India IT Services レポート解説

概要

本レポートは、ITサービスベンダー、コンサルタント、企業顧客、GCC、技術リーダー、プライベートエクイティ参加者との議論を要約したもの。Goldman Sachsは、企業支出の再配分とAI関連の生産性圧力により、インドITサービスの短期需要は弱いとみる一方、将来のAIサービス収益の規模と実現時期は不明確だとしている。

主要見解

短期的な中心的メッセージは、企業全体の技術支出が底堅くても、インドITサービスの裁量的需要は弱いという点である。参加者によれば、企業技術予算は年率約5%で増加しており、企業の基礎的収益成長率3-3.5%を上回る。しかし、支出は再配分されている。従来のITプロジェクトで得られた節約分は新たな成長領域に振り向けられ、従来型サービス収益に直接結び付いていない。LTMは裁量的需要に限定的な回復があるものの広範ではないとし、マクロ環境の変動と企業による技術支出の投下資本利益率重視を要因に挙げた。 AIはITサービスベンダーにデフレ的な移行をもたらしている。顧客は生産性向上の恩恵を受け、既存業務に対応する収益が減少しており、参加者は契約の再価格設定に伴いこの圧力がさらに数年続くと見込む。McKinseyは、データ・AI技術予算の増分の約30%が純増で、70%は既存支出からの再配分と推計した。影響を受ける従来分野には、30%の生産性向上効果が見込まれるアプリケーション開発・保守、24%のBPO、18%のインフラ保守が含まれる。したがってレポートは、「運用」支出を犠牲にして「構築」支出が増え、生産性向上への期待と競争的な値引きにより、従来業務の契約総額と契約期間が低下する可能性があるとみる。 中期的な機会は大きい可能性があるが、定量化はなお難しい。LTMは、US$1.3 trillionのサービス産業のうち約US$300 billionが逆風を受け得る一方、US$600 billionの新たなTAM機会がこれを相殺し得ると考える。経営陣は、ビジネスAI、産業AI、クリエイティブAIという3つの業務領域を示した。レポートは、多くの企業ユースケースでは最先端モデルを必要とせず、ベンダーが分野・機能特化型の小規模言語モデルをカスタマイズできるとの見方を強調する。特に、コスト管理、セキュリティ、ガバナンス、または独自のコンテキスト保護が必要な顧客に適する。McKinseyが挙げた潜在的な収益プールには、レガシー近代化、AI向けデータ、プロセスAI、AIエンジニアリング、物理エンジニアリング、AIセキュリティとデジタル信頼に加え、データオントロジー、モデル選定・最適化、トークン最適化、エージェント監視とガードレール、サービスとしての相互運用性標準といった新しい領域がある。 ただし、導入状況は急速で広範な成果ではなく、段階的な企業移行を示している。McKinseyによると、少なくとも1つの重要な機能でAIを利用している組織は88%で、2023年の55%から上昇したが、大きなROI効果を報告したのは6%にとどまり、前年は5%だった。Infosysも、AIにより開発期間が大幅に短縮され、通常6-8か月を要した作業が数日で完了する場合があると述べたが、企業がAIを活用可能な状態になるには、まず相当量のデータ準備が必要だとした。個人レベルの生産性向上は見える一方、企業全体で統合された成果を得ることは依然難しい。企業は何が機能するかを検証中であり、中長期のリターンがより明確になってから迅速な追随者になる可能性がある。 レポートはベンダーの差別化について混合的な見方を示す。一部のサービス企業と企業顧客は、長期的な顧客関係と蓄積された企業コンテキストが重要な競争優位性であり続けるとみる。Infosysは、コンテキストには継続的な組織学習ループが必要だとし、Topazプラットフォームと顧客データ主権機能を差別化要因として強調する。他方、一部の参加者は、大規模言語モデルによりコンテキストの構築が容易になり、この優位性が弱まったとみる。新規案件と更新の両方で競争は激しい。新規参入者は試用を促すため大幅な割引を提示する可能性があり、企業は既存契約価格、競合他社の入札、内部エンジニアリングコスト見積もりを用いて契約を比較できる。大手ベンダーは重要システムに関する知識、ガバナンス、信頼、拡張性で引き続き重要だが、以前ほど不可欠ではないとみられている。 GCCの拡大は、外部委託サービス提供企業にとって別の圧力と不確実性の源である。GCCはサービス企業より速く成長し、人員を増やしてより多くの業務を内製化している。LSEGによると、世界の従業員の3分の1に当たる約9,000人がインドにおり、経営陣はインドがコストだけでなくスキル面からも選ばれるようになったと強調した。Embassy REITは、約40のテナントにわたる収益の約70%をGCCが占める一方、ITサービス企業は収益の10%未満で、COVID前の約25%から低下したと述べた。ただし参加者は、GCCが技術・経済サイクルとともに動くことも指摘した。現在の内製化シフトは恒久的な構造変化ではなく循環的なものかもしれず、将来GCCサイクルが転換すればサービス部門に恩恵が及ぶ可能性がある。 企業別の議論は、AIの生産性向上効果と価値配分が均一ではないことを示す。LSEGは顧客業務でSLMを構築し、顧客照会の約70%を人手を介さずに解決している。自動化による節約分は再投資され、コンテンツカバレッジは40-50%拡大した。Meeshoは、チャットサポートを完全自動化し、音声サポートの30-40%を自動化したと報告した。また、Vaani音声ショッピングアシスタントを利用する新規ユーザーは、他の新規ユーザーより注文転換率が22%高かった。Fractalは、企業のAI導入は緩やかであり、データサイエンス能力、分野特化モデル、企業知識レイヤーを通じて価値を獲得できると考える。同社は、典型的なFortune 500企業が約3,000のSaaSサブスクリプションを保有し得ると述べた。Goldman SachsはInfosys、LTM、Fractal Analyticsに対するNeutral評価を維持しており、短期的な需要と技術変化の不確実性と、長期的なAI機会の双方を反映している。

分析フレームワーク

Goldman Sachsは、インドIT/GCC/テクノロジーツアーにおけるベンダー、コンサルタント、企業、GCCの見解を統合し、需要、支出配分、AI導入、価格設定、アウトソーシングを比較した上で、Infosys、LTM、Fractal Analyticsに企業別の評価手法を適用している。

手法メモ

• 業界・産業分析フレームワーク需給フレームワーク

  企業技術支出とITサービス需要の分析

  レポートは、全体の技術予算増加と外部委託ITサービスの弱い裁量的支出を分けて捉え、総支出が増えてもAIや新規プロジェクトへの予算再配分が従来ベンダーの収益を減らし得ることを説明している。

• 業界・産業分析フレームワーク産業チェーンの上流・中流・下流波及

  企業からITサービスベンダーへのAI生産性向上分の伝達

  レポートは、AIによる生産性向上と顧客の契約再価格設定が従来サービスの価格と収益を低下させる一方、新たなAI導入・カスタマイズ業務への需要を生み得る過程を追っている。

• バリュエーション手法PER・PEG評価

  Infosys、LTM、およびFractal Analyticsの目標株価の一部に対する目標PER評価

  Goldman Sachsは予想EPSに目標PERを適用しており、Infosysは14x、LTMは17x、Fractal Analyticsには32xのPER構成要素を用いている。

• バリュエーション手法DCF（割引キャッシュフロー法）

  Fractal AnalyticsのDCF評価

  Fractal Analyticsの目標株価の50%は、12.5%のWACCと4%のターミナル成長率を用いたDCFに基づき、残り50%はPER評価に基づく。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• Infosys Ltd. (INFY.BO / INFY)

  弱い需要、AIの生産性向上、企業AI実装需要の可能性にさらされるカバレッジ対象のITサービス企業。

  強み

  経営陣は、長年にわたる企業コンテキスト、Topazプラットフォーム、顧客データ主権を差別化要因として挙げている。

  弱み

  需要は引き続き弱く、企業全体でAIの成果を実現することはなお難しい。

  比較

  Goldman Sachsは、過去15年間のセクターPERの底値と同水準である14xの目標PERを適用している。

  リスク

  上振れ要因：マクロ環境の予想以上の改善、裁量的支出の回復、または利益率拡大。下振れ要因：裁量的支出の回復遅延、技術変化による悪影響、または利益率圧力。

• LTM Ltd. (LTIM.BO)

  裁量的需要に限定的だが広範ではない回復がみられるカバレッジ対象のITサービス企業。

  強み

  経営陣はビジネスAI、産業AI、クリエイティブAIに機会を見出し、US$50 million超の案件を集中管理している。

  弱み

  収益は引き続き生産性向上分の顧客還元と企業の意思決定の変動にさらされる。

  比較

  Goldman Sachsは、過去15年間のセクターPERの底値に20%のプレミアムを加えた17xの目標PERを適用している。

  リスク

  上振れ要因：米国マクロ環境の予想以上の改善、裁量的案件の回復、または利益率拡大。下振れ要因：裁量的支出の減速長期化、GenAIによるさらなる収益逆風、または利益率圧力。

• Fractal Analytics (FRAL.BO)

  従来のITサービス企業より上流に位置する、カバレッジ対象の分析・AIサービス企業。

  強み

  経営陣は、データサイエンス能力、分野特化モデル、企業知識レイヤーにおける機会を挙げている。

  弱み

  企業のAI導入は緩やかで段階的であり、AIの増分TAMの大部分は現時点でチップメーカーに帰属している。

  比較

  Rs810の目標株価は、50%をDCF、50%を32xのPER評価に基づいている。

  リスク

  顧客集中、技術変化、マクロ環境の結果、ソフトウェアポートフォリオの立ち上がり、FX変動、資本配分またはM&A。

• London Stock Exchange Group (LSEG.L)

  内製技術の拡大とAI自動化を示す、企業顧客およびGCCの事例。

  強み

  インド組織では顧客業務を自動化し、節約分をコンテンツカバレッジ拡大に再投資している。

  弱み

  経営陣は、業務の内製化に伴い、サービスベンダーは引き続き重要だが以前ほどではないと予想している。

  比較

  インドはLSEGの世界全体の従業員数の約3分の1、約9,000人を占める。

主要データ

• 全体の技術支出成長率c.5% annuallyMcKinseyによると、企業の基礎的収益成長率3-3.5%を上回る。
• データ・AI予算増分の構成30% net new; 70% repurposed from existing spendMcKinseyによるAI支出の資金源に関する推計。
• AI導入と大きなROI88% adoption; 6% substantial ROI impact少なくとも1つの重要な機能でAIを利用する組織の割合は2023年の55%から上昇し、大きなROI効果は前年の5%からこの水準となった。
• LTMのAI関連TAMUS$600 billionLTMは、この機会がUS$1.3 trillionのサービス産業のうち約US$300 billionに及ぶ逆風を上回り得ると考える。
• LSEGの顧客照会自動化c.70%SLMを通じて人手を介さずに解決される顧客照会の割合。
• Meesho Vaaniの転換率22% higher音声ショッピングアシスタントを利用する新規ユーザーの注文転換率は、他の新規ユーザーより高い。

影響と示唆

レポートは、インドITサービスベンダーが難しい移行期にあると論じる。AIは新たなAIサービス収益が実質化する前に、価格と従来業務の収益を低下させ得る。企業コンテキスト、データ能力、ガバナンスの専門性、拡張可能な提供能力を持つ企業は新興AI業務に参加できる可能性があるが、顧客導入の速度、契約再価格設定、GCCの内製化が結果を左右する。

リスク

• 裁量的IT支出の回復が予想より遅れれば、ITサービスベンダーの弱い需要が長期化する可能性がある。
• AI主導の技術変化は、さらなる収益逆風を生じさせるか、ベンダーの競争上の位置付けを変える可能性がある。
• 継続的な価格圧力、値引き、契約再価格設定は、利益率と従来業務の価値を圧迫する可能性がある。
• Fractal Analyticsについては、顧客集中、FX変動、ソフトウェアポートフォリオの実行、資本配分またはM&Aが明示されたリスクである。

注目点

• 裁量的IT需要の回復が、限定的な改善を超えて広がるかどうか。
• 顧客が契約を再価格設定し、AIの生産性向上分をベンダーに転嫁する速度。
• 企業のAI導入が、現状の限定的な大きなROIの証拠を超え、より広範な測定可能な成果を生むかどうか。
• GCCの内製化拡大と、外部委託ベンダーのシステム知識・拡張性に対する継続的な需要とのバランス。
• 新たなAI実装、データ、分野特化モデルの業務が、従来ITサービス支出の減少を相殺できるかどうか。