Pogrom branży IT: ADBE, CRM, FDS | Bliżej Giełdy, Bartek Szyma [AI Disruption in Software Stocks]

Dobrze. Dzień dobry. Dzień dobry. Dzień dobry. Ja nazywam się Bartek Szyma i jest mi bardzo miło was tutaj dzisiaj powitać na naszej na naszym kolejnym spotkaniu z cyklu bliżej giełdy. Przepraszam za mój głos. Niestety trochę zdrowie ostatnimi czasy nie dopisuje, więc więc ale no mam nadzieję, że nie będę skrzeczał ponad miarę. Dajcie proszę znać, czy mnie widać i czy mnie słychać. Znaczy widać na razie nasz splash screen. Witaj Łukaszu, bardzo miło, że jesteś. I moi drodzy, dzisiaj mamy taki temat, który no w zasadzie chciałbym poruszyć taką bardziej ogólną prezentację, czy zrobić taką bardziej ogólną prezentację na temat tego, co wydarzyło się w lutym przede wszystkim na spółkach z branży IT i czego rynek się obawia. być może poruszymy sobie chwilowo tak w skrócie to jakby co to oznacza dla samego na przykład segmentu czy samej branży półprzewodników, ale ona będzie bardziej prezentacyjna w tym sensie, że mniej się będę koncentrował na samych spółkach. No bardziej chciałbym wam pokazać dlaczego i jakie narzędzia czy jaki powód taki praktyczny jest tych spadków i tych obaw rynkowych. Ale oczywiście jeszcze zanim do tego przejdziemy, no to nasz risk disclaimer, czyli pamiętajcie, że wszystko co tutaj umówię, to co pokazuje, to jest tylko i wyłącznie moje przemyślenie, moja jakaś idea, moje badanie, mój research tak z angielskiego. Tomasz potwierdza, że jest okej. Dobra, dziękuję bardzo. A więc nie jest to żadna porada inwestycyjna. Jeżeli coś uznacie za istotne, to bardzo proszę, żebyście sprawdzili jeszcze, zanim podejmiecie jakąś decyzję we własnym zakresie te wszystkie informacje. A tym czasem moi drodzy przechodzimy do naszej, o tutaj już jestem na na ekranie. Dzień dobry jeszcze raz tym razem z moją śliczną twarzyczką. Witam wszystkich tutaj ponownie, którzy się zjawili. No i mamy dzisiaj ten temat branży AIowej i jednocześnie softwareowej, bo te branże się w pewien sposób przenikają, a spółki, które mamy tu wymienione na naszym w naszym tytule naszego dzisiejszego spotkania, czyli Adopi CRM czy FDS. FDS może mniej znana, jest to spółka Fakt Set. Y o cześć Bartku, fajnie, że jesteś, bo będę poruszał yyy dzisiaj prawdzie skrótowo, ale też temat, który wspólnie y wspólnie robimy, więc yyy cześć Bartek Ziółko ze mną tutaj y zajmuję się też analizą sentymentu. Będę o tym mówił właśnie yyy właśnie w jako przykład, jako pokazanie tego, dlaczego te spadki mogą występować. analiz oczywiście sentymentu spółek, wyników spółek, czyli czyli właśnie konferencji wynikowych spółek. Dobrze, więc wszyscy pewnie widzieliście, chyba nie ma sensu jakiegoś nadzwyczajnego pokazywać tych wykresów. Chciałbym się zmieścić dzisiaj względnie w pół godziny, żeby mój głos dał radę sobie z tymi z tymi informacjami, które chcę przekazać. Więc wszyscy widzieliśmy te spadki. No i teraz pytanie, skąd się wzięły te spadki? No i teraz od razu muszę się przyznać do czegoś. Mam nadzieję, że was to nie odstraszy, bo prezentacja, którą tutaj widzicie została sporządzona e wybitnie, wybitnie jak wybitnie została zrobiona przez sztuczną inteligencję. Poza częścią merytoryczną tej prezentacji sobie przygotowałem tą część merytoryczną, zapisałem ją sobie w formie dokumentu doxowego, czyli takiego zwykłego dokumentu tekstowego. Wkleiłem go w jednym slajdzie. Tak, no on wygląda bardzo brzydko jako wklejony w jednym slajdzie. Natomiast no właśnie sztuczna inteligencja pomogła mi wykonać całą tą pracę powiedzmy wizualną czy yyy podsumować to wszystko, co tutaj robimy. A więc każdy slajd, który będziecie widzieć, bazuje na mojej części merytorycznej. Ta część merytoryczna no jest przeze mnie sprawdzona, jest przygotowana przeze mnie osobiście, więc mam nadzieję, że tutaj jest powiedzmy jak najbardziej okej i i nie pomyliłem się nigdzie. Wprawdzie AI trochę dodało od siebie. Postaram się pokazać w których miejscach to będzie. Może dosyć ciekawe, może nie. Natomiast jakby skrócenie tej pracy, bo to może od razu zdradzę swój warsztat, kiedy przygotowuję się do takiego naszego spotkania jak to dzisiejsze, to zwykle na około godzinną prezentację muszę poświęcić plus minus trzy do c godzin pracy, żeby ją przygotować. Przy czym te mniej więcej półtorej godziny schodzi mi, żeby zrobić prezentację czy przygotować jakieś dodatkowe materiały. W związku z czym tym razem właśnie wyręczyłem się sztuczną inteligencją, tą samą sztuczną inteligencją, która spowodowała te spadki 3 lutego modelem modelem Opus 4 wersji 4.6 od Antropica. yyy więc wszystkie wizualizacje, całe slajdy, które tutaj są, zostały przygotowane przez niego. I jeszcze kilka innych rzeczy, które pokażę dzisiaj będzie również zrobionych przez Opusa. Yyy, Opus to jest model Antropica, czyli to jest właściwie model, który który możecie znać yyy wchodząc na stronę yyy na stronę yyy cloud.ai. Jest to jeden z wiodących modeli, jeżeli chodzi o zastosowania programistyczne. Ostatnio dostał właśnie wtyczkę, która pozwala mu m współpracować z narzędziami biurowymi. Y no i wybitnie wybitnie ułatwia pracę. Więc ta sama praca, którą tak jak mówię wykonywałem w okolicach półtorej godziny, żeby przygotować jakąś tam sensowną prezentację, ułożyć ją jakoś tam mniej lub bardziej ładnie, została dzisiaj zrobiona w 20 minut właściwie bez mojego udziału, bo została tylko nakarmiona tym researchem, który ja przygotowałem w formie tekstowej i wrzucona na slajdy. Więc wszystkie slajdy, które widzicie są zrobione przez model. Model miał za zadanie zachować strukturę tego dokumentu. Tutaj dostałem od gospodarza tego naszego spotkania, czy od XTB, więc już tutaj widać pierwszą rzecz, którą model zepsuł. A więc w tym jednym slajdzie, konkretnie w tym jednym, bo pozostałe są okej, zgubił logo XTB, więc nie ma go tutaj, nie ma go tutaj na górze. Na tej wcześniejszej widzieliśmy takie logo jak to. No i na każdym kolejnym slajdzie będziemy to logo widzieć. Wszystkie wizualizacje są również dodane przez sztuczną inteligencję. Więc to co zwykle właśnie zajmuje w takiej pracy powiedzmy osoby, która zajmuje się jakimś tam opowiadaniem o giełdzie czy propagowaniem, czy jest analitykiem i musi te swoje analizy w jakiś atrakcyjny wizualnie sposób przedstawić, no najwięcej czasu zajmują takie, nazwijmy to, powiedzmy, pierdoły, które sprowadzają się do tego, że musimy w jakiś ładny sposób wy pokolorować tą czy tam powiedzmy wytłuścić pewne dane, podkreślić pewne rzeczy, wypunktować, dodać jakieś jakieś grafiki, które poprawiają czytelność i tak dalej, i tak dalej. To zwykle zajmuje bardzo dużo czasu. No nie wnosi jakiejś bardzo istotnej merytorycznie części, natomiast no zajmuje dosyć dużo czasu taka dubalina przynajmniej i przynajmniej dla mnie, pomimo tego, że jestem w miarę tam z tym PowerPointem zaznajomiony i nie jest to dla mnie zupełnie obce narzędzie. Więc tak jak mówię, tym razem skróciło mi to bardzo mocno, bardzo mocno czas pracy. Pokażę to również takiej bardziej analitycznej części, tak jak mówię, czyli takiej, która będzie się zajmowała tym sentymentem. Pokażę wam jak to wygląda i pracę, którą normalnie musiałbym wykonywać w kilka, może kilkanaście godzin. Ona została zrobiona dosłownie w 10 minut i jest została zrobiona całkiem nieźle, więc mogę mogę tutaj od razu powiedzieć, że to jest że to jest całkiem fajnie przeprowadzony proces. No więc teraz zastanówmy się, dlaczego w ogóle doszło do tych spadków, czym jest ten model Antropic. Znowu będziemy się poruszali w tym, czy czym jest ten model, który wypuścił niedawno Antropic. Więc znowu będziemy się poruszali w tym w tym zestawie czy w tym świecie powiedzmy związanym z AIem, czyli związanym ze sztuczną inteligencją, no bo ona jest tym disruptive technology, tak? Czyli tą technologią, która no wysadza trochę, można powiedzieć z środełka część firm softwareowych. No i zanim zaczniemy w ogóle mówić o tym jak ten jak ten model czy jak te modele sztucznej inteligencji zaczynają wchodzić w ten biznes, chociaż poruszaliśmy ten temat kilkukrotnie przy okazji wcześniejszych spotkań z cyklu właśnie bliżej giełdy, kiedy opowiadałem o tych bebechach powiedzmy, które siedzą w tych firmach w tych firmach AIowych. Natomiast no zwróćmy teraz swoją uwagę w kierunku spółek softwareowych, czyli gdzie jest tym łańcuchu wartości, które te spółki softwareowe dostarczają. Szczególnie takie spółki analityczne jak FDS, czyli Facts, Set, jak Morning Start, który też bardzo mocno poleciał. No ale oczywiście również inne spółki. Noi też myślę, że można pod to podciągnąć czy Sales Forcea, czyli CRM również się w to w ten w ten proces się wpisze. A więc słuchajcie, jakby jako model weźmy sobie te spółki, które dostarczają dane plus jakiś dashboard analityczny, czyli mamy gołe dane, czyli spółka na przykład zarobiła x milionów dolarów w tym kwartale, y w tamtym i tak dalej, i tak dalej. Yyy, mamy to ładnie zaprezentowane, mamy jakieś wnioski wyciągnięte, mamy jakiś model scoringowy. Y, więc oprócz danych mamy coś do tych danych dodatkowego, czyli mamy dodatkowo teoretycznie od tego dostawcy tych danych mamy tą kurację i wiarygodność. No kuracja może to nie jest najszczęśliwsze tłumaczenie. Swoją drogą jest te wszystkie tłumaczenia, to jest też ciekawe być może do zaznaczenia. ten model, który to przygotowywał, nie dostał za zadania spolonizowania tej transakcji, tej tej przepraszam, nie transakcji, tylko tej prezentacji. Zrobił to sam we własnym zakresie. Yyy, ja się częściej posługuję tymi anglicyzmami, co może jest jakimś tam złym yyy nawykiem, no ale na przykład ja bym napisał prawdopodobnie value chain niż łańcuch wartości, więc yyy to zostało spolonizowane tak samo jak większość tych większość tych słów, które byłyby yyy które byłyby tu po angielsku. Zwykle jest to dosyć nieźle to spolonizowane, więc też yyy ułatwia to powiedzmy jakąś tam pracę znowu taką redakcyjną. Tym bardziej, że pisząc ten tekst na dzisiejsze potrzeby, tak czy pisząc sobie ten dokument, jakby ten skrypt, który dzisiaj mam wam przedstawić, no ja dosyć często mam tak, że nie pracuję nad nim od powiedzmy 8:00 do 11:00 za i kończę pracę, tylko sobie tam z doskoku przy co mi tam przyjdzie do głowy, to sobie dopisuję. W związku z czym mam to do siebie, że mieszam często formy. Na przykład czasami mówię oceniam, czasami mówi oceniajcie, oceniasz, więc w tym tekście to się miesza. No i znowu fajna rzecz, która tutaj została zrobiona, zostało ujednolicone do jednej osoby, czyli są takie względnie neutralne te formy, czy takie bezosobowe, tak więc to też jest fajne, bardzo przyspieszające prace, coś co kiedyś zajmowałoby mi dużo czasu, żeby poprawić, żeby to jakoś tam zunifikować w na poziomie całej prezentacji, no to generalnie dostaję to od modelu w pudełku, nie muszę się tym zajmować. No i teraz co jest najdroższe w tym, co jest najdroższe? Co jest tą rentą, tak? Czyli co jest tym yyy tym tym premium produktem w przypadku takich spółek właśnie softwareowych czy czy które dostarczają dane? To na pewno nie sururowe dane i prawa do nich, bo generalnie one są dostępne na dzisiaj coraz częściej jesteśmy w stanie sami sobie to sobie sami sobie to pobrać. Natomiast natomiast ten gotowy research, ten screening, ten draft dokumentów, jakieś porównanie procesów, to ten cały narzut to jest to premium. Czyli te punkty C i D y w tym co dostarczają nam te firmy softwareowe są tą częścią premium. No i teraz przechodząc jakby przez przez chociaż nie wiem czy to to wydaje mi się, że w miarę się samo wyjaśnia, że nie muszę tego jakby omawiać poszczególnego punktu po punkcie, bo to generalnie chyba jest zrozumiałe co tutaj co tutaj miałem na myśli. Więc tak bardzo bardzo ogólnie rzecz ujmując ktoś ma licencję do danych te dane sprzedaje. Tak no giełda może sprzedawać dane dotyczące kursów akcji na przykład. Tak więc ktoś ma licencję do tych danych, ktoś może odkupić od giełdy i odsprzedawać na nad odpowiedniej licencji. Więc mamy same dane, mamy tą historię i tak dalej i tak dalej. Dalej mamy znormalizowane te dane, czyli one są oczyszczone w jakby prze przesiane, żeby nie było tam jakiś głupot, więc to jest jakiś tam dodatkowy proces, który ta firma zajmująca się dostawą danych robi i to jest cenne, bo pewnie sami mamy z tym problem. Więc generalnie punkt A i B jest, o ile punkt A jest jeszcze względnie dostępny dla wszystkich, to punkt B jest trudniejszy do do wykonania, czyli ta normalizacja danych. Dalej mamy narzędzia, interfejs pracy, czyli narzędzia typu terminal, jakaś tam wyszukiwarka, jakiś tam dashboard, jakieś tam alerty, notatki, integracje i tak dalej, i tak dalej. Wszystko co widzimy na tych dużych portalach, które zaraz po wynikach publikują nam jakieś podsumowanie, publikują nam jakąś analizę, to wszystko jest tym punktem C, czyli tym narzędziem i interfejsem pracy. No i ten wynik procesu, czyli gotowy research, jakiś tam screening, jakiś tam draft dokumentu czy jakieś tam podsumowanie w kilku na kilku slajdach, na kilku stronach czy porównanie tych procesów, to jest ten produkt końcowy, który ma tą ma tą wartość największą. to jest ta wartość przetworzona, ta wartość taka wygenerowana na samych danych. Natomiast no właśnie przez to, że te narzędzia agentowe, co dzisiaj będę się starał przez całą prezentację pokazać, uderzają w te punkty C i D, to one doprowadzają do tego, że zabierają tą główną wartość, to to przetworzenie, tak? To to tak jakbyśmy sobie wyobrazili może taki surowiec jak ropa naftowa. To najwięcej nie zarabiają firmy, która które wydobywają tą ropę naftową, tylko te firmy, które przetwarzają tą ropę naftową. Tak, to przetworzenie, ta technologia, dodanie tego, tej wartości do tej ropy naftowej, do tego czystego surowca rzeczywiście generuje największą wartość ekonomiczną. No i dlatego jest tak, że bardzo często na przykład kraje arabskie pomimo tego, że mają bardzo duże złoża, to one same nie przetwarzają te ich możliwości rafinacyjne są dużo gorsze, więc często kupują technologi z zachodu i okazuje się, że pomimo tego, że mają bardzo wysoką marżę na samym produkcie, który wydobywają, no to tak naprawdę ten produkt nie jest taki typowy do sprzedaży już do klienta końcowego, bo on wymaga jeszcze dodatkowego przetworzenia i za to te kraje muszą zapłacić, bo tych technologii, tych możliwości nie mają albo są dużo gorszej jakości niż te możliwości, które dostarczają kraje kraje zachodnie. Więc to to ta wartość dodana to jest to C i to C zostało zaatakowane przez zostało zaatakowane to może złe słowo, ale generalnie zostało w pewien sposób rynek się obawia, że te punkty C i D znikną, bo to co dzisiaj było nam potrzebne, żeby nam ktoś dostarczał, to my sobie będziemy mogli za chwilę próbować zrobić sami. No i teraz no właśnie tak jak mówiłem, czyli te agentowe narzędzia, czyli ci te agenty czy ten model, który pracuje w ramach właśnie takich zespolonych procesów, które działają równolegle obok siebie, tak to sobie możemy wyobrazić i dostarczają nam pewną wartość, czy dostarczają nam pewien przetworzony już produkt, czyli na tych bazowych danych, na tym row data są w stanie wygenerować nam ten przetworzony produkt. No więc to są to jest to, co się wydarzyło tak naprawdę w dużym skrócie tego trgo 3 lutego, czyli tydzień temu, kiedy Antropik wypuścił tego swojego ten swój ten swój system czy pokazał ten swój system agentowy. Y, no i no właśnie jeżeli jeżeli przejdziemy teraz jeżeli większość tych spółek, które o których rozmawialiśmy, o tych spółkach typu właśnie Morningstar czy Factet, to są spółki, które są uważane za spółki, które są tymi spółkami premium. One mają wycenę premium, bo one dodają coś więcej. Tak jakbyśmy popatrzyli na analogię taką z rynku powiedzmy smartfonów, no to zobaczmy, że smartfon zwykle jako jako smartfon jest czymś co jest traktowane jako commodity, jako surowiec. Tam nie ma wysokich marsz. Większość spółek poza Applem i poza Samsungiem ma bardzo niskie marże, tam jedno dwucyfrowe marże na tych smartfonach. Niektórzy producenci wręcz do smartfonów dopłacają, przynajmniej do niektórych modeli. Natomiast dopiero Apple, który zintegrował sobie te swoje usługi dookoła iPhona, tak? Dopiero Apple był w stanie wygenerować kosmiczne marże na na sprzedaży iPhonea, czyli na sprzedaży smartfona, czyli zrobić z tego surowca produkt premium. No i teraz problem jest tego rodzaju, że ten produkt premium, który mieliśmy, zaczyna znowu jakby jemu zaczyna zagrażać ta kompresja marsz. W związku z czym z tej wyceny premium za chwilę może się okazać, że będzie to wycena typu typu właśnie surowcowego, czyli z mnożników razy wyniki razy 20 spadniemy do mnożników wyniki razy 10. Tak tego się obawia rynek. To jest jakby dzisiejsza dzisiejsza narracja rynkowa. Więc tak naprawdę dlaczego te może dlaczego i jak to wszystko będzie jak to będzie wyglądało? No jeżeli jeżeli mówimy o tym, że mamy dane i te dane i obsługa czy przetworzenie tych danych było produktem premium, to teraz pozwolę sobie pokazać wam przykład. Nie będę może pokazywał wszystkiego, bo nie chcę też zanudzić osób stricte nietchnicznych. Natomiast tak jak mówiłem tutaj z jednym z uczestników yyy dzisiejszego naszego spotkania, czyli z Bartkiem Zióiłko, robimy y taką staramy się zaimplementować system, który będzie nam oceniał yyy tą sentyment wypowiedzi nie tylko zarządu, ale również analityków w trakcie konferencji wynikowych. No i jest to proces, który wydawało mi się wstępnie, że będzie prosty, natomiast jest powiedzmy, że relatywnie skomplikowany na dzień dzisiejszy. Yyy, natomiast właśnie wykorzystując narzędzia typu yyy wykorzystując narzędzia typu yyy właśnie opus, o którym mówiliśmy na samym początku, na tych na tych row data, czyli na takim zwykłym prostym yyy na tych zwykłych prostych danych, które są dostępne mniej lub bardziej, no one są właściwie dostępne publicznie, więc jak się uprzemy, to możemy je pobrać za darmo. Czyli nawet ten punkt A czy punkt B, o którym mówiliśmy, czyli dostarczamy, mamy tą licencję i dostarczamy dane, ten punkt A może być może być zagrożony dla części tych firm. Tak, ten punkt B potencjalnie oczyszczanie tych danych może być jeszcze ty tą tą przewagą, którą te spółki mają. Ale zobaczcie, mam tutaj konferencje wynikowe trzech spółek Adobi, AMD i Microsoftu za czwarty kwartał 2025 roku. Wszystkie spółki są w ten sam sposób zrobione. I generalnie jeżeli popatrzymy sobie na te pierwsze kolumny, czyli speaker, title, role i tekst, to są najbardziej podstawowe dane, które w tych w tych konferencjach uzyskamy, czyli mamy osobę, która mówi, która tą swoją wypowiedź, że tak powiem, no udziela tej wypowiedzi, czyli na przykład jakiś tam Jonathan Nilsen, czy tutaj będziemy mieli Satana Nadela, czyli prezes Microsoftu, jego rola, czyli to jest po prostu osoba ze spółki bądź analityk, nie dzieliłem tego bardziej, ale to jest zrobione przez model, czyli generalnie model sam we własnym zakresie przeszukał te wszystkie dane. dodał mi kolumnę B D, która zawiera rolę, czyli moje moje pytanie do niego czy jakby moje polecenie dla niego było mi: "Zidentyfikuj mi analityków i zidentyfikuj mi osoby z zarządu i podziel te podziel te wypowiedzi pomiędzy nich." Mamy samą wypowiedź, mamy długość tej wypowiedzi w znakach. To jest mniej istotne, to jest bardziej istotne później dla mnie do tego, żeby wiedzieć mniej więcej ile mnie kosztuje przetworzenie takiej wypowiedzi. No i mamy sentyment i uzasadnienie sentymentu, czyli generalnie to, co w pewien sposób chcemy z Bartkiem uzyskać, tak? No i ten sentyment, który tutaj mam już jest określony przez model. Ja nie muszę tego analizować, ja nie muszę czytać tego, tej wypowiedzi, bo model zrobił to sam. No i co więcej, ten model zrobił to po pierwsze błyskawicznie. Po drugie dodał mi, czy na moje oczywiście życzenie, ale dodał mi uzasadnienie, dlaczego ta wypowiedź jest taka, a nie inna. A więc ja nawet nie muszę, jeżeli chcę sprawdzić sobie wyrywkowo część tych wypowiedzi, to ja nawet nie muszę posługiwać się tymi oryginalnymi wypowiedziami. Wystarczy mi to streszczenie, żeby zobaczyć, czy to rzeczywiście ma jakiś sens. Oczywiście mogę sobie to porównywać, jeżeli będę chciał i pewnie to jest nawet lepsze, żebym to porównał, ale mam też ten taki pierwszy pierwszy, a ja to nie, bardzo miło, że ja nie pokazuję tego wam wszystkiego tutaj, przepraszam najmocniej na właściwym ekranie. Więc jeszcze raz mam te dane. Mam speakera, czyli osobę, która udziela tej wypowiedzi. Mam jego tytuł, czyli kim, czym się zajmuje w spółce bądź czy jest analitykiem. Mam jego rolę i mam ten tekst wraz z ilością znaków. Następnie mam ten sentyment i uzasadnienie tego sentymentu, które które model mi wykonał. Czyli te dwie te dwie kolumny tutaj są już zrobione przez model. No i teraz gdybym tradycyjnie próbował się do tego zabierać, zeszłoby mi albo bardzo dużo czasu, gdybym chciał to robić samemu. Tak wyobraźmy sobie, że mam coś takiego zrobić samemu. Przejrzenie nawet to jest jedna konferencja wynikowa, która ma około 40 wypowiedzi, jeżeli dobrze pamiętam. Popatrzmy sobie po ilości wierszy. 44 wiersze, czyli plus minus mamy 44 wypowiedzi. Z tego pewnie 5, 7, może 10 jest takich dzień dobry, witamy, dziękujemy, kończymy. Natomiast no cała reszta to są jakieś większe, dłuższe wypowiedzi, które które coś o tej spółce ciekawego mogą powiedzieć. Może przesadziłem, może więcej niż 10, może z 15 będzie takich takich typu dziękujemy czy tam dzięki, fajnie, że tak powiedziałeś i w ogóle i w ogóle. Natomiast jakby przetwarzanie tegoręczne zajmowałoby strasznie dużo czasu. Tak dzisiaj stosując opusa, bo to jest de facto opus, który który to zrobił, mogłem tą mogłem te trzy konferencje przeanalizować w ciągu 10 minut. Co więcej, model zrobił mi też wizualizację. Ta tizualizacja jest dosyć kiepska, ale generalnie ona jest zrobiona tak jakby ja nawet już nie musiałem tego robić, więc znowu to jest przetworzone przez model. Na poziomie tych wyników, które tu widzimy, mamy wykresy się nakładają, więc powiedzmy nie zrobił tego jakoś najładniej, ale weźmy sobie ten dolny wykres. Yyy, mamy wypowiedzi członków zarządu, które są bądź pozytywne, bądź neutralne. Zwykle te neutralne wypowiedzi, tak jak mówiłem, są yyy związane z tym, że yyy witamy się albo przedstawiamy jakieś suche fakty typu, yyy, no nie wiem, to był świetny kwart, znaczy może to świetny kwartał, to byłoby akurat coś coś pozytywnego, no ale na przykład w tym kwartale zrealizowaliśmy tyle a tyle sprzedaży. Tak samo w sobie to nam nic nie mówi. Czy na przykład nie wiem czy mieliśmy sprzedaż na poziomie 100 miliardów dolarów nam to nic nie powie. Dopiero nam jakby wynik tej tej ten sentyment będzie dopiero istotny. Czy jakby będziemy mogli zbadać dopiero kiedy powiemy przeanalizowaliśmy czy zrealizowaliśmy 100 miliard do dolarów sprzedaży, co stanowi tam o 10% więcej niż zakładaliśmy w ubiegłym kwartale. Tak, to będzie na pewno pozytywne. Jeżeli to będzie 10% mniej, to będzie negatywne. Więc te wypowiedzi są podzielone jako zero, są neutralne. Jako jeden, tu znowu ta skala, którą model zastosował. Nie, nie jakby nie nie wnikałem w ogóle, nie zmieniałem tych tych rzeczy, które model zrobił, żeby wam pokazać tą powiedzmy warstwę, która jest pozytywna i która jest negatywna. Yyy, więc mamy zaznaczone zerem, to są te neutralne wypowiedzi -1 to są wypowiedzi negatywne, czyli mamy jedno takie trudne pytanie analityka w przypadku AMD i jedną mało pozytywną wypowiedź yyy członka zarządu. Natomiast większość jest neutralnych yyy i jeżeli chodzi o analityków, mamy tylko jedno takie takie pozytywne pytanie od analityka, czyli czy no mieliście fantastyczny kwartał, co sądzicie o następnym na przykład to jest to jest to jest przykład możliwej wypowiedzi pozytywnej. Natomiast większość jest neutralny. Haha. Czyli mieliście takie wyniki. A co sądzicie o tym? Nie wiem, to jest raczej neutralne, a mieliście super wyniki, więc jak zapatrujecie się na kolejne kwartały jest z kolei pozytywną wypowiedzią. Z kolei mieliście fatalne wyniki albo nie wiem, czy czujecie zagrożenie ze strony tego i tego. No to jest kolejny negatywny sentyment. Więc przygotowanie tego ręczne trwałoby naprawdę bardzo długo. Myślę, że na każdą konferencję musiałbym spędzić koło godziny, żeby żeby coś takiego zrobić. No stosując model mam to w 10 minut gotowe. Przy czym jakby cała idea funkcjonowania tych modeli czy cała ta disruptive technology, która może za tym stać jest taka, że spinając to wszystko w procesie nie chcemy od razu uzyskać odpowiedzi na jedno duże pytanie. Czyli tym jednym dużym pytaniem z perspektywy na przykład analityka finansowego będzie czy spółka jest dobrze czy źle wyceniona. Czy spółka jest tania, czy spółka jest droga, czy albo ile powinna ta spółka kosztować. Tak, to jest bardzo źle postawione pytanie do modelu. Siła tych modeli sprowadza się do tego, że dzielimy sobie ten proces analityczny, który my prowadzimy, na bardzo małą ilość podpunktów, na takie bardzo atomowe punkty i w tych atomowych punktach uruchamiamy te modele. I teraz jakby samo uzyskanie tej odpowiedzi od modelu będzie takie samo, no bo my na sam koniec jakby przeszczepiamy swój proces analityczny do modelu. Natomiast jeżeli robimy to w sposób właśnie taki atomowy, czyli dzielimy sobie to na małe takie fragmenciki i teraz każdy z tych fragmencików jest obsługiwany przez model, to przeniesienie tego modelu własnego wyceny do modelu będzie trwało bardzo długo. Tak, w moim przypadku taki proces trwa już pewnie ponad rok, a jeszcze się nie skończył. Natomiast oszczędza mi to już 75% czasu, bo na przykład modele wyciągają mi dane, modele robią za mnie bardzo wiele rzeczy. Co więcej, te modele wręcz jeszcze sprawdzają, czy te dane zostały wyciągnięte dobrze, więc generalnie jakby jakość moich analiz się podniosła. Mogę tych analiz zrobić więcej stosując modele, a jednocześnie te kluczowe wnioski tak ja na sam koniec wyciągam pomimo tych jakiś tam hintsów, które czy jakby takich takich takiego wsparcia analitycznego modelu, które dostaję dostaję od niego. Więc jakby podsumowując jest bardzo duży kawałek tego premium tortu, który zaczyna być ściągany z rynku. bezpłatnymi albo relatywnie bardzo tanimi modelami. Gdybym chciał zatrudnić kogoś do, no miałem taki moment, że zatrudniałem sobie programistów, którzy mi pomagali pisać pewne rzeczy. Na dzisiaj mi to jest niepotrzebne. Znaczy o ile jeszcze powiedzmy półtora roku temu, żeby pisać jakieś własne narzędzia, jakieś własne rozwiązania i żeby mieć na to czas jeszcze kogoś tam edukować i tak dalej i tak dalej w tym temacie, potrzebowałem zatrudnić dwie osoby. Dzisiaj mi to już nie jest potrzebne, bo nie tylko nie muszę zatrudniać tych dwóch osób, bo model robi to ze mną, ale ja mam więc wręcz więcej czasu, bo nie muszę robić paru rzeczy, które robiłem wcześniej. Więc rzeczywiście patrząc z perspektywy tego, czego rynek się najbardziej obawiał w tej hossie AI, czy ona rzeczywiście niesie, czy ma ze sobą jakieś podstawy do tego, żeby, żeby się spisać, tak, żeby, e, żeby dowieźć wartość dla różnego rodzaju firm. Ja ze swojej perspektywy mogę powiedzieć tak, że tą wartość coraz bardziej widzimy, tak że jakby implementacja tych atomowych procesów czy jakby rozbijania tych procesów na atomy w przypadku powiedzmy pojedynczego analityka trwała i tak no rok. No zakładam, że gdybym był skoncentrowany tylko na tym, to zmieściłbym się powiedzmy w kwartał. Natomiast w przypadku dużych firm to trwa dużo, dużo, dużo dłużej. I oczywiście są kluczowe obszary, czyli dzisiaj pisanie oprogramowania dla samego siebie, gdzie nie musimy się specjalnie przejmować na przykład bezpieczeństwem danych, bo nie sprzedajemy tego, nie obawiamy się wycieku danych klientów na zewnątrz i tak dalej, i tak dalej, jest jak najbardziej możliwe. Czyli my ten SIT, który mamy w przypadku tych spółek, które do tej pory zajmowały się właśnie sprzedażą tech dashboardów i tej całej analityki, on zostaje przeniesiony do nas. Jeżeli zobaczycie sobie na przykład na zmianę skillów, czyli umiejętności poszczególnych osób, które funkcjonują w ramach finansów, to zobaczycie, że coraz większa liczba analityków na przykład finansowych, którzy korzystają z facetu, czyli którzy korzystali kiedyś tam z Morningstara, z Reutersa, z innych tego typu platform, że coraz więcej tych osób ma jakieś tam takie zaplecze technologiczne pod tytułem umiemy przetwarzać kod w jakiś tam przynajmniej ograniczony sposób. Dzięki temu firma sama z siebie ma oszczędności, bo ona może sobie niektóre niektóre zaję zadania czy czy funkcjonalności przenieść do siebie i samemu samemu to implementować, no nie. Więc generalnie jeżeli chodzi o o tych agentów AIowych do samych danych, stricte do danych, pomimo tego, że mówiłem, że już jakby dzisiaj jest łatwiej te dane pozyskiwać, ale do samych danych one nie będą super skuteczne. normalizacji tych danych również to nie będzie super skuteczne, ale wpływ na te najbardziej premium produktu jest bardzo duży, więc to jest to jest de facto to, czego rynek się obawia. Innymi słowy, jeszcze parę miesięcy, może nawet lat temu, może powiedzmy dwa, trzy lata temu za takie dane musiałbym płacić. Dzisiaj jestem w stanie zrobić to sam bardzo szybko i bardzo tanio, bo generalnie przetworzenie tych trzech konferencji kosztowało mnie tam w okolicach dwóch lub trzech centów amerykańskich, więc naprawdę taniuteńko w stosunku do czasu, który mi to oszczędza. Tak, jeżeli miałbym poświęcić na to na godzinę, na każdą konferencję, no to umówmy się, że 1 cent na taką konferencję versus godzina mojej pracy, to w ciemno za tego centa zapłacam nawet dolara bym spokojnie zapłacił, czyli 100 razy więcej. A jednocześnie koszt działania tych agentów to właściwie kwartał co miesiąc można powiedzieć spada dosyć znacząca. Już co roku to to mamy mamy bardzo bardzo znaczące spadki, ale o tym mówiłem mówiłem trochę wcześniej, więc czy kilka spotkań temu, więc nie będę do tego wracał, bo to nie jest dzisiejszym tematem. Dobrze. Trochę się rozgadałem, więc postaram się streszczać. Więc co mamy tutaj? Co mamy tutaj jako zagrożenia dla tych spółek softwareowych? Jeszcze tak bardziej bardziej uwidaczniając. Seedbased, czyli to ryzyko, że firmy będą obcinały licencje jest wysokie. Czyli generalnie spółki nie będą po pierwsze będą obcinały licencje, bo nie potrzebują dostępu do części tych danych. Czyli na przykład analityka może z tego wypaść. My potrzebujemy samych danych, czyli idziemy do części produktowej, do części, nazwijmy to, do części takiej ala surowcowej, tak? Że to jest surowiec, czyli tam nie ma prawie że marży. Dane są już surowcem, tam prawie że nie ma marży. Więc generalnie będziemy tracili te licencje i nie będziemy w stanie tak szybko podnosić tego average revenue per user, czyli tego tego średniego dochodu za użytkownika, co było dotychczas jakby normą, tak? Czyli mieliśmy, każda firma sprzedawała dostęp do tych swoich portali jako taki terminal czy punkt dostępowy, za który trzeba było osobno płacić. Czy jeżeli przychodził jakiś bank inwestycyjny i chciał kupić 200, czy chciał kupić dostęp do do dan do danego terminalu, czy do danego danego SASA dla 200 swoich swoich analityków na przykład, no to musiał za każdego zapłacić z osobna. Dzisiaj to niekoniecznie musi być czy jakby rynek przyjmuje taką narrację, że dzisiaj to jest coraz mniej potrzebne, bo wystarczą same dane, a te dane też jest coraz łatwiej pozyskiwać, więc to jest ta ten disruption. No i mamy mamy dwie ścieżki, tak? Czyli generalnie ta ścieżka pozytywna dla spółek softwarowych, czyli SASch jest taka, że jasne są ci agenci, którzy pomagają nam wykonywać część tych prac, które do tej pory wykonywali nasi analitycy i wykonują je tak samo dobrze jak to, co kiedyś nam dostarczało zewnętrzny podmiot. Ale przez to jest spraw tych tych tych rzeczy tej tych jakby tych kwestii do przeanalizowania jest więcej. jak mamy mamy pracujemy nad jedną jednym zadaniem krócej, ale zadań jest więcej, tak? Czyli na przykład nie robimy 20 zadań dziennie, tylko robimy ich 50. Strzelam oczywiście. Więc mamy ryzyko jakiegoś tam błędu, jakiegoś, jakiegoś compliance, który potrzebujemy, który potrzebujemy wdrożyć. W tym wypadku budżet na narzędzia nie spada, ale się przesuwa. Czyli mamy mniej klikaczy, mniej takich osób, które przychodzą i coś tam wyklują sobie na dashboardzie, ale mamy więcej tej jakości danych, mamy więcej osób, które wiedzą co robią, czyli jakby też wejście do danego, jakby ten próg wejścia, żeby zostać analitykiem rośnie, bo już nie możemy być tylko i wyłącznie finansistą. Musimy być finansistą plus mieć jakieś zaplecze w przetwarzaniu danych. No i oczywiście musimy lepiej kontrolować jakość i integrować te dane. No i w tym wypadku zwycięzcami będą te spółki, które mają super dane, które dostarczają najlepszej jakości dane. Tak jakby ta jakość tych danych będzie wciąż tym punktem przewagi. No i oczywiście te, które mogą w compliance zyskać, czyli w tym jakimś zarządzaniu powiedzmy prawnym, czy czy ryzykiem czy po prostu ryzykiem inwestycyjnym na przykład. No i druga substytucja, czyli to, że agent zastępuje część pracy i zmienia liczbę ról i tych sitów, czyli tych punktów dostępowych. Więc w tym wypadku to jest ta ścieżka, która jest tą ścieżką negatywną. Zresztą tak jak tutaj ładnie nam model zrobił, zrobił wizualizację zieloną, mamy augmentacja, czyli ta pierwsza, czyli budżet nie spada, czyli jakby firmy dalej wydają tyle samo na na dane, tylko w innych innych miejscach, inny sposób na dane, na no na dostęp do danych. Natomiast w tej substytucji mamy mniejszą potrzebę posiadania takiej ilości na przykład analityków, bo z 200 możemy ich zredukować do 100, co realnie wpływa na firmy, które dostarczają te dane czy dostępy do terminali, bo nie nie sprzedadzą 200 licencji, tylko 100 dla danej firmy, nie? Więc jakby to jest ryzyko konkretne. No i ta rynkowa wyprzedaż jest tym zakładem, że ścieżka druga wygra szybko. No i my musimy tą hipotezę próbować weryfikować. No oczywiście nie zweryfikujemy jej dzisiaj, bo tego jeszcze nie wiemy, ale możemy ją spróbować zweryfikować za kilka kwartałów i zobaczyć, czy rzeczywiście tak będzie. e, prawo do bycia cytowanym, czyli w tych danych, które dostajemy, wygrywają te firmy, tak jak mówiliśmy przed sekundką, ta ścieżka pierwsza, że wygrywają te firmy, które przede wszystkim w finansach i w kwestii zarządzania ryzykiem mamy taki specyficzny typ tej fosy i ta fosa sprowadza się do tego, że klient musi powiedzieć skąd ma dane. No jeżeli jeżeli sobie wygenerujemy dane przez model, to model nam nie daje informacji skąd on je ma. My nie wiemy, czy on ich nie, no nie chcę powiedzieć ukradł, ale mieliśmy taki przykład, że odpowiednio promptowane modele typu opust czy typu open aiowe chat GPT potrafiły wypluć z siebie na przykład to badacze to testowali na Harrym Potterze i w zależności od modelu wypluwały od 40 kilku do 90 kilku procent oryginalnej książki. No i w tym wypadku, jeżeli będziemy korzystali z takich danych, z tak przetworzonych danych, no tutaj mówimy o książce, ale możemy mówić o zadaniach do matematyki, możemy mówić o jakich zadaniach do języka angielskiego, możemy mówić o danych finansowych, do których teoretycznie nie powinniśmy mieć dostępu. No bo teraz umówmy się, że to, że na przykład Yahoo Finance publikuje kursy finansowe czy kursy kursy kursy akcji spółek, to nie znaczy, że my je możemy przetwarzać, że ja mogę sobie teraz te dane od Yahoo Finance codziennie jakby zgrywać, tak, we własnym zakresie i komuś je odsprzedawać. No nie mogę tego robić, bo nie mam do tego licencji. Wprawdzie to się wydaje może trochę miękkie, ale jeżeli bym to robił i przyszłoby do mnie jakaś kontrola i zapytała: "Hej, skąd masz te dane?" Ja bym powiedział: "No wziąłem sobie z jachu, no to to brzmi niefajnie". Tak więc jakby musimy mieć tą licencję, czyli te dane muszą pochodzić z kąś konkretnie, bo jeżeli one nie pochodzą z kąś konkretnie, no to możemy się jakby spotkać z tym zarzutem, że no słuchajcie, fajnie, ale te dane są nasze i teraz udowodnijcie, że one nie są nasze. No w przypadku modeli tego nie jesteśmy w stanie udowodnić. Więc wygrają te firmy, które mają przede wszystkim w finansach i w zarządzaniu ryzykiem, te, które mają tą odpowiedzialność, które mają tą audyt, które mają ten to źródło prawdy, nie? Więc to będzie to będzie y to będzie zysk, czyli te spółki będą będą zdecydowanie zwycięzcami, czyli dane licencjonowane będą będą zwycięzcami. I te kluczowe metryki, które należałoby obserwować w najbliższym czasie w tych spółkach softwareowych, tych które spadały, czyli w CRMie, do tych spółek za chwilę jeszcze przejdę pokazując wam inną wersję tej samej prezentacji, którą zrobił model. Natomiast generalnie to co musimy obserwować, czyli NRR, czyli net revenue retention i jego składowe, czyli czy spada, czy czy w ogóle spada, czy spada przez mniejszą liczbę miejsc, czy spada przez presję na rabaty, że na przykład klienci wymagają rabatów, okej, weźmiemy tyle samo tych miejsc, czyli tyle samo tych licencji, ale chcemy, żeby one były tańsze. Czy jakby są jakieś dodatkowe promocje? na przykład no Edobi ma właściwie tak, że jest oficjalny cennik, ale jeżeli próbujecie zadzwonić do nich albo skontaktować się z działem sprzedaży, to się za chwilę może okazać, że tak naprawdę oficjalny cennik fajnie, że jest, ale tak naprawdę ceny, które wy negocjujecie dla samych siebie jako klient indywidualny, który praktycznie nie ma żadnego, żad żadnej przewagi, który nie może w żaden sposób negocjować w większości wypadków, bo nie bierze hurtowo, nie bierze hurtowo tych danych czy tych narzędzi. Natomiast ten klient [muzyka] jest w stanie wynegocjować bardzo duże rabaty i te rabaty nieraz sięgają kilkudziesięciu jak nawet i 50%. Tak już mi się zdarzyło tak negocjować z z Adobi na przykład Adobi Premier do y Przepraszam tutaj telefony się rozdzwoniły do do do montażu filmów. Więc jak wygląda wolumen odnowień? Czy ten wolumen odnowień spada? Czy czy jest taki sam jak był? Czyli czy klienci tak samo chętnie odnawiają swoje licencje, czy nie. No i czy jest miks planów, tak? Czyli czy schodzimy z tych planów premium do basic, więc to są rzeczy, które na pewno musimy to musimy obserwować. No i teraz z kolei na przykład kolejne pytanie, które jeżeli firmy takie coś raportują, to jest bardzo ważne do sprawdzania, czyli czy dane, które firmy sprzedają na zewnątrz są z typowego terminalu, czy one są z API. Zwykle dane z API są przetwarzane masowo i są tańsze per jakby dane, czyli są takim właśnie tym planem tym tym commodity. Tak więc jeżeli coraz więcej jakby rośnie udział tego API, czyli tego programistycznego przetwarzania w sprzedawanych danych, to znaczy, że jest duża presja na marż i to znaczy, że za chwilę firma może mieć problem z tym, żeby utrzymać produkty i wycenę premium. Produkty i wycenę premium. Jeżeli chodzi o dat providerów, no właśnie to mówiliśmy o tych o tym o tym API, jak potem ten attach rate to API, czyli jaki odsetek klientów, którzy kupują ten produkt bazowy dokupuje API. Czyli innymi słowy, ja na przykład korzystam z takiego portalu jak Guru Focus, natomiast korzystam z niego głównie dlatego, że on dostarcza mi API. Ja nie korzystam z całej tej warstwy ich analitycznej, która tam jest zrobiona, bo mnie to nie interesuje, tam jest dużo błędów i w ogóle to słabo słabo działa. Natomiast na samych gołych danych, które nie dostarczają, buduje swoje narzędzia, nie? Więc ja jestem tym klientem, który no trochę zachowuje się jak taka duża korporacja, która potrzebuje przetworzyć te dane, ale we własnym zakresie, a niekoniecznie potrzebuje tego produktu premium. Więc ja w tym wypadku płacę za ten produkt Basic. Ja płacę za same dane. No jakby mnie ktoś kiedykolwiek zapytał skąd ja mam te dane, powiedział na swój własny na swoje własne użycie, no to mogę wskazać, mam tutaj oficjalnie tak kupione od góry focus, więc jakby nikt się nie powinien do mnie czepiać. Znaczy tutaj tego nie mogę sprzedawać, ale oczywiście na własne na własne potrzeby. No i dalej później mamy czy wskaźniki produktywności rosną, czyli czy mamy i capacity capacity, czyli ilość projektów w tych firmach, które są wykonywane, czy jakby rośnie i czy produktywność na na pracownika rośnie. No to jest w miarę w miarę sensowne. No i zmiana cennika, czyli jeżeli wystąpi ta zmiana cennika, czyli yyy będziemy mieli sygnał, że firma chce przechwycić wartość zamiast jej bronić, nie? Więc to jest to są te rzeczy, które powinniśmy, które powinniśmy sobie m sprawdzać i obsługiwać analizując tego typu spółki. No i teraz jakieś tam rzeczy, które które mogą się wydarzyć. Nie będę tego może jakoś super dokładnie tłumaczył, bo i tak już trochę prze przekroczyłem ten czas, który chciałem tutaj poświęcić, a mój głos coraz bardziej cierpi. Więc ja tutaj sobie wypisałem trzy scenariusze. Ten scenariusz bazowy na dzisiaj w mojej ocenie jest taki, że rynek wycenia, że spadnie liczba licencji między 5 a 10% i ten średni dochód na klienta w tych spółkach softwareowych będzie rósł wolniej, że będą rabaty i że marża zacznie lekko spadać. nie jakoś bardzo dużo, ale lekko będzie spadała. No i teraz dlaczego generalnie ten spadek licencji jest problematyczny? On jest problematyczny dlatego, że pomimo tego, że SAS jest świetnym modelem, to były spółki, które dawały naprawdę przepotężnie zarobić. Natomiast na dzisiaj można powiedzieć, że te SASy mają coś w stylu takiego semi semistałego, czyli takiego półstałego kosztu operacyjnego. Czy ten koszt operacyjny przynajmniej w krótkim terminie, czyli na przykład koszty sprzedaży, koszty L&D czy General and Administrative, one generalnie są względnie stałe. Więc jeżeli dochodzi do tego do tego, że przychód lekko spada, to zobaczymy tą dźwignię, która działa negatywnie do tych spółek, czyli ten zysk operacyjny będzie spadał po prostu szybciej, czy będzie spadał bardziej. Yyy, może nie będę tego jak super szczególnie tłumaczył, wydaje mi się, że to jest, że to jest względnie względnie naturalne, że po prostu w tym momencie ta delikatna nawet nawet sprzedaż, spadek sprzedaży czy zastopowanie sprzedaży będzie powodowało to, że w krótkim terminie ten zysk operacyjny będzie będzie dużo bardziej cierpiał. Może tak nawet nie wiem czy to jest takie super super oczywiste z perspektywy finansów dla wszystkich, ale może na tym na tym zostańmy, że to jakby, że to tak po prostu będzie działało. No jeżeli rzeczywiście do tego dojdzie to ryzyko nie jest takie, że nam spadnie 5 czy 10% przychody, tylko że spadną nam o 10 czy 20% zyski operacyjne, ale do tego dołoży się nie tylko de facto spadek kapitalizacji równy mnożnik razy spadek zysków, tylko ten mnożnik się jeszcze skurczy, więc będziemy mieli jakby tutaj jest cały zestaw problemów, które te spółki będą miały. nie mogą mieć, nie mogą spółki, które nie zwiększają swoich wyników, no nie mogą mieć wyceny premium długi czas. Oczywiście krótkim się może to zdarzyć. Więc jeżeli będą spadały przychody delikatnie nawet albo będą się utrzymywały stałe, zysk operacyjny będzie spadał. Zysk operacyjny będzie spadał, automatycznie powinno się to przełożyć na spadek wyceny przy tym samym mnożniku. A jeżeli jeszcze mnożnik spadnie, no to będziemy mieli efekt dźwigni, więc dwa razy gorzej będzie niż mogłoby być. Więc to jest ten scenariusz bazowy, którego, którego na dzisiaj moim zdaniem rynek oczekuje. Ten scenariusz łagodny jest taki, że licencje się nie zmienią bądź spadną tak powiedzmy do 2 do 3%. ARPU, czyli ten ta średni koszt licencji zostanie utrzymany. Nawet będą będą rosnąć te koszty. Natomiast marża będzie stabilna, scenariusz ciężki, no to spadek tych licencji powyżej 15%. Tego jeszcze nie mamy w cenach, a to się może potencjalnie wydarzyć. szacuję, że to jest jakieś 10- 200% może szansy na taki scenariusz przypadek w przypadku większości spółek softwareowych będzie pensja cenowa, marż oczywiście spadną w dumno i w tym wypadku mnożnik schodzi, czyli firma y no przestaje być tym super nie wiadomo jak fantastycznym dostawcą, tak? Tylko tylko zaczyna być pewnym problematycznym wyborem. No i to co potencjalnie jeszcze to co jeszcze potencjalnie można obserwować, bo narracje są dwie. Jedna jest taka, że wszystko zostanie utopione przez agentów. Druga jest taka, że fajnie, agenci są super, ale wraz z spadkiem czasu wykonywania zadania rośnie ilość zadań. Tak o tych, o tych dwóch scenariuszach mówiliśmy. No i teraz co musi się wydarzyć, żeby poszczególny scenariusz został jakby zrealizowany. No więc jeżeli zobaczymy trwały spadek przychodów ze sprzedaży poniżej szczególnie historycznych poziomów poniżej historycznych poziomów zobaczymy tą redukcję licencji i renegocjację, czyli spadek spadek produktów premium na na basicowe bardziej spadek downsizing czyli rosnący downsizing czyli w odnowieniach mimo stabilnego tego czeru, czyli liczby liczby klientów, którzy odchodzą. No i przejmowanie relacji z klientem przez warstwę agentową, czyli w tym wypadku ten dostawca spółek będzie się dostawca danych będzie się zamieniał w hurtownie danych, a nie w produkt premium. No to mamy mamy sytuację, która potwierdza nam ten scenariusz negatywny. Natomiast jeżeli jeżeli coś takiego jak z tych rzeczy, które tutaj wypisałem, czyli stabilne odnowienia będą stabilne odnowienia i utrzymuje utrzymujemy te podwyżki cen, czyli te firmy są w stanie dalej przerzucać coraz wyższe ceny na klienta plus dodatkowo dodadzą sobie agenta, to tego tego agenta będzie można traktować jako ulepszony UI, czyli ten user interface bądź UX user experience, który będzie pomagał eksplorować te same dane, które te firmy dostarczały już teraz, ale w lepszy sposób. Czyli innymi słowy ta część agentowa nie będzie wykorzystywana przez klienta, tylko będzie wykorzystywana przez dostawcę. Tak? Jeżeli to się wydarzy, no to rynek przesadził. Natomiast jeżeli ta część agentowa będzie wykorzystywana przez klienta, no to jest problem dla spółek softwareowych. Wzrost tego attach rate to API, no to co to co mówiliśmy, czyli ilo ile osób bierze ten czy jakby ilu klientów bierze ten produkt premium, produkt basic, no i poprawa produktywności klientów, większy popyt na danej compliance. Tak, czyli jeżeli to co z tego, że ja mogę dzisiaj załóżmy, załóżmy, że moim biznesem jedynym w życiu byłby taki, że przetwarzam sobie czy tam analizuję spółki, te analizy sprzedaję gdzieś dalej. Więc co z tego, że ja mogę teraz zamiast 10 spółek miesięcznie przetworzyć ich 50 z tą samą jakością, skoro ja nie będę miał na 50 odbioru, tak więc no jasne, mam trochę więcej czasu, mogę robić coś innego, ale w tym wypadku jakby dalej to to się dla mnie w żaden sposób nie przekłada na podwyższone przychody moje korzystając z tych narzędzi, nie? Więc ja tylko oszczędzam na czasie. Yyy, natomiast jeżeli będzie większy popyt na te usługi, no to oczywiście to oczywiście wygrywamy. No i yyy no praktyczny taki scoring, który który sobie można yyy można sobie tu jeszcze zapisać w tych punktach 1 do5. To jest to, co powiedziałem przed chwilą, tylko w jakieś tam inaczej trochę ubrane w słowa. Yyy słuchajcie, ostatnie 5 minut cem te trzy spółki, o których mówiłem, znowu przygotowałem przygotowałem sobie przygotowałem sobie te dane ja we własnym zakresie. Wkleiłem je do PowerPointa. wklejone jest bardzo brzydko, nie przejmujcie się, zaraz będzie ładniej, ale tym razem kazałem modelowi zrobić tą prezentację w takiej formie już nie zwracając uwagę na, znaczy jakby pomijając ten styl, który tutaj zostaje dostarczony przez przez XTB. No nie po to, żeby nie chcę całej prezentacji w ten sposób robić, ale żeby wam zaprezentować jakie są możliwości. Znowu na podstawie rzeczy, które sobie na tych spółkach trzech wspominanych wyszukałem. Ta prezentacja jest przygotowana przez przez Cloua. Tym razem po prostu kazałem mu ją zrobić tak, żeby była ładna. O, w ten sposób. Więc znowu jest zrobiona całkiem przyzwoicie moim zdaniem. Może nie nie jest tak, żeby mi urwała cztery litery, natomiast jest zrobiona dosyć przyzwoicie, dosyć czytelnie. Gdyby miał coś takiego robić i wyklwać, to trwałoby to pewnie kilka, no na te kilka slajdów, które tu mam, chyba cztery slajdy są zrobione w ten sposób. Pewnie kilkanaście minut na każdy slajd bym bym poświęcał, dodając te wszystkie drobiazgi i pierdółki. Natomiast no on to zrobił szybko, więc więc tak jak mówię takie takie juniorskie zadania, które które są w tej analityce czy w w programowaniu w tej chwili są dosyć szybko zdejmowane zdejmowane z rynku, więc jakby ten entry level, corporate entry level ma problem. Im bardziej znacie się domenowo na czymś, tym właściwie te narzędzia wam tylko i wyłącznie pomagają. Więc na dzisiaj proste jest stworzenie jakiejś aplikacji dla samego siebie, której nie będziemy wykorzystywali komercyjnie, co podkopuje dostawców tego typu oprogramowania. Natomiast zrobienie aplikacji, którą będziecie sprzedawali dalej jest bardzo problematyczne, jeżeli nie macie wiedzy domenowej, jeżeli nie wiecie jak zarządzać zabezpieczeniami, jeżeli nie wiecie jak w ogóle shostować tą aplikację, jeżeli to ma być jakaś aplikacja webowa i tak dalej, i tak dalej. I tak samo jest w finansach, że fajnie można to łatwo zrobić sobie te modele we własnym zakresie, ale tak naprawdę ile tam będzie błędów po drodze tego tego wam nikt nie powie. Dopiero zobaczycie to w w tak zwanym praniu, w tak zwanej praktyce. Ja ja to widziałem przez ileś tam miesięcy, kiedy robiłem te narzędzia dla samego siebie, że to nie jest naprawdę łatwe powiedzieć modelowi: "Hej, tutaj masz jakieś tam dane, teraz z tych danych zrób mi to, to i to." Bo jeżeli mu to zrobimy jednym dużym promptem, to najczęściej dostaniemy głupoty, które będą się zmieniały. Właściwie ile razy go zapytamy o to samo, tyle razy będziemy mieli inną odpowiedź. Więc trzy spółki, jak do tego wszystkiego rynek podchodzi. Wziąłem jakby przygotowałem sobie tutaj takie zestawienie. Przygotowałem sobie zestawienie wobec tych trzech tych trzech spółek, czyli Adobi, Sales Forcea i Factsetu, zmianę oczekiwań analityków w stosunku do zysków na akcje. Co ciekawe, Cloud kiedy robił tą tą analizę, czy robił tą, przepraszam, nie analizę, tylko tą prezentację, bo dane dotyczące epsu ja sam zbierałem z internetu. Dodał mi dodatkowo przychody ze sprzedaży plus liczbę analityków, którzy to szacują i tą tą powiedzmy to ten next quatter EPS sam sobie dodał, który nie do końca jest zgodny z tym, który ja tutaj wybrałem. Więc są pewnego rodzaju błędy. Zobaczcie, jeżeli ta prognoza y jeżeli ta prognoza na kolejny kwartał jest 568, a tu mamy 587, ta najnowsza, no to nie nie działa to super idealnie, czyli znowu bez jakiejś tam dodatkowej kontroli. Nawet takie proste rzeczy są ciężkie do zrobienia. Znaczy tu pewnie lepszy prąd by zadziałał. Nie dodawaj swoich danych, tylko bazuj na tym, co ja ja dowiozłem. No ale żeby pokazać, że te narzędzia nie są idealne, więc jakby część tych strachów rynkowych, jeżeli ktoś tego nie widzi wprost, stąd też ta prezentacja, taki pomysł na dzisiejszą prezentację, pokazać wam to wprost, jak to działa, jak to można wykorzystać i gdzie są te potencjalne błędy, gdzie są problemy. Tak, im bardziej kontrolujemy ten proces, czyli im lepiej mu napiszemy, co chcemy, żeby zrobił, tym łatwiej nam to będzie, tym łatwiej nam będzie osiągnąć dobre wyniki. A więc zobaczcie, że w zeszłym jakby po wynikach za zeszły kwartał konsensus był taki, że Adobi ma zarobić 68 $. Dzisiaj te wyniki są, czy ten konsensus jest na 587, 587 sprzed 30 dni i dzisiaj, czyli jakby rośnie nam ten konsensus, rośnie nam, rośnie nam oczekiwanie w stosunku do wyniku na akcje, na wyniku do wyniku na akcje dla Adobi. No i generalnie mamy kilka z kilka tych banków czy kilka instytucji finansowych, które dały downgrade, czyli zmieniły, pogorszyły swoją swoją rekomendację dla spółki. No i tyle. I właściwie można powiedzieć, jeżeli chodzi o Adobi raczej póki co wciąż wzrostowo. Sales Force, narracja jaka była do tej pory taka analityczna maintenance, znaczy została utrzymana, można tak, może tak powiedzmy, czyli stabilizacja tezy bez tych fali downgradów. No i mamy delikatny wzrost oczekiwań o jednego centa, więc nie jest to jakoś bardzo dużo, ale w przypadku Sales Forcea, Sales Force analitycy są raczej wciąż pozytywni, tak? 30 dni obecnie być może jeszcze nie zobaczyliśmy tych wszystkich tych wszystkich zmian, no bo przed 30 dniami powiedzmy nie było tego tego y agentowego clouda. Natomiast no jest to to jest temat sprzed siedmiu dni, więc być może to zobaczymy w kolejnych w kolejnych dniach i tygodniach. Natomiast pomimo pomimo tygodnia, który już upłynął od tego czy mówiliśmy dokładnie tr 3 lutego, nie nastąpiła żadna żadna nie zauważyłem żadnego spadku wycen, więc więc w tym wypadku jest całkiem okej. No i jeżeli chodzi o fakt set, wygląda to również dosyć pozytywnie. to jest o 6 centów wzrostu, czyli tam 1.4 kwartała, 14% kwartał do kwartału. No i też y stabilne są rekomendacje. Więc rynek jako taki, narracja rynkowa jako taka jest negatywna. Ona jest negatywna z pewnych przyczyn, o których sobie mówiliśmy przed sekundą. Natomiast ta narracja analityków względnie zostaje utrzymana dla tych dwóch spółek. W przypadku w przypadku Adobi jest to trochę więcej trochę bardziej spadkowe. Ta ta ta narracja jest trochę gorsza. Więc jakby jeżeli chodzi o Adobi to analitycy bardziej się zgadzają z rynkiem, tak? Czyli ten sygnał taki powiedzmy ostrożnościowy. Jeżeli chodzi o y Sales Forcea, nastawienie jest takie raczej pozytywne, natomiast w przypadku FCeta jest też też dosyć pozytywne. Dobra, więc to tyle z mojej strony. Y to myślę taki taki taki taka próba, taki trochę inne podejście do tej do tej y narracji, prezentacji. Następnym razem będziemy pewnie znowu wracali do jakiejś bardziej analitycznej, ale chciałem wam pokazać tak jak mówię właśnie takim trochę w praktyce tego procesu i do czego to może służyć i dlaczego właśnie te firmy mają problem z czy według tej narracji rynkowej, bo jeżeli ktoś nie siedzi w tych spółkach softwareowych, to może być dla niego jakoś tam nowe, może nie do końca wiedzieć co tam się wydarzyło. No więc to chciałem właśnie wam wam przedstawić, zobaczyć, czy są jeszcze jakieś pytania i to by było i to by było z mojej strony na tyle. Dobrze, mamy tak deliberację. Kanał pisze, że jest pogrom na innej zespółce ze spółek. Nie dość, że AI, to jeszcze zmiany na poziomie szefostwa. Okej. Dzień dobry Bartku. Witam. AI jednej firmy wysadza szydełka, inne pożyczają dzikie pieniądze, żeby się utrzymać w wyścigu. Google oszalało, pożycza mega kasę, a kurs w dół. Ja myślę, że Google to akurat miało całkiem niezłe, całkiem nieźle ten kurs sobie radził w ostatnich latach, więc nie powiedziałbym, że jakoś tam chwilowa korekta jest czymś czymś problematycznym. Dobra, Bartek wkleja tutaj linka do naszej rozmowy ostatniej. Tak jest. Tak, przepraszam, tego arkusza nie było przez chwilę widać. rozpędziłem się i pokazywałem go na innym ekranie, ale potem już się to wszystko poprawiło. Dobrze, konferencje trwają godzinę, więc myślę, że takie opracowanie bez żadnych technologii AI to byłoby co najmniej 4 godziny. Znaczy tak, jeżeli mówimy tego w trakcie samej konferencji, to tak, ale jak już pracujemy na transkrypcie, chodzi o to, że jak już dostaję transkrypt, to jestem w stanie go przerobić w ciągu tam godziny, powiedzmy ja osobiście, czytają czytając jakby wnikliwie co tam się dzieje, bądź bądź w ciągu naprawdę kilku sekund z modelem, nie? I Andrzej dziękuję za dziękuję za za webinar. Życzę miłego wieczoru. Ja również dziękuję wam za dzisiejsze spotkanie i do usłyszenia za dwa tygodnie. Pozdrawiam i trzymajcie się. M.