Reset kontraktów AI zaciska presję na indyjskich gigantów usług IT

Tata Consultancy Services uzależnia obecnie od wyników około 80% jednego z głównych segmentów usług, ponieważ AI skłania klientów do żądania większej ilości pracy za mniejsze pieniądze. Ta zmiana, opisana przez Reuters i nagłośniona przez Google News, wykracza daleko poza zwykłą korektę cen. Podważa model ekonomiczny oparty na pracy ludzkiej, który pomógł TCS, Infosys, Wipro, HCLTech i Cognizant stać się światowymi liderami outsourcingu.

Klientom nie wystarczają już obietnice, że AI z czasem zwiększy efektywność realizacji usług. Chcą, aby korzyści te zostały zapisane w kontraktach poprzez niższe ceny, mierzalne rezultaty, krótsze zobowiązania lub podział oszczędności. Niektórzy przenoszą też pracę do własnych struktur, ponieważ narzędzia AI pozwalają mniejszym zespołom wewnętrznym realizować zadania wcześniej zlecane zewnętrznym dostawcom.

Tworzy to trudną rywalizację między nabywcami usług korporacyjnych a dostawcami. Kupujący chcą natychmiastowych oszczędności bez przyjmowania nowych ryzyk technologicznych. Dostawcy muszą inwestować w AI, chronić jakość usług i oddawać część zysków z produktywności, zanim przekonają się, czy automatyzacja będzie działać konsekwentnie.

Google News ujawnia model kontraktowy, który już traci znaczenie

Najważniejsza zmiana nie polega na tym, że indyjskie firmy IT korzystają z AI, lecz na tym, że klienci kontrolują dziś podział jej wartości ekonomicznej.

Tradycyjny model outsourcingu często wiązał przychody z liczbą pracowników, stawkami rozliczeniowymi i przepracowanymi godzinami. Dostawca mógł rozwijać kontrakt, dodając inżynierów, personel wsparcia lub specjalistów od procesów biznesowych. Automatyzacja osłabia obecnie to powiązanie, ponieważ ten sam rezultat może wymagać mniej osób i mniej godzin.

Według opublikowanego 21 sierpnia raportu Reutersa rozpowszechnionego przez MarketScreener, prezes TCS K. Krithivasan powiedział, że około 80% kontraktów firmy dotyczących finansów, zasobów ludzkich i powiązanych usług biznesowych opiera się na wynikach. Osoba zaznajomiona ze sprawą powiedziała Reutersowi, że udział ten podwoił się od czasu, gdy AI weszła do głównego nurtu pod koniec 2023 roku.

Ceny oparte na wynikach wiążą całość lub część wynagrodzenia dostawcy z uzgodnionym rezultatem biznesowym. Może on dotyczyć szybkości przetwarzania, dostępności systemu, jakości obsługi klienta, oszczędności operacyjnych lub innego mierzalnego celu. Dostawca ponosi więc większe ryzyko realizacyjne niż w przypadku prostego rozliczania godzinowego. Analiza TCS dotycząca generatywnej AI i cen opartych na wynikach w usługach service desk podobnie wskazuje, że kontrakty muszą równoważyć bodźce do zwiększania produktywności z jakością usług i jasno określonymi miarami efektywności.

TCS opisał etapowe podejście do projektów AI. Kierownictwo podało, że firma rozpoczyna część zleceń od zobowiązań dotyczących wyników, a następnie przechodzi do umów o stałej cenie wraz z rozszerzaniem zakresu prac. Kontrakty o stałej cenie ustalają płatność za zdefiniowaną pracę, niezależnie od dokładnej liczby wymaganych godzin pracy.

Model ten może premiować efektywność, gdy automatyzacja działa zgodnie z założeniami. Jeśli TCS dostarczy określony rezultat przy mniejszych zasobach, może zachować część korzyści produktywnościowych. Jednak błędne szacunki, nieoczekiwane koszty infrastruktury lub słabe wyniki AI mogą szybko przenieść tę korzyść z powrotem na klienta.

Kierownictwo TCS podało w lipcu, że AI przynosi w niektórych obszarach oszczędności produktywności rzędu 10%–15%. Firma stopniowo przekazywała te korzyści klientom, zgodnie z aktualizacją dotyczącą cen. Takie etapowe przekazywanie może złagodzić natychmiastowy wpływ na przychody, dając jednocześnie TCS czas na dostosowanie kosztów realizacji usług.

Inne firmy testują bardziej agresywne struktury. Reuters podał, że porozumienie Cognizant z Daimler Truck przewidywało podział oszczędności związanych z AI między obiema spółkami. Żadna ze stron nie ujawniła publicznie pełnych szczegółów umowy.

Według doniesień odrębna umowa HCLTech dotycząca zarządzania chmurą z niemieckim przedsiębiorstwem użyteczności publicznej E.ON odraczała płatność w pierwszym roku. Płatności od drugiego roku były powiązane z poprawą efektywności i konkretnymi wynikami biznesowymi. HCLTech i E.ON odmówiły omówienia warunków umowy. Osobno zintegrowany raport roczny HCLTech za lata 2025–26 wskazuje, że klienci coraz częściej chcą modeli opartych na wynikach, i wymienia kontrakty oparte na wynikach oraz zużyciu jako element strategii usługowej firmy.

Przykłady te pokazują, dlaczego znaczenie ma istota tej historii. Produktywność wynikająca z AI przeniosła się ze slajdów prezentacji do klauzul określających, kiedy dostawcy otrzymują zapłatę, ile dostają i która strona ponosi koszt niepowodzenia.

Zmiana wpływa również na istniejące zlecenia. Klienci mogą ponownie przeanalizować odnowienie umowy i zapytać, dlaczego kontrakt na utrzymanie aplikacji powinien kosztować tyle samo, skoro asystenci programistyczni ograniczają powtarzalną pracę. Nawet stabilne stawki rozliczeniowe zapewniają ograniczoną ochronę, gdy klient chce mniej pracowników, mniej godzin lub mniejszej wartości całej umowy.

Krótsze kontrakty dodają kolejną warstwę presji. Pozwalają klientom szybciej ponownie rozważać wybór dostawców i technologii, ograniczając czas, jaki dostawcy mają na odzyskanie inwestycji. Dostawcy muszą wtedy częściej ponosić wydatki na sprzedaż, przejścia i konkurencyjne przetargi.

Rezultatem jest strukturalna zmiana siły negocjacyjnej. Indyjscy dostawcy nadal oferują wiedzę branżową, globalne systemy realizacji usług i duże zasoby talentów technicznych. Jednak sama skala nie dowodzi już, że firma może dostarczyć rezultat wspierany przez AI efektywniej niż mniejszy konkurent.

Kupujący jako pierwsi przejmują dywidendę z produktywności

Klienci korporacyjni coraz częściej traktują efektywność AI jako rabat, na który już zapracowali, jeszcze zanim dostawcy w pełni przeprojektują realizację usług.

Prezes Persistent Systems, Sandeep Kalra, powiedział Reutersowi, że klienci żądali tej samej pracy po cenach niższych o 25%–30%. Oczekiwali również szybszej realizacji i wyższej produktywności. Ich wymagania ilustrują centralny konflikt obecny w bieżących negocjacjach.

Klienci mają prosty argument. Jeśli AI może generować kod, testować oprogramowanie, podsumowywać incydenty i automatyzować zadania wsparcia, dostawca powinien potrzebować mniej rozliczanych godzin. Zapłata według dawnej wartości kontraktu pozwoliłaby dostawcy zachować całość zysku z produktywności.

Dostawcy widzą bardziej złożone równanie kosztowe. Narzędzia AI wymagają modeli, mocy obliczeniowej, systemów zarządzania, kontroli bezpieczeństwa, przygotowania danych, ewaluacji i nadzoru człowieka. Szybsza produkcja nie eliminuje potrzeby weryfikacji poprawności ani integracji wyników ze starszymi systemami korporacyjnymi.

Znaczenie mają również koszty tokenów. Token to niewielka jednostka tekstu przetwarzana przez model AI, a dostawcy zazwyczaj płacą stosownie do wykorzystania. Prezes Wipro Srini Pallia powiedział, że szybkie wdrożenie może zwiększać te wydatki, zmuszając klientów i dostawców do przeanalizowania całkowitego kosztu posiadania.

Produktywność AI różni się także zależnie od zadania. Powtarzalne programowanie i testowanie oferują wyraźniejsze możliwości automatyzacji niż decyzje architektoniczne, prace regulacyjne czy złożone migracje. Kupujący, który żąda jednego jednolitego rabatu dla wszystkich działań, może zawyżać oszczędności dostępne dzięki technologii.

Mimo to szersze warunki gospodarcze wzmacniają pozycję klienta. Budżety korporacyjne na technologie pozostają ostrożne, a projekty uznaniowe są dokładnie analizowane. Firmy mogą zapraszać kilku dostawców do rywalizacji w przetargu i uczynić oszczędności z AI warunkiem rozważenia oferty.

Utrzymanie aplikacji stało się wczesnym punktem presji. Uczestnicy branży powiedzieli Mint, że ceny odnowień w tej kategorii spadły w poprzednim roku o około 4%–5%. Prezes HCLTech osobno oszacował roczną deflację przychodów związaną z AI na poziomie do 5% dla branży.

Deflacja przychodów występuje, gdy technologia zmniejsza kwotę płaconą przez klientów za istniejącą ilość pracy. Różni się od całkowitej utraty kontraktu, ale jej skutki finansowe mogą narastać w tysiącach projektów.

Branża już wcześniej przechodziła cykle sprzyjające kupującym. Podczas załamania technologicznego w 2001 roku i kryzysu finansowego w 2008 roku klienci naciskali na limity cenowe, gwarancje oszczędności i rozwiązania oparte na wynikach. W 2023 roku ponad 80% z 1 600 monitorowanych umów technologicznych i dotyczących procesów biznesowych zawierało jakąś formę zobowiązania do oszczędności, wobec około 65% w 2019 roku, według wcześniejszego przeglądu umów Reutersa.

AI odróżnia ten cykl, ponieważ uderza w jednostkę stanowiącą podstawę znacznej części przychodów branży. Wcześniejsze spowolnienia ograniczały popyt, pozostawiając w dużej mierze nienaruszoną relację między pracą a rezultatem. Automatyzacja może trwale zmniejszyć ilość pracy potrzebnej po powrocie popytu.

To rozróżnienie wyjaśnia, dlaczego duże ogłoszenia kontraktowe dają niepełny obraz. Wieloletnia umowa może zwiększać raportowany portfel zamówień, a jednocześnie generować mniejsze przychody niż porównywalne porozumienie w przeszłości. Może też zawierać kary, zobowiązania do oszczędności lub odroczone płatności, które zmniejszają jej wartość ekonomiczną.

Klienci budują ponadto własne możliwości. Narzędzia AI do programowania pozwalają korporacyjnym zespołom technologicznym wykonywać więcej pracy bez proporcjonalnego zwiększania zatrudnienia. Global capability centers, czyli należące do firm zagraniczne ośrodki operacyjne, mogą łączyć wewnętrzną wiedzę biznesową z tańszymi talentami inżynieryjnymi.

Insourcing nie eliminuje potrzeby korzystania z zewnętrznych dostawców. Przedsiębiorstwa nadal potrzebują pomocy przy integrowaniu modeli, zabezpieczaniu danych, modernizacji starszych systemów i obsłudze infrastruktury. Zmienia jednak to, co kupują, i zmniejsza przewagę wynikającą ze sprzedaży dużych zespołów do rutynowej realizacji usług.

Bezpośrednia presja spada więc na dostawców, którzy nie potrafią tworzyć nowej pracy szybciej, niż AI kompresuje istniejące przychody. TCS twierdzi, że nowe zlecenia jak dotąd równoważą tę presję spadkową. To, czy równowaga się utrzyma, zadecyduje o tym, czy AI stanie się silnikiem wzrostu, czy trwałym mechanizmem rabatowym.

Mniejsi rywale zamieniają efektywność AI w przewagę nad skalą

AI osłabia założenie, że największa liczba pracowników automatycznie czyni firmę najbezpieczniejszym partnerem technologicznym.

Przez dekady najwięksi indyjscy dostawcy IT wykorzystywali skalę zarówno jako system realizacji usług, jak i argument sprzedażowy. Duże bazy pracowników pozwalały im obsadzać skomplikowane programy, obsługiwać międzynarodowych klientów i zastępować pracowników, gdy zmieniały się potrzeby projektu.

AI zmienia te kalkulacje, ograniczając liczbę osób potrzebnych do wybranych zadań. Dostawca średniej wielkości może wykorzystywać automatyzację do przygotowywania prototypów, migracji kodu, testowania aplikacji i analizowania zapisów wsparcia bez tworzenia ogromnego zespołu realizacyjnego.

Mniejsze firmy mogą również szybciej podejmować decyzje. Prezes HFS Research Phil Fersht powiedział Reutersowi, że wielu klientów chce szybkich projektów pilotażowych. Spółki ze średniego segmentu mogą konkurować, szybko angażując do takich projektów wyższe kierownictwo i oferując elastyczne warunki handlowe.

Persistent Systems i Coforge pokazują zagrożenie konkurencyjne. Obie firmy odnotowały co najmniej osiem kolejnych kwartałów dwucyfrowego wzrostu przychodów w dolarach do kwartału od kwietnia do czerwca 2026 roku. Przychody Persistent wzrosły o 16%, podczas gdy sprzedaż Coforge zwiększyła się o około jedną trzecią.

TCS, Infosys, Wipro i HCLTech odnotowały w tym samym okresie znacznie wolniejszy wzrost, wynoszący od 1% do 3%, podał Reuters. Dane te obejmują firmy o różnych strukturach działalności, więc nie dowodzą, że AI spowodowała całą tę różnicę. Pokazują jednak, że skala nie przekłada się na lepszy wzrost w trakcie tej transformacji.

Kalra z Persistent argumentował, że same przychody nie definiują już dostawcy działającego na dużą skalę. Jego firma korzysta po obu stronach zmiany zasad kontraktowania. Klienci żądają niższych cen, lecz AI pomaga też Persistent rywalizować o umowy, które wcześniej mogłyby trafić do większej firmy.

To zasadnicze odwrócenie sytuacji, z którym mierzy się branża. Teoretycznie automatyzacja powinna sprzyjać dużym dostawcom, ponieważ dysponują oni rozległymi zasobami danych, wiedzą specjalistyczną i zdolnością inwestycyjną. W praktyce może jednak zlikwidować przewagę kadrową, która chroniła ich przed mniejszymi rywalami.

Ta zmiana nie oznacza, że wygra każdy pretendent. Duzi dostawcy nadal mają głębokie relacje w bankowości, ubezpieczeniach, przemyśle, ochronie zdrowia i sektorze publicznym. Prowadzą też systemy bezpieczeństwa, zgodności i realizacji usług, których nowy uczestnik rynku nie jest w stanie szybko odtworzyć.

Jednak przewaga wynikająca z obecności na rynku staje się mniej wartościowa, gdy klient dzieli jedną dużą transformację na kilka krótszych projektów. Każde mniejsze zlecenie tworzy kolejną okazję do konkurencji. Pozwala też klientom porównać wyniki przed podjęciem szerszego zobowiązania.

Realizacja usług oparta na AI może dodatkowo wzmocnić tych pretendentów. Dostawca, który od początku projektuje przepływ pracy wokół automatyzacji, unika trudności związanych z przebudową procesu wymagającego dużego nakładu pracy. Obecny dostawca może natomiast musieć zmniejszyć własne przychody, zanim zdobędzie kontrakt zastępujący dotychczasowe rozwiązanie.

Ten problem samokanibalizacji wpływa na wewnętrzne zachęty. Zespoły sprzedażowe są przyzwyczajone do zwiększania wartości klientów, podczas gdy menedżerowie realizacji usług często planują w oparciu o zatrudnienie i wykorzystanie zasobów. Propozycja AI, która zmniejsza oba te wskaźniki, może wydawać się nieatrakcyjna, nawet jeśli chroni relację z klientem.

Duzi dostawcy odpowiadają, budując kompetencje bliżej klientów. TCS rozszerza grupę inżynierów forward-deployed, czyli specjalistów pracujących bezpośrednio z zespołami klientów nad przekształcaniem prototypów AI w systemy operacyjne. Firma poszukuje również przejęć, które mogą dodać jej możliwości AI. Jej szersze działania na rzecz przeprowadzania klientów od eksperymentów do wyników operacyjnych znajdują odzwierciedlenie w wynikach za rok fiskalny 2026 i zapowiedziach produktowych, w tym w platformie zaprojektowanej, aby przyspieszać wdrażanie AI w rzeczywistych przepływach pracy biznesowej.

Wipro dostrzega popyt wychodzący poza fazę eksperymentów. Pallia powiedział, że w 2026 roku rady nadzorcze i dyrektorzy generalni pytali o zwrot z inwestycji w AI, po tym jak wiele firm w 2025 roku koncentrowało się na dowodach słuszności koncepcji. Oszacował, że wspomagane przez AI tworzenie oprogramowania może kosztować około 25% mniej dzięki korzyściom w kodowaniu i testowaniu.

Ta szansa nie przypada automatycznie najtańszemu oferentowi. Klienci potrzebują dostawców, którzy potrafią połączyć modele z danymi, politykami bezpieczeństwa, aplikacjami korporacyjnymi i procesami biznesowymi. Nieudane wdrożenie może kosztować więcej niż początkowe oszczędności kontraktowe.

Granicą podziału w konkurencji będzie zatem wiarygodna realizacja, a nie sama wielkość firmy. Dostawcy muszą wykazać, że potrafią zapewnić mierzalne korzyści, jednocześnie kontrolując błędy modeli, koszty infrastruktury i ryzyko operacyjne.

Agresywne gwarancje AI mogą zamienić oszczędności w straty

Zmiana zasad kontraktowania nagradza rzeczywistą produktywność, ale może ukarać dostawców, którzy obiecują poprawę, jakiej ich technologia nie jest w stanie niezawodnie zapewnić.

Dyrektor generalny Tech Mahindra, Mohit Joshi, ostrzegał, że niektórzy konkurenci wyceniają umowy na podstawie prognozowanej poprawy produktywności o 70% do 80%. Takie porozumienia mogą obowiązywać przez pięć do siedmiu lat, mimo że oszczędności wymagają istotnych zmian po stronie procesów lub systemów klienta.

Tech Mahindra twierdzi, że uniknęła podjęcia tego ryzyka. Joshi określił część rynku jako irracjonalnie konkurencyjną podczas lipcowej rozmowy z analitykami. Jego obawa ujawnia największą niepewność stojącą za wyceną opartą na wynikach.

Dostawca może zautomatyzować własny proces realizacji usług, ale nie kontroluje wszystkich warunków, które decydują o wyniku biznesowym. Klient może mieć rozproszone dane, przestarzałe aplikacje, powolne procedury zatwierdzania lub pracowników opierających się nowemu przepływowi pracy.

Kontrakty oparte na wynikach muszą jasno rozdzielać te zależności. W przeciwnym razie dostawca może nie osiągnąć celu, ponieważ klient nie przeprowadził wymaganej zmiany systemowej. Spory przenoszą się wtedy z liczby zarejestrowanych godzin na odpowiedzialność za nieudany rezultat.

Długie umowy tworzą kolejny problem prognostyczny. Modele, chipy, koszty energii, regulacje i wymogi bezpieczeństwa mogą zmienić się przed zakończeniem kontraktu. Stałe zobowiązanie oparte na obecnych założeniach może po kilku latach przestać być opłacalne.

Infosys pokazał, że dostawcy zachowują jedną opcję obronną. Firma powiedziała analitykom w lipcu, że zrezygnowała z kontraktów, które przestały mieć sens finansowy. Odejście chroni marże, ale może zmniejszyć przychody i osłabić długotrwałą relację z klientem.

Dowody finansowe są mieszane. Marża operacyjna Wipro spadła kwartał do kwartału o 130 punktów bazowych, do 16%, w okresie od kwietnia do czerwca. Marża Tech Mahindra wzrosła w tym samym okresie o 60 punktów bazowych, do 14,4%, według niedawnej analizy cenowej.

Punkt bazowy to jedna setna punktu procentowego. Te kwartalne zmiany odzwierciedlają wiele czynników wykraczających poza kontrakty AI, w tym wykorzystanie pracowników, podwykonawstwo, wahania kursów walut i strukturę projektów. Nie należy traktować ich jako jednoznacznego testu strategii cenowej.

Zmiany w zatrudnieniu dają kolejny sygnał, choć ich przyczyny również wymagają ostrożności. TCS ogłosił redukcje obejmujące ponad 12 000 stanowisk w 2025 roku. Firma opisała ten ruch jako część szerszych inicjatyw strategicznych, w tym inwestycji w nowsze technologie.

Były dyrektor finansowy Infosys, V. Balakrishnan, powiedział Reutersowi, że agenci kodujący zmniejszają zapotrzebowanie na duże grupy programistów na stanowiskach juniorskich. Jeśli ta ocena okaże się trafna, piramida zatrudnienia w branży czeka trwała przebudowa.

Model piramidy umieszcza wielu młodszych pracowników pod mniejszymi grupami doświadczonych menedżerów i specjalistów. Wspiera marże, gdy firmy mogą rozliczać klientów za duże zespoły, utrzymując jednocześnie średnie koszty pracy pod kontrolą.

AI może zautomatyzować pracę, która tradycyjnie szkoliła inżynierów na poziomie juniorskim, taką jak podstawowe kodowanie, testowanie, dokumentacja i wsparcie. Tworzy to korzyść operacyjną, ale usuwa również część ścieżki kariery wykorzystywanej do rozwijania doświadczonych liderów technicznych.

Firmy muszą zastąpić tę ścieżkę nauki, a nie po prostu likwidować stanowiska juniorskie. Potrzebują pracowników, którzy potrafią kontrolować wyniki AI, rozumieć systemy klientów, zarządzać bezpieczeństwem i wykazywać się osądem, gdy zautomatyzowane rezultaty zawodzą.

Ta sama ostrożność dotyczy optymistycznych deklaracji dotyczących przychodów. AI tworzy projekty obejmujące modernizację danych, wdrażanie modeli, zarządzanie ładem oraz przeprojektowanie przepływów pracy. Nowy popyt musi jednak przewyższać trwającą presję na przychody z utrzymania, rozwoju i procesów biznesowych.

TCS twierdzi, że dotychczas udało jej się utrzymać tę równowagę. Krithivasan przyznał, że przyszły wzrost zależy od wyprzedzania deflacji przychodów. To bardziej użyteczna miara niż liczba projektów pilotażowych czy pracowników przeszkolonych z AI.

Czytelnicy trafiający na tę historię przez Google News powinni również odróżniać opisywane struktury kontraktów od niezależnie audytowanych wyników. Kilka ważnych przykładów opiera się na osobach znających prywatne umowy. Zaangażowane firmy odmówiły ujawnienia pełnych warunków.

Kierunek zmian jest jasny, ale długoterminowa rentowność pozostaje nierozstrzygnięta. Wycena oparta na wynikach może chronić marże efektywnych dostawców albo zamienić ambitne prognozy produktywności w zobowiązania kontraktowe.

Trzy sygnały pokażą, kto kontroluje następny cykl kontraktowy

O kolejnej fazie zdecydują ekonomika kontraktów, względny wzrost i struktura zatrudnienia, a nie liczba ogłoszeń dotyczących AI.

Pierwszym sygnałem będzie sposób, w jaki najwięksi dostawcy opiszą deflację przychodów w kolejnych raportach wynikowych. Inwestorzy powinni obserwować, czy TCS nadal równoważy niższe przychody z istniejącej pracy nowymi zleceniami AI.

Pogłębiająca się luka osłabiłaby twierdzenie, że popyt na wdrożenia może zastąpić utracone rozliczalne godziny. Stabilny wzrost i marże wspierałyby pogląd, że etapowe oszczędności i wycena oparta na wynikach mogą chronić biznes.

Infosys i Wipro zasługują na podobną uwagę. Infosys obniżył górną granicę całorocznej prognozy po tym, jak zarząd wskazał na silniejsze żądania poprawy produktywności i agresywną politykę cenową. Wipro przyznało, że zarówno ekonomika realizacji usług jest pod presją, jak i że pojawiają się możliwości wynikające z nowej pracy związanej z AI.

Przydatne wskaźniki to wzrost przychodów w stałej walucie, marża operacyjna, wyniki dużych klientów oraz wartość ukończonych prac. Duży portfel zamówień ma mniejsze znaczenie, jeśli kontrakty są krótsze, tańsze lub zależą od trudnych do osiągnięcia celów wydajnościowych.

Drugim sygnałem będzie to, czy średniej wielkości konkurenci utrzymają przewagę wzrostu. Persistent i Coforge rozwijały się znacznie szybciej niż najwięksi dostawcy, ale utrzymanie tego tempa będzie testem dla ich systemów realizacji usług.

Utrzymujący się dwucyfrowy wzrost wzmocniłby wniosek, że AI obniżyła barierę skali. Wolniejszy wzrost, problematyczne projekty lub pogarszające się marże sugerowałyby, że duzi dostawcy nadal zachowują istotne przewagi, gdy projekty pilotażowe stają się złożonymi systemami produkcyjnymi.

Ogłoszenia kontraktowe należy analizować pod kątem czegoś więcej niż tylko wartości nagłówkowej. Kupujący powinni sprawdzać czas trwania projektu, strukturę płatności, podział oszczędności oraz odpowiedzialność za koszty modeli lub infrastruktury. Te szczegóły pokazują, która strona naprawdę kontroluje ekonomikę umowy.

Trzecim sygnałem będzie sposób, w jaki firmy przeprojektują zatrudnienie na poziomie juniorskim. Redukcja zatrudnienia w TCS i komentarze branżowe dotyczące automatyzacji kodowania sugerują, że dostawcy oczekują trwałych zmian. Plany rekrutacyjne pokażą, czy ograniczają moce przerobowe, czy tworzą inny model talentów.

Udana transformacja łączyłaby mniejsze grupy juniorów ze zorganizowanym szkoleniem w zakresie oceny AI, architektury korporacyjnej, bezpieczeństwa i operacji klienta. Proste załamanie rekrutacji przyniosłoby krótkoterminowe oszczędności, ale groziłoby przyszłym niedoborem doświadczonej kadry.

Nabywcy korporacyjni powinni zwracać uwagę na to rozróżnienie. Niższa cena kontraktu ma ograniczoną wartość, jeśli dostawca nie dysponuje ludźmi zdolnymi do zarządzania awariami, rozumienia starszych systemów lub zachowywania wiedzy instytucjonalnej.

Pracownicy umysłowi również mierzą się z praktyczną konsekwencją. Gdy kontrakty wynagradzają wyniki zamiast godzin, pracownicy zyskują wartość, łącząc rezultaty AI z decyzjami biznesowymi. Tworzenie większej ilości kodu lub dokumentów ma mniejsze znaczenie niż udowodnienie, że rezultat poprawia mierzalny wynik.

Zespoły wdrażające AI powinny zachowywać dowody stojące za tymi decyzjami. Przeszukiwalna baza wiedzy AI może pomóc pracownikom zachować kontekst projektu, porównywać wyniki modeli i dokumentować powody zmiany przepływu pracy. Takie zapisy stają się szczególnie ważne, gdy płatność zależy od rezultatów.

Szerszy rynek już zarejestrował te obawy. Reuters wycenił indyjski sektor usług IT na około 315 miliardów dolarów rocznych przychodów. Indeks Nifty IT spadł w 2026 roku o około 20%, wymazując do 21 sierpnia łącznie 73 miliardy dolarów wartości rynkowej wśród swoich 10 członków.

Rynki mogą reagować przesadnie, a te straty nie przesądzają o przyszłości branży. Indyjscy dostawcy nadal zarządzają złożonymi systemami, których przedsiębiorstwa nie mogą zastąpić chatbotem ani agentem kodującym. Ich wyzwaniem jest udowodnienie, że ta wiedza specjalistyczna zachowuje wartość, gdy rutynowa praca staje się tańsza.

Kolejny cykl kontraktowy wyjaśni, które firmy potrafią to udowodnić. Jeśli dostawcy utrzymają marże, akceptując jednocześnie warunki oparte na wynikach, AI zmieni ich model operacyjny, nie niszcząc go. Jeśli ceny będą spadać szybciej niż koszty realizacji, większość korzyści przypadnie klientom.

Dlatego ten rozwój sytuacji zasługuje na uwagę wykraczającą poza indyjski rynek akcji. Daje on wczesny wgląd w to, co dzieje się, gdy produktywność AI staje się komercyjnym wymogiem, a nie techniczną obietnicą.

W kolejnych rozmowach o wynikach finansowych warto obserwować mierzalne zastępowanie przychodów, utrzymujący się wzrost segmentu średniego oraz wiarygodną przebudowę struktury zatrudnienia. Te trzy sygnały pokażą, czy indyjscy liderzy IT sprzedają lepsze rezultaty, czy jedynie akceptują mniejsze kontrakty.