Dall'espansione della potenza di calcolo AI alla generazione di entrate nelle applicazioni, Goldman Sachs analizza la nuova fase degli investimenti AI: chi riuscirà a trasformare i Token in flussi di cassa

Secondo quanto riportato da Zhitong Caijing APP, durante la tanto attesa Conferenza Communacopia+ di Goldman Sachs, i dirigenti delle principali aziende del settore software focalizzate sulle applicazioni AI lato B e C hanno condiviso opinioni aggiornate sulle prospettive di crescita futura. In un recente memorandum pubblicato dagli analisti di Goldman Sachs, il CEO di Databricks, Ali Ghodsi, azienda leader nella data analytics e nei progetti di ingegneria dell’intelligenza artificiale, ha dichiarato che il fulcro della competizione nelle applicazioni AI si sta spostando verso l’implementazione concreta nelle imprese: le piattaforme software capaci di trasformare in modo efficiente e preciso le capacità dei modelli in risultati di business affidabili otterranno nuove opportunità di crescita.

Databricks risponde alle esigenze di analisi delle imprese con Genie, uniforma la governance dell’AI aziendale con Unity Catalog per quanto riguarda sicurezza e gestione dei costi, e si sta espandendo verso le piattaforme dati clienti, analisi della sicurezza, observability e database transazionali. Goldman Sachs sottolinea che, per valutare il potenziale di crescita delle quote di mercato delle aziende software focalizzate sulle applicazioni AI nei prossimi tre anni, è fondamentale concentrarsi su proprietà intellettuale tecnologica, velocità d’innovazione e architettura aperta. Dal punto di vista degli investimenti, Goldman Sachs afferma che le piattaforme software dotate di grandi database proprietari e workflow potenti hanno il potenziale per essere rivalutate dal mercato.

Inoltre, gli analisti di Goldman Sachs osservano che i flussi di capitale a livello globale si stanno spostando dalla prima fase degli investimenti AI focalizzata sull’infrastruttura hardware (GPU/HBM/data center AI) alla seconda fase, dove i vincitori saranno gli applicativi in grado di trasformare i Token in produttività aziendale, ricavi e flussi di cassa sempre più consistenti. In futuro, le valutazioni potrebbero divergere ancora di più: le aziende software con dati esclusivi, vantaggi nei workflow complessi per imprese e utenti, capacità agent-based di eseguire workflow a ciclo chiuso e un ROI chiaro saranno rivalutate, mentre le tradizionali SaaS facilmente soggette a commoditizzazione da parte dei modelli di base continueranno a subire pressioni.

L’AI inizia a “consegnare risultati” ad alta efficienza: dati aziendali e governance determinano la capacità di implementazione

Alla Communacopia+ Technology Conference, Genie ha mostrato il percorso di Databricks per acquisire la leadership nell’AI aziendale: attraverso la tecnologia proprietaria di indicizzazione dei dati OntoRank e le ontologie di business, organizza i dati aziendali in informazioni comprensibili, calcolabili e utilizzabili dai modelli, facendo sì che il prodotto svolga il ruolo di un “analista agent AI”.

Il management di Databricks ha dichiarato che Genie è ampiamente utilizzato nei reparti vendite, marketing e finanza dell’azienda, avendo chiaramente modificato le operazioni interne negli ultimi 6–12 mesi. Dal punto di vista ingegneristico, l’implementazione di agenti intelligenti in ambito aziendale richiede una comprensione unificata di clienti, ordini, ricavi e altri oggetti di business e l’integrazione dei risultati analitici nei processi quotidiani. Nonostante il miglioramento delle prestazioni dei modelli, questi fondamentali di dati rimangono critici per il successo dei task. Il management vede inoltre potenziali collaborazioni con Palantir sui progetti di data engineering complessi.

Unity Catalog risponde invece alle necessità di governance emerse con la diffusione degli agenti intelligenti. Il team di analisti di Goldman Sachs sottolinea che la rapida iterazione dei modelli aumenta la complessità della scelta e implementazione, mentre la crescita del consumo di Token intensifica il controllo su costi e ROI. Tuttavia, la visibilità sulle operazioni degli agenti, l’accesso ai dati e i relativi rischi di sicurezza resta insufficiente. Perciò, governance dei dati, permessi di accesso, sicurezza e semantica di business devono essere strettamente integrati con l’ambiente operativo dell’AI.

Secondo Goldman Sachs, il valore commerciale di queste piattaforme risiede nella capacità di permettere alle aziende di implementare su larga scala con tranquillità: è chiaro cosa l’agente può accedere e fare, ed è possibile tracciare costi e risultati delle attività. La fidelizzazione deriva dalla creazione continua di valore di business, in linea con l’importanza delle competenze tecnologiche, della velocità d’innovazione e dell’architettura aperta sottolineate da Goldman Sachs.

La reale espansione prodotto delle piattaforme AI come Databricks si sviluppa in quattro direzioni: per le piattaforme dati cliente, Infinite Campaigns consente il passaggio dal marketing per segmenti di pubblico al marketing personalizzato, e il management prevede che i modelli open source migliorino ulteriormente la sostenibilità dei costi; per la gestione e analisi della sicurezza (SIEM), i nuovi dati generati dagli agenti e la convergenza tra CIO e CISO aprono nuovi scenari per l’analisi della sicurezza; l’observability è un altro campo in espansione, anche se il lancio non ha ancora una tempistica annunciata. Lakebase viene vista dal management come la più grande opportunità per nuovi prodotti: con l’AI che abbassa la soglia di sviluppo software, le nuove applicazioni richiedono database transazionali per supportare letture, scritture e operatività quotidiane, ampliando così la presenza di Databricks ben oltre il solo business analytics.

Il management ipotizza addirittura che nei prossimi otto mesi verrà creato più software di quanto accumulato storicamente, anche se Goldman Sachs considera questa una visione particolarmente aggressiva della domanda, che non può essere interpretata come previsione già confermata dal settore.

Trasformare Token in flussi di cassa: opportunità applicative diffuse, rapide divergenze tra titoli software

OpenAI ha lanciato Astra, un prodotto orientato ad aumentare drasticamente l’efficienza nell’operatività al computer, nella programmazione e nell’esecuzione di task complessi, consentendo la crescente automazione dei workflow aziendali. Tuttavia, competizione su “performance dei modelli” e “implementazione business” prosegue in parallelo. Anche i modelli di pricing si stanno articolando: l’API di Astra resta basata sul conteggio dei Token in input/output, mentre i fornitori software per le applicazioni AI iniziano a fatturare per utente, operazione, conversazione o risultato di business. Per esempio, Fin di Intercom addebita secondo i risultati di business definiti, partendo da 0,99 dollari ad attività; Salesforce Agentforce propone sia piani a operazione, conversazione o licenza d’uso.

I fornitori di modelli sottostanti continueranno probabilmente a focalizzarsi sulla vendita di risorse computazionali via API, mentre le applicazioni AI dovranno sempre più dimostrare valore reale. Il pricing per risultato lega il prezzo al beneficio per il cliente, ma implica che il fornitore si accolli i costi di inferenza, retry e revisione umana: la percentuale di successo e il margine per attività diventano così indicatori essenziali della qualità commerciale.

I recenti andamenti di borsa mostrano che il mercato premia la realizzazione effettiva di ricavi AI, ma punisce i rischi di sostituibilità potenziale. Il 3 settembre, Snowflake, uno dei principali competitor di Databricks, ha visto il titolo guadagnare circa il 17% grazie a una trimestrale brillante; il fatturato prodotto per il secondo trimestre è cresciuto del 37% anno su anno, raggiungendo 1,49 miliardi di dollari, con la guidance annuale sul prodotto aumentata da 5,84 a 6,07 miliardi di dollari: prova operativa dell’espansione delle piattaforme dati per le applicazioni AI aziendali. Tuttavia, l’8 settembre, i titoli Salesforce e Intuit hanno perso circa il 4%, ServiceNow è calata del 5% e l’indice S&P 500 Software & Services ha segnato un -1,4%, con molti analisti che hanno attribuito parte della pressione alle vendite alla comparsa di Astra e alle rinnovate preoccupazioni di sostituibilità dei software da parte dei foundational model.

Il percorso di implementazione del software da parte di Databricks rivela come i benefici AI si stiano rapidamente diffondendo lungo la filiera industriale: i task gestiti dagli agenti aumentano la domanda di calcolo, storage e servizi dati, mentre le piattaforme con capacità di connessione dati aziendali, governance e vantaggi sui workflow business cercano di convertire questi volumi in ricavi e flussi di cassa. Questo rappresenta un driver strutturale cruciale per i titoli software, anche se l’espansione delle piattaforme comprimerà lo spazio di mercato di alcuni strumenti indipendenti. Le aziende che riusciranno a crescere in ricavi AI, ad ampliare la clientela e a mantenere alti margini saranno quelle vincenti; i fornitori che si basano solo su interfaccia o su funzionalità singole, affronteranno una concorrenza più dura.

Il boom degli investimenti AI iniziato a fine 2022 sta gradualmente spostando il parametro di valutazione da “entità del capitale investito” a “efficienza della resa del capitale”, e questo processo si sta accelerando: la prima fase si è concentrata su chi guidava e traeva vantaggio dalla costruzione dei maggiori data center GPU; la fase attuale si focalizza invece su chi trasforma i Token in flussi di cassa sostenibili.

Il super ciclo rialzista attorno all’AI si sta spostando dal “buy chip stocks” al “buy AI workflow”: in altre parole, la linea guida delle strategie di investimento sull’AI si ridisegna da “chi beneficia maggiormente dai crescenti capex sull’AI” a “chi riesce più rapidamente a trasformare la potenza di calcolo in ARR, marginalità e free cash flow”. Questo favorisce le aziende software focalizzate sulle applicazioni AI che integrano processi critici aziendali, con alto tasso di rinnovo, barriere nei dati e capacità di monetizzare gli agenti. La loro capacità di integrarsi con modelli sempre più potenti ed economici, mantenendo un valore di business non sostituibile, influenzerà il loro potere di determinazione prezzi nel lungo periodo.