भारतातील आयटी कंपन्या आता नवीन करारांमध्ये ॲडव्हान्स बिलिंग आणि माइलस्टोन पेमेंट पद्धत अवलंबत आहेत. AI मुळे कामाचे तास कमी झाल्याने आणि आउटकम-बेस्ड (outcome-based) करारांकडे वळल्याने कंपन्यांना कॅश फ्लो (cash flow) व्यवस्थापित करण्यासाठी हे बदल करावे लागत आहेत. गुंतवणूकदारांनी या बदलांचा मार्जिन, कॅश फ्लो आणि प्रत्यक्ष महसूल यावर होणारा परिणाम तपासणे महत्त्वाचे आहे.
तासांवरून आउटकमवर: IT उद्योगात मोठे बदल
भारतातील मोठ्या आयटी सेवा कंपन्यांचे (IT Services Companies) व्यवसाय मॉडेल आता बदलत आहे. आर्टिफिशियल इंटेलिजन्स (AI) मुळे क्लायंटसोबतच्या कामाच्या पद्धतीत मोठे बदल घडत आहेत. अनेक दशकांपासून, उद्योग 'टाइम-ॲण्ड-मटेरिअल्स' (time-and-materials) मॉडेलवर अवलंबून होते, ज्यात क्लायंटला जितके तास काम केले तितके बिल केले जात असे. परंतु, AI मुळे कोडिंग आणि टेस्टिंगची कामे वेगाने होत असल्याने, कंपन्यांना आता आउटकम-बेस्ड (outcome-based) आणि फिक्स्ड-प्राइस (fixed-price) करारांकडे वळावे लागत आहे.
'कॅश गॅप' भरून काढण्यासाठी नवीन पद्धत
पारंपरिक मॉडेलमध्ये, TCS, Infosys आणि HCLTech सारख्या कंपन्या प्रोजेक्टच्या मागणीनुसार कर्मचारी वाढवून व्यवसाय करत होत्या. मात्र, AI टूल्समुळे अनेक नियमित कामे ऑटोमेट (automate) होत असल्याने, प्रति युनिट आउटपुटसाठी लागणारा मानवी श्रम कमी झाला आहे. आता क्लायंट्स केवळ कामाच्या तासांसाठी पैसे देण्याऐवजी, खर्चात बचत, विक्रीत वाढ किंवा बाजारात लवकर उत्पादन आणणे यासारख्या स्पष्ट व्यावसायिक परिणामांशी (tangible business outcomes) जोडलेल्या करारांची मागणी करत आहेत.
या बदलामुळे आर्थिक तफावत निर्माण झाली आहे. आउटकम-बेस्ड प्रोजेक्ट्सना अपेक्षित मूल्य मिळवण्यासाठी अनेक महिने किंवा वर्षे लागू शकतात. त्यामुळे, पायाभूत सुविधा आणि कर्मचाऱ्यांवरील खर्च झाल्यानंतर आणि क्लायंटकडून पेमेंट मिळण्यापूर्वी आयटी कंपन्यांना 'कॅश गॅप' (cash gap) चा सामना करावा लागतो. हा गॅप भरून काढण्यासाठी, कंपन्या आता बांधकाम आणि उत्पादन क्षेत्रांप्रमाणे ॲडव्हान्स बिलिंग (advance billing) आणि माइलस्टोन-आधारित पेमेंट (milestone-based payments) कडे वळत आहेत, जेणेकरून प्रोजेक्टचा अंतिम निकाल येईपर्यंत कंपनीचा कॅश फ्लो (cash flow) स्थिर राहील.
आर्थिक धोके आणि नवीन आव्हाने
बिलिंग स्ट्रक्चरमधील (billing structure) हा बदल कॅश फ्लो टिकवून ठेवण्यास मदत करत असला तरी, तो आर्थिक टीमसाठी नवीन गुंतागुंत निर्माण करतो. उद्योग आता लहान, कमी कालावधीच्या डील्सकडे (short-cycle deals) वळत आहे, ज्या साधारणपणे $1 दशलक्ष ते $20 दशलक्ष पर्यंतच्या असतात. यामुळे मोठ्या, बहु-वर्षीय जुन्या करारांमधील जोखीम टाळता येते आणि अंदाज बांधणे सोपे होते.
गुंतवणूकदारांसाठी सर्वात मोठा धोका म्हणजे मार्जिनवरील दबाव (margin pressure). AI मुळे उत्पादकता वाढत असल्याने, क्लायंट कमी किमतीसाठी दबाव आणू शकतात, कारण त्यांना वाटेल की कामासाठी कमी प्रयत्न लागतील. जर आयटी कंपन्या AI इम्प्लिमेंटेशनचे (AI implementation) मूल्य क्लायंट्सना प्रभावीपणे देऊ शकल्या नाहीत, तर त्यांच्या ऑपरेटिंग मार्जिनवर (operating margins) दबाव येऊ शकतो. याशिवाय, अंमलबजावणीत (execution) विलंब होण्याचा धोका देखील आहे. अनेक मोठ्या कंपन्यांनी मोठे डील्स जिंकल्याची घोषणा केली असली तरी, गेल्या काही तिमाहीत 'टोटल कॉन्ट्रॅक्ट व्हॅल्यू' (Total Contract Value) प्रत्यक्ष महसुलात रूपांतरित करणे कठीण झाले आहे, जे अंमलबजावणीच्या गतीमधील अडथळे दर्शवते.
महसूल ओळखणे आणि प्रशासन (Revenue Recognition and Governance)
या नवीन परिस्थितीत महसूल ओळखणे (revenue recognition) अधिक क्लिष्ट आहे. आता पेमेंट कामाचे तास मोजून नव्हे, तर व्यावसायिक परिणामांशी जोडलेले असल्यामुळे, एखादा माइलस्टोन (milestone) कधी पूर्ण झाला आणि महसूल कधी ओळखला जाऊ शकतो हे ठरवण्यासाठी सावध प्रशासनाची (governance) आवश्यकता आहे. जरी मोठ्या प्रमाणावर अकाउंटिंग समस्यांचा पुरावा नसला तरी, गुंतवणूकदारांनी हे लक्षात घेणे महत्त्वाचे आहे की तासांवर आधारित बिलिंग मॉडेलपेक्षा महसूल ओळखण्याचा काळ आता अधिक बदलू शकतो. शेअरधारकांसाठी अंतिम फायदा हा कंपन्या बिलिंग सायकल (billing cycles) आणि प्रोजेक्ट स्ट्रक्चर्समधील (project structures) हे बदल व्यवस्थापित करताना त्यांची किंमत शक्ती (pricing power) टिकवून ठेवू शकतात की नाही यावर अवलंबून असेल.