RBC Capital Markets analitikai šią savaitę pateikė ankstesnį vertinimą, kuris nėra ypač teigiamas. Tyrimo ataskaitoje jie teigė, kad „dėl GenAI ilgalaikės programinės įrangos bendrosios maržos bus struktūriškai mažesnės“. Pasak RBC, perėjimas nuo vietinės programinės įrangos, kai įmonės ją naudojo savo kompiuteriuose, prie debesijos sukėlė bendrųjų pelno maržų sumažėjimą nuo 90% iki 75%. Manoma, kad perėjimas nuo debesų kompiuterijos prie generatyvaus dirbtinio intelekto dar labiau sumažins programinės įrangos maržas iki maždaug 60%. Bendroji marža yra paprastas pelningumo matas, kuris atspindi pajamų ir parduotų prekių sąnaudų skirtumą. Tradiciškai programinės įrangos pramonėje bendrosios pelno maržos dažniausiai svyruoja apie 90%. Nors tai gali atrodyti aukštai, todėl šis sektorius yra patrauklus investuotojams, o programinės įrangos kompanijos turi tokias dideles vertes. Naujos programinės įrangos kūrimas reikalauja reikšmingų pradinių investicijų. Vis dėlto, kai ji yra sukuriama, naujų versijų gamybos ir platinimo į klientus kaina yra beveik nereikšminga. Todėl kiekvieną kartą parduodant programinę įrangą pelnas ženkliai auga, todėl technologijų investuotojai pabrėžia „mastelio“ svarbą. Taigi kodėl programinės įrangos verslas gali tapti mažiau pelningas dirbtinio intelekto amžiuje?Pasak RBC analitikų, siekti panašaus lygio efektyvumo pelno ir nuostolio ataskaitose su GenAI gali būti sudėtinga.

Generatyvus dirbtinis intelektas yra brangus tiek kūrimo, tiek nuolatinės operacijos atžvilgiu. Pavyzdžiui, AI modelių treniravimui reikalingi brangūs GPU iš Nvidia pirkimai. Šie AI lustai tada dedami į serverius, kurie reikalauja specialaus aušinimo ir tinklų dideliuose duomenų centruose. Šios įstaigos sunaudoja didelį kiekį elektros energijos, todėl jų kaina ir brangūs modernizavimai yra dideli. Be to, negalima ignoruoti duomenų, reikalingų AI modelių treniravimui, įsigijimo kaštų. Nors didžiosios technologijų kompanijos ir pradedančios įmonės bando sumažinti šias išlaidas, duomenų rinkimas ir valymas išlieka reikšmingais kaštais. Kai AI modeliai yra apmokyti, juos reikia diegti. Šis išvadų žingsnis, kai modeliai apdoroja naujus duomenis ar užklausas, taip pat reikalauja brangių lustų ir nuolatinių išlaidų. Skirtingai nuo vietinės programinės įrangos verslo, kur kiekvienas pardavimas reiškė beveik 100% pelno, su GenAI kiekvieną kartą, kai AI klientas naudoja paslaugą, tiekėjas patiria daugybę išlaidų. Pavyzdžiui, OpenAI, kaip pranešė pramonės analitikas Dylanas Patelas pernai, išleidžia apie 700 000 dolerių per dieną ChatGPT veikimui. Nepaisant šių iššūkių, RBC analitikai nėra visiškai pesimistiški. Jie numato, kad GenAI revoliucionuos rinką taip, kad klientai ženkliai padidins išlaidas naujai AI galinčią programinei įrangai, galbūt padvigubindami ar net trigubindami dabartinių pajamų lygius. Atsižvelgiant į išplėstą programinės įrangos rinką, gali būti daugiau „pelno dolerių“, net esant mažesnėms pelno maržoms. „Pelno doleriai“ reiškia absoliutų įmonės sukurtą pelną ir gali būti finansinės sėkmės matu. Pavyzdžiui, jei hipotetinė įmonė turi 100 milijonų dolerių pajamų ir 10% pelno maržą, rezultatas būtų 10 milijonų dolerių absoliutaus pelno. Jei šiai įmonei pasiektų pajamų augimą iki 300 milijonų dolerių, tačiau marža sumažėtų iki 8%, pajamas vis tiek sudarytų 24 milijonai dolerių – daugiau pelno nei anksčiau. Todėl RBC analitikai daro išvadą, kad nors GenAI turėtų įtakoti maržas, ilgalaikiai bendrieji pelno doleriai turėtų būti didesni post-GenAI pasaulyje.