Test warunków skrajnych dla sztucznej inteligencji w sektorze oprogramowania: mapowanie ryzyk i szans w USA i Europie

• Sztuczna inteligencja zmienia sposób wyceny i rozliczania oprogramowania: w wielu produktach rozliczanie według liczby użytkowników ustępuje miejsca rozliczaniu według liczby zadań.

• Najlepiej bronią się podmioty, które kontrolują procesy i dane — to one często mają też największy potencjał wzrostu.

• Warto rozważyć podejście koszykowe, ponieważ zwycięzców łatwiej wskazać z perspektywy czasu niż na podstawie nagłówków.

Akcje spółek z branży oprogramowania sprawiają dziś wrażenie, jakby musiały na nowo uzasadniać swoje istnienie. Brzmi to ostro, ale taki jest nastrój rynku: inwestorzy oczekują twardych dowodów, a nie kolejnych planów na przyszłość.

Problemem nie jest „złe oprogramowanie”. Chodzi o nową obawę: sztuczna inteligencja podnosi produktywność ludzi, więc firmom może wystarczyć mniej licencji. Pomyśl o sztucznej inteligencji jako o nowym koledze z pracy, który nie śpi. Świetnie wpływa to na wyniki, gorzej — na liczbę wykupionych licencji.


Prawdziwa obawa: mniej licencji, a nie mniejszy popyt

Większość oprogramowania korporacyjnego jest sprzedawana w modelu software as a service (SaaS), czyli w abonamencie, często z opłatą „za użytkownika” (tzw. seat — licencja przypisana do stanowiska pracy). Jeśli sztuczna inteligencja pozwala jednej osobie zrobić tyle, co wcześniej dwóm, firma może ograniczyć zatrudnienie, a następnie zmniejszyć liczbę licencji. Przychody spadają, nawet jeśli operacyjnie wszystko działa bez zarzutu.

Dlatego zakłócenia wywołane przez sztuczną inteligencję mogą uderzać nawet w silne firmy. Rynek nie odrzuca samych produktów — podważa raczej dotychczasowy model wyceny i rozliczeń.

To również tłumaczy, dlaczego skala wyprzedaży jest tak duża. Inwestorzy nie wiedzą, które spółki staną się „podstawą sztucznej inteligencji”, a które będą postrzegane jako niepotrzebne dodatki.

Mapa ryzyk: gdzie sztuczna inteligencja może rozbić produkt na części

Najbardziej narażone są te rozwiązania, które monetyzują rutynowe czynności umysłowe w modelu opłat „za stanowisko”.

Pakiety dla HR i zaplecza biurowego są ściśle powiązane z poziomem zatrudnienia, więc łatwo wpisują się w tę narrację. Workday obsługuje kluczowe procesy kadrowe, płacowe i finansowe w dużych firmach, często z ceną powiązaną z liczbą pracowników. Sage pełni podobną funkcję w małych i średnich firmach, gdzie presja kosztowa pojawia się szybciej. Jeśli sztuczna inteligencja pozwala wykonać to samo mniejszym zespołem, inwestorzy obawiają się, że liczba licencji będzie rosła wolniej — nawet jeśli wymiana tych systemów wciąż jest bolesna.

Narzędzia kreatywne mierzą się z innym ryzykiem: „wystarczająco dobrych darmowych programów”. Adobe jest podstawowym narzędziem pracy wielu profesjonalistów w projektach graficznych, przy pracy z dokumentami i mediami. Sztuczna inteligencja przyspiesza tworzenie, ale sprawia też, że proste efekty łatwiej uzyskać tańszymi narzędziami. Jeśli darmowi asystenci będą wystarczająco dobrzy do prostych zadań, Adobe będzie musiało bronić poziomu cen jakością, integracją z całym przepływem pracy i niezawodnością — a nie tylko efektownymi nowościami.

Mapa szans: kto zarabia, gdy praca się automatyzuje

Potencjalnych zwycięzców można zwykle podzielić na trzy kategorie: platformy, przepływy pracy i dane.

Platformy: Microsoft, Oracle, SAP. Są najbliżej danych biznesowych, ich przechowywania i przetwarzania oraz kontrolują kanały dystrybucji. Jeśli sztuczna inteligencja stanie się funkcją domyślną, platformy mogą ją szeroko udostępniać i rozliczać się na podstawie wartości dostarczanej w czasie, a nie tylko pobierać opłaty według liczby użytkowników.

Przepływy pracy: ServiceNow oraz — w nieco innym sensie — Salesforce. To nie są tylko bazy danych. To systemy, w których praca jest koordynowana, zatwierdzana, rejestrowana i audytowana. Właśnie tam agenci sztucznej inteligencji mogą działać i tam model rozliczeń „według liczby zadań” ma więcej sensu niż „według liczby użytkowników”.

Dane i zaufane treści: Snowflake, RELX, Wolters Kluwer, Experian, Gartner. Sztuczna inteligencja potrzebuje czystych danych oraz wiarygodnych, wysokiej jakości źródeł. Te firmy już oferują wsparcie decyzyjne, rozwiązania do zarządzania ryzykiem oraz specjalistyczne informacje. Sztuczna inteligencja może sprawić, że te produkty będą szybsze i bardziej spersonalizowane, nie czyniąc ich przy tym zbędnymi.

Europa ma swoją specyfikę: regulacje, język oraz lokalne struktury rynkowe. Temenos dostarcza rozwiązania dla banków, w których zmiany zachodzą powoli, a ścieżki audytu są kluczowe. Dassault Systèmes i Nemetschek działają w obszarze projektowania i inżynierii, gdzie sztuczna inteligencja może przyspieszyć modelowanie i ograniczyć błędy, ale oprogramowanie nadal musi być bardzo precyzyjne.

Amadeus IT przypomina, że „oprogramowanie” to także infrastruktura dla całych branż. Rezerwacje podróży to złożone, wielopodmiotowe procesy. Sztuczna inteligencja może pomóc, ale to niezawodność wciąż decyduje o przychodach.