এখন পর্যন্ত, শিরোনামটি বেশিরভাগ Crunchbase News পাঠকের কাছে পরিচিত হবে: SaaS মারা গেছে।
বাজার বিশ্বাস করে যে সফ্টওয়্যার ব্যবসায়গুলি আর প্রিমিয়াম চার্জ করতে পারে না এবং এটি অনির্দিষ্টকালের জন্য বৃদ্ধি ধীর হওয়ার পূর্বাভাস দেয়।
দুটি কারণ রয়েছে। প্রথমত, AI সফ্টওয়্যার উৎপাদন খরচ 10x কমিয়ে দেয়। দ্বিতীয়ত, এই AI ক্ষমতাগুলি নতুন প্রতিযোগীদের একটি বিশাল ঢেউ সৃষ্টি করে, উভয় VC-অর্থায়ন করা স্টার্টআপ এবং ইন-হাউস সমাধান।
সফ্টওয়্যার উৎপাদন খরচ কমে যাওয়া এবং প্রতিযোগিতা বাড়ার ফলে, তারা বলে, সফ্টওয়্যারের মূল্য নির্ধারণ করার ক্ষমতা নিঃশেষ হবে। পাবলিক সফ্টওয়্যার স্টকগুলি এই বছরের মধ্যে মে মাসের মাঝামাঝি পর্যন্ত 20% কমে গেছে, এবং ইতিহাসে প্রথমবারের মতো, সফ্টওয়্যার গড় S&P500 মাল্টিপ্লায়ারের চেয়ে ছাড়ে ট্রেড করছে। SaaS মারা গেছে।
এটা সত্য যে AI কম খরচ এবং বাড়তি প্রতিযোগিতা নিয়ে এসেছে। কিন্তু এটা অনুসরণ করে না যে SaaS মারা গেছে। সফ্টওয়্যার উৎপাদনের খরচ কমানো মানে না যে সফ্টওয়্যারের আয় কমবে। বাস্তবে, ইতিহাস বিপরীতটাই প্রস্তাব করে।
কিছু ক্ষেত্রে, দক্ষতা খরচ বাড়ায়। এটাই Jevons Paradox-এর শিক্ষা। এটা কয়লা ইঞ্জিনের জন্য কাজ করেছিল, এটা ডেটা সেন্টারের জন্য কাজ করেছিল, এবং এটা AI-সমর্থিত সফ্টওয়্যারের জন্যও কাজ করবে।
The Jevons Paradox
আসুন কয়লা দিয়ে শুরু করি। 1860-এর দশকের ব্রিটেনে, অনেকে দেশের কয়লা সম্পদ খুব দ্রুত পোড়ানোর বিষয়ে উদ্বিগ্ন ছিল। প্রচলিত বিবেচনা বলে যে আরও দক্ষ কয়লা জ্বালানো ইঞ্জিন বিকাশ করলে কয়লা আরও বেশি সময় টিকবে।
কিন্তু অর্থনীতিবিদ উইলিয়াম স্ট্যানলি জেভন্স বুঝতে পেরেছিলেন যে আরও কয়লা দক্ষ ইঞ্জিন কয়লা শক্তির চাহিদা বাড়াবে ফলে ব্রিটিশরা তাদের কয়লা আরও দ্রুত পোড়াবে, কম নয়।
Jevons ঠিক ছিলেন। যখন বেশি দক্ষতা কম খরচ তৈরি করে, এটি বিশাল নতুন চাহিদাও আনলোড করে। এটি কয়লা সংরক্ষণ আরও দ্রুত খরচ করে, নয় ধীরে ধীরে।
পঁচিশ বছর আগে, আমি 2001 ডট-কম বিপর্যয়ের সময় একটি বায়াউট ফার্মে যোগ দিয়েছিলাম। আমার প্রথম বিনিয়োগ ছিল একটি সমস্যায় পড়া ডেটা সেন্টার কোম্পানিতে। Exodus Communication, যা $32 বিলিয়ন বাজার মূল্যে পৌঁছেছিল, তারপর দুইবার দেউলিয়া হয়েছিল যখন ডেটা সেন্টারের চাহিদা কমতে থাকে।
2004 সালে, আমি সুপারিশ করেছিলাম যে আমাদের ফার্ম দ্বিতীয় দেউলিয়া থেকে সেই ডেটা সেন্টার ব্যবসাটি $200 মিলিয়নে কিনে নেবে এবং এটিকে Savvis নামে একটি প্রতিযোগীর সাথে মিশ্রিত করবে।
সেই সময়, বাজার ডেটা সেন্টারকে ক্ষুদ্র হয়ে যাওয়া শিল্প হিসাবে বিবেচনা করেছিল। ডট-কম কোম্পানিগুলি সাইটগুলি থেকে সার্ভারের র্যাকগুলি বের করে নিচ্ছিল, এবং ডেটা সেন্টারের মেঝেগুলি খালি হয়ে যাচ্ছিল। শিল্প বিশ্লেষকরা পূর্বাভাস দিয়েছিল যে চিপের ক্ষমতার ঘাতক বৃদ্ধি এবং সার্ভারের শক্তি ঘনত্ব বাড়ানোর মুরের আইন অনুযায়ী, 10 বছরে একটি র্যাক 2005 সালে 100 র্যাকের কাজ করতে পারত, এবং 20 বছরে, একটি র্যাক 10,000 র্যাকের কাজ করত। প্রচলিত বিবেচনা বলে যে আরও দক্ষ চিপ সময়ের সাথে কম ডেটা সেন্টারের জায়গা প্রয়োজন করবে।
ডেটা সেন্টারের জায়গার চাহিদা বাড়বে বলে আমাদের তত্ত্ব সেই সময় জনপ্রিয় মত ছিল না। যদি 2005 সালে 10,000 র্যাক শুধুমাত্র একটি র্যাক দ্বারা প্রতিস্থাপিত হয়, তাহলে কি মার্কিন যুক্তরাষ্ট্রে আগে থেকেই প্রচুর ডেটা সেন্টারের জায়গা ছিল না?
IBM একটি ঘর ভর্তি সার্ভার একটি মূল কম্পিউটার দ্বারা প্রতিস্থাপিত করার বিজ্ঞাপন দিচ্ছিল। একজন সন্দেহপূর্ণ বিনিয়োগ কমিটির সদস্য আমাকে বলেছিলেন যে এই ব্যবসাটি দুই বছরে দুইবার দেউলিয়া হয়েছিল, এবং যদি এটি তৃতীয়বার দেউলিয়া হয়, আমি এর সাথে যাব।
আজ, একটি র্যাক সত্যিই 2005 সালের র্যাকের 20,000x কম্পিউটিং শক্তি দিতে পারে, এবং সবাই জানে, অতিরিক্ত জায়গা না থাকার পরিবর্তে, আমরা নতুন ডেটা সেন্টারের ক্ষমতা যথেষ্ট দ্রুত তৈরি করতে পারি না। র্যাকের দক্ষতা বাড়ার সাথে সাথে কম্পিউটিং শক্তির জন্য সত্যিকারের বিশাল অন্তর্নিহিত চাহিদা আনলোড করা হয়েছিল। Savvis গল্পটিও ভালোভাবে শেষ হয়েছিল, ছয় বছর পরে $3.2 বিলিয়নে বিক্রি করা হয়েছিল।
Jevons Paradox কয়লার জন্য সত্য ছিল, এবং এটা ডেটা সেন্টারের জন্যও সত্য ছিল। এটা AI-সমর্থিত জ্ঞান কাজের জন্যও সত্য হবে।
জ্ঞান কাজ এবং বাজার প্রসারণ
পঁচিশ বছর আগে, শুধুমাত্র ধনীরাই ব্যক্তিগত বিনিয়োগ পরামর্শের অ্যাক্সেস পেত। 1996 সালে, নোবেল পুরস্কার বিজয়ী বিল শার্প Financial Engines-এর সহ-প্রতিষ্ঠাতা হয়েছিলেন যাতে 401(k) সঙ্গে যেকোনো ব্যক্তির জন্য ব্যক্তিগত বিনিয়োগ পরামর্শ আনা যায়।
আমার ফার্ম একজন বিনিয়োগকারী ছিল, এবং আমি কোম্পানির সাথে ঘনিষ্ঠভাবে কাজ করার সুযোগ পেয়েছিলাম। প্রথমে এটি 401(k) ফান্ড বিনিয়োগ করার পরামর্শ বিক্রি করার চেষ্টা করেছিল, কিন্তু শুধুমাত্র প্রায় 20% কর্মচারী পরামর্শ নিতে এবং তাদের 401(k) অবস্থান নিজেরাই পরিচালনা করতে আগ্রহী ছিল।
Financial Engines-এর অভিনব উদ্ভাবন ছিল সরাসরি 401(k) অবস্থান পরিচালনা করা, শুধুমাত্র পরামর্শ দেওয়া নয়। কর্মচারীরা একটি বক্স চেক করতে পারত: “আমার জন্য এটা করুন”। এই পরামর্শের অ্যাক্সেস না থাকা লোকদের চাহিদা ছিল সকল প্রত্যাশার বাইরে এবং এটি বিশাল উপকার করেছিল। আমি মনে রাখি যে একটি প্রাথমিক গ্রাহক ছিল JCPenney, যার দশ হাজার কর্মচারী যাদের গড় বয়স 27 বছর, তাদের 401(k) অর্থের প্রায় 40% নগদে ছিল, 40% JCPenney স্টকে (যা অবশেষে 2020 সালে দেউলিয়া হয়েছিল), এবং 20% অন্য সবকিছুতে। শুধুমাত্র তাদের বয়স এবং অন্যান্য আর্থিক লক্ষ্যের উপযুক্ত সুবিধাজনক কম খরচের মিউচুয়াল ফান্ডে স্থানান্তর করার ফলে বিশাল উপকার হয়েছিল।
Financial Engines শূন্য থেকে $169 বিলিয়ন পরিচালনাধীন সম্পদে পরিণত হয়েছিল যখন 2018 সালে $3 বিলিয়নে এটি অধিগ্রহণ করা হয়েছিল।
কোম্পানিটি এমন একটি পরিষেবা দিয়েছিল যা আজকে আমরা agentic AI বলতে পারি। গ্রাহক (অবসর সঞ্চয়ের সঙ্গে কর্মচারী) একটি সিদ্ধান্ত প্রদান করছিল (আমার অর্থ বিনিয়োগ করুন) একটি কম্পিউটার সিস্টেমের কাছে, এবং কর্মচারী ফলাফলের সাথে সম্পর্কিত ভাবে অর্থ প্রদান করেছিল (~50 বেসিস পয়েন্ট AUM)।
অবশ্যই, এটি সরবরাহ করার প্রযুক্তি বেশ আলাদা ছিল, এবং এটি একটি খুব সীমিত অ্যাপ্লিকেশন ছিল। শিক্ষাটি এখনও রয়েছে: সফ্টওয়্যার জ্ঞান কাজ সরবরাহ করার বিশাল দক্ষতা সক্ষম করেছে (এই ক্ষেত্রে ব্যক্তিগত বিনিয়োগ পরামর্শ) এবং একটি বিশাল অন্তর্নিহিত বাজার পরিষেবাটি কিনতে দেখা গেছে।
জ্ঞান কাজের রেশনিংয়ের অবসান
AI-এর বৃদ্ধি খরচ দক্ষতা, Financial Engines-এর অ্যালগরিদমের বৃদ্ধি খরচ দক্ষতার মতো, চাহিদা বাড়াতে সক্ষম করে কারণ এটি জ্ঞান কাজের জন্য সরবরাহের বাধা শিথিল করে।
মানব ইতিহাসের সারা দেশে, এমনকি আজকের দিনেও, জ্ঞান কাজ সর্বদা রেশনিং করা হয়েছে কারণ এটি সরবরাহের বাধা দেয়।
জ্ঞান কর্মীরা বছরের পর বছর শিক্ষা এবং প্রশিক্ষণ নেয়, বেশিরভাগ খরচ বেশি জায়গায় থাকতে চায়, সময়ের সাথে শুধুমাত্র নির্দিষ্ট ধরনের সমস্যার উপর কাজ করতে চায় যা তারা আকর্ষণীয় মনে করে, এবং সামঞ্জস্য রাখার জন্য অনেক ব্যবস্থাপনা প্রয়োজন। এই কারণেই আমরা তাদের এত বেশি বেতন দিই এবং তাদের আরও উৎপাদনশীল করার জন্য সবকিছু করি।
ব্যবসায়িক সফ্টওয়্যার জ্ঞান কর্মীদের আরও উৎপাদনশীল করার একটি সরঞ্জাম। মার্কিন যুক্তরাষ্ট্রে মোট ব্যবসায়িক সফ্টওয়্যার বাজার Gartner-এর হিসাবে বছরে $0.5 ট্রিলিয়নের ক্রম। মার্কিন যুক্তরাষ্ট্রে জ্ঞান কাজের বাজার, অর্থাৎ এই দেশের 100 মিলিয়ন জ্ঞান কর্মীদের প্রদত্ত অর্থ, প্রায় $10 ট্রিলিয়ন, U.S. Bureau of Labor Statistics সংখ্যা অনুযায়ী। বর্তমানে, আমরা জ্ঞান কর্মীদের খরচের প্রায় 5% সফ্টওয়্যার সরঞ্জামে ব্যয় করি তাদের সাহায্য করার জন্য।
AI সফ্টওয়্যার কোম্পানিগুলিকে শুধুমাত্র জ্ঞান কর্মীদের সরঞ্জাম বিক্রি করার অনুমতি দেয় না, বরং জ্ঞান কাজের ফলাফল নিজেই বিক্রি করার শুরু করে, যেমন আমি আগের Crunchbase নিবন্ধে লিখেছি।
এগুলো একসাথে রাখুন: সফ্টওয়্যার উন্নয়নে 90% খরচ কমানো এবং জ্ঞান কাজ বিক্রি করার ক্ষমতা। আমরা জানি যে জ্ঞান কাজের জন্য বিশাল অন্তর্নিহিত চাহিদা রয়েছে, শুধুমাত্র এটি খুব ব্যয়বহুল এবং অ্যাক্সেস করা কঠিন না হলে।
প্রথমবারের মতো, লক্ষ লক্ষ মানুষ এবং ব্যবসায়ীরা যাদের কখনও কোনো কৌশলী, বিশ্লেষক, আইনজীবী বা আর্থিক পরামর্শদাতার অ্যাক্সেস ছিল না, এখন একটি পাবে।
সফ্টওয়্যার মারা যাওয়া থেকে অনেক দূরে। AI-এর দেয়া দক্ষতার বৃদ্ধি এটিকে কম খরচে আরও বেশি কাজ করার অনুমতি দেবে, এবং একটি আরও দক্ষ কয়লা ইঞ্জিন বা ডেটা সেন্টারের মতো, এটি জ্ঞান কাজের জন্য বিশাল অন্তর্নিহিত চাহিদা আনলোড করবে।
পরিশেষে, এটি আয় এবং AI ব্যবহার করে জ্ঞান কর্মীদের উৎপাদনশীলতা আরও উন্নত করার বা সরাসরি জ্ঞান কাজের ফলাফল সরবরাহ করার জন্য সফ্টওয়্যার ব্যবসায়গুলির শক্তি বাড়াবে। সফ্টওয়্যারের কাজ আজ এই সমস্যার সমাধান করা নিরাপদ এবং নির্ভরযোগ্যভাবে।
শিল্পের জন্য মানুষের জ্ঞান কর্মীদের পরিচালনা করার উপায় শিখতে সামান্য কাজ ছিল না, এবং যারা মেশিন জ্ঞান কর্মী তাদের পরিচালনা করার উপায় শিখতে এটি একই রকম বড় কাজ হবে। এটাই চ্যালেঞ্জ।
কিন্তু মনে রাখবেন যে আজ জ্ঞান কাজের বাজার সফ্টওয়্যারের বাজারের 20x আকারের। সফ্টওয়্যার কোম্পানিগুলির জন্য পুরস্কারের আকার জ্ঞান কাজের অন্তর্নিহিত চাহিদা আনলোড করার জন্য, যদি ইতিহাস কোনো গাইড হয়, আজকের সফ্টওয়্যার বাজারকে ছাড়িয়ে যাবে।
বাজার আজ ভয় পায় যে AI-এর দেয়া দক্ষতা সফ্টওয়্যার শিল্পকে ছোট করে দেবে। ঠিক বিপরীতটাই সত্য। AI জ্ঞান কাজের জন্য বিশাল অন্তর্নিহিত চাহিদা আনলোড করবে, এবং সফ্টওয়্যার বাজার বিস্ফোরিত হবে। জয় হোক সফ্টওয়্যারের।
Bob Morse 2014 সালে Strattam Capital-এর সহ-প্রতিষ্ঠাতা এবং ব্যবস্থাপনার অংশীদার। তিনি অনেক বেসরকারি এবং সরকারি প্রযুক্তি কোম্পানির বোর্ডে কাজ করেছেন, এবং বর্তমানে CloudHesive, Contegix, Daxtra Technologies, Green Security, Resource Navigation এবং Trax Group-এর পরিচালক। আগে, তিনি Oak Hill Capital Partners-এর অংশীদার এবং বিনিয়োগ কমিটির সদস্য ছিলেন। তিনি GCC Investments এবং Morgan Stanley-এও কাজ করেছেন। Morse Austin PBS-এর বোর্ডে কাজ করেন এবং The University of Texas at Austin McCombs School of Business-এ HMTF Center for Private Equity Finance-এর উপদেষ্টা বোর্ডের সদস্য হিসাবে কাজ করেন। তিনি Princeton University-এ পড়েছিলেন, BSE সহ summa cum laude সমাপ্ত করেছিলেন, এবং Stanford Graduate School of Business-এ, যেখানে তিনি MBA অর্জন করেছিলেন এবং Arjay Miller Scholar ছিলেন। Morse অস্টিনে বসবাস করেন।
সম্পর্কিত পড়া:
- AI সম্পর্কে শুধুমাত্র কথা বলবেন না। ব্যবসায়িক আউটপুট পরিমাপ করুন। এটা কীভাবে করা যায়।
- AI নির্বাহীর উত্থান
- উদ্ভাবন থেকে উদ্ভাবন: AI-এর মুহূর্ত বোঝার উপায়
চিত্র: Li-Anne Dias
