U.S. SMID-cap and global application software — Interpretação do relatório

Visão geral

O relatório avalia se a produtividade da AI reduzirá o emprego de escritório e prejudicará o software cobrado por usuário. A Bernstein conclui o oposto por enquanto: empresas que adotam AI com mais intensidade estão contratando mais rapidamente, sugerindo que ganhos de produtividade costumam ser reinvestidos em crescimento, e não apenas em cortes de pessoal e expansão de margens.

Visões principais

A Bernstein parte do risco para software de aplicações: agentes e copilotos de AI executam cada vez mais tarefas antes associadas a desenvolvedores, funcionários juniores e suporte. Copilotos de código aceleram entregas, e agentes de desktop e atendimento automatizam relatórios e autoatendimento. O relatório cita a adoção do ServiceNow Agent Assist em cerca de um quarto da base de clientes e a avaliação privada de Sierra de quase $16B. Se essas ferramentas reduzirem funcionários, fornecedores que cobram por usuário podem enfrentar pressão, mesmo ao testar métricas ligadas a tokens, infraestrutura ou ROI. Ainda assim, o relatório entende que compradores empresariais têm razões para preferir assentos. O quadro de funcionários é uma medida conhecida de capacidade, tornando custos por assento mais previsíveis e orçáveis do que consumo variável. Como o software de aplicações gera valor principalmente ao elevar a produtividade dos empregados, vincular preço a empregados também tem lógica de valor. A Bernstein espera que assentos sigam como componente importante das vendas, ainda que combinados com outras métricas e apesar de alguns clientes ou usos não se adequarem ao modelo. A principal evidência vem da Ramp, que usa gastos financeiros e contábeis reais de clientes para identificar uso de AI. A adoção começa no primeiro mês da primeira sequência de três meses consecutivos em que uma empresa registra pelo menos $100 de gasto mensal com fornecedores de AI; a intensidade é o gasto de AI por empregado-base nos três primeiros meses após a adoção. Adotantes intensivos usam amplamente agentes de código, agentes próprios baseados em tokens de API e ferramentas AI nativas, enquanto adotantes leves usam principalmente chatbots para busca, síntese e criação. A amostra termina em February 2026 e não inclui o impulso adicional de contratação tecnológica observado até meados do ano. Empresas americanas que aplicam AI profundamente contrataram mais do que pares de baixa ou nenhuma adoção. O aumento foi estatisticamente significativo, chegando a 99% de confiança em alguns resultados. A Ramp compara em grande medida os mesmos conjuntos de empresas pares antes e depois da adoção, em vez de comparar empresas de tecnologia de rápido crescimento com setores lentos. Em média, os adotantes intensivos cresceram mais de 10% acima de controles e pares de menor adoção. Empresas observadas 24 meses após a adoção inicial eram mais de 50% maiores, mas há menos adotantes precoces nesse horizonte e barras de erro mais amplas; a conclusão robusta é que cresceram mais, não o tamanho exato da diferença em 24 meses. A composição das contratações também contraria uma narrativa simples de substituição. Engenharia e vendas foram fortes, mas administração e atendimento ao cliente também cresceram. A contratação foi forte entre trabalhadores com graduação e especialmente em funções de entrada. O emprego de PhD tendeu a ficar estável entre líderes em AI, enquanto adotantes baixos mostraram maior demanda por profissionais com formação avançada e cientistas; a Bernstein sugere que os adotantes intensivos já poderiam ter mais empregados com PhD. A maioria das funções cresceu menos que o emprego total, sinalizando produtividade, mas o efeito de crescimento geral ainda gerou necessidade positiva entre funções. Finanças, cientistas e operações foram as três áreas com crescimento muito mais fraco ou sem significância positiva, e recursos humanos não foi separado. A adoção já é relevante: mais de 40% das empresas eram pelo menos adotantes leves em January 2026, acima do nível high-teens da pesquisa contemporânea do U.S. Census. A Bernstein atribui a diferença potencial a definições, conhecimento dos respondentes ou ao viés da Ramp para compradores mais avançados em tecnologia. A adoção foi de aproximadamente 54% em Information, aproximadamente 44% em Finance and Insurance e 36% em Professional, Scientific and Technical Services; a maior parte dos demais setores ficou entre 11% e 22%. Vagas americanas de desenvolvimento de software no Indeed também se recuperavam do piso de early-2025, uma confirmação adicional além da amostra da Ramp. A Bernstein explica o resultado pelos incentivos corporativos: aceleração sustentada do crescimento pode elevar mais as avaliações do que uma elevação pontual da margem. A produtividade pode ser reinvestida na retenção ou expansão de uma força de trabalho mais produtiva, em produtos e em capacidade de vendas. Cerca de dois terços dos desenvolvedores trabalham em setores mais propensos a investir em crescimento, e apenas cerca de 25% em setores mais propensos a reduzir equipes. O grupo orientado ao crescimento inclui tecnologia, internet, bancos, certas categorias de automóveis, aeroespacial e defesa, além de líderes intensivos em tecnologia de outros setores. A analogia histórica sustenta a tese. Entre 1989 e 2019, apesar de grandes ganhos de produtividade, a expansão comparável da margem EBIT do S&P 500 foi de apenas aproximadamente 1.5%, ou cerca de 150 basis points, em 30 anos. A Bernstein argumenta que a concorrência dificulta sustentar margens excessivas, enquanto crescimento de receita com margens semelhantes aumenta lucros e EPS. Na era madura do PC dos anos 1990, a produtividade de escritório coincidiu com forte crescimento do GDP dos Estados Unidos e maior emprego em serviços profissionais e empresariais, e não com redução ampla de trabalhadores de escritório. A era da internet reforçou a produtividade em dados e informação. A GenAI pode aliviar limitações para descobrir, criar e vender novas ofertas. A conclusão é condicional. Empresas maduras ou dominantes com poucas oportunidades de crescimento, ou sem produto, capacidades, recursos ou capacidade comercial para converter AI em crescimento, podem priorizar margens. Assim, produtos por assento focados em finanças, ciência ou operações podem receber menos suporte do que produtos voltados a funções de maior crescimento. A evidência ainda é inicial para determinar a evolução final de emprego e demanda. Mesmo assim, a Bernstein vê a contratação induzida por produtividade como contrapeso importante ao receio de que AI torne licenças por assento estruturalmente obsoletas. A tabela de 31 August 2026 não altera modelos nem recomendações. Atlassian, GitLab, Okta, ServiceNow, Microsoft, SAP, Adobe e Workday têm Outperform; Zoom e HubSpot, Market-Perform; e Salesforce, Underperform. Os preços atuais e alvos são, respectivamente, USD 194.17 e USD 309.00 para TEAM, USD 46.54 e USD 60.00 para GTLB, USD 173.04 e USD 143.00 para OKTA, USD 147.99 e USD 248.00 para NOW, USD 96.68 e USD 108.00 para ZM, USD 507.29 e USD 660.00 para MSFT, USD 257.54 e USD 195.00 para CRM, USD 220.89 e USD 319.00 para SAP, USD 292.79 e USD 379.00 para ADBE, USD 197.45 e USD 238.00 para WDAY, e USD 261.36 e USD 220.00 para HUBS. Os desempenhos relativos reportados, na mesma ordem, são (9.8)%, (22.1)%, 67.6%, (38.3)%, (0.2)%, (18.9)%, (18.5)%, (37.8)%, (36.9)%, (33.4)% e (64.9)%; tratam-se de desempenhos históricos, não de upside implícito pelos preços-alvo.

Estrutura de análise

A Bernstein primeiro formula o risco de automação por AI para preços de software ligados a assentos e depois o testa usando o estudo de gastos e força de trabalho da Ramp. Compara emprego antes e depois da adoção em conjuntos de empresas pares, examina diferenças por função e escolaridade, verifica taxas de adoção por setor e usa dados do Indeed como confirmação externa. Em seguida, relaciona os resultados com ciclos históricos de produtividade do PC e da internet e com a escolha corporativa entre reinvestir eficiência em crescimento ou capturá-la como margem.

Notas metodológicas

• OutroOutro

  Comparação pré e pós-adoção em conjuntos de empresas pares

  A Ramp compara empresas semelhantes, em grande medida com suas próprias trajetórias de emprego antes e depois da adoção intensa de AI, reduzindo o viés de comparar empresas de tecnologia de alto crescimento com setores mais lentos.

• Marco de análise setorialDecomposição de volume e preço

  Crescimento do emprego por função, escolaridade e intensidade de adoção

  O relatório divide o crescimento agregado de pessoal por funções e categorias de trabalhadores para verificar se a contratação total oculta perdas em administração, atendimento, funções juniores ou outros grupos.

• Marco de ciclo e conjunturaAnálise de pontos de inflexão do ciclo

  Confirmação da tendência de contratação

  A Bernstein compara os resultados da Ramp com a recuperação das vagas americanas de desenvolvimento de software desde o piso de early-2025 para avaliar se o sinal de emprego vai além da amostra da Ramp.

• OutroOutro

  Analogia histórica de produtividade das eras do PC e da internet

  O relatório usa ciclos anteriores de produtividade impulsionados por tecnologia para argumentar que a eficiência pode ser reinvestida em crescimento e contratação adicional de trabalhadores do conhecimento, em vez de principalmente em expansão sustentada de margens.

• Métodos de avaliaçãoAvaliação por P/L e PEG

  Múltiplos de lucro ajustado

  A tabela de ações compara as empresas cobertas com EPS ajustado e P/E ajustado para 2026A, 2027E e 2028E.

• Métodos de avaliaçãoOutro

  Avaliação EV/Sales para HubSpot

  HubSpot é apresentado com EV/Sales em vez de P/E ajustado, refletindo a convenção de avaliação específica da empresa indicada no relatório.

Mapeamento e comparação de ativos

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

• Atlassian (TEAM)

  Empresa de software de aplicações coberta com Outperform; o relatório não altera modelo, preço-alvo de USD 309.00 ou recomendação.

  Pontos fortes

  Possível participação em demanda resiliente por assentos se a produtividade de AI apoiar a contratação de equipes de produto.

  Comparação

  Incluída na tabela de software de múltiplas empresas da Bernstein.

  Riscos

  A tese setorial depende de dados iniciais de emprego e pode variar por função do cliente.

• GitLab (GTLB)

  Empresa de software coberta com Outperform; o relatório não altera modelo, preço-alvo de USD 60.00 ou recomendação.

  Pontos fortes

  Possível exposição ao crescimento de equipes de desenvolvimento habilitadas por AI.

  Comparação

  Incluída na tabela de software de múltiplas empresas da Bernstein.

  Riscos

  O relatório não estabelece que a tendência agregada de contratação se traduza uniformemente em crescimento de assentos por empresa.

• Okta (OKTA)

  Empresa de software coberta com Outperform; o relatório não altera modelo, preço-alvo de USD 143.00 ou recomendação.

  Pontos fortes

  Possível apoio de contratação organizacional mais ampla sob a tese setorial da Bernstein.

  Comparação

  Incluída na tabela de software de múltiplas empresas da Bernstein.

  Riscos

  A evidência de emprego é inicial e desigual entre funções.

• ServiceNow (NOW)

  Empresa de software de aplicações coberta com Outperform; o relatório não altera modelo, preço-alvo de USD 248.00 ou recomendação.

  Pontos fortes

  A adoção de Agent Assist em aproximadamente um quarto da base de clientes ilustra demanda prática por agentes de AI.

  Pontos fracos

  A automação de suporte também pode elevar preocupações sobre substituição de assentos de atendimento ao cliente.

  Comparação

  Usada como exemplo de adoção empresarial de agentes de AI no relatório.

  Riscos

  Benefícios de automação não precisam gerar assentos adicionais em todas as funções.

• Zoom Video Communications (ZM)

  Empresa de software coberta com Market-Perform; o relatório não altera modelo, preço-alvo de USD 108.00 ou recomendação.

  Pontos fortes

  Possível participação na continuidade da demanda por software empresarial vinculado a empregados.

  Comparação

  Uma das duas ações Market-Perform na tabela.

  Riscos

  A tese setorial de contratação não estabelece benefícios operacionais específicos da empresa.

• Microsoft (MSFT)

  Empresa de software coberta com Outperform; o relatório não altera modelo, preço-alvo de USD 660.00 ou recomendação.

  Pontos fortes

  O relatório menciona resultados da Microsoft e copilotos de desktop ao discutir adoção e produtividade.

  Comparação

  Citada ao lado de HubSpot e Salesforce na discussão sobre adoção de front office.

  Riscos

  O relatório observa que os comentários atuais das empresas não mostram claramente melhora de adoção no front office.

• Salesforce (CRM)

  Empresa de software de aplicações coberta com Underperform; o relatório não altera modelo, preço-alvo de USD 195.00 ou recomendação.

  Pontos fortes

  Pode se beneficiar se a produtividade de AI for reinvestida em vendas e outras funções de crescimento.

  Pontos fracos

  A recomendação específica da empresa continua Underperform apesar da tese setorial mais construtiva para assentos.

  Comparação

  A única ação Underperform na tabela.

  Riscos

  O relatório afirma que resultados e comentários atuais não apontam claramente para melhora de adoção no front office.

• SAP (SAP)

  Empresa global de software coberta com Outperform; o relatório não altera modelo, preço-alvo de USD 319.00 ou recomendação.

  Pontos fortes

  Possível apoio de empresas que mantêm precificação previsível vinculada a empregados.

  Comparação

  Incluída na tabela de cobertura global de software da Bernstein.

  Riscos

  Setores clientes com oportunidades limitadas de crescimento podem direcionar economias de AI para margens, e não para contratação.

• Adobe (ADBE)

  Empresa de software coberta com Outperform; o relatório não altera modelo, preço-alvo de USD 379.00 ou recomendação.

  Pontos fortes

  Possível exposição à reinversão de produtividade de AI em crescimento.

  Comparação

  Incluída na tabela de software de múltiplas empresas da Bernstein.

  Riscos

  O relatório não quantifica um benefício de assentos específico da empresa.

• Workday (WDAY)

  Empresa de software de aplicações coberta com Outperform; o relatório não altera modelo, preço-alvo de USD 238.00 ou recomendação.

  Pontos fortes

  Possível apoio se o emprego empresarial total continuar a crescer.

  Pontos fracos

  Funções de recursos humanos não foram identificadas separadamente no estudo subjacente.

  Comparação

  Incluída na tabela de software de múltiplas empresas da Bernstein.

  Riscos

  A visibilidade limitada sobre contratação em recursos humanos impede uma leitura direta do estudo.

• HubSpot (HUBS)

  Empresa de software de aplicações coberta com Market-Perform; o relatório não altera modelo, preço-alvo de USD 220.00 ou recomendação.

  Pontos fortes

  Possível exposição à contratação em vendas e outras funções orientadas ao crescimento.

  Comparação

  Avaliada por EV/Sales em vez da convenção de P/E ajustado usada na maioria das entradas.

  Riscos

  O relatório observa que os resultados atuais da empresa não mostram claramente melhora de adoção no front office.

Dados principais

• Vantagem de emprego dos adotantes intensivos>10%Crescimento médio acima do controle de não adotantes e de pares com menor adoção.
• Diferença de tamanho empresarial após vinte e quatro meses>50%Adotantes intensivos eram mais de 50% maiores do que pares de menor ou nenhuma adoção, mas a barra de erro aumentou nesse horizonte.
• Confiança estatísticaUp to 99%Confiança de que adotantes intensivos registraram maior crescimento, dependendo do dado medido.
• Limite de adoção de AIAt least $100 per month for three consecutive monthsO primeiro mês do primeiro período que atende à condição define a adoção.
• Data final da amostra da RampFebruary 2026A amostra não inclui o impulso adicional de contratação tecnológica observado pela Bernstein até meados do ano.
• Empresas com algum nível de adoção de AI>40% by January 2026A taxa da Ramp superou amplamente o resultado high-teens da pesquisa contemporânea do U.S. Census.
• Adoção de AI nos setores líderesInformation ~54%; Finance/Insurance ~44%; Professional/Scientific/Technical Services 36%A maior parte dos demais setores registrou taxas de adoção de 11% a 22%.
• Composição do emprego de desenvolvedores~2/3 growth-oriented; ~25% more likely to shrink teamsClassificação da Bernstein sobre os setores em que desenvolvedores trabalham.
• Expansão comparável de margem EBIT no longo prazo1.5% (~150 bps)Comparação do S&P 500 de 1989 a 2019, apesar de grande melhora da produtividade do trabalho.
• TEAM — AtlassianOutperform; current USD 194.17; target USD 309.00; relative performance (9.8)%EPS ajustado 2026A/2027E/2028E: USD 5.85/7.61/9.35; P/E ajustado: 33.2x/25.5x/20.8x.
• GTLB — GitLabOutperform; current USD 46.54; target USD 60.00; relative performance (22.1)%EPS ajustado 2026A/2027E/2028E: USD 0.96/1.00/1.34; P/E ajustado: 48.2x/46.6x/34.7x.
• OKTA — OktaOutperform; current USD 173.04; target USD 143.00; relative performance 67.6%EPS ajustado 2026A/2027E/2028E: USD 3.50/4.05/4.45; P/E ajustado: 49.4x/42.7x/38.9x.
• NOW — ServiceNowOutperform; current USD 147.99; target USD 248.00; relative performance (38.3)%EPS ajustado 2026A/2027E/2028E: USD 3.50/3.92/4.69; P/E ajustado: 42.2x/37.8x/31.5x; o ano-base indicado é 2025.
• ZM — ZoomMarket-Perform; current USD 96.68; target USD 108.00; relative performance (0.2)%EPS ajustado 2026A/2027E/2028E: USD 5.92/6.41/6.94; P/E ajustado: 16.3x/15.1x/13.9x.
• MSFT — MicrosoftOutperform; current USD 507.29; target USD 660.00; relative performance (18.9)%EPS ajustado 2026A/2027E/2028E: USD 17.28/19.96/24.01; P/E ajustado: 29.4x/25.4x/21.1x.
• CRM — SalesforceUnderperform; current USD 257.54; target USD 195.00; relative performance (18.5)%EPS ajustado 2026A/2027E/2028E: USD 12.52/17.13/15.49; P/E ajustado: 20.6x/15.0x/16.6x.
• SAP — SAPOutperform; current USD 220.89; target USD 319.00; relative performance (37.8)%EPS ajustado 2026A/2027E/2028E: EUR 6.10/7.71/8.72; P/E ajustado: 31.2x/24.7x/21.8x; o ano-base indicado é 2025.
• ADBE — AdobeOutperform; current USD 292.79; target USD 379.00; relative performance (36.9)%EPS ajustado 2026A/2027E/2028E: USD 20.95/24.99/29.15; P/E ajustado: 14.0x/11.7x/10.0x; o ano-base indicado é 2025.
• WDAY — WorkdayOutperform; current USD 197.45; target USD 238.00; relative performance (33.4)%EPS ajustado 2026A/2027E/2028E: USD 9.23/11.58/15.30; P/E ajustado: 21.4x/17.1x/12.9x.
• HUBS — HubSpotMarket-Perform; current USD 261.36; target USD 220.00; relative performance (64.9)%Os números 2026A/2027E/2028E são USD 9.70/13.20/15.91; múltiplos EV/Sales: 3.8x/3.2x/2.8x; o ano-base indicado é 2025.

Impacto e implicações

O relatório afirma que a evidência reduz, mas não elimina, a preocupação estrutural de que AI corroa receitas de software de aplicações vinculadas a empregados. Se a adoção intensa elevar produtividade e contratação, o número de assentos pode continuar crescendo junto com preços híbridos por assento, consumo e resultados. O benefício provavelmente variará por setor do cliente e função, com apoio menor para produtos voltados principalmente a finanças, ciência ou operações.

Riscos

• A evidência da Ramp pode ainda ser precoce demais para refletir como a demanda por trabalho e os empregos evoluirão no longo prazo.
• As barras de erro aumentam em horizontes mais longos porque poucas empresas adotaram AI 24 meses antes.
• A base de clientes da Ramp pode ser enviesada para compradores tecnologicamente avançados, limitando a representatividade de suas taxas de adoção.
• Diferenças entre a taxa de adoção da Ramp e a pesquisa do U.S. Census podem refletir definições diferentes ou conhecimento dos respondentes.
• Finanças, cientistas e operações mostraram crescimento positivo muito menor ou sem significância estatística, reduzindo o suporte potencial para software voltado a essas funções.
• O estudo não separa funções como recursos humanos, deixando incertas áreas importantes de demanda por software de aplicações.
• Empresas maduras, empresas com oportunidades orgânicas limitadas e setores em que a tecnologia é principalmente operacional podem usar economias de AI em margens ou investimentos fora de software em vez de ampliar contratações.

Pontos a observar

• Se adotantes intensivos de AI continuam superando adotantes baixos e não adotantes em emprego à medida que a amostra se estende além de February 2026.
• Se continua a recuperação das vagas americanas de desenvolvimento de software desde o piso de early-2025.
• Tendências de contratação por função, especialmente finanças, cientistas, operações e a categoria não reportada de recursos humanos.
• Se a adoção de AI se amplia além de Information, Finance and Insurance e Professional, Scientific and Technical Services.
• Como fornecedores de software de aplicações equilibram assentos com precificação por consumo, infraestrutura e resultados.