India IT Services — Interpretação do relatório

Visão geral

O relatório resume discussões com fornecedores de serviços de TI, consultores, clientes empresariais, GCCs, líderes de tecnologia e participantes de private equity. A Goldman Sachs vê demanda fraca no curto prazo para serviços de TI da Índia, impulsionada pela realocação de gastos e pela pressão de produtividade da IA, enquanto a escala e o momento da futura receita de serviços de IA continuam incertos.

Visões principais

A principal mensagem de curto prazo é que a demanda discricionária por serviços de TI da Índia continua fraca, embora o gasto tecnológico empresarial geral pareça resiliente. Participantes indicaram que os orçamentos de tecnologia empresarial crescem cerca de 5% ao ano, acima do crescimento de receita empresarial subjacente de 3-3.5%. Contudo, esse gasto está sendo redirecionado: economias em projetos legados de TI são realocadas para novas áreas de crescimento, em vez de se converterem diretamente em receita de serviços tradicionais. A LTM observou alguma recuperação em demanda discricionária, mas não disseminada, atribuindo a fraqueza à volatilidade macro e ao maior foco das empresas no ROIC dos gastos tecnológicos. A IA está criando uma transição deflacionária para os fornecedores de serviços de TI. Clientes recebem ganhos de produtividade, reduzindo a receita associada ao trabalho existente, e participantes esperam que essa pressão prossiga por alguns anos à medida que contratos forem reprecificados. A McKinsey estimou que cerca de 30% dos orçamentos incrementais de dados e IA são novos, enquanto 70% são realocados de gastos existentes. As categorias legadas afetadas incluem desenvolvimento e manutenção de aplicações, com ganhos de produtividade de 30%, BPO com 24% e manutenção de infraestrutura com 18%. Assim, o relatório espera alta do gasto em "build" em detrimento do gasto em "run", enquanto o valor total dos contratos legados e seus prazos podem cair sob expectativas mais altas de produtividade e descontos competitivos. A oportunidade de médio prazo é potencialmente substancial, mas continua difícil de quantificar. A LTM estima que cerca de US$300 billion da indústria de serviços de US$1.3 trillion pode enfrentar obstáculos, mas acredita que isso poderá ser mais que compensado por novas oportunidades de TAM de US$600 billion. A gestão identificou IA de negócios, IA industrial e IA criativa como frentes potenciais. O relatório destaca a visão de que muitos casos de uso empresariais não exigem modelos de fronteira: fornecedores podem customizar modelos de linguagem pequenos específicos por domínio e função, especialmente quando clientes exigem controle de custos, segurança, governança ou proteção de contexto proprietário. As potenciais fontes de receita citadas pela McKinsey incluem modernização legada, dados para IA, IA de processos, engenharia de IA, engenharia física, segurança de IA e confiança digital, além de ontologia de dados, seleção e otimização de modelos, otimização de tokens, monitoramento e salvaguardas de agentes e padrões de interoperabilidade como serviço. A evidência de adoção, porém, aponta para uma transição empresarial gradual, e não para retornos amplos e rápidos. A McKinsey informou que 88% das organizações pesquisadas usam IA em pelo menos uma função relevante, contra 55% em 2023, mas apenas 6% relatou impacto substancial de ROI, contra 5% um ano antes. A Infosys também observou que a IA comprime materialmente os prazos de desenvolvimento — ideias que normalmente levavam 6-8 meses agora podem levar alguns dias —, mas afirmou que as empresas precisam primeiro executar preparação significativa de dados para estarem prontas para IA. Ganhos individuais de produtividade são visíveis, mas resultados empresariais consolidados continuam difíceis. As empresas ainda testam o que funciona e podem se tornar seguidoras rápidas apenas quando retornos de médio e longo prazo ficarem mais claros. O relatório apresenta uma visão mista sobre diferenciação de fornecedores. Algumas empresas de serviços e clientes empresariais acreditam que relações duradouras e contexto empresarial acumulado seguem sendo vantagens competitivas importantes. A Infosys sustenta que o contexto exige um ciclo contínuo de aprendizagem organizacional e destaca a plataforma Topaz e os recursos de soberania de dados dos clientes como diferenciais. Outros participantes argumentaram que modelos de linguagem grandes tornam mais fácil construir contexto, enfraquecendo essa vantagem. A competição é elevada tanto em novos contratos quanto em renovações: novos participantes podem oferecer grandes descontos para incentivar testes, e empresas podem comparar contratos com preços existentes, propostas concorrentes e estimativas internas de custo de engenharia. Grandes fornecedores continuam relevantes pelo conhecimento profundo de sistemas, governança, confiança e capacidade de escalar, mas são vistos como menos indispensáveis que antes. A expansão dos GCCs é outra fonte de pressão e incerteza para provedores terceirizados. Os GCCs crescem mais rápido que empresas de serviços, adicionam pessoal e internalizam mais trabalho. A LSEG afirmou que um terço de sua força de trabalho global, cerca de 9,000 empregados, está na Índia, e enfatizou que a Índia é escolhida por habilidades além de custo. A Embassy REIT informou que GCCs representam cerca de 70% de suas receitas em aproximadamente 40 inquilinos, enquanto empresas de serviços de TI representam menos de 10%, contra cerca de 25% antes da COVID. Ainda assim, participantes observaram que GCCs se movem com ciclos tecnológicos e econômicos; a atual internalização pode ser cíclica, e uma futura reversão do ciclo de GCC pode beneficiar o setor de serviços. As discussões empresariais ilustram ganhos de produtividade e distribuição desigual do valor da IA. A LSEG construiu um SLM em operações de clientes, com cerca de 70% das consultas resolvidas sem contato humano; economias de automação foram reinvestidas, enquanto a cobertura de conteúdo cresceu 40-50%. A Meesho informou chat totalmente automatizado e voz automatizada em 30-40%; novos usuários de seu assistente de compras por voz Vaani tiveram conversão de pedidos 22% maior que outros novos usuários. A Fractal vê adoção empresarial lenta e gradual e acredita que pode capturar valor por meio de capacidades de ciência de dados, modelos específicos de domínio e camadas de conhecimento empresarial; observou que uma empresa média da Fortune 500 pode ter cerca de 3,000 assinaturas SaaS. A Goldman Sachs mantém classificações Neutral para Infosys, LTM e Fractal Analytics, refletindo a incerteza de demanda e disrupção no curto prazo ao lado da oportunidade de IA de prazo mais longo.

Estrutura de análise

A Goldman Sachs sintetiza visões de fornecedores, consultores, empresas e GCCs de seu tour de TI/GCC/tecnologia na Índia, comparando demanda, alocação de gastos, adoção de IA, preços e terceirização. Em seguida, aplica métodos de avaliação específicos por empresa à Infosys, LTM e Fractal Analytics.

Notas metodológicas

• Marco de análise setorialMarco de oferta e demanda

  Análise de gastos tecnológicos empresariais e demanda por serviços de TI

  O relatório separa o crescimento do orçamento tecnológico geral da fraqueza do gasto discricionário em serviços de TI terceirizados, explicando que a realocação de orçamentos para IA e novos projetos pode reduzir a receita de fornecedores tradicionais mesmo quando o gasto total cresce.

• Marco de análise setorialTransmissão entre elos da cadeia de valor

  Repasse de produtividade de IA das empresas aos fornecedores de serviços de TI

  O relatório acompanha como ganhos de produtividade de IA e reprecificação de contratos pelos clientes podem reduzir preços e receitas de serviços legados, ao mesmo tempo em que criam demanda por implementação e customização de IA.

• Métodos de avaliaçãoAvaliação por P/L e PEG

  Avaliação por P/E alvo para Infosys, LTM e parte do preço-alvo da Fractal Analytics

  A Goldman Sachs aplica múltiplos P/E alvo ao EPS previsto: 14x para Infosys, 17x para LTM e um componente P/E de 32x para Fractal Analytics.

• Métodos de avaliaçãoDCF (fluxo de caixa descontado)

  Avaliação DCF da Fractal Analytics

  O preço-alvo da Fractal Analytics é baseado em 50% em DCF com WACC de 12.5% e crescimento terminal de 4%, combinado em partes iguais com uma avaliação baseada em P/E.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• Infosys Ltd. (INFY.BO / INFY)

  Fornecedor de serviços de TI coberto, exposto a demanda fraca, ganhos de produtividade de IA e potencial demanda por implementação empresarial de IA.

  Pontos fortes

  A gestão cita contexto empresarial de relações duradouras, a plataforma Topaz e soberania de dados dos clientes como diferenciais.

  Pontos fracos

  A demanda permanece fraca e resultados de IA consolidados na empresa ainda são difíceis de alcançar.

  Comparação

  A Goldman Sachs aplica P/E alvo de 14x, em linha com o mínimo de P/E setorial dos últimos 15 anos.

  Riscos

  Alta: melhoria macro mais rápida, recuperação de gastos discricionários ou expansão de margem. Baixa: recuperação discricionária mais lenta, disrupção tecnológica ou pressão sobre margens.

• LTM Ltd. (LTIM.BO)

  Fornecedor de serviços de TI coberto com recuperação limitada, mas não disseminada, da demanda discricionária.

  Pontos fortes

  A gestão identifica oportunidades em IA de negócios, IA industrial e IA criativa, e centralizou operações acima de US$50 million.

  Pontos fracos

  A receita permanece exposta ao repasse de produtividade e à volatilidade das decisões empresariais.

  Comparação

  A Goldman Sachs aplica P/E alvo de 17x, descrito como o mínimo de P/E setorial dos últimos 15 anos acrescido de prêmio de 20%.

  Riscos

  Alta: melhoria macro dos EUA mais rápida, recuperação de acordos discricionários ou expansão de margem. Baixa: desaceleração discricionária prolongada, mais obstáculos de receita por GenAI ou pressão sobre margens.

• Fractal Analytics (FRAL.BO)

  Empresa coberta de análise e serviços de IA, posicionada mais a montante que empresas tradicionais de serviços de TI.

  Pontos fortes

  A gestão cita capacidades de ciência de dados, modelos específicos de domínio e oportunidades de camadas de conhecimento empresarial.

  Pontos fracos

  A adoção empresarial de IA é lenta e gradual, enquanto grande parte do TAM incremental de IA é atualmente capturada por fabricantes de chips.

  Comparação

  Seu preço-alvo de Rs810 é baseado em 50% em DCF e 50% em múltiplo P/E de 32x.

  Riscos

  Concentração de clientes, mudanças tecnológicas, resultados macro, aceleração do portfólio de software, flutuações de FX e alocação de capital ou M&A.

• London Stock Exchange Group (LSEG.L)

  Exemplo de cliente empresarial e GCC que ilustra expansão tecnológica interna e automação por IA.

  Pontos fortes

  Sua organização na Índia automatizou operações de clientes e reinvestiu as economias na expansão da cobertura de conteúdo.

  Pontos fracos

  A gestão espera que fornecedores de serviços continuem relevantes, mas menos que antes, à medida que o trabalho migra para dentro.

  Comparação

  A Índia representa cerca de um terço da força de trabalho global da LSEG, aproximadamente 9,000 empregados.

Dados principais

• Crescimento do gasto tecnológico totalc.5% annuallySegundo a McKinsey, é maior que o crescimento de receita empresarial subjacente de 3-3.5%.
• Composição do orçamento incremental de dados e IA30% net new; 70% repurposed from existing spendEstimativa da McKinsey sobre como o gasto em IA é financiado.
• Adoção de IA e ROI substancial88% adoption; 6% substantial ROI impactA proporção de organizações que usam IA em ao menos uma função relevante subiu de 55% em 2023; o impacto substancial de ROI era 5% um ano antes.
• Mercado endereçável relacionado à IA da LTMUS$600 billionA LTM acredita que essa oportunidade pode compensar obstáculos que afetam cerca de US$300 billion da indústria de serviços de US$1.3 trillion.
• Automação de consultas de clientes da LSEGc.70%Parcela das consultas de clientes resolvidas sem contato humano por meio de um SLM.
• Conversão da Meesho Vaani22% higherMaior conversão de pedidos para novos usuários que usam o assistente de compras por voz em comparação com outros novos usuários.

Impacto e implicações

O relatório argumenta que os fornecedores de serviços de TI indianos enfrentam uma transição difícil: a IA pode reduzir preços e receitas de trabalho legado antes de novos serviços de IA se tornarem materiais. Empresas com contexto empresarial, capacidades de dados, especialização em governança e entrega escalável podem participar do trabalho emergente de IA, mas a velocidade de adoção pelos clientes, a reprecificação contratual e a internalização em GCCs determinarão o resultado.

Riscos

• Uma recuperação mais lenta que o esperado dos gastos discricionários em TI pode prolongar a demanda fraca para fornecedores de serviços de TI.
• Mudanças tecnológicas lideradas por IA podem criar novos obstáculos de receita ou remodelar as posições competitivas dos fornecedores.
• Pressão persistente sobre preços, descontos e reprecificação de contratos podem pressionar margens e o valor do trabalho legado.
• Para a Fractal Analytics, concentração de clientes, movimentos de FX, execução do portfólio de software e alocação de capital ou M&A são riscos expressamente declarados.

Pontos a observar

• Se a demanda discricionária por TI se recupera além de bolsões isolados de melhora.
• A velocidade com que clientes reprecificam contratos e repassam ganhos de produtividade de IA aos fornecedores.
• Se a adoção empresarial de IA gera retornos mensuráveis mais amplos além da atual evidência limitada de ROI substancial.
• O equilíbrio entre crescimento de internalização em GCCs e demanda contínua por conhecimento de sistemas e escalabilidade de fornecedores terceirizados.
• Se novos trabalhos de implementação de IA, dados e modelos específicos de domínio podem compensar a queda nos gastos com serviços de TI legados.