• Как и любая новая цифровая технология, генеративный ИИ (Искусственный интеллект) создаст новый растущий спрос на компании, предоставляющие ИТ-услуги.
• В некоторых случаях это будет катализатором более широкого спроса на цифровую трансформацию, но это будет исключением.
• Для компаний, предоставляющих ИТ-услуги, генеративный ИИ также представляет собой бизнес-риск: повышение производительности может снизить объем оплачиваемой работы.

• Компании, которые полагаются на предоставление оплачиваемых инженерных услуг, не имеют продуктов для продажи и внутренней интеллектуальной собственности, а также не занимаются масштабным консультированием, на мой взгляд, подвергаются наибольшему риску.
• Многие ИТ компании подвержены высокому риску стагнации или даже снижения доходов.

Инвестиции в Искусственный интеллект
Индустрия ИТ-услуг в настоящее время переживает фазу стагнации, роста нет (2023 год). Общее мнение, говорит, что это — временно. Ожидается, что со временем отрасль снова столкнется с прежними попутными ветрами и спрос клиентов на цифровые инженерные услуги снова возрастет, поскольку постоянно растущая потребность компаний в создании цифровых бизнес-моделей, а также в преобразовании и улучшении операционных возможностей не исчезнет.

Как и практически любая новая цифровая технология (мобильные приложения, аналитике, IoT и т. д.), генеративный ИИ, несомненно, создаст дополнительный спрос для компаний, предоставляющих ИТ-услуги. Нетрудно представить такие варианты использования, как создание чат-ботов на основе ИИ для внутреннего или внешнего использования для доступа к корпоративным данным.

Я подозреваю, однако, что новый, растущий спрос здесь не будет достаточно большим, чтобы оказать существенное влияние на большинство компаний, предоставляющих ИТ-услуги, которые обычно довольно велики.

В то же время я не думаю, что генеративный ИИ создаст новый существенный спрос на цифровые инженерные услуги. Чтобы эффективно использовать ИИ, организациям нужны современные и гибкие архитектуры информации и данных. Но им это в любом случае нужно для эффективной автоматизации бизнес-процессов и цифрового пути клиента. Я не вижу много организаций, которые не сделали этого, прежде чем отправиться на путь цифровой трансформации, потому что они хотят воспользоваться преимуществами генеративного ИИ. Наверняка для этого есть более важные и насущные причины, заработать на ИИ пока тяжело.

Грязным секретом индустрии технологических услуг является то, что инженерные услуги могут быть неэффективными, особенно когда они практикуются в больших масштабах, и в бизнес-модели заложено некоторые противоречие. Меньшая производительность может означать больший доход и прибыль. Неслучайно, на мой взгляд, такие компании, как EPAM и Accenture, тяготеют к крупным клиентам, когда на одного заказчика работают сотни и даже тысячи человек. Только крупные компании могут придумать работающее экономическое обоснование для создания собственной технологии, специфичной для их бизнеса.

В то же время инженерная работа очень часто повторяется, и то, что создается, на мой взгляд, не является чем-то исключительным или уникальным. По моему опыту, по крайней мере 80 процентов работы уходит на техническую составляющую, которая не сильно отличается в компании А от компании Б. Компании, предоставляющие ИТ-услуги, продают, убеждая потенциальных клиентов, что у них есть возможности, люди и процессы с передовым опытом и они обладают технологиями, навыками для выполнения необходимой работы. Такова природа бизнеса.

С другой стороны, не требуется большого творческого подхода, чтобы сделать вывод, что большие языковые модели() являются хорошим решением проблемы создания функционально корректного программного кода (который является формальным языком) на основе надежных архитектурных шаблонов, используемых технологий и специфические для организации стандарты.

По оценкам McKinsey, экономический эффект от генеративного ИИ составляет от 2,6 до 4,4 трлн долларов в год. 75 % и суммы приходится только на четыре сферы бизнеса: операции с клиентами, маркетинг и продажи, исследования и разработки, а также разработка программного обеспечения (!).

Это практически идеальные условия для само-разрушения. Было бы наивно полагать, что поставщики ИТ-услуг будут главными или единственными бенефициарами дополнительных преимуществ и повышения производительности. Клиенты либо будут потреблять еще больше ит услуг, так как могут получить большее, за ту же стоимость, либо будут платить меньше, а значит, меньше выручки для поставщика услуг. Но даже в лучшем случае повышение производительности должен снизиться потенциал роста.

Это, конечно, не означает, что исход неизбежен. Эффект не будет немедленным, и потребуется время, чтобы проявиться, поэтому поставщики могут предпринять шаги по смягчению последствий (подробнее об этом позже). Но инвесторы должны осознавать риски и учитывать влияние генеративного ИИ в свою должную осмотрительность и оценивать все риски.

Из-за больших управляемых услуг и особенно консалтингового и проектного бизнеса такие компании, как Accenture, несмотря на их размер, в определенной степени изолированы от того, что грядет. На мой взгляд, такие компании, как EPAM, пострадают гораздо больше. EPAM в основном занимается цифровой инженерией, а ее бизнес по проектированию и консалтингу относительно невелик. Кроме того, у EPAM практически нет продуктов или интеллектуальной собственности для продажи, и почти 90 процентов доходов приходится на обязательства, основанные на продажи времени разработчиков.

Влияние ИИ на разработку программного обеспечения

Согласно McKinsey, генеративный ИИ значительно повлияет на разработку программного обеспечения, как по размеру экономического воздействия, так и по проценту затронутых функциональных расходов. Единственная бизнес-функция, которая приближается, — это работа с клиентами.

Уже доступны такие инструменты, как GitHub Copilot и Amazon CodeWhisperer, которые помогают разработчикам программного обеспечения писать код быстрее и качественнее. Что касается искусства — это все еще простые инструменты и выступают больше как помощники. Они рекламируются как программатор для пары ИИ (Copilot) или компаньон по кодированию ИИ (CodeWhisperer), что в основном достаточно ясно говорит о том, какова основная цель — помочь разработчику в его задачах написания программного кода. Несмотря на ограниченную область применения, они уже обладают высокой эффективностью. Исследование Microsoft совместно с Корнельским университетом «Влияние ИИ на производительность разработчиков: данные GitHub Copilot» показало, что разработчики в среднем на 55 % быстрее кодировали конкретную задачу с помощью Copilot (сомнительные цифры, лучше замеряйте на своём коде и скорости написания).

McKinsey ожидает, что прямое влияние ИИ на производительность разработки программного обеспечения составит от 20 до 45 процентов текущих годовых расходов на эту функцию. На самом деле я думаю, что это может быть недостатком для разработки программного обеспечения в масштабе предприятия, где в игру вступают компании, предоставляющие ИТ-услуги, такие как EPAM.

Здесь меньше половины стоимости (часто гораздо меньше) обычно тратится на написание кода. Есть множество других функций и людей, которые необходимы и заняты. Иногда названия ролей/функций не имеют смысла даже для тех, кто не занимался разработкой программного обеспечения: бизнес-аналитиков, инженеров по качеству (ручного и автоматизированного тестирования), архитекторов решений, архитекторов данных, UX дизайнеры и дизайнеры пользовательского интерфейса (что не одно и то же!), владельцы продуктов, скрам-мастера, архитекторы инфраструктуры, инженеры DevOps (business analysts, quality engineers (manual and automated testing), solution architects, data architects, UX designers and UI designers (which is not the same thing), product owners, scrum masters, infrastructure architects, DevOps engineers) и т. д. Их результаты варьируются от структурированного текста (например, пользовательских историй) до разнообразной документации и диаграмм для тестирования или сборки, кода. Возрастающая сложность разработки программного обеспечения и распространение различных технологий создают все больше и больше таких специализированных ролей. Я думаю, вполне возможно, что инженеры-подсказчики ИИ уже есть (Prompt Engineering).

В ИТ отрасли есть грязное бельишко и, по крайней мере, я всегда думал, неотъемлемое противоречие бизнес-модели технологических услуг: Вы можете зарабатывать больше денег, когда вы менее продуктивны и нуждаетесь в большем количестве людей, если вы можете убедить клиента платить за это!

Короче говоря, технологические услуги могут стать отраслью, готовой к прорыву, а искусственный интеллект может стать для этого инструментом.

Потенциальное разрушительное воздействие на ИТ-услуги

Большое волнение по поводу ИИ на исполнительном уровне, похоже, связано с тем, что ИИ рассматривается как инструмент сокращения затрат, который позволяет капиталу выиграть следующую битву в многолетней битве со своим старым противником, обычной рабочей силой.

Вскоре после запуска ChatGPT для IBM генеральный директор Арвинд Кришна заявил, что внутри IBM наем на работу в бэк-офисе будет приостановлен или замедлен, поскольку значительная часть ролей, не связанных с клиентами, теперь будет заменена ИИ и автоматизирована. Лично я думаю, что он не продумал это до конца. Если вы прочтете полную статью Bloomberg «IBM приостановит найм сотрудников на должности, которые мог бы выполнять ИИ», вы заметите, что Киршна считает, что ИИ снижает его расходы, а не доходы. Я думаю, что это односторонний и неполный взгляд.

В значительной степени компании, предоставляющие ИТ-услуги, взимают с клиентов плату за выполненную работу в зависимости от количества задействованных людей и времени, затраченного ими на работу. Даже если взаимодействие с клиентами основано на результатах, лежащий в основе этого механизм оплаты обычно основан на людях, навыках, ставках и времени. Экономика такого бизнеса технологических услуг в принципе сводится к продаже рабочего времени.

Кто пострадает больше всего?

Чтобы быть справедливым по отношению к IBM, компания получает значительный доход за пределами этой модели. Но другие, такие как EPAM, почти на 100% соответствуют модели.

Если инвесторы считают, что мой тезис верен, или хотят исследовать риск, есть простой способ проверить, подвергается ли доход риску и в какой степени.

Критериев для проверки всего несколько:

1. Доход зависит от оплаты рабочего времени. В этом случае компании обычно публикуют в своих отчетах показатель использования в качестве критического бизнес-показателя. Использование не всегда рассчитывается одинаково, но, по сути, это означает процент, который сотрудники взимают с клиентов. Вы можете увидеть этот показатель в отчетах таких компаний, как EPAM Systems, Cognizant (CTSH) или Capgemini (OTCPK:CGEMY). Компании могут использовать разную терминологию. Accenture, например, часто использует платность вместо использования, но это означает то же самое.

2. Доход зависит от инженерных услуг, а не от проектирования, консалтинга и аутсорсинговых услуг по управлению.

3. Доход зависит преимущественно от времени и материалов, а не от результата и проекта (фиксированная цена). К сожалению, не все компании публикуют эту информацию, и вам, возможно, придется просмотреть стенограммы телефонных звонков или другие материалы, чтобы найти ее.

EPAM имеет высокие оценки по всем трем критериям, поэтому, если я прав, она очень подвержена риску. EPAM очень мало консультирует. Компания пыталась перейти от проектирования к консалтингу и проектированию под своим брендом EPAM Continuum, но когда она делает это, она обычно связана с инженерным проектом. Контракты в подавляющем большинстве случаев требуют времени и материала. Время и материалы составили 88,7% выручки в первом Q1 2023. Два года назад, в Q1 2021, этот показатель составлял всего 85,1%.

Когда может произойти сбой и что с этим делать?

Когда OpenAI выпустила ChatGPT в ноябре прошлого года, казалось, что внезапно появилось что-то новое и захватывающее. На самом деле, это готовилось годами. Просто мы этого не заметили, потому что это произошло, как говорится, постепенно, а потом внезапно.

Предсказать, когда будут следующие шаги, практически невозможно. Я думаю, что раньше, чем мы думаем. Это основано на значительных инвестициях, которые в настоящее время идут во все, что связано с ИИ. Тем не менее трансформация займет несколько лет, так что теоретически у организаций есть время отреагировать.

Очевидным выбором является переход от проектирования к большему количеству проектной и консультационной деятельности. Но это может помочь только до определенной степени. В конечном счете компаниям, предоставляющим ИТ-услуги, необходимо уделять больше внимания технологиям и инвестировать в отраслевые возможности. Такие возможности сложно создать внутри компании, по крайней мере, в разумные сроки, поэтому, вероятно, следует пойти на приобретение. Хорошим примером является недавнее приобретение HCL Technologies, индийской компании, предоставляющей технологические услуги, в которой работает более 200 000 человек. HCL недавно приобрела ASAP Group, которая специализируется на автономном вождении и электромобилях.

Инвесторы должны следить за действиями компаний, чтобы увидеть, остаются ли они в технологическом пространстве или расширяют свои возможности.

Заключение

Генеративный ИИ окажет огромное влияние на разработку программного обеспечения, сделав его значительно более эффективным.

Это может фактически снизить спрос на инженерные услуги с течением времени и иметь серьезные последствия для компаний, предоставляющих ИТ-услуги, — степень зависит от того, насколько бизнес-модель зависит от предоставления инженерных услуг, а не от проектирования, бизнес-консалтинга и управляемых услуг. Будет достигнут значительный прирост производительности, но маловероятно, что поставщики будут единственными бенефициарами. Повышение производительности необходимо будет разделить с клиентами, что, возможно, снизит спрос на эти услуги.

Инвесторы должны будут учитывать это при должной осмотрительности, поскольку не все компании, предоставляющие ИТ-услуги, будут затронуты в равной степени, и есть способы смягчить надвигающиеся препятствия.