Analis di RBC Capital Markets telah memberikan penilaian awal pekan ini, dan itu tidak terlalu positif. Dalam catatan penelitian, mereka menyatakan bahwa 'karena GenAI, margin kotor jangka panjang perangkat lunak akan lebih rendah secara struktural. ' Menurut RBC, pergeseran dari perangkat lunak on-premise, di mana perusahaan menjalankannya di komputer mereka sendiri, ke cloud mengakibatkan penurunan margin laba kotor dari 90% menjadi 75%. Peralihan dari komputasi awan ke AI generatif diperkirakan akan mendorong margin perangkat lunak lebih rendah lagi, diperkirakan sekitar 60%. Margin kotor adalah ukuran sederhana dari profitabilitas yang mengambil pendapatan dan mengurangkan harga pokok penjualan. Secara tradisional, dalam industri perangkat lunak, margin laba kotor biasanya berkisar sekitar 90%. Meskipun ini mungkin terdengar tinggi, inilah alasan mengapa sektor ini menarik bagi investor dan mengapa perusahaan perangkat lunak memiliki valuasi yang sangat tinggi. Mengembangkan perangkat lunak baru memerlukan investasi awal yang signifikan. Namun, setelah itu dibuat, biaya untuk memproduksi versi baru dan mendistribusikannya ke pelanggan hampir tidak ada. Akibatnya, setiap kali perangkat lunak terjual, laba meningkat secara substansial, itulah sebabnya investor teknologi menekankan 'skala'. Jadi mengapa bisnis perangkat lunak mungkin menjadi kurang menguntungkan di era AI?Menurut analis RBC, mencapai tingkat efisiensi yang sama pada laporan laba rugi dengan GenAI mungkin terbukti menantang.

AI generatif mahal, baik dari segi pengembangan maupun operasi yang sedang berlangsung. Pelatihan model AI, misalnya, membutuhkan pembelian GPU mahal dari Nvidia. Chip AI ini kemudian ditempatkan di server yang memerlukan pendinginan dan jaringan khusus dalam pusat data besar. Fasilitas-fasilitas ini mengkonsumsi banyak listrik, yang mengakibatkan biaya tinggi dan peningkatan yang mahal. Lebih lanjut, biaya untuk memperoleh data yang diperlukan untuk pelatihan model AI tidak boleh diabaikan. Meskipun perusahaan teknologi besar dan startup mencoba meminimalkan biaya ini, pengumpulan data dan pembersihan tetap menjadi biaya signifikan. Setelah model AI dilatih, mereka perlu ditempatkan. Langkah inferensi ini, di mana model memproses data baru atau permintaan, juga memerlukan chip mahal dan menimbulkan biaya berkelanjutan. Berbeda dengan bisnis perangkat lunak on-premise, di mana setiap penjualan menghasilkan hampir 100% laba, dengan GenAI, setiap kali pelanggan AI menggunakan layanan, penyedia menanggung banyak biaya. Misalnya, OpenAI dilaporkan menghabiskan $700. 000 per hari untuk menjalankan ChatGPT, menurut perkiraan analis industri Dylan Patel tahun lalu. Meskipun tantangan ini, analis RBC tidak sepenuhnya pesimis. Mereka memperkirakan bahwa GenAI akan merevolusi pasar sedemikian rupa sehingga pelanggan akan secara signifikan meningkatkan pengeluaran mereka untuk perangkat lunak bertenaga AI baru, berpotensi menggandakan atau bahkan melipatgandakan tingkat pendapatan saat ini. Mengingat pasar perangkat lunak yang berkembang, mungkin juga ada lebih banyak 'dolar laba' yang tersedia, bahkan dengan margin laba yang lebih rendah. 'Dolar laba' mengacu pada laba absolut yang dihasilkan oleh perusahaan dan dapat berfungsi sebagai ukuran keberhasilan finansial. Untuk mengilustrasikan, mari kita pertimbangkan sebuah perusahaan hipotetis dengan pendapatan $100 juta dan margin laba 10%, menghasilkan laba absolut $10 juta. Jika perusahaan ini mengalami lonjakan pendapatan menjadi $300 juta tetapi melihat penurunan margin menjadi 8%, pendapatan masih akan berjumlah $24 juta—lebih banyak laba daripada sebelumnya. Akibatnya, analis RBC menyimpulkan bahwa meskipun GenAI diperkirakan akan memengaruhi margin, dolar laba kotor jangka panjang diproyeksikan lebih tinggi di dunia pasca-GenAI.