Premisa de la care pornește întreaga discuție s-a schimbat fundamental: piața nu se mai întreabă dacă inteligența artificială are putere transformațională, ci doar cât de repede tehnologia ajunge efectiv în producție. Iar din acel decalaj — între potențialul teoretic și implementarea reală — se nasc câștigătorii și pierzătorii următorilor ani.

Întrebarea s-a schimbat: nu „dacă”, ci „cât de repede”

AI-ul a trecut, în opinia invitatului, dincolo de faza îndoielilor legate de puterea sa transformațională. Sunt din ce în ce mai puține vocile care susțin că tehnologia nu se ridică la nivelul faimei pe care și-a creat-o. Companiile o utilizează deja în producție — cu rezultate mixte, e drept — iar discuția reală nu mai este despre capacitate, ci despre timpul de adopție.

Barierele care mai rămân nu sunt atât tehnologice, cât instituționale și chiar umane: cât de repede pot fi integrate aceste instrumente în fluxurile de producție existente. La nivelul corporațiilor și al pieței de capital — mai ales cea din Statele Unite — aceasta este întrebarea care mișcă astăzi cotațiile.

Odată acceptată premisa că efectele nu mai sunt puse la îndoială, valul semiconductorilor (legat de infrastructură) trece pe planul doi. Atenția se mută către măsura în care companiile preiau în producție partea agentică a utilizării AI — pentru a anticipa care vor fi următorii beneficiari ai valului de implementare.

Nu doar costuri mai mici — o nouă filozofie de afaceri

AI-ul este o poveste de creștere a veniturilor sau de reducere a cheltuielilor? Răspunsul: e mult mai complex decât atât. Cele două variante simple aparțineau unei prime faze, când înțelegerea tehnologiei era limitată. Atunci, mulți s-au gândit cum pot automatiza rutine costisitoare — exemplul clasic fiind call center-ele, unde angajații umani puteau fi înlocuiți cu un agent conversațional sau voice.

Astăzi, conducătorii companiilor gândesc altfel: ce pot construi ce nu puteau construi înainte. Nu mai e vorba doar de a eficientiza fluxurile existente, ci de a genera fluxuri noi care creează produse noi — produse care, până acum, nu se justificau economic, pentru că dezvoltarea software în sine era un proces costisitor.

Tocmai de aceea, dezvoltarea de software este primul domeniu în care AI se face simțit puternic în producție. De la arhitectură la execuție, testare, securitate, CI/CD — execuția scrierii de cod este astăzi dată în mare parte pe mâna agenților (Claude Code, Codex sau modele open source), cu inginerul „in the loop” pentru strategie și verificare. Aici nu mai există dubiu: instrumentele sunt deja în producție.

Următoarele domenii expuse — și de ce nu se mișcă toate la fel

După software, lista domeniilor expuse e lungă: design, conținut (text și video), educație, customer support, legal, healthcare. Toate sunt, în esență, knowledge-based — deci, teoretic, ușor de augmentat cu AI. Diferența o face însă implementarea practică, care înaintează în ritmuri foarte diferite.

Argumentul-cheie al invitatului: în producția software, rezultatul agentului este imediat verificabil — aplicația fie funcționează, fie nu. În domeniile bazate pe cunoaștere intelectuală (juridic, consultanță, economic), corectitudinea unui răspuns nu se vede instantaneu. De aici durează mai mult implementarea, iar din această durată se naște chiar tensiunea din piețele de capital privind cine câștigă și cine pierde.

Ultimii din primul val: FROG, DigitalOcean, Akamai, Fastly

JFrog (FROG) se ocupă cu stocarea și gestionarea fluxurilor de producție software — stocarea binarelor — deci este imersată direct în lanțul de dezvoltare. Invitatul o consideră deja un beneficiar, nu doar un viitor beneficiar.

Dincolo de semiconductori și de toată infrastructura hardware (alimentare cu energie, răcirea rack-urilor, sisteme de climatizare, turbine pentru data center-e) — un val pe care invitatul îl consideră deja consumat din punctul de vedere al investitorilor — apar companii aflate la frontiera primului val: DigitalOcean, Akamai și Fastly.

Toate trei furnizau servicii de distribuție a rețelei, cu noduri răspândite în toată lumea. Aproape peste noapte, văzând cererea uriașă și oferta limitată de cipuri NVIDIA, au cumpărat și au instalat capacitate în propriile data center-e, transformându-se în furnizori de servicii de inferență. Sunt printre beneficiari — dar, în clasificarea invitatului, „cam ultimii din primul val”, nu al doilea sau al treilea val.

Strategia: „percepțiile sunt adevăratele fundamente”

Volatilitatea acestor companii este mare — prețul urcă și coboară abrupt. Cum operezi într-un asemenea mediu? Invitatul descrie o abordare pe care o numește „sociologică”: vede piața de capital ca pe un fenomen în care contează percepțiile participanților. Reperele fundamentale (cifră de afaceri, profitabilitate, marje, cash flow) sunt reale și importante, dar funcționează ca input-uri pentru percepții — nu ca determinanți direct proporționali ai prețului.

Participarea la piață devine astfel un vector chiar mai puternic decât fundamentele: când o companie crește în popularitate și atrage capital, prețul se modifică chiar dacă fundamentul stagnează. Tesla — sau, mai nou, SpaceX — sunt exemple de companii care cuceresc rezultate de cotație prin popularitate, nu neapărat prin fundamente clasice.

Punctul de intrare apare atunci când invitatul identifică o disonanță exagerată între percepție și fundament. Înțelege afacerea din spate (fără asta „nu înțelegi mare lucru”), dar și mecanismul prin care se formează cotația — iar divergența suficient de mare dintre cele două devine oportunitatea.

NVIDIA vs. AMD: o comparație care contează mai puțin decât pare

O corecție tehnică din partea invitatului: atât NVIDIA, cât și AMD sunt designeri de cipuri, nu producători — fabricația revine unor companii precum TSMC (sau Intel, care e și designer, și producător). Pe partea de inferență, eficiența diferă în funcție de tipul de sarcină (un video versus calcule pe text), iar pe anumite segmente ghidate, GPU-urile NVIDIA nu ar fi neapărat cele mai eficiente — comparativ, de pildă, cu TPU-urile Alphabet.

Concluzia practică: piața totală este atât de imensă, încât toți acești furnizori își vor găsi clientela. AMD pare ceva mai eficient pe un anumit segment, dar segmentele sunt în sine atât de mari încât discuția devine aproape inutilă pentru investitor. Diferența de cotație ține tot de percepții: NVIDIA a devenit lider „la capitolul business și la capitolul percepții”, iar piața o vede aproape de plafon; AMD a pornit mai jos, iar așteptările de creștere viitoare au fost prețuite înainte ca firma să dovedească efectiv ce a dovedit NVIDIA.

Cum folosește AI în analiza de investiții

Avertisment al invitatului: fiind un „power user” cu background în IT și cybersecurity, abordarea sa nu e neapărat la îndemâna oricărui investitor. Întreg procesul său analitic este astăzi transformat și agentic. A trecut, de cel puțin șase luni, de la varianta clasică „deschizi un chatbot și pui o întrebare” la o platformă aproape autonomă, ghidată strict de el.

Rezultatul: dacă în urmă cu doi ani urmărea în profunzime 20–30 de companii, acum monitorizează practic tot segmentul tech — peste o mie de companii — știind despre fiecare aproape ce știa înainte despre 20–30. „Este exact ceea ce mi-aș fi vrut să fac cu o echipă de analiști pe care ar fi trebuit să-i angajez.” Portofoliul rămâne, în schimb, concentrat: 7–10 poziții.

Riscul concluziilor identice — și ce rămâne uman

Dacă toți investitorii folosesc aceleași instrumente AI, nu ajung la aceleași concluzii? Răspunsul invitatului este nuanțat: o platformă agentică nu poate fi mai bună decât strategia pe care investitorul o avea deja. AI-ul îți mărește aria de acoperire, dar are o abordare generalistă, la nivel de numitor comun. Ca să eviți răspunsul de numitor comun, trebuie să-l ghidezi cu propria strategie — și atunci AI-ul devine „atât de bun cât ești tu de bun”.

Concluzia derivată pentru a doua întrebare: aproape orice poate fi automatizat, dar la nivelul cel mai înalt de abstractizare strategică, omul încă face diferența — și, în opinia invitatului, va continua să o facă mult timp de aici înainte.