Tata Consultancy Services oczekuje, że umiejętności cyfrowe i AI będą cechować około 80% nowych zatrudnionych, po wrześniowym kwartale, gdy AI przekroczyła 10% przychodu. Gotowość staje się szerokim wymogiem kadrowym, nie małą specjalnością. Nie oznacza to, że czterech z pięciu rekrutów będzie tworzyć modele bazowe ani że wzrost AI już dowiódł wyższych marż.
Dyrektor operacyjna Aarthi Subramanian podała, że TCS dodał 4500 osób w drugim kwartale fiskalnym. Około 25–30% stanowili specjaliści „czystej AI”, a około 80% należało do szerszych kategorii nowych kompetencji. Ten skład ma się utrzymać. Specjaliści nakładają się na grupę cyfrową; procentów nie wolno dodawać jako osobnych naborów.
Zatrudnienie podąża za większym strumieniem AI
Wyniki wrześniowe podają annualizowany przychód AI 3,1 mld dolarów na 30 września 2026 r., po ponad 2,3 mld na koniec roku fiskalnego 2026 i 2,6 mld w czerwcu. Annualizacja przenosi obecne tempo na rok, nie oznacza zaksięgowania 3,1 mld w kwartale.
Cały kwartalny przychód wyniósł 7,64 mld dolarów, +2,4% rok do roku w raportowanych dolarach. Wzrost sekwencyjny przy stałym kursie wyniósł 0,5%. Wartość kontraktów sięgnęła 9,6 mld, bez ogłoszonych transakcji Porsche i Best Buy. AI jest istotna, ale wolniejszy wzrost całej firmy pokazuje, że nie zmieniła wszystkiego równie szybko.
Subramanian opisuje klientów rozszerzających pierwsze projekty na kolejne funkcje po zmierzeniu efektów. Pilotaż może opierać się na kilku specjalistach; produkcja potrzebuje architektów, deweloperów, danych, bezpieczeństwa, ekspertów i utrzymania. Banki, przemysł, handel, zdrowie, telekomunikacja i państwo wymagają integracji istniejących systemów, nie tylko znajomości czatu.
Prezes K. Krithivasan podkreślał chęć nauki zamiast samego wieku. Doświadczeni inżynierowie mogą znać systemy i wyjątki klienta lepiej od nowych użytkowników narzędzi bez kontekstu operacyjnego. Trzeba łączyć wiedzę instytucjonalną z nowymi umiejętnościami, nie wybierać jednego pokolenia.
Teza marżowa nadal potrzebuje dowodów
TCS podał 24% marży operacyjnej i 19% netto we wrześniu. Krithivasan oczekuje korzyści rentowności z większego wolumenu kontraktów AI. Komponenty wielokrotne, automatyzacja, platformy i krótsze cykle mogą zmniejszyć pracę na zlecenie oraz rozłożyć inwestycje stałe.
Wyniki roku fiskalnego 2026 dają punkt odniesienia: 25% marży operacyjnej bez efektów jednorazowych. Obecne 24% wymaga zatem odbudowy przed wyraźnym przekroczeniem niedawnego poziomu. TCS pokazał wzrost AI, nie jego wyodrębniony wkład do marży po wszystkich kosztach.
Klienci mogą żądać części oszczędności. Jeśli asystenci kodu zmniejszą godziny, konkurencja i umowy mogą przenieść produktywność na kupujących. Płatność za wynik nagradza kompetencję, lecz obciąża też danymi, wdrożeniem i decyzjami klienta poza kontrolą dostawcy.
Koszty obejmują rekrutację, ekspertów, naukę, modele, inferencję, bezpieczeństwo, ocenę, dane i integrację. Początki wymagają wielu ludzkich kontroli, monitoringu i wyjątków; sektory regulowane dokumentacji i zgód. AI w modernizacji komplikuje też klasyfikację przychodów. Ostrożna definicja według zarządu nie dowodzi lepszego wykorzystania, ceny czy zysku.
Liczby szkoleniowe oznaczają przygotowanie, nie produkcyjną gotowość
W roku 2026 TCS podał 69 mln godzin nauki, +23%, 5,2 mln zdobytych kompetencji i ponad 270 tys. pracowników z wyższą biegłością AI i ML. Opisał naukę według ról, trenera AI i hackathony; największy przyciągnął ponad 281 tys. osób. To aktywność, nie finansowy zwrot czy niezależnie potwierdzone umiejętności wdrożenia.
Podział na specjalistów i szeroki cyfrowy zespół ma znaczenie. Pierwsi mogą obejmować inżynierów ML, ewaluatorów, analityków i architektów AI; drudzy software, chmurę, cyberbezpieczeństwo, dane i platformy używające AI. Kompetencja firmowa wymaga oceny kodu, odpowiedzi i momentów kontroli człowieka nad ważną decyzją.
Nikhar Arora z Bots.ai by HR Anexi ostrzegał w materiale NDTV, że dashboardy adopcji zawyżają gotowość bez wspólnych standardów i wyników. To istotne przy 598 056 zatrudnionych na koniec września i 13,3% rotacji IT w dwunastu miesiącach. Kursy nie dowodzą niezawodnej pracy całej załogi.
Kontekst klienta trzeba zebrać i nadzorować. Wyszukiwanie wymaga aktualnych dokumentów, dostępu, pochodzenia i monitoringu; model nie zna sam polityk, produktów czy regulacji. Publiczne narzędzia ujawniają potencjalnie tajemnice, nadmiernie uprawnieni agenci działają między systemami. Doświadczenie branżowe i osąd bezpieczeństwa uzupełniają prompty.
Przeszukiwalna techniczna baza wiedzy zachowuje decyzje, oceny i warunki klientów. Wspiera pamięć organizacji, nie dowodzi bezpieczeństwa czy opłacalności. Demo i usługa z danymi pacjentów lub transakcjami mają różne wymagania.
Konkurencja i umowy konkretyzują sprawdzian
Accenture podał około 77 tys. wykwalifikowanych specjalistów AI i danych na koniec roku 2025. Ujawnienie finansowe 2026 wskazuje 74,2 mld dolarów przychodu i 84,5 mld nowych zamówień w całej firmie, nie tylko AI. HCLTech osobno raportuje zaawansowaną AI; Infosys organizuje pracę wokół Topaz i szerokiej nauki.
Konkurencja zwiększa popyt na rzadkich ekspertów i alternatywy dla klientów przy cenie oraz wykonaniu. Szkolenie dużej kadry zużywa czas rozliczalny; przydzielanie nieprzygotowanych tworzy ryzyko. Wykorzystanie i utrzymanie ekspertów, nie tylko procent zatrudnienia, definiują ekonomię.
Best Buy ilustruje konkretny model: jego globalne centrum kompetencji w Indiach ma przejść do TCS i stać się centrum AI. Łączy ludzi, operacje i technologię zamiast sprzedaży samodzielnego modelu.
TCS ogłosił też pięcioletnią współpracę Porsche i umowę przejęcia MHP, doradztwa zarządczego i IT, podlegającą zgodom. Celuje w inżynierię i mobilność AI z kontekstem branży. Przejście, integracja, podwójne operacje i koszty przejęcia mogą opóźnić pełny wkład przychodowy i marżowy. Ogłoszony zakres nie jest osiągniętym zyskiem.
Zarząd widzi popyt na przebudowane łańcuchy wartości i nadzorowanych agentów planujących lub działających pod kontrolą. Programy uznaniowe bez szybkiej wartości pozostają pod lupą. AI może zastępować stare usługi zamiast tworzyć tyle samo netto nowych przychodów, dlatego 0,5% wzrostu sekwencyjnego przy stałym kursie jest ważne.
Test ekonomiczny łączy trzy wyniki
Potrzebny wzorzec to jednoczesny wzrost annualizowanych przychodów AI, całej firmy przy stałym kursie i marży operacyjnej. Pierwszy sam oznacza większy biznes AI, nie całą tezę produktywności. Płaskie marże nie obalają natychmiast strategii, ale mogą pokazać pochłanianie korzyści przez ceny lub wdrożenie.
Dowody kadrowe powinny łączyć przygotowanie z dostawą: przychód na osobę, wykorzystanie, mobilność, retencję ekspertów i skierowanie wyszkolonych do produkcji. TCS nie publikuje wszystkiego co kwartał. Stabilne definicje czystej AI, nowych umiejętności i nauki wewnętrznej są konieczne.
Klienci powinni szukać krótszych wdrożeń, wyjścia poza pilotaże, kontrolowanych błędów i odpowiedzialnych przekazań przy wyjątkach. Trwała wartość pracownika łączy podstawy software, wiarygodne dane, bezpieczeństwo i biznes ze zmiennymi narzędziami. Cel 80% i 3,1 mld annualizowanej AI pokazują skalę; wspólny wpływ na wzrost i marże pozostaje otwarty.