La strategia AI di Applied Materials punta a raddoppiare le vendite senza raddoppiare il personale
Applied Materials intende raddoppiare i ricavi nei prossimi anni senza raddoppiare la propria forza lavoro, fissando un obiettivo misurabile per l'uso dell'intelligenza artificiale. La strategia AI di Applied Materials riguarda lo sviluppo dei prodotti, le operazioni di fabbrica, il controllo qualità, le catene di fornitura, le funzioni aziendali e il servizio clienti.
Il CEO Gary Dickerson ha presentato il piano prima dell'inaugurazione, il 12 ottobre, del nuovo centro di ricerca sui semiconduttori dell'azienda a Sunnyvale, in California. Alla fine di luglio Applied impiegava circa 38.900 persone, ma Dickerson non ha voluto indicare un obiettivo futuro per il numero di dipendenti.
L'affermazione è più specifica della consueta promessa secondo cui l'AI renderà i dipendenti più produttivi. Applied deve tradurre il lavoro assistito dal software in maggiori spedizioni di attrezzature, cicli di ricerca più rapidi, rese migliori per i clienti e margini più solidi. Deve farlo mentre i produttori di chip richiedono sistemi produttivi sempre più complessi.
L'azienda si confronta inoltre con un paragone significativo nella propria storia recente. Applied ha ridotto la forza lavoro di circa il 4% nel 2025, ma ha assunto oltre 1.500 addetti alla produzione e al supporto clienti nel terzo trimestre fiscale del 2026. La sua strategia non è quindi un semplice blocco delle assunzioni. È una scommessa sul fatto che assunzioni selettive e produttività dell'AI possano sostenere vendite molto più elevate.
La strategia AI di Applied Materials trasforma la produttività in un obiettivo di ricavi
Applied Materials ha collegato il proprio programma AI a un risultato chiaro: i ricavi dovrebbero crescere molto più rapidamente dell'organico.
Dickerson ha dichiarato a Bloomberg: “Mentre raddoppiamo le dimensioni dell'azienda nei prossimi anni, non raddoppieremo il numero di dipendenti.” L'azienda non ha fornito una data precisa di completamento, una base di ricavi né un limite massimo di personale per questo obiettivo.
Queste omissioni sono importanti, ma non rendono vuota l'affermazione. Applied ha già descritto dove si aspetta che emergano i guadagni di produttività.
L'azienda utilizza l'AI nella ricerca e sviluppo per analizzare dati tecnici, assistere il lavoro ingegneristico e abbreviare le tempistiche di sviluppo dei prodotti. Nelle operazioni, applica la tecnologia alla pianificazione delle fabbriche, alle catene di fornitura e ai flussi di lavoro che in precedenza richiedevano un maggiore coordinamento manuale.
L'AI supporta anche il lavoro all'interno degli impianti dei clienti. Le apparecchiature Applied eseguono deposizione, incisione, ispezione, misurazione e altri passaggi necessari per produrre chip avanzati. Piccoli miglioramenti possono generare più chip utilizzabili da ciascun wafer o far transitare più wafer in una fabbrica ogni giorno.
Ecco perché il controllo qualità ha un peso finanziario insolito in questo settore. La resa dei semiconduttori è la percentuale di chip utilizzabili prodotti da un wafer. Un miglioramento della resa può generare chip aggiuntivi vendibili senza richiedere a un cliente di costruire un altro impianto di fabbricazione.
Dickerson ha riassunto direttamente il valore: “Più chip buoni valgono molto denaro per i nostri clienti.” Applied afferma che i suoi strumenti possono aiutare i clienti ad aumentare sia la produzione di chip funzionanti sia la produttività giornaliera dei wafer.
La strategia ha due motori di ricavi collegati. In primo luogo, la domanda di AI incoraggia i produttori di chip ad acquistare più apparecchiature produttive. In secondo luogo, Applied utilizza internamente l'AI per progettare, costruire, installare e supportare tali apparecchiature in modo più efficiente.
Questa combinazione distingue il piano da un normale programma di automazione degli uffici. Applied vende apparecchiature nel boom dell'infrastruttura AI, utilizzando al contempo software correlato per modificare la propria struttura dei costi.
L'azienda ha registrato 9,1 miliardi di dollari di ricavi nel terzo trimestre fiscale per il periodo conclusosi il 26 luglio 2026. Ciò ha fatto seguito ai 7,9 miliardi di dollari del trimestre precedente. Il suo documento trimestrale documenta inoltre la scala e la complessità dell'attività sottostante.
Raddoppiare un'azienda a partire da questo livello richiederebbe più che ridurre il lavoro amministrativo. Applied avrebbe bisogno di una domanda sostenuta di apparecchiature, capacità produttiva sufficiente, nuovi prodotti di successo e accesso continuo ai suoi mercati più importanti.
Il Centro EPIC cambia il modo in cui si svolge la ricerca sulla produzione di chip
Il nuovo Centro EPIC è il corrispettivo fisico dell'argomentazione di Applied sulla produttività guidata dal software.
Applied ha presentato la struttura a Sunnyvale il 12 ottobre, insieme ai commenti di Dickerson su ricavi e organico. L'azienda descrive il Centro EPIC come un investimento di capitale da 5 miliardi di dollari.
EPIC sta per Equipment and Process Innovation and Commercialization. Secondo Applied, l'edificio di 600.000 piedi quadrati contiene quasi quattro acri di spazi avanzati per camere bianche. La costruzione ha richiesto oltre sei milioni di ore di lavoro.
Le dimensioni sono importanti, ma il modello operativo conta di più. Produttori di chip, fornitori di apparecchiature, aziende di sistemi, ricercatori e ingegneri di Applied possono lavorare su problemi tecnici connessi all'interno di un'unica struttura.
TSMC, Intel, Samsung Electronics, Micron Technology e SK Hynix figurano tra i partner fondatori lato clienti nominati da Applied. L'elenco dei partner comprende la produzione di logica avanzata e memoria, due aree che ricevono investimenti sostanziali grazie al calcolo AI.
Broadcom, Advantest, Besi, Kioxia e SCREEN figurano tra gli ulteriori partecipanti del settore. Al programma hanno aderito anche Stanford University, University of California at Berkeley e altre istituzioni accademiche.
Tradizionalmente, un nuovo processo per semiconduttori può passare tra laboratori separati di clienti, fornitori e università. Ogni trasferimento introduce ritardi di pianificazione, differenze nelle apparecchiature, confini nei dati e un ulteriore ciclo di validazione tecnica.
Applied vuole che EPIC riduca questi passaggi. I team possono sviluppare materiali, processi, dispositivi e apparecchiature produttive in un ambiente condiviso prima che un cliente distribuisca il processo su scala commerciale.
Gli strumenti AI possono rafforzare questo modello individuando schemi tra esperimenti e dati delle apparecchiature. Possono inoltre aiutare i ricercatori a scegliere condizioni di test promettenti tra un numero enorme di possibili combinazioni di materiali e processi.
Tuttavia, l'edificio in sé non garantisce cicli di sviluppo più brevi. I partner devono concordare l'accesso ai dati, le protezioni della proprietà intellettuale, le priorità tecniche e le responsabilità per gli esperimenti falliti.
La struttura rappresenta inoltre un grande impegno fisso. Applied afferma che la spesa in conto capitale crescerà verso l'investimento dichiarato con l'avvio dei progetti dei clienti. Questo dettaglio rende la partecipazione dei partner e il volume dei progetti importanti misure dei progressi.
EPIC è quindi più di un campus di ricerca cerimoniale. È il luogo in cui la tesi di Applied sulla produttività dell'AI incontrerà le realtà operative dello sviluppo dei semiconduttori.
Se gli ingegneri completeranno più esperimenti utili in meno tempo, i clienti potranno adottare prima nuovi sistemi produttivi. Applied potrà quindi trasformare il lavoro di ricerca in ricavi dalle apparecchiature senza espandere ogni team allo stesso ritmo.
Anche il risultato opposto sarebbe visibile. Un inserimento lento dei partner, una condivisione limitata dei dati o lunghi calendari di qualificazione indebolirebbero l'affermazione secondo cui software e collaborazione possono comprimere il lavoro di sviluppo.
La produzione di semiconduttori per l'AI dipende ancora dalla capacità fisica
L'AI può migliorare decisioni e flussi di lavoro, ma non può eliminare il lavoro fisico, le fabbriche e le reti di fornitura alla base delle apparecchiature per la produzione di chip.
Applied costruisce alcuni dei sistemi produttivi più complessi dell'industria dei semiconduttori. Queste macchine contengono camere di precisione, robotica, componenti per il vuoto, sensori, software e materiali specializzati. Devono operare in modo affidabile negli impianti dei clienti in tutto il mondo.
La crescita dei ricavi crea quindi obblighi fisici. Applied deve approvvigionarsi di componenti, assemblare sistemi, testarli, spedirli, installarli e mantenerli. I team di supporto clienti lavorano spesso direttamente all'interno degli impianti di fabbricazione.
Questo spiega perché l'azienda continua ad assumere in aree selezionate. Nel terzo trimestre fiscale, secondo i commenti sui risultati, Applied ha aggiunto oltre 1.500 dipendenti nella produzione e nel supporto clienti.
Le assunzioni non contraddicono l'affermazione di Dickerson. Ha detto che l'organico non raddoppierà insieme ai ricavi, non che l'occupazione smetterà di crescere. La differenza è essenziale.
Applied può aggiungere specialisti dove la domanda lo richiede, utilizzando al contempo l'AI per rallentare la crescita del personale altrove. Flussi di lavoro aziendali, pianificazione della catena di fornitura, analisi ingegneristiche e diagnostica dei servizi offrono maggiori opportunità di automazione rispetto all'installazione sul campo o all'assemblaggio di hardware avanzato.
L'azienda aveva già dichiarato che alcune operazioni abilitate dall'AI avevano prodotto aumenti di produttività fino a circa il 50%. Questa cifra descrive guadagni in determinate sedi o funzioni, non un miglioramento verificato a livello aziendale.
Un risultato di produttività circoscritto non può essere proiettato automaticamente su quasi 39.000 dipendenti. Lavori diversi hanno qualità dei dati, requisiti di sicurezza, processi di approvazione e tolleranza agli errori software differenti.
La stessa storia della forza lavoro di Applied aggiunge un'altra complicazione. Nell'ottobre 2025 ha annunciato una riduzione che interessava circa il 4% dei dipendenti, ovvero approssimativamente 1.400 posizioni. La riduzione della forza lavoro è stata presentata come uno sforzo per semplificare le operazioni e migliorare la produttività.
Questa ristrutturazione è avvenuta mentre regole più rigide sulle esportazioni pesavano sull'attività legata alla Cina. Applied prevedeva che tali restrizioni riducessero i ricavi dell'esercizio fiscale 2026, dimostrando che le decisioni sul personale riflettono l'accesso ai mercati oltre che l'automazione.
L'attuale piano di crescita dei ricavi di Applied Materials non dovrebbe essere considerato una prova che l'AI abbia reso superflua l'esperienza umana. Indica piuttosto una diversa composizione della forza lavoro.
Il coordinamento routinario può ridursi come quota del lavoro totale. Gli ingegneri possono dedicare meno tempo alla ricerca di documenti tecnici o alla revisione di risultati ripetitivi dei test. I team della catena di fornitura possono identificare prima i vincoli, mentre i team di assistenza possono definire con maggiore precisione le priorità dei problemi delle apparecchiature.
Nel frattempo, può crescere la domanda di ingegneri di processo, specialisti dei dati, tecnici sul campo, addetti alla produzione avanzata e dipendenti in grado di convalidare le raccomandazioni generate dall'AI.
Questo crea un impegnativo problema di gestione. Applied deve decidere quali attività possano passare in sicurezza al software, quali richiedano approvazione umana e dove dipendenti aggiuntivi producano ancora il miglior rendimento.
L'obiettivo di vendita dell'azienda dipende dalla corretta allocazione di queste risorse. Assunzioni eccessive indebolirebbero la leva operativa promessa. Personale insufficiente potrebbe ritardare consegne di apparecchiature, programmi di ricerca o supporto clienti.
La vera sfida è la crescita dei ricavi rispetto alla crescita organizzativa
La sfida centrale di Applied è dimostrare che un'attività più grande non richiede un'organizzazione altrettanto grande.
Storicamente, le aziende di apparecchiature per semiconduttori sono cresciute attraverso una combinazione di investimenti tecnici, espansione produttiva e occupazione a contatto con i clienti. I prodotti complessi generano più lavoro di supporto con la crescita della base installata.
Applied vuole che l'AI cambi questo rapporto. Le sue osservazioni sui risultati indicavano che, entro maggio 2026, oltre 35.000 dipendenti utilizzavano già l'AI nell'intera forza lavoro globale.
L’azienda ha indicato tra le applicazioni la ricerca scientifica, lo sviluppo dei prodotti, le operazioni della catena di fornitura, il lavoro in fabbrica, i servizi e l’automazione aziendale. Ciò suggerisce un accesso diffuso, sebbene il numero di utenti dica poco sulla profondità dell’adozione o sull’impatto finanziario.
Un dipendente che occasionalmente riassume un documento è diverso da un team di ingegneria che accorcia il ciclo di qualificazione di un prodotto. Applied dovrà adottare metriche di risultato capaci di distinguere l’adozione di base dal cambiamento operativo.
La velocità nello sviluppo dei prodotti è una possibile misura. La logica avanzata, la memoria ad alta larghezza di banda e il complesso packaging dei chip richiedono tutte nuove combinazioni di materiali e attrezzature. Immettere prima sul mercato un prodotto qualificato può anticipare i ricavi e migliorare la posizione competitiva di Applied.
La produttività dei servizi offre un’altra misura. Applied supporta un’ampia base installata di apparecchiature nelle fabbriche dei clienti. La diagnostica assistita dall’AI può individuare componenti in avaria, prevedere le esigenze di manutenzione e ridurre il tempo che gli ingegneri dedicano all’isolamento dei problemi.
Le prestazioni di fabbrica e della catena di fornitura forniscono un terzo test. Previsioni migliori possono ridurre le carenze, mentre i sistemi di pianificazione possono migliorare il flusso delle apparecchiature attraverso assemblaggio e collaudo. Tali vantaggi dovrebbero emergere nei tempi di consegna, nella gestione delle scorte e nei margini.
Applied compete con aziende tra cui Lam Research, KLA, Tokyo Electron e ASML in diverse fasi della produzione di semiconduttori. Nessun singolo concorrente rispecchia l’intero portafoglio prodotti dell’azienda.
Tuttavia, ogni grande fornitore di apparecchiature affronta la stessa ampia pressione. I clienti vogliono sistemi in grado di gestire chip più complessi migliorando al contempo resa, consumo energetico, affidabilità e produzione degli stabilimenti.
L’AI nella produzione di semiconduttori può diventare un vantaggio competitivo solo quando modifica questi risultati misurabili. L’accesso generalizzato a chatbot o assistenti di programmazione non creerà una differenziazione duratura, perché i concorrenti possono acquistare strumenti simili.
Il vantaggio di Applied, se ne svilupperà uno, deriverà dalla combinazione di modelli con conoscenze proprietarie di processo e dati delle apparecchiature. Decenni di esperimenti e registri di produzione possono fornire un contesto che manca ai sistemi per uso generale.
Questo approccio comporta anche vincoli. I dati dei clienti sono sensibili, la ricerca sui semiconduttori è fortemente protetta e raccomandazioni errate possono sprecare costosi tempi di produzione. L’accesso ai dati deve quindi rimanere controllato.
L’azienda deve inoltre evitare che l’automazione nasconda errori tecnici. Una raccomandazione software plausibile non equivale a una modifica di processo convalidata. Gli ingegneri hanno ancora bisogno di esperimenti, controlli statistici e qualificazione da parte dei clienti.
Questi limiti rendono il lato organizzativo della strategia AI di Applied importante quanto i modelli. L’azienda ha bisogno di sistemi per governance dei dati, revisione umana, sicurezza, responsabilità e convalida dei processi.
La gestione della conoscenza diventa centrale quando i sistemi AI attingono a risultati di laboratorio, registri di assistenza e decisioni ingegneristiche. I team necessitano di fonti affidabili, autorizzazioni chiare e conclusioni tracciabili.
Lo stesso principio vale oltre le apparecchiature per chip. Una base di conoscenza ingegneristica ricercabile è utile solo quando i team possono verificare da dove proviene una risposta.
Applied non ha divulgato informazioni sufficienti per valutare ciascun sistema interno. Investitori e clienti dovrebbero concentrarsi sui risultati aziendali anziché sul numero di strumenti.
Ciò che la promessa di raddoppiare le vendite non dimostra ancora
L’obiettivo di ricavi resta una previsione del management, non una prova indipendente che l’AI abbia separato la crescita dalle assunzioni.
La prima incertezza riguarda la base di partenza. “Raddoppiare le dimensioni” sembra riferirsi ai ricavi, ma Applied non ha fornito una cifra iniziale precisa né l’anno fiscale previsto per il completamento.
Anche una tempistica flessibile come “i prossimi anni” rende più difficile valutare i progressi. I ricavi potrebbero crescere rapidamente durante un ciclo delle apparecchiature, rallentare durante un altro e avvicinarsi comunque all’obiettivo in seguito.
La seconda incertezza riguarda la causalità. Applied beneficia della spesa dei clienti per l’infrastruttura AI, inclusi logica avanzata, memoria, packaging e relativa capacità produttiva.
Questa domanda esterna può aumentare le vendite anche se gli strumenti AI interni apportano solo modesti guadagni di produttività. Al contrario, una forte produttività interna non può raddoppiare i ricavi se i clienti riducono gli investimenti in conto capitale.
I lettori dovrebbero quindi distinguere due diversi effetti dell’AI. L’AI crea domanda per le apparecchiature di Applied, mentre gli strumenti AI possono aiutare Applied a soddisfare tale domanda con meno dipendenti aggiuntivi.
I risultati recenti dell’azienda mostrano la forza del primo effetto. Applied ha riportato ricavi record per il terzo trimestre fiscale e ha aumentato le proprie aspettative per le vendite di Semiconductor Systems durante l’anno solare 2026.
I suoi risultati ufficiali del terzo trimestre hanno riportato un margine lordo non-GAAP del 50,4% e un reddito operativo non-GAAP di 3,10 miliardi di dollari. Queste misure escludono determinati elementi e non devono essere considerate equivalenti ai risultati GAAP.
L’effetto della produttività interna è più difficile da isolare. Applied ha descritto utilizzi specifici e citato miglioramenti in alcune funzioni, ma non ha pubblicato una cifra relativa al rendimento dell’AI a livello aziendale.
La terza incertezza è la ciclicità. La domanda di apparecchiature per semiconduttori dipende dagli investimenti dei clienti, dalle transizioni tecnologiche, dall’utilizzo degli stabilimenti, dalle politiche pubbliche e dalle aspettative sulla futura domanda di chip.
Un’espansione prolungata dell’infrastruttura AI sosterrebbe il piano di Applied. Un rallentamento dei finanziamenti, vincoli energetici, una carenza di componenti o una correzione della capacità potrebbero ritardare i progetti dei clienti.
Dickerson ha riconosciuto diversi di questi rischi a breve termine. Ha identificato finanziamenti, forniture, energia e capacità produttiva come potenziali vincoli al ritmo dell’espansione dell’AI.
La politica sulle esportazioni aggiunge un’ulteriore pressione. Applied e i suoi concorrenti americani affrontano limiti alla vendita di determinati sistemi e servizi avanzati ai clienti in Cina. Queste restrizioni possono ridurre la domanda accessibile indipendentemente dalla produttività interna.
Anche la concorrenza potrebbe ridurre qualsiasi vantaggio. Lam Research, KLA, Tokyo Electron e altri fornitori stanno investendo nell’analisi dei dati, nell’automazione, nella simulazione e nei servizi supportati dall’AI.
Se ogni grande fornitore raggiunge guadagni simili, l’AI diventa un requisito del settore anziché una fonte di margini eccezionali. Applied ne trarrebbe comunque beneficio, ma i concorrenti condividerebbero la stessa leva operativa.
Esiste inoltre un rischio per la forza lavoro. I dipendenti potrebbero interpretare “raddoppiare le vendite, non l’organico” come un segnale che i guadagni di efficienza sostituiranno le opportunità di carriera.
Applied deve trattenere le rare competenze in processi, materiali e apparecchiature, cambiando al contempo il modo in cui il lavoro viene svolto. Un’automazione gestita male potrebbe incoraggiare le partenze o indebolire il mentoring che forma i futuri leader tecnici.
Nessuno di questi rischi smentisce la strategia. Definiscono le prove necessarie prima di considerarla un successo.
La prova più solida combinerebbe crescita sostenuta dei ricavi, crescita più lenta dell’organico, qualità del servizio stabile, sviluppo prodotti più rapido e margini sani. Una sola metrica lascerebbe aperte spiegazioni alternative.
Tre segnali metteranno alla prova la crescita dei ricavi di Applied Materials
Le prossime prove dovrebbero provenire dai risultati finanziari, dall’output dell’EPIC Center e dalla composizione della forza lavoro, in quest’ordine.
Il primo segnale è la crescita dei ricavi rispetto alla crescita del numero di dipendenti. Applied dovrebbe infine riportare vendite in crescita sostanzialmente più rapida della propria forza lavoro per diversi trimestri.
Un singolo trimestre non risolverà la questione, perché le consegne di apparecchiature possono spostarsi tra i periodi di rendicontazione. Gli investitori dovrebbero confrontare una sequenza più lunga di ricavi, spese operative, margini e organico.
Se le vendite continuano a salire mentre l’organico cresce lentamente e il servizio clienti resta stabile, la strategia AI di Applied acquista credibilità. Una riduzione dell’occupazione in presenza di domanda debole dimostrerebbe molto meno.
Il secondo segnale è l’output commerciale dell’EPIC Center. Applied e i suoi partner dovrebbero identificare progressi di processo, apparecchiature qualificate, calendari di sviluppo più brevi o programmi con i clienti avvicinatisi alla produzione.
Il numero dei partecipanti conta meno del lavoro completato. Una struttura molto attiva può comunque non accelerare la commercializzazione se i progetti rimangono isolati o i cicli di approvazione restano lunghi.
Specifiche introduzioni di prodotti collegate a EPIC rafforzerebbero il caso di Applied. La prova che la ricerca condivisa abbia ridotto esperimenti duplicati o accelerato la qualificazione dei clienti sarebbe più preziosa di generiche affermazioni di collaborazione.
Un’attività limitata dei partner indebolirebbe l’argomentazione. L’economia della struttura dipende dal fatto che clienti e ricercatori utilizzino le sue cleanroom per programmi di sviluppo rilevanti.
Il terzo segnale è il cambiamento nella composizione della forza lavoro. Applied ha già dimostrato che una crescita più lenta dell’organico complessivo può coesistere con assunzioni mirate.
Le future comunicazioni dovrebbero rivelare se i ruoli nella produzione, nell’assistenza sul campo e nelle funzioni tecniche continuano a crescere, mentre le attività amministrative o ripetitive richiedono meno nuovi inserimenti. Ciò sosterrebbe la spiegazione dell’azienda basata su una crescita selettiva.
Un’altra vasta ondata di licenziamenti richiederebbe un’interpretazione attenta. Potrebbe riflettere la sostituzione tramite AI, una flessione dei semiconduttori, restrizioni alle esportazioni, una ristrutturazione o più fattori contemporaneamente.
Applied dovrebbe inoltre dimostrare che la qualità non si è deteriorata. Un lavoro ingegneristico più rapido conta solo se i prodotti restano affidabili e i clienti ricevono un supporto efficace.
Questi tre segnali creano un test pratico. La performance finanziaria mostra se il modello operativo scala. L’output di EPIC mostra se la ricerca procede più rapidamente. La composizione della forza lavoro mostra dove l’AI modifica effettivamente la domanda di lavoro.
Il piano ha implicazioni ben oltre Applied Materials. Offre un test insolitamente concreto per stabilire se l’AI aziendale possa rimodellare una grande azienda industriale anziché limitarsi ad aggiungere un’altra spesa software.
I lavoratori della conoscenza dovrebbero osservare quali attività cambiano, non solo quali posti di lavoro scompaiono. Gli ingegneri potrebbero esaminare più opzioni generate dalle macchine, i team di assistenza potrebbero ricevere avvisi anticipati e i manager potrebbero coordinare la capacità con previsioni migliori.
Gli acquirenti aziendali dovrebbero osservare integrazione e governance. Il potenziale vantaggio di Applied non deriva soltanto da un modello generico. Deriva dal collegare l’AI a registri tecnici affidabili, apparecchiature fisiche e decisioni attribuibili.
La domanda più utile non è quindi se Applied utilizzi l’AI. Con oltre 35.000 utenti interni, questa domanda è già troppo limitata.
La domanda è se Applied possa convertire questi strumenti in un output commerciale doppio senza raddoppiare la complessità organizzativa. Ricavi, innovazioni qualificate, rese dei clienti e dati sulla forza lavoro forniranno la risposta.
Se questi indicatori si muoveranno insieme, Applied avrà prodotto uno degli esempi industriali più chiari di leva operativa supportata dall’AI. Se divergeranno, la crescita della domanda potrebbe meritare più credito dell’automazione.
Osservate le prossime comunicazioni finanziarie e i primi progetti commerciali emersi da EPIC. Mostreranno se Applied Materials può rendere la propria promessa di raddoppiare le vendite misurabile, ripetibile e duratura.
