RBC Capital Markets analītiķi šonedēļ sniedza agrīnu novērtējumu, un tas nav īpaši pozitīvs. Pētniecības piezīmē viņi norādīja, ka «GenAI dēļ ilgtermiņa programmatūru bruto peļņas maržas būs strukturāli zemākas». Saskaņā ar RBC, pāreja no uz vietas esošās programmatūras, kur uzņēmumi to darbināja paši savos datoros, uz mākoni izraisīja bruto peļņas maržas kritumu no 90% līdz 75%. Pāreja no mākoņdatošanas uz ģeneratīvo AI, prognozē, ka programmētājprogrammatūru maržas samazināsies vēl vairāk, aptuveni līdz 60%. Bruto peļņas marža ir vienkāršs peļņas rādītājs, kas ņem ieņēmumus un atņem pārdoto preču izmaksas. Tradicionāli programmatūru nozarē bruto peļņas maržas parasti ir bijušas ap 90%. Lai gan tas var šķist augsts, tas ir iemesls, kāpēc šis sektors piesaista investorus un kāpēc programmatūru uzņēmumiem ir tik liela vērtība. Jaunas programmatūras izstrāde prasa ievērojamas sākotnējās investīcijas. Tomēr, tiklīdz tā ir radīta, jaunu versiju izstrādes un klientiem izplatīšanas izmaksas ir gandrīz nenozīmīgas. Tādējādi katru reizi, kad programmatūra tiek pārdota, peļņa ievērojami palielinās, tāpēc tehnoloģiju investori uzsver «mērogu». Tātad, kāpēc programmatūru bizness varētu kļūt mazāk ienesīgs AI ēras laikā?RBC analītiķu skatījumā, līdzīgus efektivitātes līmeņus peļņas un zaudējumu pārskatē sasniegt ar GenAI varētu izrādīties grūti.

Ģeneratīvais AI ir dārgs gan attīstībā, gan darbībā. Piemēram, AI modeļa apmācība prasa dārga GPU iegādi no Nvidia. Šie AI čipseti tiek ievietoti serveros, kuriem nepieciešama specializēta dzesēšana un tīklošana liela mēroga datu centros. Šīs iekārtas patērē ievērojamas elektroenerģijas mērce atspoguļojas augstās izmaksās un dārgās modernizācijās. Turklāt AI modeļa apmācībai nepieciešamo datu iegādes izmaksas nevar ignorēt. Lai gan lielie tehnoloģiju uzņēmumi un jaunuzņēmumi cenšas samazināt šīs izmaksas, datu vākšana un tīrīšana tomēr paliek ievērojami izdevumi. Kad AI modeļi ir apmācīti, tie ir jāpiekļauj. Šis izziņas solis, kur modeļi apstrādā jaunos datus vai pieprasījumus, arī prasa dārgus čipus un nozīmē turpmākas izmaksas. Atšķirībā no uz vietas esošās programmatūras biznesa, kur katra pārdošana deva gandrīz 100% peļņu, ar GenAI katru reizi, kad AI klients izmanto pakalpojumu, piegādātājam rodas daudzveidīgas izmaksas. Piemēram, OpenAI, ziņots, ka tā izdevumi par ChatGPT apkalpošanu ir $700, 000 dienā, kā pagājušajā gadā aprēķināja nozares analītiķis Dilan Patel. Neskatoties uz šīm problēmām, RBC analītiķi nav pilnīgi pesimistiski. Viņi paredz, ka GenAI revolucionēs tirgu tādā apmērā, ka klienti būtiski palielinās izdevumus par jaunu AI balstītu programmatūru, potenciāli dubultojot vai pat trīskāršojot pašreizējos ienākumu līmeņus. Ņemot vērā paplašināto programmatūru tirgu, arī varētu būt vairāk “peļņas dolāru” pieejamu, pat ar zemākām peļņas maržām. “Peļņas dolāri” atsaucas uz absolūto peļņu, ko uzņēmums rada, un to var izmantot kā ekonomiska panākuma mēru. Piemēram, apsvērsim hipotētisku uzņēmumu ar $100 miljoniem ieņēmumu un 10% peļņas maržu, kas radītu $10 miljonus absolūtās peļņas. Ja šī uzņēmuma ieņēmumi pieaugtu līdz $300 miljoniem, bet marža samazinātos līdz 8%, ienākumi joprojām būtu $24 miljoni—lielāka peļņa nekā iepriekš. Tādējādi RBC analītiķi secina, ka, lai gan GenAI, iespējams, ietekmēs maržas, ilgtermiņa bruto peļņas dolāru skaits prognozēts augstāks pēc GenAI pasaulē.