India IT Services 리서치 보고서 해설

개요

이 보고서는 IT 서비스 벤더, 컨설턴트, 기업 고객, GCC, 기술 리더 및 사모펀드 참여자와의 논의를 요약한다. Goldman Sachs는 기업 지출 재배분과 AI 관련 생산성 압박으로 인도 IT 서비스의 단기 수요가 약하다고 보며, 향후 AI 서비스 매출의 규모와 실현 시점은 불확실하다고 판단한다.

핵심 견해

핵심적인 단기 메시지는 기업 전체 기술 지출이 견조하더라도 인도 IT 서비스의 재량적 수요는 약하다는 점이다. 참석자들에 따르면 기업 기술 예산은 연간 약5% 성장하며, 기업의 기초 매출 성장률 3-3.5%를 웃돈다. 그러나 지출은 재배분되고 있다. 기존 IT 프로젝트에서 절감된 비용은 새로운 성장 분야로 전환되며 전통적 서비스 매출로 직접 이어지지 않는다. LTM은 재량적 수요가 제한적으로 회복되고 있으나 광범위하지는 않다고 했으며, 거시 환경의 변동성과 기업의 기술 지출 ROIC 중시를 원인으로 들었다. AI는 IT 서비스 벤더에 디플레이션적 전환을 만들고 있다. 고객은 생산성 이익을 얻어 기존 업무 관련 매출이 감소하고 있으며, 참석자들은 계약 재가격 책정에 따라 이 압박이 수년 더 지속될 것으로 예상한다. McKinsey는 데이터 및 AI 기술 예산 증가분 중 약30%가 순증이고 70%는 기존 지출에서 재배분된 것이라고 추정했다. 영향을 받는 기존 분야에는 생산성 이익이 30%인 애플리케이션 개발 및 유지보수, 24%인 BPO, 18%인 인프라 유지보수가 포함된다. 이에 따라 보고서는 "운영" 지출을 희생해 "구축" 지출이 증가하고, 더 높은 생산성 기대와 경쟁적 할인으로 기존 업무의 총계약가치와 계약 기간이 하락할 수 있다고 본다. 중기 기회는 상당할 수 있으나 정량화하기 어렵다. LTM은 US$1.3 trillion 서비스 산업 중 약US$300 billion이 역풍을 받을 수 있지만, US$600 billion의 새로운 TAM 기회가 이를 상쇄할 수 있다고 본다. 경영진은 비즈니스 AI, 산업 AI, 창의적 AI라는 세 가지 업무 영역을 제시했다. 보고서는 많은 기업 활용 사례가 최첨단 모델을 필요로 하지 않으며, 벤더가 산업 및 기능 특화 소형 언어 모델을 맞춤화할 수 있다는 견해를 강조한다. 이는 비용 통제, 보안, 거버넌스 또는 독자적 컨텍스트 보호가 필요한 고객에게 특히 적합하다. McKinsey가 언급한 잠재 매출 풀에는 레거시 현대화, AI용 데이터, 프로세스 AI, AI 엔지니어링, 물리적 엔지니어링, AI 보안 및 디지털 신뢰와 더불어 데이터 온톨로지, 모델 선택 및 최적화, 토큰 최적화, 에이전트 모니터링 및 가드레일, 서비스형 상호운용성 표준 등의 신규 영역이 포함된다. 다만 도입 증거는 빠르고 광범위한 성과보다는 점진적인 기업 전환을 보여준다. McKinsey에 따르면 최소 한 개의 중요한 기능에서 AI를 사용하는 조직은 88%로 2023년의 55%에서 상승했지만, 상당한 ROI 영향을 보고한 비율은 6%에 그쳤으며 전년에는 5%였다. Infosys도 AI가 개발 일정을 크게 단축해 통상 6-8개월 걸리던 작업이 며칠 만에 완료될 수 있다고 언급했지만, 기업이 AI 준비 상태가 되려면 먼저 상당한 데이터 준비가 필요하다고 했다. 개인 단위 생산성 향상은 보이지만 기업 전체의 통합된 결과를 얻기는 여전히 어렵다. 기업들은 무엇이 효과적인지 시험 중이며, 중장기 수익이 더 명확해진 뒤 빠른 추종자가 될 수 있다. 보고서는 벤더 차별화에 대해 엇갈린 견해를 제시한다. 일부 서비스 기업과 기업 고객은 장기 고객 관계와 축적된 기업 컨텍스트가 중요한 해자라고 본다. Infosys는 컨텍스트에 지속적인 조직 학습 루프가 필요하다고 하며, Topaz 플랫폼과 고객 데이터 주권 기능을 차별화 요소로 강조한다. 반면 다른 참석자들은 대규모 언어 모델이 컨텍스트 구축을 더 쉽게 만들어 이러한 우위를 약화시킨다고 본다. 신규 계약과 갱신 모두에서 경쟁은 치열하다. 신규 참여자는 시험 사용을 유도하기 위해 큰 할인을 제시할 수 있고, 기업은 기존 계약 가격, 경쟁사 입찰가, 내부 엔지니어링 비용 추정치를 바탕으로 계약을 비교할 수 있다. 대형 벤더는 핵심 시스템 지식, 거버넌스, 신뢰 및 확장성 측면에서 여전히 중요하지만 이전보다 덜 필수적인 것으로 여겨진다. GCC 확장은 외주 서비스 제공업체에 또 다른 압박과 불확실성의 원천이다. GCC는 서비스 기업보다 빠르게 성장하며 인력을 늘리고 더 많은 업무를 내부화하고 있다. LSEG는 글로벌 직원의 약3분의1, 약9,000명이 인도에 있으며, 인도 입지 결정이 더 이상 비용만이 아니라 기술의 문제이기도 하다고 강조했다. Embassy REIT는 약40개 임차인 전반의 매출 중 GCC가 약70%를 차지하는 반면, IT 서비스 기업 비중은 10% 미만으로 COVID 이전 약25%에서 하락했다고 밝혔다. 다만 참석자들은 GCC가 기술 및 경제 사이클에 따라 움직인다고도 지적했다. 현재의 내부화 전환은 영구적인 구조 변화가 아니라 순환적일 수 있으며, 향후 GCC 사이클의 전환은 서비스 부문에 도움이 될 수 있다. 기업별 논의는 AI 생산성 이익과 가치 배분이 균일하지 않음을 보여준다. LSEG는 고객 운영에서 SLM을 구축해 고객 문의의 약70%를 사람의 접점 없이 해결하고 있다. 자동화로 절감된 비용은 재투자됐고 콘텐츠 커버리지는 40-50% 확대됐다. Meesho는 채팅 지원을 완전히 자동화하고 음성 지원의 30-40%를 자동화했다고 보고했다. 또한 Vaani 음성 쇼핑 도우미를 사용한 신규 사용자는 다른 신규 사용자보다 주문 전환율이 22% 높았다. Fractal은 기업 AI 도입이 느리고 점진적이라고 보며, 데이터 과학 역량, 산업 특화 모델 및 기업 지식 계층을 통해 가치를 포착할 수 있다고 생각한다. 이 회사는 전형적인 Fortune 500 기업이 약3,000개의 SaaS 구독을 보유할 수 있다고 언급했다. Goldman Sachs는 Infosys, LTM 및 Fractal Analytics에 대한 Neutral 등급을 유지하며, 단기 수요와 기술 변화의 불확실성 및 장기 AI 기회를 함께 반영했다.

분석 프레임워크

Goldman Sachs는 인도 IT/GCC/기술 투어에서 벤더, 컨설턴트, 기업 및 GCC의 견해를 종합해 수요, 지출 배분, AI 도입, 가격 책정 및 아웃소싱을 비교하고, 이후 Infosys, LTM 및 Fractal Analytics에 기업별 밸류에이션 방식을 적용한다.

방법론 메모

• 산업 분석 프레임워크수급 프레임워크

  기업 기술 지출 및 IT 서비스 수요 분석

  보고서는 전체 기술 예산 증가와 외주 IT 서비스의 약한 재량적 지출을 구분하며, 총지출이 증가해도 AI와 신규 프로젝트로의 예산 재배분이 기존 벤더 매출을 줄일 수 있음을 설명한다.

• 산업 분석 프레임워크산업 가치사슬 상·중·하류 전이

  기업에서 IT 서비스 벤더로의 AI 생산성 이익 전가

  보고서는 AI 생산성 이익과 고객 계약 재가격 책정이 전통 서비스의 가격 및 매출을 낮추는 한편, 새로운 AI 구현 및 맞춤화 업무 수요를 만들 수 있는 과정을 추적한다.

• 가치평가 방법론PER·PEG 가치평가

  Infosys, LTM 및 Fractal Analytics 목표주가 일부에 대한 목표 P/E 밸류에이션

  Goldman Sachs는 예상 EPS에 목표 P/E를 적용하며 Infosys에는 14x, LTM에는 17x, Fractal Analytics에는 32x P/E 구성요소를 적용한다.

• 가치평가 방법론DCF(할인현금흐름법)

  Fractal Analytics의 DCF 밸류에이션

  Fractal Analytics 목표주가의 50%는 12.5% WACC와 4% 영구 성장률을 적용한 DCF에 근거하며, 나머지 50%는 P/E 기반 밸류에이션이다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• Infosys Ltd. (INFY.BO / INFY)

  약한 수요, AI 생산성 이익 및 잠재적 기업 AI 구현 수요에 노출된 커버리지 대상 IT 서비스 제공업체.

  강점

  경영진은 장기간 축적된 기업 컨텍스트, Topaz 플랫폼 및 고객 데이터 주권을 차별화 요소로 제시한다.

  약점

  수요는 여전히 약하며 기업 전체의 AI 성과를 실현하기는 어렵다.

  비교

  Goldman Sachs는 과거15년 섹터 P/E 저점과 동일한 14x 목표 P/E를 적용한다.

  위험

  상방: 더 빠른 거시환경 개선, 재량적 지출 회복 또는 마진 확대. 하방: 재량적 지출 회복 지연, 기술 변화의 부정적 영향 또는 마진 압박.

• LTM Ltd. (LTIM.BO)

  재량적 수요가 제한적으로 회복되고 있으나 광범위하지는 않은 커버리지 대상 IT 서비스 제공업체.

  강점

  경영진은 비즈니스 AI, 산업 AI 및 창의적 AI 기회를 식별했으며 US$50 million을 초과하는 거래를 중앙집중화했다.

  약점

  매출은 여전히 생산성 이익 전가와 기업 의사결정의 변동성에 노출돼 있다.

  비교

  Goldman Sachs는 과거15년 섹터 P/E 저점에20% 프리미엄을 더한 17x 목표 P/E를 적용한다.

  위험

  상방: 미국 거시환경의 더 빠른 개선, 재량적 거래 회복 또는 마진 확대. 하방: 재량적 지출 둔화 장기화, GenAI의 추가 매출 역풍 또는 마진 압박.

• Fractal Analytics (FRAL.BO)

  전통적인 IT 서비스 기업보다 상류에 위치한 커버리지 대상 분석 및 AI 서비스 기업.

  강점

  경영진은 데이터 과학 역량, 산업 특화 모델 및 기업 지식 계층의 기회를 제시한다.

  약점

  기업 AI 도입은 느리고 점진적이며, 현재 AI 증가분 TAM의 대부분은 칩 제조업체가 확보하고 있다.

  비교

  Rs810 목표주가는 50% DCF와 50% 32x P/E 밸류에이션에 근거한다.

  위험

  고객 집중도, 기술 변화, 거시환경 결과, 소프트웨어 포트폴리오 램프업, FX 변동 및 자본 배분 또는 M&A.

• London Stock Exchange Group (LSEG.L)

  내부 기술 확장과 AI 자동화를 보여주는 기업 고객 및 GCC 사례.

  강점

  인도 조직은 고객 운영을 자동화했고, 절감분을 콘텐츠 커버리지 확대에 재투자했다.

  약점

  경영진은 업무가 내부로 이동하면서 서비스 벤더가 여전히 중요하지만 이전보다 덜 중요해질 것으로 예상한다.

  비교

  인도는 LSEG 글로벌 인력의 약3분의1, 약9,000명을 차지한다.

핵심 데이터

• 전체 기술 지출 성장률c.5% annuallyMcKinsey에 따르면 기업의 기초 매출 성장률 3-3.5%보다 높다.
• 데이터 및 AI 예산 증가분 구성30% net new; 70% repurposed from existing spendMcKinsey의 AI 지출 재원 추정치다.
• AI 도입 및 상당한 ROI88% adoption; 6% substantial ROI impact최소 한 개의 중요한 기능에서 AI를 사용하는 조직 비율은 2023년 55%에서 상승했으며, 상당한 ROI 영향 비율은 전년 5%에서 이 수준이 됐다.
• LTM의 AI 관련 TAMUS$600 billionLTM은 이 기회가 US$1.3 trillion 서비스 산업 중 약US$300 billion에 대한 역풍을 상쇄할 수 있다고 본다.
• LSEG 고객 문의 자동화c.70%SLM을 통해 사람의 접점 없이 해결되는 고객 문의 비율이다.
• Meesho Vaani 전환율22% higher음성 쇼핑 도우미를 사용한 신규 사용자의 주문 전환율이 다른 신규 사용자보다 높다.

영향과 시사점

보고서는 인도 IT 서비스 벤더가 어려운 전환기에 있다고 주장한다. AI는 새로운 AI 서비스 매출이 의미 있는 규모가 되기 전에 가격과 기존 업무 매출을 낮출 수 있다. 기업 컨텍스트, 데이터 역량, 거버넌스 전문성 및 확장 가능한 제공 역량을 보유한 기업은 신흥 AI 업무에 참여할 수 있지만, 고객 도입 속도, 계약 재가격 책정 및 GCC 내부화가 결과를 좌우할 것이다.

위험

• 재량적 IT 지출의 회복이 예상보다 느리면 IT 서비스 벤더의 약한 수요가 장기화될 수 있다.
• AI 주도의 기술 변화는 추가 매출 역풍을 만들거나 벤더의 경쟁적 위치를 재편할 수 있다.
• 지속적인 가격 압박, 할인 및 계약 재가격 책정은 마진과 기존 업무 가치를 압박할 수 있다.
• Fractal Analytics의 경우 고객 집중도, FX 변동, 소프트웨어 포트폴리오 실행 및 자본 배분 또는 M&A가 명시된 위험이다.

주시할 점

• 재량적 IT 수요의 회복이 고립된 개선을 넘어 확대되는지 여부.
• 고객이 계약을 재가격 책정하고 AI 생산성 이익을 벤더에 전가하는 속도.
• 기업 AI 도입이 현재 제한적인 상당한 ROI 증거를 넘어 보다 광범위하고 측정 가능한 수익을 창출하는지 여부.
• GCC 내부화 성장과 외주 벤더의 시스템 지식 및 확장성에 대한 지속적인 수요 간의 균형.
• 새로운 AI 구현, 데이터 및 산업 특화 모델 업무가 기존 IT 서비스 지출 감소를 상쇄할 수 있는지 여부.