Zyski IBM w III kwartale rosną, a Krishna nazywa AI czynnikiem sprzyjającym

IBM odnotował 5% wzrost kwartalnych przychodów, co wspiera argument prezesa Arvinda Krishny, że sztuczna inteligencja pomaga firmie. Wyniki IBM za III kwartał obejmowały sprzedaż na poziomie 17,1 mld USD oraz skorygowany zysk w wysokości 2,95 USD na akcję. Według Bloomberga obie wartości przekroczyły oczekiwania analityków. Pytanie brzmi, w jakim stopniu wzrost odzwierciedla rosnący popyt na AI, a w jakim odrodzenie wcześniej opóźnionych zakupów.

To rozróżnienie ma znaczenie, ponieważ wydatki na AI mogą działać w przeciwnych kierunkach dla tego samego dostawcy. Tworzą popyt na oprogramowanie i usługi wdrożeniowe, jednocześnie konkurując o budżety technologiczne klientów. Najnowsze wyniki IBM sugerują, że te siły prowadzą do nierównomiernego ożywienia, a nie jednolitego wzrostu we wszystkich obszarach działalności.

Dla nabywców korporacyjnych, programistów i konkurentów, takich jak Accenture, raport oferuje użyteczny obraz tego, gdzie trafiają wydatki. Oprogramowanie poprawiło wyniki, infrastruktura się odbudowała, a konsulting pozostał stosunkowo słaby. Kluczową kwestią jest relacja między ambicjami IBM w obszarze AI a gotowością klientów do finansowania wdrożeń obok innych zobowiązań.

Wyniki IBM za III kwartał pokazują, gdzie powrócił wzrost

Kwartał IBM potwierdza odbudowę sprzedaży, lecz nagłówkowe dane nie wyodrębniają wkładu AI.

Firma ogłosiła wyniki 21 października za kwartał zakończony 30 września 2026 r. Jej kwartalne wyniki finansowe pokazują wzrost przychodów z oprogramowania o 8%, infrastruktury o 4%, a raportowanych przychodów z konsultingu bez zmian. Ten rozkład jest ważniejszy niż traktowanie każdego dolara wzrostu firmy jako dowodu na ten sam temat inwestycyjny.

Wskaźnik zysku również wymaga właściwego określenia. IBM podał 2,95 USD na akcję jako skorygowany zysk operacyjny, który wyłącza określone pozycje ze standardowych wyników księgowych. Zysk według ogólnie przyjętych zasad rachunkowości, będących standardowymi ramami sprawozdawczymi, wyniósł 2,31 USD na rozwodnioną akcję. Czytelnicy porównujący komunikat z prognozami powinni rozróżniać te miary.

Waluty wprowadzają kolejne rozróżnienie. IBM podał 6% wzrost przychodów przy stałych kursach walut, czyli w kalkulacji wyłączającej zmiany kursów wymiany. Ta miara pomaga ocenić bazową aktywność biznesową w różnych krajach. Nie wskazuje jednak, które produkty klienci kupili z powodu AI, ani nie ustala, czy zakupy te stanowią nowe budżety.

Dla osób oceniających wzrost sprzedaży oprogramowania IBM najważniejszy wniosek jest taki, że to właśnie oprogramowanie prowadziło raportowaną ekspansję. Szeroki segment biznesowy obejmuje jednak różne produkty, cykle zakupowe i powody odnowienia umów. Jego wyniki świadczą o dynamice komercyjnej, ale nie dostarczają pełnego wyjaśnienia tej dynamiki.

Przekroczenie oczekiwań dotyczących zysków odpowiada na węższe pytanie: czy firma osiągnęła lepsze wyniki, niż przewidywali analitycy? Nie odpowiada automatycznie na pytanie, czy popyt zmienił się trwale. Oczekiwania mogą spaść po rozczarowującym okresie, a opóźnione transakcje mogą poprawić wyniki późniejszego kwartału, gdy w końcu zostaną zamknięte.

Użyteczna interpretacja oddziela zatem realizację od tworzenia popytu. Finalizowanie kontraktów pokazuje, że dostawca potrafi przeprowadzić transakcje przez proces sprzedażowy. Generowanie dodatkowego popytu oznacza, że klienci rozszerzają swoje zobowiązania poza zakupy, których i tak zamierzali dokonać. Te rezultaty mogą występować jednocześnie, ale nie należy zakładać, że są równoważne.

To rozróżnienie jest szczególnie istotne, gdy kierownictwo przypisuje postęp szerokiej zmianie technologicznej. AI może wpływać na sprzedaż, nie pojawiając się jako osobno zidentyfikowany zakup produktu. Klient może zmodernizować wspierające oprogramowanie, przeorganizować dostęp do danych lub zlecić prace integracyjne. Sprawozdawczość finansowa wymaga większej szczegółowości, zanim czytelnicy będą mogli przypisać precyzyjny wkład.

Wyniki IBM dają kierownictwu firmy mocniejszy punkt wyjścia do tej dyskusji. Dają też klientom powód, by przyjrzeć się działalności kryjącej się za nagłówkami. Kolejne pytanie brzmi, dlaczego odbudowa nastąpiła właśnie teraz, zwłaszcza po tym, jak wcześniejsze decyzje zakupowe działały na niekorzyść IBM.

Opóźnione transakcje wyjaśniają część odbicia

Odbudowa odłożonych zakupów wzmacnia narrację IBM o skutecznej realizacji, lecz nie dowodzi całkowicie nowego cyklu popytowego.

Relacja Bloomberga dotycząca odbudowy transakcji infrastrukturalnych dodaje ważne wyjaśnienie. Dyrektor finansowy Jim Kavanaugh powiedział, że od tego czasu podpisano około dwie trzecie wcześniej opóźnionych transakcji dotyczących komputerów mainframe i powiązanego oprogramowania. Mainframe to komputery korporacyjne zaprojektowane do obsługi wymagających obciążeń transakcyjnych.

To stwierdzenie pomaga połączyć najnowszy kwartał z wcześniejszymi trudnościami IBM. Bloomberg podał, że klienci przesunęli wydatki w stronę chipów i serwerów w obliczu niedoborów związanych z AI. Te priorytety zaszkodziły działalności IBM w zakresie komputerów mainframe i oprogramowania. Ten sam trend technologiczny, który wspiera narrację kierownictwa o wzroście, skomplikował również harmonogram zakupów klientów.

Firmowy raport operacyjny za drugi kwartał już wcześniej opisywał presję na przychody oraz zmiany w podejściu do sprzedaży. IBM podał, że rozszerza obsługę klientów i inwestuje w wyspecjalizowane kompetencje techniczne. Kierownictwo przedstawiło te kroki jako sposoby na przechwytywanie popytu w miarę przechodzenia AI do szerszych wdrożeń korporacyjnych.

Łącznie raporty te wspierają konkretną interpretację. Niektórzy klienci nadal chcieli produktów IBM, ale zmienili termin ich zakupu. Odzyskanie tych kontraktów zmniejsza obawy, że działalność całkowicie zanikła. Nie ujawnia jednak, ile dodatkowego biznesu pojawi się po wyczerpaniu tego opóźnionego popytu.

Rozważmy różnicę między odroczonym zakupem sprzętu a nowo zatwierdzonym projektem oprogramowania. Pierwszy może poprawić bieżące przychody, pozostawiając pierwotny plan wydatków klienta w dużej mierze nienaruszony. Drugi zwiększa możliwości dostawcy. Raport o wynikach może obejmować oba przypadki, choć nagłówkowa stopa wzrostu ich nie rozróżnia.

Dla organizacji sprzedażowej IBM tworzy to presję, by pokazać, że poprawa realizacji wykracza poza odzyskiwanie pominiętych transakcji. Sfinalizowany kontrakt jest użytecznym dowodem. Powtarzalna zdolność do pozyskiwania i rozszerzania zobowiązań klientów wspierałaby szerszą argumentację wzrostową. Najnowszy kwartał należy oceniać jako postęp na tej drodze.

Dla kupujących kwestia czasu jest równie praktyczna. Mapa drogowa technologii może pozostać niezmieniona, podczas gdy harmonogramy zakupów przesuwają się, ponieważ inny zakup staje się pilny. Dostawcy stają wtedy wobec zmiennych wyników kwartalnych, nawet gdy klienci utrzymują swoje długoterminowe zamiary. To sprawia, że termin zawierania kontraktów jest ważny, choć nie stanowi pełnego wyjaśnienia wyników biznesowych.

Odbicie zmienia także sposób, w jaki czytelnicy powinni interpretować ocenę AI dokonaną przez Krishnę. Popyt na AI może wspierać IBM w dłuższym okresie, jednocześnie tymczasowo przekierowując środki z konkretnych ofert. Korzystny trend ogólny nie gwarantuje, że każdy produkt odniesie korzyść w każdym okresie sprawozdawczym.

To napięcie stanowi sedno tego kwartału. IBM ma dowody, że odłożony biznes wraca. Silniejsze twierdzenie, że AI generuje trwałą ekspansję w całym portfolio firmy, wymaga jaśniejszego obrazu tego, co klienci finansują po zamknięciu tych transakcji.

Popyt na AI nie podnosi jednakowo każdego obszaru działalności

Raport wywiera presję na IBM, by przełożyć dynamikę oprogramowania na szersze wydatki klientów.

Oprogramowanie i konsulting zajmują różne pozycje w procesie zakupowym klienta. Oprogramowanie zapewnia produkt lub funkcję, którą organizacja może licencjonować i wdrażać. Konsulting zapewnia wiedzę specjalistyczną i prace wdrożeniowe związane ze zmianami biznesowymi lub technologicznymi. Popyt na jedno nie wymaga jednoczesnego wzrostu wydatków na drugie.

Klient może rozszerzyć umowę na oprogramowanie, ograniczając jednocześnie zewnętrzne prace wdrożeniowe. Inny może zatrudnić doradców przed zatwierdzeniem szerszego wdrożenia. Trzeci może wykorzystać istniejący personel techniczny do wprowadzenia nowych możliwości. Są to możliwe ścieżki zakupowe, a nie wyjaśnienia, które IBM potwierdził dla każdego klienta.

To rozróżnienie pomaga wyjaśnić, dlaczego strategia IBM dotycząca AI zasługuje na analizę na poziomie biznesowym. Argument kierownictwa dotyczy wdrażania rozwiązań w przedsiębiorstwach w całym portfolio firmy. Dowody finansowe docierają poprzez segmenty obejmujące działalność wykraczającą poza AI. Połączenie narracji z wynikami wymaga uwagi wobec tego, co faktycznie dostarcza każda część biznesu.

Konsulting jest szczególnie istotny, ponieważ wdrożenie w przedsiębiorstwie często wiąże się z decyzjami organizacyjnymi obok technicznych. Ktoś musi ustalić, który proces się zmienia, kto jest właścicielem systemu i jak pracownicy obsługują wyjątki. Zadania te tworzą potencjalny popyt na usługi, ale ich istnienie nie gwarantuje, że klienci kupią je od IBM.

Accenture stanowi użyteczne porównanie. Jego wyniki za czwarty kwartał roku fiskalnego wykazały 6% wzrost przychodów z konsultingu w dolarach amerykańskich za okres zakończony 31 sierpnia. Okres sprawozdawczy IBM zakończył się miesiąc później. Firmy mają również różne struktury działalności, więc porównanie nie potwierdza bezpośredniej zmiany udziału w rynku.

Pokazuje jednak, dlaczego szerokie stwierdzenia o popycie na usługi dla przedsiębiorstw wymagają zastrzeżeń. Kupujący nie reagują identycznie w przypadku wszystkich dostawców i kategorii. Dla IBM lepsze wyniki oprogramowania nie znoszą potrzeby wyjaśnienia możliwości w obszarze usług. Dla rywali odbudowa IBM sygnalizuje, że istniejące relacje z przedsiębiorstwami pozostają istotne komercyjnie.

Presja spoczywa na dostawcach, by ich propozycje były konkretne. Kupujący powinien być w stanie wskazać zmieniany proces pracy, wspierającą technologię oraz wymagane działania. Szeroka obietnica wdrożenia AI oferuje mniej wskazówek zakupowych niż zdefiniowany projekt z obowiązkami i kryteriami akceptacji.

Programiści stoją przed powiązanym problemem. Model, czyli komponent oprogramowania generujący prognozy lub treści, jest jedynie częścią wdrożonej aplikacji. Aplikacja potrzebuje również kontroli dostępu, wiarygodnych danych, oceny i bieżącego utrzymania. Wymagania te pomagają wyjaśnić szansę komercyjną wokół AI, nie dowodząc jednak, który dostawca ją wykorzysta.

W przypadku pracowników wiedzy to samo rozróżnienie pojawia się w mniejszej skali. Organizacja może kupić asystenta, nie rozwiązując kwestii, w jaki sposób pracownicy znajdują wiarygodne informacje. Skuteczne łączenie wiedzy zależy od powiązania istotnych materiałów z wykonywaną pracą. Zakup możliwości i włączenie jej do codziennych decyzji to odrębne osiągnięcia.

Wniosek jest węższym, lecz bardziej użytecznym odczytaniem wzrostu sprzedaży oprogramowania IBM. Wskazuje on, że klienci wydają środki w kluczowym obszarze działalności. To, czy wydatki te rozszerzą się na wdrożenia, szersze wykorzystanie i trwałe zobowiązania klientów, pozostaje pytaniem dla kolejnych ujawnień.

Wdrożenia u klientów konkretyzują strategię AI

Wdrożony proces pracy stanowi mocniejszy dowód praktycznej adopcji niż ogólne stwierdzenie o możliwościach związanych z AI.

Wdrożenie asystenta bankowego IBM w NatWest pokazuje, na czym może polegać adopcja w przedsiębiorstwie. Według studium przypadku opublikowanego przez dostawcę NatWest stworzył Cora+ z użyciem IBM watsonx Assistant. IBM podaje, że projekt przeszedł od początkowej demonstracji do środowiska produkcyjnego, a prace obejmowały zespoły technologiczne i biznesowe.

System wykorzystuje generowanie wspomagane wyszukiwaniem, metodę dostarczającą modelowi AI odpowiednie materiały źródłowe przed wygenerowaniem odpowiedzi. IBM opisuje Cora+ jako rozwiązanie odpowiadające na pytania klientów bezpośrednio w rozmowie, zamiast jedynie kierować ich do istniejących stron. Studium przypadku omawia również mechanizmy kontroli mające wspierać dokładność i zaufanie.

Są to dowody opublikowane przez dostawcę, a ich zakres ma znaczenie. Opisują konkretne wdrożenie, a nie typowe rezultaty dla każdego klienta. Nie ujawniają też wkładu w przychody ostatniego kwartału. Ich wartość polega tutaj na pokazaniu rodzaju pracy operacyjnej stojącej za argumentacją IBM dotyczącą AI dla przedsiębiorstw.

Przykład ułatwia zrozumienie mechanizmu komercyjnego. Organizacja potrzebuje czegoś więcej niż wygenerowanego tekstu, gdy odpowiedź dotyczy spraw finansowych klienta. Potrzebuje zatwierdzonych informacji, odpowiedniego dostępu oraz procesu postępowania w sytuacji niepewności. Te potrzeby tworzą pracę wokół samego asystenta.

Przydatna analiza oddziela interfejs od usługi bazowej. Interfejs to to, co widzi klient, zadając pytanie. Usługa bazowa określa, do jakich informacji system ma dostęp, jakie działania może podejmować i kiedy powinna interweniować osoba. Ulepszenie jednej warstwy nie rozwiązuje automatycznie problemów drugiej.

To rozróżnienie tworzy również bardziej wymagającą definicję adopcji. Uruchomienie eksperymentu pokazuje, że zespół potrafi zbudować działający system. Prowadzenie go w środowisku obsługi klienta wymaga ciągłej odpowiedzialności. Rozszerzenie wymaga dowodów, że system pozostaje użyteczny, gdy zapytania stają się mniej przewidywalne.

W strategii AI IBM szansa leży częściowo w łączeniu tych wymagań. Oprogramowanie, integracja techniczna i wiedza operacyjna mogą wspierać ten sam projekt. Dostawca nadal musi jednak wykazać, dlaczego klient powinien kupić każdy komponent właśnie od niego. Istniejące relacje pomagają ukierunkować tę rozmowę, ale nie przesądzają o jej wyniku.

Kupujący powinni czytać takie studia przypadków pod kątem szczegółów wdrożenia, zamiast zakładać, że przedstawiony klient reprezentuje uniwersalny rezultat. Najbardziej użyteczne szczegóły dotyczą pierwotnego problemu, wykorzystywanych informacji, procesu wdrożenia i ograniczeń. Twierdzenia marketingowe stają się bardziej informacyjne, gdy są powiązane z tymi konkretnymi cechami.

Szersza lekcja jest taka, że wydatki na AI w przedsiębiorstwach mogą wykraczać daleko poza widocznego asystenta. To czyni argument biznesowy IBM wiarygodnym. Podnosi też standard dowodowy: praktyczne wdrożenia trzeba oceniać indywidualnie, zanim ich wyniki będą podstawą wniosków o wzroście całej firmy.

Czego wyniki finansowe nie mogą nam powiedzieć o AI

Wyniki IBM za trzeci kwartał wyraźniej wspierają narrację o odbudowie niż potwierdzają istnienie odrębnie mierzalnego silnika wzrostu napędzanego przez AI.

Segment finansowy grupuje przychody na potrzeby raportowania. Niekoniecznie grupuje jednak przychody według motywacji klienta do zakupu. Oprogramowanie kupione na potrzeby AI może należeć do tej samej kategorii co oprogramowanie kupione dla innych potrzeb operacyjnych. Ogranicza to wnioski, jakie czytelnicy mogą wyciągać wyłącznie ze wzrostu segmentu.

Komunikat IBM nie przedstawia odrębnej pozycji przychodów z AI, która bezpośrednio wiązałaby wzrost kwartału z zakupami AI. Bez takiego powiązania przypisanie AI precyzyjnej części poprawy wykraczałoby poza ujawnione dowody. Interpretacja zarządu powinna pozostać przypisana zarządowi.

Jest to problem atrybucji, a nie dowód na brak popytu na AI. Produkt może pośrednio korzystać z trendu technologicznego. Klienci mogą na przykład potrzebować lepszego dostępu do informacji przed wdrożeniem aplikacji. Wynikająca z tego sprzedaż może być istotna dla AI, pozostając jednocześnie trudna do jednoznacznej klasyfikacji.

Szczegóły dotyczące oprogramowania IBM również nie pozwalają na jednolitą interpretację. Firma odnotowała wzrost w obszarach danych i przetwarzania transakcji, podczas gdy przychody z automatyzacji spadły o 3%. Kategorie te nie przekładają się wprost na prosty podział na AI i tradycyjne oprogramowanie. Pokazują jednak, że wyniki portfela różniły się pod głównym nagłówkiem.

Rentowność wprowadza kolejne zastrzeżenie. IBM podał skorygowaną marżę brutto na poziomie 58,5%, niższą o 20 punktów bazowych, czyli 0,2 punktu procentowego. Skorygowana marża przed opodatkowaniem wzrosła do 19,3%. Różne miary zysku poruszały się więc w różnych kierunkach, co przemawia przeciwko opisywaniu kwartału jako poprawy pod każdym względem.

Liczby te nie wskazują wpływu AI na marżę. Zmiany w miksie produktów, kosztach operacyjnych i innych czynnikach biznesowych mogą wpływać na rentowność. Czytelnicy nie powinni traktować poprawy jednego wskaźnika jako dowodu, że projekty AI stały się bardziej rentowne, ani spadku jako dowodu na coś przeciwnego.

Rozróżnienie między wartością kontraktu a rozpoznanym przychodem jest również ważne przy ocenie przyszłych ujawnień. Podpisana umowa opisuje zobowiązanie handlowe. Przychód odzwierciedla kwotę ujętą zgodnie z obowiązującymi zasadami rachunkowości w danym okresie. Przy ocenie tempa wzrostu nie należy zastępować jednego drugim.

Wyniki klientów wymagają ponownie innego rodzaju dowodów. Dostawca może rozpoznać przychód z wdrożenia, zanim klient wykaże trwałe korzyści operacyjne. Z kolei udany projekt może potrzebować czasu, aby przynieść rozszerzone zakupy. Wyniki finansowe i rezultaty wdrożenia odpowiadają na powiązane, lecz różne pytania.

Najsilniejsza sceptyczna interpretacja pozostaje więc konkretna. Raport nie uzasadnia odrzucenia szansy IBM w AI, ale też nie dowodzi, że jest ona jedynym motorem wzrostu. Uzasadnia dalsze badanie struktury wydatków, ekspansji klientów i rentowności. To solidniejsza podstawa osądu niż entuzjazm lub ogólny sceptycyzm.

Następny kwartał wymaga jaśniejszego obrazu popytu

Najbardziej użyteczne kolejne dowody odróżnią dalszą ekspansję klientów od finalizacji opóźnionych zakupów.

Po pierwsze, warto obserwować strukturę popytu na oprogramowanie w aktualizacjach na koniec roku i w kolejnym cyklu raportowania. Dodatkowe informacje o nowych umowach, odnowieniach i ekspansji klientów pomogłyby wyjaśnić, co napędza sprzedaż. Utrzymująca się siła po rozliczeniu opóźnionych transakcji wzmocniłaby argument za trwałym popytem.

Spowolnienie wymagałoby kontekstu, a nie automatycznie negatywnego werdyktu. Terminy zawierania kontraktów nadal mogą zniekształcać okres raportowy. Użyteczne pytanie brzmi, czy zarząd przedstawia spójne wyjaśnienie poparte szczegółami dotyczącymi produktów i klientów. Zmieniające się wyjaśnienia bez dowodów utrudniłyby ocenę szerszego argumentu wzrostowego.

Po drugie, warto obserwować przychody z konsultingu wraz z dowodami przechodzenia projektów do środowiska produkcyjnego. Poprawa sugerowałaby, że popyt na oprogramowanie łączy się z większą aktywnością wdrożeniową. Utrzymująca się słabość pozostawiłaby otwartą kwestię, czy klienci opóźniają prace, realizują je wewnętrznie, czy kupują usługi gdzie indziej. Te możliwości wymagają dowodów, a nie założeń.

Komunikaty klientów mogą pomóc, pod warunkiem że opisują, co się zmieniło. Wdrożenie o określonym celu operacyjnym dostarcza więcej informacji niż oświadczenie o partnerstwie. Szczegóły dotyczące rozszerzenia i bieżącego użycia wzmocniłyby narrację komercyjną. Komunikaty bez takich szczegółów w mniejszym stopniu wyjaśniałyby szansę finansową.

Po trzecie, warto obserwować generowanie gotówki w zestawieniu ze zaktualizowaną prognozą na cały rok. IBM oczekuje obecnie, że wolne przepływy pieniężne — jego miara gotówki pozostającej po określonych korektach i wydatkach inwestycyjnych — wzrosną o ponad 1 mld USD. Wcześniej zarząd oczekiwał wzrostu o około 1 mld USD. Osiągnięcie tej poprawy wsparłoby jego argument dotyczący realizacji.

Wyniki gotówkowe nadal należałoby odczytywać wraz z przychodami i rentownością. Silne wpływy nie wskazują, która technologia motywowała zakup. Pomagają jednak ocenić, czy raportowana aktywność biznesowa przekłada się na gotówkę. Słabszy wynik uzasadniałby analizę terminów i czynników operacyjnych przed przypisaniem przyczyny.

Te sygnały wynikają bezpośrednio z kluczowej niepewności kwartału. Wyniki oprogramowania pokazują dynamikę handlową, dowody wdrożeń pomagają wyjaśnić jej cel, a gotówka dostarcza kolejnego spojrzenia na realizację. Łącznie zapewniłyby pełniejszą ocenę niż powtarzanie pytania, czy AI jest po prostu dobre, czy złe dla IBM.

Dla kupujących praktyczną odpowiedzią jest wniesienie tej samej szczegółowości do procesu zakupowego. Poproście dostawców, aby powiązali swoje propozycje z określonym procesem pracy i wyjaśnili, jakie dowody są potrzebne do rozszerzenia. Poprawiające się wyniki finansowe dostawcy mogą wskazywać na kondycję biznesową, ale nie zastępują własnej oceny projektu przez klienta.

Wykorzystaj wyniki IBM za trzeci kwartał jako punkt wyjścia do porównania dynamiki finansowej z dowodami wdrożeń. Czytaj wyniki segmentów wraz z przykładami pracy z klientami, a następnie śledź, czy kolejne ujawnienia wyraźniej łączą te historie. Jeśli Twoja organizacja ocenia AI dla przedsiębiorstw, poproś każdego dostawcę o wskazanie potrzebnych informacji, pracy, którą zmienia, oraz obowiązków, które pozostają. Zażądaj sposobu oceny dokładności, adopcji i korzyści operacyjnych przed rozszerzeniem zobowiązania. Użyteczne pytanie na nadchodzący kwartał jest konkretne: czy powracający biznes prowadzi do dodatkowych, trwałych wydatków klientów? Zachowaj to pytanie powiązane z dowodami, gdy IBM będzie raportować swoje postępy.