Il reset dei contratti AI mette sotto pressione i colossi indiani dei servizi IT

Tata Consultancy Services ora lega circa l’80% di un importante segmento di servizi ai risultati, mentre l’AI spinge i clienti a pretendere più lavoro spendendo meno. Questo cambiamento, riportato da Reuters e portato alla luce tramite Google News, va ben oltre un normale adeguamento dei prezzi. Mette in discussione l’economia basata sul lavoro che ha aiutato TCS, Infosys, Wipro, HCLTech e Cognizant a diventare leader globali dell’outsourcing.

I clienti non si accontentano più della promessa che l’AI renderà la fornitura dei servizi più efficiente in futuro. Vogliono che tali vantaggi siano inseriti nei contratti attraverso prezzi più bassi, risultati misurabili, impegni più brevi o risparmi condivisi. Alcuni stanno inoltre riportando il lavoro all’interno dell’azienda, poiché gli strumenti AI consentono a team interni più piccoli di gestire attività in precedenza affidate a fornitori esterni.

Questo crea una difficile contrapposizione tra acquirenti aziendali e fornitori di servizi. Gli acquirenti vogliono risparmi immediati senza assumere nuovi rischi tecnologici. I fornitori devono investire nell’AI, proteggere la qualità del servizio e rinunciare a una parte del guadagno di produttività prima di sapere se l’automazione garantirà risultati costanti.

Google News rivela un modello contrattuale già in ritirata

Il cambiamento più importante non è che le aziende IT indiane usino l’AI, ma che i clienti ora controllino come viene ripartito il suo valore economico.

Il tradizionale modello di outsourcing collegava spesso i ricavi al numero di dipendenti, alle tariffe di fatturazione e alle ore lavorate. Un fornitore poteva ampliare un account aggiungendo ingegneri, personale di supporto o specialisti dei processi aziendali. L’automazione ora indebolisce questo legame, perché lo stesso output può richiedere meno persone e meno ore.

Secondo un report Reuters del 21 agosto, ripubblicato da MarketScreener, il CEO di TCS K. Krithivasan ha affermato che circa l’80% dei contratti della società nei servizi finanziari, delle risorse umane e in ambiti collegati utilizza risultati prestazionali. Una persona a conoscenza della questione ha dichiarato a Reuters che questa quota è raddoppiata da quando l’AI è diventata mainstream alla fine del 2023.

La tariffazione basata sui risultati collega una parte o l’intero compenso di un fornitore a un risultato aziendale concordato. Tale risultato può riguardare la velocità di elaborazione, la disponibilità dei sistemi, le prestazioni del servizio clienti, i risparmi operativi o un altro obiettivo misurabile. Il fornitore sopporta quindi un rischio di esecuzione maggiore rispetto alla semplice fatturazione oraria. Un’analisi TCS sull’AI generativa e la tariffazione basata sui risultati per i service desk rileva analogamente che i contratti devono bilanciare gli incentivi alla produttività con la qualità del servizio e metriche di performance chiaramente definite.

TCS ha descritto un approccio graduale per i progetti AI. Il management ha dichiarato che l’azienda avvia alcuni incarichi con impegni sui risultati, prima di passare ad accordi a prezzo fisso man mano che il lavoro si espande. I contratti a prezzo fisso stabiliscono un pagamento per un lavoro definito, indipendentemente dal numero esatto di ore di lavoro richieste.

Questo modello può premiare l’efficienza quando l’automazione funziona come previsto. Se TCS ottiene un risultato definito con meno risorse, può trattenere una parte del beneficio di produttività. Tuttavia, stime imprecise, spese infrastrutturali inattese o risultati deboli dell’AI possono rapidamente trasferire quel vantaggio al cliente.

Il management di TCS ha dichiarato a luglio che l’AI stava generando risparmi di produttività pari a circa il 10%-15% in alcune attività. Secondo un aggiornamento sui prezzi, la società stava trasferendo tali vantaggi ai clienti gradualmente. Questo trasferimento progressivo può attenuare l’impatto immediato sui ricavi, dando al contempo a TCS il tempo di adeguare i costi di delivery.

Altre aziende stanno sperimentando strutture più aggressive. Reuters ha riferito che un accordo tra Cognizant e Daimler Truck prevedeva la condivisione tra le aziende dei risparmi legati all’AI. Nessuna delle due parti ha divulgato pubblicamente tutti i dettagli contrattuali.

Un distinto accordo di HCLTech per la gestione del cloud con la utility tedesca E.ON avrebbe rinviato i pagamenti durante il primo anno. I pagamenti dal secondo anno erano legati a miglioramenti dell’efficienza e a risultati aziendali specifici. HCLTech ed E.ON hanno rifiutato di discutere i termini del contratto. Separatamente, la relazione annuale integrata 2025–26 di HCLTech afferma che i clienti desiderano sempre più modelli basati sui risultati e identifica i contratti basati su risultati e consumo come parte della propria strategia di servizi.

Questi esempi mostrano perché la storia di fondo è importante. La produttività dell’AI è passata dalle slide delle presentazioni alle clausole che determinano quando i fornitori vengono pagati, quanto ricevono e quale parte assorbe il fallimento.

Il cambiamento interessa anche le attività esistenti. I clienti possono rivedere un rinnovo e chiedere perché un contratto di manutenzione applicativa debba costare uguale dopo che gli assistenti di coding riducono il lavoro ripetitivo. Anche tariffe di fatturazione stabili offrono una protezione limitata quando il cliente desidera meno lavoratori, meno ore o un accordo complessivo più piccolo.

I contratti più brevi aggiungono un ulteriore livello di pressione. Consentono ai clienti di riconsiderare prima fornitori e scelte tecnologiche, limitando il tempo a disposizione dei fornitori per recuperare gli investimenti. I fornitori devono quindi spendere più frequentemente in vendite, transizioni e gare competitive.

Il risultato è un cambiamento strutturale nel potere negoziale. I fornitori indiani portano ancora conoscenza dei settori, sistemi di delivery globali e ampi bacini di talenti tecnici. Tuttavia, la sola scala non dimostra più che un’azienda possa offrire un risultato abilitato dall’AI in modo più efficiente di un concorrente più piccolo.

Gli acquirenti rivendicano per primi il dividendo della produttività

I clienti aziendali trattano sempre più l’efficienza dell’AI come uno sconto che ritengono di aver già maturato, ancora prima che i fornitori abbiano riprogettato completamente la delivery.

Il CEO di Persistent Systems, Sandeep Kalra, ha dichiarato a Reuters che i clienti chiedevano lo stesso lavoro a prezzi inferiori del 25%-30%. Tali clienti si aspettavano inoltre una delivery più rapida e una maggiore produttività. Le loro richieste illustrano il conflitto centrale nelle negoziazioni attuali.

I clienti hanno un argomento diretto. Se l’AI può generare codice, testare software, riassumere incidenti e automatizzare attività di supporto, il fornitore dovrebbe aver bisogno di meno ore fatturabili. Pagare il valore del vecchio contratto consentirebbe al fornitore di trattenere l’intero guadagno di produttività.

I fornitori vedono un’equazione dei costi più complessa. Gli strumenti AI richiedono modelli, capacità di calcolo, sistemi di governance, controlli di sicurezza, preparazione dei dati, valutazione e revisione umana. Una produzione più rapida non elimina la necessità di verificare l’accuratezza o di integrare i risultati nei vecchi sistemi aziendali.

Anche i costi dei token contano. Un token è una piccola unità di testo elaborata da un modello AI e i fornitori pagano comunemente in base all’utilizzo. Il CEO di Wipro, Srini Pallia, ha affermato che una distribuzione rapida può aumentare tali spese, costringendo clienti e fornitori a esaminare il costo totale di proprietà.

La produttività dell’AI varia anche in base al compito. Coding e test ripetitivi offrono opportunità di automazione più chiare rispetto alle decisioni architetturali, al lavoro normativo o alle migrazioni complesse. Un acquirente che richieda uno sconto uniforme per ogni attività può sovrastimare i risparmi disponibili dalla tecnologia.

Ciononostante, le condizioni economiche più ampie rafforzano la posizione dei clienti. I budget tecnologici delle aziende sono rimasti prudenti, mentre i progetti discrezionali sono sottoposti a un attento esame. Le aziende possono invitare più fornitori a competere tra loro e rendere i risparmi dell’AI una condizione per essere presi in considerazione.

La manutenzione applicativa è diventata uno dei primi punti di pressione. Partecipanti al settore hanno dichiarato a Mint che i prezzi di rinnovo in questa categoria erano diminuiti di circa il 4%-5% nell’anno precedente. Separatamente, il CEO di HCLTech ha stimato una deflazione annua dei ricavi legata all’AI fino al 5% per il settore.

La deflazione dei ricavi si verifica quando la tecnologia riduce quanto i clienti pagano per una quantità di lavoro esistente. È diversa dalla perdita completa del contratto, ma l’effetto finanziario può accumularsi su migliaia di progetti.

Il settore ha già attraversato cicli favorevoli agli acquirenti. Durante la crisi tecnologica del 2001 e la crisi finanziaria del 2008, i clienti hanno spinto per tetti ai prezzi, garanzie di risparmio e accordi basati sui risultati. Nel 2023, oltre l’80% dei 1.600 accordi tecnologici e di processi aziendali monitorati includeva una qualche forma di risparmi garantiti, rispetto a circa il 65% nel 2019, secondo una precedente analisi di Reuters sugli accordi.

L’AI rende questo ciclo diverso perché colpisce l’unità alla base di gran parte dei ricavi del settore. Le precedenti recessioni riducevano la domanda lasciando sostanzialmente intatto il rapporto tra lavoro e output. L’automazione può ridurre permanentemente il lavoro necessario anche dopo il ritorno della domanda.

Questa distinzione spiega perché i grandi annunci contrattuali offrano un quadro incompleto. Un accordo pluriennale può aumentare il portafoglio ordini riportato pur generando meno ricavi rispetto a un accordo comparabile in passato. Può inoltre contenere penali, impegni di risparmio o pagamenti differiti che ne riducono il valore economico.

I clienti stanno inoltre sviluppando capacità interne. Gli strumenti AI per il coding consentono ai team tecnologici aziendali di completare più lavoro senza aumentare proporzionalmente l’organico. I global capability center, ovvero strutture offshore di proprietà dell’azienda, possono combinare conoscenza interna del business e talento ingegneristico a costi inferiori.

L’insourcing non elimina la necessità di fornitori esterni. Le aziende hanno ancora bisogno di aiuto per integrare modelli, proteggere i dati, modernizzare sistemi meno recenti e gestire l’infrastruttura. Tuttavia, cambia ciò che acquistano e riduce il vantaggio di vendere grandi team per la delivery ordinaria.

La pressione immediata ricade quindi sui fornitori che non riescono a generare nuove attività più rapidamente di quanto l’AI comprima i ricavi esistenti. TCS afferma che i nuovi incarichi hanno finora compensato quella pressione al ribasso. Se questo equilibrio reggerà determinerà se l’AI diventerà un motore di crescita o un meccanismo di sconto permanente.

I rivali più piccoli trasformano l’efficienza dell’AI in un vantaggio di scala

L’AI sta indebolendo l’assunto secondo cui la forza lavoro più numerosa renda automaticamente un’azienda il partner tecnologico più sicuro.

Per decenni, i principali fornitori IT indiani hanno utilizzato la scala sia come sistema di delivery sia come argomento commerciale. Ampie basi di dipendenti consentivano loro di dotare di personale programmi complessi, servire clienti multinazionali e sostituire lavoratori quando cambiavano le esigenze dei progetti.

L’AI modifica questo calcolo riducendo il numero di persone necessarie per attività selezionate. Un fornitore di medie dimensioni può usare l’automazione per preparare prototipi, migrare codice, testare applicazioni e analizzare i registri di supporto senza costituire un enorme team di delivery.

Le imprese più piccole possono anche prendere decisioni rapidamente. Il CEO di HFS Research, Phil Fersht, ha dichiarato a Reuters che molti clienti desiderano progetti pilota rapidi. Le aziende di fascia media possono competere coinvolgendo rapidamente dirigenti senior in tali progetti e offrendo condizioni commerciali flessibili.

Persistent Systems e Coforge dimostrano la minaccia competitiva. Entrambe hanno registrato almeno otto trimestri consecutivi di crescita a doppia cifra dei ricavi in dollari fino al trimestre aprile-giugno 2026. I ricavi di Persistent sono aumentati del 16%, mentre le vendite di Coforge sono cresciute di circa un terzo.

TCS, Infosys, Wipro e HCLTech hanno registrato una crescita molto più lenta, dall’1% al 3%, nello stesso periodo, secondo Reuters. Questi dati riguardano aziende con mix di attività diversi, quindi non dimostrano che l’AI abbia causato l’intero divario. Mostrano però che, in questa transizione, le dimensioni non stanno producendo una crescita superiore.

Kalra di Persistent ha sostenuto che il solo fatturato non definisce più un fornitore di grandi dimensioni. La sua azienda sta beneficiando su entrambi i lati della rinegoziazione dei contratti. I clienti chiedono prezzi più bassi, ma l’AI aiuta anche Persistent a competere per accordi che in passato sarebbero potuti andare a un’azienda più grande.

Questo è il rovesciamento centrale che il settore deve affrontare. In teoria, l’automazione dovrebbe favorire i grandi fornitori perché dispongono di dati estesi, competenze e capacità di investimento. Nella pratica, può eliminare il vantaggio di organico che li proteggeva dai concorrenti più piccoli.

Il cambiamento non significa che ogni sfidante vincerà. I grandi fornitori mantengono relazioni profonde nei settori bancario, assicurativo, manifatturiero, sanitario e pubblico. Gestiscono inoltre sistemi di sicurezza, conformità e delivery che un nuovo entrante non può replicare rapidamente.

Tuttavia, la posizione consolidata diventa meno preziosa quando un cliente divide una grande trasformazione in diversi progetti più brevi. Ogni incarico più piccolo crea un’ulteriore apertura competitiva. Consente inoltre ai clienti di confrontare i risultati prima di assumere un impegno più ampio.

Una delivery nativa AI può rafforzare ulteriormente questi sfidanti. Un fornitore che progetta un flusso di lavoro attorno all’automazione fin dall’inizio evita la difficoltà di rielaborare un processo ad alta intensità di lavoro. Un incumbent potrebbe dover ridurre i propri ricavi prima di aggiudicarsi l’incarico sostitutivo.

Questo problema di auto-cannibalizzazione influenza gli incentivi interni. I team commerciali sono abituati ad ampliare il valore degli account, mentre i responsabili della delivery spesso pianificano in base a organico e utilizzo. Una proposta AI che riduce entrambi può apparire poco attraente anche quando protegge la relazione.

I grandi fornitori stanno rispondendo costruendo competenze più vicine ai clienti. TCS sta ampliando il proprio gruppo di forward-deployed engineers, specialisti che lavorano direttamente con i team dei clienti per trasformare i prototipi AI in sistemi operativi. L’azienda sta inoltre cercando acquisizioni che possano aggiungere capacità AI. Il suo più ampio impegno per portare i clienti dagli esperimenti a risultati operativi si riflette nei risultati fiscali 2026 e negli annunci di prodotto, compresa una piattaforma progettata per accelerare l’implementazione dell’AI nei flussi di lavoro aziendali reali.

Wipro vede la domanda spostarsi oltre gli esperimenti. Pallia ha affermato che, nel 2026, consigli di amministrazione e amministratori delegati chiedevano ritorni sugli investimenti in AI, dopo che molte aziende si erano concentrate sulle proof of concept nel 2025. Ha stimato che lo sviluppo software assistito dall’AI potrebbe costare circa il 25% in meno grazie ai miglioramenti nella programmazione e nei test.

Questa opportunità non appartiene automaticamente al miglior offerente. I clienti hanno bisogno di fornitori in grado di collegare modelli, dati, policy di sicurezza, applicazioni aziendali e processi di business. Un’implementazione fallita può costare più dei risparmi iniziali del contratto.

La linea di demarcazione competitiva sarà quindi un’esecuzione credibile, non le sole dimensioni aziendali. I fornitori devono dimostrare di poter produrre benefici misurabili controllando al contempo errori dei modelli, costi dell’infrastruttura e rischio operativo.

Garanzie AI aggressive possono trasformare i risparmi in perdite

La rinegoziazione dei contratti premia la produttività reale, ma può punire i fornitori che promettono miglioramenti che la loro tecnologia non è in grado di offrire in modo affidabile.

Il CEO di Tech Mahindra, Mohit Joshi, ha avvertito che alcuni concorrenti stanno prezzando gli accordi sulla base di miglioramenti di produttività previsti dal 70% all’80%. Tali accordi possono durare da cinque a sette anni, anche se i risparmi richiedono importanti modifiche ai processi o ai sistemi lato cliente.

Tech Mahindra afferma di aver evitato di assumersi quel rischio. Joshi ha descritto parti del mercato come irrazionalmente competitive durante una call con gli analisti a luglio. La sua preoccupazione mette in luce la maggiore incertezza dietro la tariffazione basata sui risultati.

Un fornitore può automatizzare il proprio processo di delivery, ma non controlla ogni condizione che determina un risultato aziendale. Un cliente può avere dati frammentati, applicazioni obsolete, procedure di approvazione lente o dipendenti che resistono a un nuovo flusso di lavoro.

I contratti basati sui risultati devono allocare chiaramente queste dipendenze. In caso contrario, il fornitore può mancare un obiettivo perché il cliente non ha completato una modifica di sistema richiesta. Le controversie passano quindi dalle ore registrate alla responsabilità per il risultato fallito.

Gli accordi di lunga durata creano un altro problema di previsione. Modelli, chip, costi dell’energia, normative e requisiti di sicurezza possono cambiare prima della fine del contratto. Un impegno fisso basato sulle ipotesi attuali potrebbe diventare antieconomico diversi anni dopo.

Infosys ha dimostrato che i fornitori mantengono un’opzione difensiva. A luglio l’azienda ha detto agli analisti di aver abbandonato contratti che non avevano più senso finanziariamente. Andarsene protegge i margini, ma può ridurre i ricavi e indebolire una relazione di lunga data con il cliente.

Le evidenze finanziarie sono contrastanti. Il margine operativo di Wipro è sceso di 130 punti base su base sequenziale al 16% nel trimestre da aprile a giugno. Il margine di Tech Mahindra è aumentato di 60 punti base al 14,4% nello stesso periodo, secondo una recente analisi dei prezzi.

Un punto base equivale a un centesimo di punto percentuale. Questi movimenti trimestrali riflettono molti fattori oltre ai contratti AI, inclusi utilizzo della forza lavoro, subappalti, movimenti valutari e mix di progetti. Non dovrebbero essere trattati come un test netto della strategia di prezzo.

I cambiamenti occupazionali offrono un altro segnale, anche se le loro cause richiedono cautela. TCS ha annunciato riduzioni che hanno interessato più di 12.000 posizioni nel 2025. L’azienda ha descritto la misura come parte di iniziative strategiche più ampie, compresi investimenti in tecnologie più recenti.

L’ex CFO di Infosys V. Balakrishnan ha dichiarato a Reuters che gli agenti di coding riducono la necessità di grandi gruppi di programmatori entry-level. Se questa valutazione si rivelerà corretta, la piramide del personale del settore dovrà affrontare una riprogettazione duratura.

Il modello a piramide colloca molti dipendenti junior sotto gruppi più piccoli di manager e specialisti esperti. Sostiene i margini quando le aziende possono fatturare ai clienti grandi team mantenendo sotto controllo il costo medio del lavoro.

L’AI può automatizzare il lavoro che tradizionalmente formava gli ingegneri entry-level, come coding di base, test, documentazione e supporto. Ciò crea un beneficio operativo, ma rimuove anche una parte della scala professionale utilizzata per sviluppare leader tecnici esperti.

Le aziende devono sostituire quel percorso di apprendimento anziché limitarsi a eliminare le posizioni junior. Hanno bisogno di dipendenti in grado di verificare l’output dell’AI, comprendere i sistemi dei clienti, gestire la sicurezza ed esercitare il giudizio quando i risultati automatizzati falliscono.

La stessa cautela vale per le affermazioni ottimistiche sui ricavi. L’AI crea progetti che riguardano modernizzazione dei dati, implementazione dei modelli, governance e riprogettazione dei flussi di lavoro. Tuttavia, la nuova domanda deve superare la continua compressione dei ricavi da manutenzione, sviluppo e processi aziendali.

TCS afferma di aver gestito finora questo equilibrio. Krithivasan ha riconosciuto che la crescita futura dipende dall’anticipare la deflazione dei ricavi. Questa è una misura più utile del numero di piloti o di dipendenti formati sull’AI.

I lettori che incontrano questa storia tramite Google News dovrebbero inoltre distinguere tra le strutture contrattuali riportate e le performance sottoposte a revisione indipendente. Diversi esempi importanti si basano su persone a conoscenza di accordi privati. Le aziende coinvolte hanno rifiutato di divulgare i termini completi.

La direzione è chiara, ma la redditività a lungo termine resta incerta. La tariffazione basata sui risultati può preservare i margini per i fornitori efficienti, oppure può trasformare ambiziose previsioni di produttività in passività contrattuali.

Tre segnali mostreranno chi controlla il prossimo ciclo di contratti

La prossima fase sarà decisa dall’economia dei contratti, dalla crescita relativa e dalla composizione della forza lavoro, non dal volume degli annunci sull’AI.

Il primo segnale è come i principali fornitori descrivono la deflazione dei ricavi nei loro prossimi report sugli utili. Gli investitori dovrebbero osservare se TCS continua a compensare i minori ricavi dal lavoro esistente con nuovi incarichi AI.

Un divario in ampliamento indebolirebbe l’affermazione che la domanda di implementazione possa sostituire le ore fatturabili perse. Crescita e margini stabili sosterrebbero l’idea che risparmi graduali e tariffazione basata sui risultati possano proteggere il business.

Infosys e Wipro meritano un’attenzione analoga. Infosys ha ridotto l’estremità superiore delle proprie previsioni annuali dopo che il management ha citato richieste di produttività più elevate e prezzi aggressivi. Wipro ha riconosciuto sia l’economia compressa della delivery sia le opportunità derivanti dal nuovo lavoro AI.

Le cifre utili sono la crescita dei ricavi a valuta costante, il margine operativo, la performance dei grandi account e il valore del lavoro completato. Un ampio portafoglio ordini conta meno se i contratti sono più brevi, più economici o dipendenti da obiettivi di performance difficili.

Il secondo segnale è se i concorrenti di medie dimensioni manterranno il loro vantaggio di crescita. Persistent e Coforge sono cresciute molto più rapidamente dei maggiori fornitori, ma mantenere quel ritmo metterà alla prova i loro sistemi di delivery.

Una crescita a doppia cifra continua rafforzerebbe la conclusione che l’AI abbia abbassato la barriera della scala. Una crescita più lenta, progetti problematici o un deterioramento dei margini suggerirebbero che i grandi fornitori mantengono ancora vantaggi significativi quando i piloti diventano complessi sistemi di produzione.

Gli annunci dei contratti dovrebbero essere esaminati per qualcosa di più del valore in evidenza. Gli acquirenti dovrebbero cercare durata del progetto, struttura dei pagamenti, allocazione dei risparmi e responsabilità per i costi dei modelli o dell’infrastruttura. Questi dettagli rivelano quale parte controlla davvero l’economia.

Il terzo segnale è come le aziende ridisegnano l’occupazione entry-level. La riduzione della forza lavoro di TCS e i commenti del settore sull’automazione del coding suggeriscono che i fornitori si aspettano cambiamenti duraturi. I piani di assunzione mostreranno se stanno rimuovendo capacità o creando un modello di talento diverso.

Una transizione riuscita combinerebbe coorti junior più piccole con una formazione strutturata nella valutazione dell’AI, nell’architettura enterprise, nella sicurezza e nelle operazioni dei clienti. Un semplice crollo del recruiting produrrebbe risparmi a breve termine, ma rischierebbe una futura carenza di personale esperto.

Gli acquirenti enterprise dovrebbero interessarsi a questa distinzione. Un prezzo contrattuale più basso offre un valore limitato se il fornitore non dispone di persone in grado di gestire i fallimenti, comprendere i sistemi più vecchi o preservare la conoscenza istituzionale.

Anche i knowledge worker affrontano una conseguenza pratica. Quando i contratti premiano i risultati anziché le ore, i dipendenti acquisiscono valore collegando l’output dell’AI alle decisioni aziendali. Produrre più codice o documenti conta meno che dimostrare che l’output migliora un risultato misurabile.

I team che adottano l’AI dovrebbero conservare le evidenze alla base di queste decisioni. Una base di conoscenza AI ricercabile può aiutare i dipendenti a mantenere il contesto dei progetti, confrontare l’output dei modelli e documentare perché un flusso di lavoro è cambiato. Questi registri diventano particolarmente importanti quando il pagamento dipende dai risultati.

Il mercato più ampio ha già registrato preoccupazione. Reuters ha valutato il settore indiano dei servizi IT a circa 315 miliardi di dollari di ricavi annui. L’indice Nifty IT era sceso di circa il 20% nel 2026, cancellando 73 miliardi di dollari di valore di mercato complessivo tra i suoi 10 componenti entro il 21 agosto.

I mercati possono reagire in modo eccessivo e tali perdite non definiscono il futuro del settore. I fornitori indiani continuano a gestire sistemi complessi che le aziende non possono sostituire con un chatbot o un agente di coding. La loro sfida è dimostrare che questa competenza conserva valore dopo che il lavoro di routine diventa più economico.

Il prossimo ciclo di contratti chiarirà quali aziende saranno in grado di sostenere questa tesi. Se i fornitori manterranno i margini accettando al contempo clausole legate ai risultati, l’AI avrà trasformato il loro modello operativo senza distruggerlo. Se i prezzi scenderanno più rapidamente dei costi di erogazione, saranno i clienti a cogliere la maggior parte del beneficio.

Ecco perché questo sviluppo merita attenzione oltre il mercato azionario indiano. Offre una prima indicazione di ciò che accade quando la produttività dell’AI diventa una richiesta commerciale anziché una promessa tecnica.

Seguite le prossime conference call sugli utili per individuare una sostituzione misurabile dei ricavi, una crescita sostenuta della fascia intermedia e una credibile riorganizzazione della forza lavoro. Questi tre segnali riveleranno se i leader IT indiani stanno vendendo risultati migliori o semplicemente accettando contratti più piccoli.