בשנה האחרונה, שוק ההון סובל ממה שניתן להגדיר כ"חרדת בינה מלאכותית. משקיעים רבים, שחוו את פקיעת בועת הדוט-קום ואת המעבר הדרמטי למחשוב, תוהים האם המודל העסקי של חברות התוכנה המסורתיות עומד בפני כליה. החשש המרכזי הוא שבינה מלאכותית יוצרת תהפוך את כתיבת הקוד לכל כך זולה וזמינה, עד שחברות התוכנה הגדולות יאבדו את הרלוונטיות שלהן.

אולם, ניתוח מעמיק של המציאות העסקית מראה תמונה הפוכה. בעוד שהטכנולוגיה משתנה במהירות, היסודות הכלכליים של תעשיית התוכנה נותרו איתנים. המאמר שלפניכם יפרק את המיתוסים המלווים את ה"הייפ" הנוכחי ויסביר מדוע בינה מלאכותית היא למעשה מאיץ צמיחה שיכול לשפר את שולי הרווח של חברות התוכנה, ולא "משבש" שיוביל להכחדתן. עבור המשקיע המפוכח, מדובר בהזדמנות להפריד בין רעשי שוק לבין ערך פונדמנטלי ארוך טווח.

 

אנטומיה של פחד – למה השוק טועה לגבי "מות התוכנה"?

הפחד הנוכחי בשוק ההון נובע מפרדוקס מעניין: אם קל יותר לייצר תוכנה בעזרת בינה מלאכותית, האם לתוכנה עצמה יש פחות ערך? כדי לענות על כך, עלינו לצלול למנגנונים הפסיכולוגיים והכלכליים שמעוותים את תפיסת המציאות של המשקיעים.

מחזור ההייפ (Hype Cycle) והשפעתו על הפסיכולוגיה של המשקיע

כל טכנולוגיה פורצת דרך עוברת דרך "מחזור ההייפ" של חברת גרטנר [חברת המחקר גרטנר פיתחה מודל גרפי שמתאר את המסלול הקבוע שכמעט כל טכנולוגיה עוברת – מהרגע שהיא נולדת ועד שהיא הופכת לחלק סטנדרטי מהחיים שלנו. המודל עוזר להפריד בין "רעש" תקשורתי לבין ערך עסקי אמיתי.]. בשלב הראשון, הציפיות מרקיעות שחקים והשוק מתמחר תרחישים אוטופיים. מיד לאחר מכן מגיע "עמק האכזבה", שבו המשקיעים מגלים שהטכנולוגיה דורשת הטמעה מורכבת ואינה מחליפה בן לילה מודלים עסקיים קיימים.

הטעות של משקיעים רבים כיום היא המחשבה שאנחנו נמצאים בסוף הדרך של חברות התוכנה, בעוד שמעשית, אנחנו רק בתחילת שלב ההטמעה. השוק מעניש חברות תוכנה כשירות (SaaS) על כך שהן לא הציגו זינוק מיידי ברווחים מ-AI, מבלי להבין ששינוי ארכיטקטוני דורש זמן. הפחד הוא רגש קצר טווח, בעוד שפיתוח תוכנה ארגונית הוא משחק לטווח ארוך מאוד.

הבלבול בין כלי פיתוח למוצר סופי: האם קוד קל יותר הופך חברה למיותרת?

אחד המיתוסים הנפוצים הוא שבינה מלאכותית "תכתוב את עצמה", ולכן לא נצטרך יותר את חברות הענק כמו מיקרוסופט, סיילספורס או אדובי. זוהי שגיאה בהבנת המהות של מוצר תוכנה.

כתיבת קוד היא רק חלק קטן מהערך שחברת תוכנה מספקת. הערך האמיתי טמון בפתרון בעיות עסקיות, בממשק המשתמש (UI/UX), באבטחת המידע, וביכולת להתממשק למערכות קיימות. העובדה שטרקטור הפך את החרישה לקלה יותר לא ביטלה את הצורך בחקלאים, היא פשוט אפשרה להם לעבד שטחים גדולים יותר. באופן דומה, בינה מלאכותית הופכת את המפתחים ליעילים יותר, מה שמאפשר לחברות התוכנה להוציא יותר פיצ'רים בפחות זמן, ובכך להגדיל את התחרותיות שלהן.

חסמי כניסה בעידן שבו כולם יכולים לייצר "פיצ'רים" של AI

הטענה הרווחת היא ש-AI מוריד את חסמי הכניסה לשוק, שכן "כל אחד יכול לבנות אפליקציה עם ChatGPT". במציאות, ההפך הוא הנכון. אמנם קל לבנות "מעטפת" פשוטה של AI, אך קשה מאוד לבנות תשתית ארגונית אמינה.

חברות תוכנה ותיקות נהנות מחסמי כניסה טבעיים שלא נעלמים:

1. אמון ורגולציה: ארגונים גדולים לא יפקידו את הנתונים שלהם בידי אפליקציה חדשה ובלתי מוכרת רק כי יש לה מנוע AI חכם.
2. הפצה: היכולת להגיע ללקוחות הקצה היא הנכס היקר ביותר. לחברות הקיימות כבר יש את צינורות המכירה.
3. אינטגרציה: התוכנה היא חלק ממערך שלם של תהליכי עבודה. להחליף מערכת CRM או ERP רק בגלל כלי AI חדש זהו מהלך יקר ומסוכן עבור רוב העסקים.

 

החפיר הדיגיטלי (Digital Moat) – מה באמת שומר על חברות התוכנה?

עבור משקיעים מנוסים, המושג "חפיר כלכלי" שטבע וורן באפט, הוא מצפן לבחינת עוצמתה של חברה. בעולם התוכנה, החפיר אינו עשוי מלבנים או ממותג יוקרה בלבד, אלא משילוב של טכנולוגיה, נתונים ואינטגרציה עמוקה בחיי הלקוח. הטענה המושמעת כיום היא שה-AI "מייבש את החפיר" בכך שהוא מאפשר לכל מתחרה חדש לבנות מוצר דומה במהירות. אולם, ניתוח קר של המציאות העסקית מגלה שהחפיר של חברות ה-SaaS (תוכנה כשירות) הגדולות מבוצר הרבה יותר ממה שנראה לעין.

נתונים הם הנפט החדש, אבל הקונטקסט הוא המנוע

רבים נוטים לחשוב שבינה מלאכותית היא "מוח" עצמאי שיודע הכל. בפועל, מודלי שפה גדולים (Large Language Models – LLMs) הם כלי ריק ללא נתונים ספציפיים ואיכותיים. כאן טמון היתרון העצום של חברות התוכנה הוותיקות: יש להן גישה לנתונים קנייניים שנצברו במשך עשורים.

חברת תוכנה לניהול רפואי, למשל, מחזיקה לא רק במידע טכני, אלא בהבנה עמוקה של הקשרים בין תרופות, אבחנות ופרוטוקולים רפואיים. מודל AI גנרי יכול לכתוב סיכום רפואי, אך רק התוכנה שמנהלת את בית החולים יודעת להצליב את המידע עם ההיסטוריה המדויקת של החולה והרגולציה המקומית. מחקרים מראים כי איכות הנתונים והקשרם העסקי חשובים יותר מגודל המודל עצמו. עבור חברות אלו, ה-AI הוא לא איום, אלא "טורבו" שמאפשר להן להפיק ערך חסר תקדים מהנתונים שכבר נמצאים בבעלותן.

"דביקות" המוצר ותהליכי הטמעה בארגונים גדולים

אחת הסיבות שחברות כמו SAP, אורקל (Oracle) או מיקרוסופט (Microsoft) שומרות על מעמדן היא עלויות המעבר הגבוהות. ארגון גדול שהטמיע מערכת ליבה אינו מחליף אותה בקלות, גם אם קיימת חלופה "זולה" או "חכמה" יותר. תהליך ההטמעה כולל הכשרת עובדים, התממשקות למערכות אחרות ובניית אמון ארוך טווח.

הבינה המלאכותית למעשה מגבירה את ה"דביקות" הזו. כאשר חברת תוכנה משלבת כלי AI בתוך זרימת העבודה הקיימת של המשתמש – למשל, עוזר חכם בתוך תוכנת הנהלת חשבונות – היא חוסכת למשתמש זמן יקר מבלי שהוא יצטרך ללמוד כלי חדש. התוצאה היא שהלקוח הופך לתלוי עוד יותר בפלטפורמה הקיימת. המשקיע המפוכח מבין שהקרב אינו על "מי הטכנולוגיה הטובה ביותר", אלא על "למי המשתמש כבר מחובר".

חברות "מעטפת AI" מול חברות תשתית ופלטפורמה

כדי להעריך נכון, יש להבחין בין שני סוגי חברות שנוצרו בעידן הנוכחי:

1. מעטפות AI: חברות סטארט-אפ קטנות שלוקחות מודל קיים (כמו GPT-4) ובונות מעליו ממשק פשוט. אלו החברות שנמצאות בסכנה הגבוהה ביותר. אין להן חפיר, והן יכולות להיעלם ברגע שמיקרוסופט או גוגל יטמיעו את אותו הפיצ'ר בתוך המוצרים שלהן.
2. חברות פלטפורמה ותשתית: חברות שמחזיקות בתשתית העסקית הרחבה. עבורן, ה-AI הוא שכבה נוספת שמשדרגת את המוצר הקיים. חברה שמנהלת את כל מערך השיווק של תאגיד (כמו Salesforce) לא מאוימת על ידי כלי AI שכותב פוסטים לפייסבוק, היא פשוט תטמיע כלי כזה בתוך המערכת שלה ותגבה עליו פרמיה.

טבלת השוואה מהירה:

מאפיין	חברת "מעטפת" (Wrapper)	חברת פלטפורמה (Platform)
מקור הנתונים	ציבורי / גנרי	קנייני / היסטורי
חסמי כניסה	נמוכים מאוד	גבוהים (אינטגרציה ורגולציה)
עלויות מעבר	אפסיות	גבוהות מאוד
סיכון השקעה	גבוה (שיבוש מהיר)	בינוני (צורך בהתאמה טכנולוגית)

 

 

ממודל של "רישיונות" למודל של "תוצאות" – השינוי במודל העסקי

בעשור האחרון, המודל הכלכלי השולט בענף היה תוכנה כשירות (SaaS – Software as a Service). המודל התבסס ברובו על תמחור לפי מספר משתמשים – ככל שלארגון יש יותר עובדים שמשתמשים בתוכנה, כך החברה מרוויחה יותר. כניסת הבינה המלאכותית יוצרת "חשש קניבליזציה": אם כלי AI מאפשר לעובד אחד לבצע עבודה של חמישה, האם החברה לא תרכוש פחות רישיונות ותפגע בהכנסות של ספקית התוכנה? התשובה המפתיעה היא שהמעבר מתמחור לפי "ראש" לתמחור לפי "תוצאה" עשוי להיות המהלך הרווחי ביותר בהיסטוריה של ענף התוכנה.

השחיקה במודל ה-SaaS הקלאסי לפי מספר משתמשים

המודל הישן של "תשלום לפי כיסא" הגיע למיצוי מסוים עוד לפני מהפכת ה-AI. בשוק רווי, הצמיחה של חברות התוכנה תלויה בגידול במספר העובדים אצל הלקוח – נתון שאינו בשליטתן. הבינה המלאכותית אכן מאיימת על המודל הזה, שכן היא מייעלת תהליכים ומצמצמת את הצורך בכוח אדם רב לביצוע פעולות שגרתיות.

עם זאת, צריך לראות בשינוי הזה הזדמנות לשחרור הכלכלה של התוכנה מהמגבלה של "כוח האדם". חברות תוכנה מובילות כבר החלו להטמיע מודלים של צריכה או תוספי AI בתשלום, המנתקים את הקשר בין כמות העובדים לבין הערך המופק מהמערכת.

תמחור מבוסס ערך (Value-based pricing): איך AI מגדיל את שולי הרווח

כאשר חברת תוכנה מספקת "סוכן AI" שמבצע משימה שלמה – למשל, סגירת חוזים משפטיים או ניתוח דוחות כספיים – היא לא מוכרת "כלי עבודה", היא מוכרת "עבודה מוכנה". בתרחיש כזה, הלקוח מוכן לשלם פרמיה גבוהה הרבה יותר ממה שהיה משלם על רישיון משתמש רגיל.

היתרון הכלכלי כאן הוא כפול:

1. שולי רווח גולמיים: למרות שעלויות המחשוב של ה-AI גבוהות יותר מפיתוח מסורתי, החיסכון שהלקוח משיג הוא כה משמעותי, שחברת התוכנה יכולה לגבות מחיר שמשאיר לה רווחיות גבוהה משמעותית.
2. יעילות המכירה: קל יותר למכור מוצר שמבטיח "חיסכון של X שעות עבודה" מאשר מוצר שמבטיח רק "שיפור נוחות המשתמש".

סימנים שחברת תוכנה מאמצת את ה-AI נכון

כאשר בוחנים חברה, אלו הסימנים שהיא עוברת בהצלחה למודל החדש:

• הצגת מודלים של "Credits" או "Usage": החברה מאפשרת ללקוחות לשלם לפי כמות הפעולות שה-AI ביצע.
• עלייה ב-ARPU (Average Revenue Per User): המשתמשים הקיימים משלמים יותר על שירותי ערך מוסף מבוססי AI.
• יציבות בשיעור הנטישה: לקוחות לא עוזבים כי התוכנה הפכה לחלק בלתי נפרד מהאוטומציה הארגונית שלהם.
• שילוב "סוכני AI": מעבר מאפליקציה שהמשתמש מפעיל, לאפליקציה שפועלת עבורו באופן אוטונומי.

 

שיעור מההיסטוריה – האינטרנט, הענן וה-AI כרצף אחד

ההיסטוריה של הטכנולוגיה אינה רצף של "השמדות", אלא רצף של "שכבות". בכל פעם שמופיעה טכנולוגיה משבשת, הקולות הראשונים שנשמעים הם אלו המנבאים את קריסת הסדר הישן. אולם, מבט לאחור על מהפכת האינטרנט ומהפכת מחשוב הענן מגלה דפוס עקבי: החברות ששרדו והובילו לא היו אלו שהמציאו את הטכנולוגיה, אלא אלו שהשכילו להטמיע אותה בתוך הערך הקיים שלהן.

האם ה-AI הוא ה"קניבליזציה" של התוכנה או השכבה הבאה שלה?

בתחילת שנות ה-2010, עולם התוכנה רעד מהמעבר למודל הענן. משקיעים חששו שחברות שמכרו תוכנה ב"קופסאות" לא ישרדו את המעבר למנוי חודשי. הפחד היה שהמעבר יגרום ל"קניבליזציה" של ההכנסות הקיימות. במציאות, המעבר לענן הגדיל את השוק פי כמה, הפך את ההכנסות לצפויות והעלה את מכפילי הרווח של חברות התוכנה.

הבינה המלאכותית היא השכבה השלישית ברצף הזה. האינטרנט נתן את הקישוריות, הענן נתן את הנגישות, וה-AI נותן את הניתוח והביצוע. בדיוק כפי שהאינטרנט לא הרג את הבנקים אלא הפך אותם לדיגיטליים, והענן לא הרג את התוכנה הארגונית אלא הפך אותה ליעילה יותר – כך ה-AI אינו "אוכל" את חברות התוכנה, הוא פשוט הופך להיות המנוע החדש שלהן.

ניתוח מקרי בוחן: ענקיות ששרדו שיבושים

כדי להבין את פוטנציאל השרידות, כדאי לבחון שתי דוגמאות קלאסיות:

• מיקרוסופט (Microsoft):

  בשלב מסוים, נדמה היה שמיקרוסופט מאבדת את הרלוונטיות שלה לטובת המובייל והאינטרנט. תחת הנהגת סאטיה נאדלה, החברה עברה מהפכה של "Cloud First". היום, היא משחזרת את המהלך עם "AI First" דרך השקעה ב-OpenAI ושילוב ה-Copilot בכל מוצריה. היא לא הוחלפה, היא התרחבה לתוך הטכנולוגיה החדשה.

• אדובי (Adobe):

  כאשר ה-Generative AI הופיע, מניית אדובי ספגה מכה בשל החשש שכל אחד יוכל לייצר תמונות ללא צורך בפוטושופ. אדובי הגיבה במהירות עם Firefly – כלי AI מובנה בתוך המערכת המקצועית שלה. התוצאה: המשתמשים נשארו באקו-סיסטם המוכר, אך קיבלו יכולות משודרגות, מה שחיזק את מעמד החברה בשוק.

 

הפער בין ירידות שערים זמניות לערך פונדמנטלי ארוך טווח

השוק נוטה להגזים בתגובותיו לחדשות טכנולוגיות בטווח הקצר, אך בטווח הארוך הוא תמיד חוזר ליסודות: תזרים מזומנים, נאמנות לקוחות ורווחיות.

הירידות הנוכחיות בחלק ממניות התוכנה אינן מעידות על מות התעשייה, אלא על כיול מחדש של ציפיות המשקיעים. זהו שלב הניפוי, שבו ה"מוץ מופרד מהתבן". חברות ללא מודל עסקי ברור ייעלמו, אך חברות עם בסיס לקוחות חזק יצאו מהתקופה הזו כשהן יעילות ורווחיות יותר מאי פעם.

 

הפרקטיקה של היציבות – איך מזהים את החברות שיישארו רלוונטיות?

היכולת להבחין בין חברה שנסחפת בזרם ה"הייפ" לבין חברה שבונה ערך אמיתי דורשת התבוננות מעבר לכותרות בתקשורת הטכנולוגית. בעוד שהשוק נוטה להגיב בהתלהבות או בקיצוניות לכל השקה של מודל חדש, החוסן האמיתי של חברת תוכנה נמדד בפרמטרים של המשכיות עסקית, עומק טכנולוגי ויכולת הסתגלות. להלן המדדים המרכזיים המאפיינים את ה"שורדות" בעידן הבינה המלאכותית.

קריטריונים לבחינת הנהלה בעידן של שינוי מהיר

הנכס החשוב ביותר של חברה בתקופת שיבוש הוא איכות ההנהלה שלה. חברות בעלות סיכויי שרידות גבוהים מובלות על ידי צוותים שאינם רק "מגיבים" לשינויים, אלא חוזים אותם מראש.

אחד הסימנים המובהקים להנהלה חזקה הוא היכולת לבצע הקצאת הון חכמה. האם החברה רודפת אחרי טרנדים חולפים, או שהיא משקיעה בשיפור מוצר הליבה שלה באמצעות כלי ה-AI? הנהלה איכותית תדע להסביר בדיוק כיצד הטכנולוגיה משפרת את הצעת הערך ללקוח, ולא רק תשתמש במילות קוד כמו "Generative AI" כדי להרשים את השוק.

מאזן מזומנים והשקעות במו"פ (D&R)

חוסן כלכלי הוא תנאי הכרחי להישרדות. חברות תוכנה ששורדות מהפכות טכנולוגיות הן בדרך כלל אלו שמחזיקות במאזן מזומנים איתן המאפשר להן להשקיע במו"פ מבלי לסכן את יציבותן.

יש לבחון את היחס בין ההוצאות על פיתוח לבין שולי הרווח התפעולי. חברה ששורדת בהצלחה היא כזו שמצליחה להטמיע בינה מלאכותית באופן שייעל את תהליכי הפיתוח שלה עצמה, ובכך מקטינה עלויות בטווח הארוך. אם ההשקעה ב-AI מובילה לצמיחה בהכנסות ללא עלייה מקבילה וחדה בהוצאות התפעול, זהו סימן חיובי מאוד לרלוונטיות עתידית.

שאלות מפתח להערכת חוסן של חברת תוכנה

כדי להבין האם חברה מסוימת נמצאת במסלול הנכון, ניתן להשתמש בשלוש שאלות אסטרטגיות:

• האם יש לחברה "דאטה" ייחודי?

  חברה שמסתמכת רק על מודלים ציבוריים (כמו אלו של גוגל או OpenAI) תתקשה לשמור על יתרון תחרותי. חברה שמחזיקה בנתונים היסטוריים וקנייניים של לקוחותיה היא בעלת חפיר עמוק יותר.

• עד כמה המוצר מוטמע בתוך זרימת העבודה?

  ככל שהתוכנה קשורה ליותר תהליכים קריטיים בארגון, כך קשה יותר להחליפה ב"סוכן AI" חיצוני.

• מהי מהירות התגובה?

  האם החברה הצליחה להשיק פיצ'רים מבוססי AI תוך חודשים ספורים, או שהיא עדיין בשלבי תכנון? בעולם הטכנולוגי הנוכחי, המהירות היא לעיתים קריטית לא פחות מהעומק.

 

היחס ללקוחות והמשכיות עסקית

חברות ששורדות הן אלו שמבינות שבינה מלאכותית היא אמצעי ולא מטרה. המטרה היא תמיד פתרון הבעיה של הלקוח. חברות שמצליחות לשמר שיעור נטישה נמוך בתקופה זו הן אלו שמוכיחות ללקוחות שלהן שהן הפרטנר הטוב ביותר למעבר לעידן הדיגיטלי החדש. היכולת להדריך את הלקוח בתוך המבוך הטכנולוגי מייצרת נאמנות שקשה מאוד לשבור באמצעות קוד בלבד.

 

שאלות ותשובות – מותאמות לעידן הבינה המלאכותית

1. האם בינה מלאכותית תגרום לחברות תוכנה רבות להיסגר?

לא בהכרח. בעוד שחברות שלא ישכילו להטמיע את הטכנולוגיה עשויות לאבד רלוונטיות, רוב חברות התוכנה המבוססות משתמשות ב-AI ככלי לייעול. האיום המרכזי הוא על חברות המציעות פתרונות פשוטים שניתן לבצע כיום באמצעות שאילתה ישירה במודל שפה, אך לא על מערכות ליבה ארגוניות.

2. מה זה "AI Wrapper" ולמה מדובר במודל עסקי פגיע?

"מעטפת AI (AI Wrapper) " היא אפליקציה המבוססת כמעט לחלוטין על מודל חיצוני (כמו GPT-4) ללא ערך מוסף משמעותי של נתונים או לוגיקה ייחודית. חברות אלו פגיעות כי אין להן "חפיר כלכלי"; ברגע שבעלת המודל (כמו OpenAI) מוסיפה את התכונה הזו בעצמה, הצורך ב"מעטפת" נעלם.

3. איך בינה מלאכותית משפיעה על הרווחיות של חברות תוכנה כשירות (SaaS)?

בטווח הקצר, עלויות המחשוב עשויות לעלות, אך בטווח הארוך ה-AI מאפשר לחברות לגבות תשלום על בסיס תוצאות וערך ולא רק לפי מספר משתמשים. בנוסף, היא מייעלת את תהליכי הפיתוח הפנימיים, מה שמשפר את שולי הרווח התפעולי.

4. האם אנחנו נמצאים בבועת AI דומה לבועת הדוט-קום?

קיימים קווי דמיון ברמת ה"הייפ" והערכות השווי המנופחות של חלק מהחברות. עם זאת, ההבדל המרכזי הוא שבשנת 2000 חברות רבות היו חסרות מודל הכנסות, בעוד שכיום ענקיות הטכנולוגיה המובילות את מהפכת ה-AI הן החברות הרווחיות ביותר בהיסטוריה, עם תזרים מזומנים איתן.

5. אילו סקטורים בתוך עולם התוכנה הם הכי פגיעים לשינויי ה-AI?

הסקטורים הפגיעים ביותר הם אלו העוסקים ביצירת תוכן בסיסי, תרגום, וכתיבת קוד פשוטה. לעומת זאת, סקטורים המנהלים תהליכים מורכבים כמו לוגיסטיקה, פיננסים מורכבים וניהול קשרי לקוחות (CRM) נחשבים לחסינים יותר בשל הצורך באינטגרציה ובאמון המשתמש.

6. האם כדאי לבחון רק חברות שמפתחות מודלי AI בעצמן?

לא. לעיתים קרובות, הנהנות העיקריות הן דווקא החברות שיודעות "לרתום" מודלים קיימים בצורה חכמה לתוך מוצר שיש לו כבר בסיס לקוחות רחב. פיתוח מודל שפה מאפס דורש משאבי עתק, בעוד שהטמעת מודל קיים בתוך פלטפורמה מוכרת היא מהלך מהיר ורווחי יותר.

7. איך ה-AI משנה את חסמי הכניסה לשוק התוכנה?

ה-AI מוריד את חסם הכניסה הטכני (כתיבת הקוד), אך הוא מעלה את חסם הכניסה העסקי. כיום, קשה יותר מאי פעם להתחרות בחברות מחזיקות בנתונים קנייניים ובאמון הלקוחות, שכן הטכנולוגיה עצמה הפכה למוצר צריכה בסיסי.

 

סיכום: השורה התחתונה על עתיד התוכנה והכלכלה החדשה

ההיסטוריה מלמדת אותנו שפחד הוא לעיתים קרובות יועץ גרוע בכל הנוגע לשינויים טכנולוגיים. הדיון סביב "מות התוכנה" בגלל הבינה המלאכותית מזכיר במידה רבה את החששות שהיו בעבר לגבי האינטרנט או הענן. בכל אחד מהמקרים הללו, הטכנולוגיה החדשה לא השמידה את התעשייה, אלא העלתה אותה לרמה חדשה של יעילות ורווחיות.

הבינה המלאכותית אינה גורם שמייתר את חברות התוכנה, אלא מנוע צמיחה שמשנה את כללי המשחק. עבור חברות עם תשתית איתנה, בסיס לקוחות נאמן וגישה לנתונים ייחודיים, ה-AI הוא הזדמנות לשפר את שולי הרווח ולעבור למודלים עסקיים מבוססי ערך. לעומת זאת, חברות שנשענות על תיווך מידע פשוט או פונקציונליות בסיסית אכן נמצאות בסכנה של שיבוש מהיר.

השורה התחתונה עבור מי שבוחן את השוק בראייה ארוכת טווח היא הפרדה בין ה"רעש" לבין ה"אות". רעש הוא תנודות מחירים הנובעות מכותרות על מודלים חדשים, האות הוא היכולת של חברה להפוך את ה-AI לכלי שחוסך ללקוחותיה זמן וכסף. בעולם שבו הקוד הופך לזמין וזול יותר, הנכסים האמיתיים הם הקשר עם הלקוח, ההבנה של התהליכים העסקיים והחוסן הפיננסי שמאפשר התמדה לאורך זמן. חברות התוכנה לא נעלמות – הן פשוט הופכות לחכמות יותר, יעילות יותר ובלתי נפרדות מהמבנה הכלכלי המודרני.