poziomie aplikacji AI. Natomiast 8 września akcje Salesforce i Intuit spadły o około 4%, ServiceNow o 5%, indeks S&P 500 Software & Services zszedł o 1,4%. Część presji sprzedażowej analitycy wyjaśniają debiutem Astra, który znów wzbudził obawy o zastępowanie oprogramowania przez szerokie modele AI.

Ścieżka wdrożeń software Databricks pokazuje, że zyski AI rozprzestrzeniają się coraz szybciej w łańcuchu wartości: agent wykonuje więcej zadań, napędzając popyt na obliczenia, przechowywanie i usługi danych; platformy łączące dane firmy, governance oraz przewagę w realizacji procesów konkurują, by te wykorzystania przełożyć na przychody i przepływy pieniężne. Dla software'ów to strukturalny plus, choć rozbudowa platform może wywierać presję na niezależne narzędzia. Firmy mające szansę, muszą jednocześnie wykazać się wzrostem wyników z AI, ekspansją konsumpcji klientów i poprawą marży; firmy o przewadze bazującej na interfejsie lub pojedynczej funkcji będą konkurować trudniej.

Wycenę fali inwestycji w AI, która rozpoczęła się pod koniec 2022 r., stopniowo przekształca się z „skali wydatków kapitałowych” na „efektywność zwrotu z kapitału” i ten proces przyspiesza – pierwsza faza inwestycji AI koncentrowała się na tym, „kto dominuje w budowie i korzystaniu z największego centrum danych GPU”, obecna druga faza skupia się na tym, „kto potrafi zamienić Token na trwały przepływ pieniężny”.

Bessa wokół AI stopniowo przemieszcza się z „kupowania akcji producentów chipów” do „kupowania workflow AI”, czyli rynek redefiniuje główną linię inwestycji AI z „kto korzysta na rosnących wydatkach kapitałowych na AI” na „kto najszybciej zamienia moc obliczeniową na ARR, marże i wolny przepływ pieniężny”. Najnowsza rotacja sprzyja platformom software’owym koncentrującym się na aplikacjach AI, w kluczowych procesach biznesowych, przy wysokim wskaźniku odnowień abonamentu, barierach danych i zdolności do monetyzacji agentów. Dla software'ów skoncentrowanych na AI, zdolność do ciągłego użycia coraz mocniejszych i tańszych modeli oraz zachowania niezastępowalnej wartości biznesowej będzie decydować o długoterminowej sile wyceny.