4 godzin temu
W Dolinie Krzemowej narasta debata, która w zeszłym miesiącu kosztowała sektor systemu niemal bilion dolarów rynkowej wyceny. Pytanie jest fundamentalne: czy generatywna sztuczna inteligencja, zdolna do samodzielnego pisania kodu i automatyzacji procesów, uczyni tradycyjne platformy SaaS zbędnymi? Liderzy branży, od Oracle po Salesforce, ruszyli do kontrataku, argumentując, iż ich największym atutem nie jest sam kod, ale unikalne dane, na których operują.
Mike Sicilia z Oracle oraz Marc Benioff z Salesforce jednym głosem odrzucają wizję „programistycznej apokalipsy”. Podczas ostatnich spotkań z analitykami obaj podkreślali, iż AI nie jest zagrożeniem egzystencjalnym, ale turbodoładowaniem dla istniejących systemów. Oracle, którego akcje wzrosły o 10% po optymistycznych prognozach, stawia na elastyczność i głębokie osadzenie w procesach finansowych oraz logistycznych. Według analityków to właśnie posiadanie „zastrzeżonych danych” (proprietary data) stanowi najskuteczniejszą fosę chroniącą przed nowymi graczami, takimi jak Anthropic.
Mimo pewności siebie gigantów, rynek pozostaje sceptyczny wobec firm, których dane są łatwiejsze do zastąpienia. Przykładem jest Workday, którego kurs akcji mocno ucierpiał. Choć firma zarządza ogromnymi zasobami informacji kadrowych, krytycy zauważają, iż dane HR często podlegają sztywnym, ustandaryzowanym formatom. To czyni je bardziej podatnymi na replikację przez zwinne modele AI.
Aneel Bhusri, powracający na stanowisko CEO Workday, podnosi jednak istotny argument techniczny: dzisiejsza sztuczna inteligencja jest probabilistyczna – opiera się na prawdopodobieństwie i wzorcach. Tymczasem krytyczne systemy korporacyjne muszą być deterministyczne; muszą za każdym razem dostarczać ten sam, precyzyjny wynik, szczególnie w obszarze płac czy księgowości.
Zamiast nekrologów, obserwatorzy rynku sugerują ewolucję. Salesforce promuje swoją platformę Agentforce, a Oracle integruje AI z całym stosem technologicznym, od bazy danych po aplikacje końcowe. Przewaga tradycyjnych graczy wynika z kosztów zmiany (switching costs) – firmy spędziły dekady, budując operacje wokół tych narzędzi. Choć AI obniża barierę tworzenia nowego oprogramowania, nie zastąpi tak łatwo dekad doświadczenia w zarządzaniu złożonymi procesami biznesowymi.
