RBC ক্যাপিটাল মার্কেটসের বিশ্লেষকরা এই সপ্তাহে একটি প্রাথমিক মূল্যায়ন প্রদান করেছেন এবং এটি বিশেষভাবে ইতিবাচক নয়। একটি গবেষণা নোটে তারা উল্লেখ করেছেন যে 'GenAI এর কারণে দীর্ঘমেয়াদে সফটওয়্যারের স্থূল মার্জিন গঠনমূলকভাবে কম হবে।' RBC-এর মতে, যেখানে কোম্পানিগুলি নিজেদের কম্পিউটারে এটি চালাতো সেই অন-প্রিমিস সফটওয়্যার থেকে ক্লাউড সফটওয়্যারে বদল হলে স্থূল মার্জিন ৯০% থেকে কমে ৭৫% এ দাঁড়িয়েছে। ক্লাউড কম্পিউটিং থেকে জেনারেটিভ AI তে পরিণত হলে সফটওয়্যার মার্জিন আরও কমবে বলে আশা করা হচ্ছে, প্রায় ৬০% এর কাছাকাছি। স্থূল মার্জিন একটি সরল প্রফিটেবিলিটির পরিমাপ যা রাজস্ব গ্রহণ করে এবং পণ্য বিক্রয়ের খরচ বাদ দেয়। প্রচলিতভাবে, সফটওয়্যার শিল্পে, স্থূল প্রফিট মার্জিনগুলি সাধারণত ৯০% এর কাছাকাছি থাকে। যদিও এতে উচ্চ মনে হতে পারে, এটিই এই খাতটিকে বিনিয়োগকারীদের জন্য আকর্ষণীয় করে তোলে এবং কেন সফটওয়্যার কোম্পানিগুলির এত উচ্চ মূল্যায়ন থাকে। নতুন সফটওয়্যার বিকাশের জন্য গুরুত্বপূর্ণ প্রারম্ভিক বিনিয়োগের প্রয়োজন হয়। তবে একবার এটি তৈরি হয়ে গেলে, নতুন সংস্করণগুলি উৎপাদন এবং সেগুলিকে গ্রাহকদের কাছে বিতরণ করার খরচ প্রায় তুচ্ছ থাকে। ফলে, প্রতিবার সফটওয়্যার বিক্রি হলে, লাভ উল্লেখযোগ্যভাবে বৃদ্ধি পায়, তাই টেক বিনিয়োগকারীদের দ্বারা 'স্কেল'এর ওপর জোর দেওয়া হয়। তাহলে AI যুগে সফটওয়্যার ব্যবসা কেন কম লাভজনক হতে পারে?

RBC বিশ্লেষকদের মতে, GenAI এর সাথে লাভ এবং ক্ষতির বিবরণীগুলিতে সমতুল্য দক্ষতা অর্জন করা চ্যালেঞ্জিং হতে পারে। জেনারেটিভ AI ব্যয়বহুল, উভয় ক্ষেত্রে উন্নয়ন ও চলমান অপারেশনেও। উদাহরণস্বরূপ, AI মডেল প্রশিক্ষণের জন্য Nvidia এর ব্যয়বহুল GPU কেনার প্রয়োজন। এই AI চিপগুলি তারপরে বড় ডেটা সেন্টারগুলিতে যেখানে বিশেষায়িত শীতলকরণ এবং নেটওয়ার্কিংয়ের প্রয়োজন সেখানে সার্ভারে রাখা হয়। এই সুবিধাগুলি বিপুল পরিমাণ বিদ্যুৎ গ্রাস করে, যার ফলে উচ্চ খরচ এবং খরচবহুল আপগ্রেড দরকার পড়ে। তদুপরি, AI মডেল প্রশিক্ষণের জন্য প্রয়োজনীয় তথ্য সংগ্রহের খরচ উপেক্ষা করা যাবে না। যদিও বড় টেক কোম্পানিগুলি এবং স্টার্টআপগুলি এই খরচগুলি হ্রাস করার চেষ্টা করে, তথ্য সংগ্রহ ও পরিস্কার করা এখনো উল্লেখযোগ্য ব্যয়। একবার AI মডেলগুলি প্রশিক্ষিত হয়ে গেলে, তাদের মোতায়েন করতে হবে। এই নির্বিষ প্রক্রিয়া, যেখানে মডেলগুলি নতুন তথ্য বা অনুরোধগুলি প্রক্রিয়া করে, এছাড়াও ব্যয়বহুল চিপ প্রয়োজন এবং চলমান খরচ ঘটে। অন-প্রিমিস সফটওয়্যার ব্যবসার তুলনায় যেখানে প্রতিটি বিক্রিতে প্রায় ১০০% লাভ হতো, GenAI এর সাথে হঠাৎ সব সময় একটি AI গ্রাহক একটি পরিষেবা ব্যবহার করে এটির জন্য প্রদানকারী বহু খরচের সম্মুখীন হয়। উদাহরণস্বরূপ, OpenAI রিপোর্ট করেছে যে প্রতিদিন ChatGPT পরিচালনা করতে $৭০০, ০০০ ব্যয় হয়, যা গত বছর শিল্প বিশ্লেষক ডিলান প্যাটেলের দ্বারা অনুমান করা হয়েছে। এই চ্যালেঞ্জগুলি সত্ত্বেও, RBC বিশ্লেষকরা একেবারে নৈরাশ্যমূলক নন। তারা আশা করে যে GenAI বাজারকে এমন এক পর্যায়ে বিপ্লব করবে যে গ্রাহকরা নতুন AI-চালিত সফটওয়্যারে উল্লেখযোগ্যভাবে ব্যয় বাড়াবে, বর্তমান রাজস্ব স্তরকে দ্বিগুণ বা এমনকি তিনগুণ করতে পারে। বিস্তৃত সফটওয়্যার বাজার বিবেচনা করে, লাভের ডলারও বেশি পাওয়া যেতে পারে, যদিও লাভের মার্জিন কম হলেও। 'লাভের ডলার' একটি কোম্পানি দ্বারা উত্পন্ন পরম লাভ বোঝায় এবং এটি আর্থিক সফলতার একটি মাপকাঠি হতে পারে। উদাহরণ দিতে গেলে, ধরে নিন একটি কাল্পনিক কোম্পানির $১০০ মিলিয়ন রাজস্ব এবং ১০% লাভের মার্জিন রয়েছে, যার ফলে $১০ মিলিয়ন পরম লাভ রয়েছে। যদি এই কোম্পানি $৩০০ মিলিয়ন রাজস্ব বৃদ্ধি পায় কিন্তু মার্জিন ৮% এ কমে যায়, তাহলে এখনও $২৪ মিলিয়ন আয় থাকবে - আগের চেয়ে বেশি লাভ। ফলে, RBC বিশ্লেষকরা উপসংহারে বলেন যে GenAI মার্জিনগুলিকে প্রভাবিত করবে বলে মনে হয়, তবে দীর্ঘমেয়াদী স্থূল লাভের ডলার পোস্ট-GenAI বিশ্বের ক্ষেত্রে বেশি হবে বলে প্রজেক্ট করা হয়েছে।