הבור השקט ב-EBITDA: למה חברות ה-SaaS מאבדות 5% מההכנסות מתחת לרדאר?
יותר מ-30% מחברות התוכנה מאבדות מעל 5% מההכנסות השנתיות בגלל כשלים בניטור ובגבייה, בזמן שעלויות ה-AI ממשיכות לעלות; המעבר מתשלום קבוע לתמחור לפי שימוש חושף פער בין המודל העסקי למערכות הגבייה - ופגיעה של 5% בהכנסות יכולה למחוק 25% עד 33% מה-EBITDA
בשנתיים האחרונות, אנליסטים ומשקיעים בוול סטריט ובשוק הפרטי בוחנים במיקרוסקופ את המעבר של חברות התוכנה (SaaS) לתמחור מבוסס AI ושימוש בפועל.
ההבטחה המסחרית הייתה ברורה: זניחת מודל הרישיונות הקלאסי לטובת מודל דינמי שמגדיל את ערך הלקוח לאורך זמן ומבטיח שההכנסה תגדל ככל שהלקוח מפיק יותר ערך. אלא שבזמן שחברות מציגות מודלים מסחריים מתקדמים כלפי חוץ, בחינה של הקרביים הפיננסיים שלהן חושפת פרדוקס בעייתי: הכנסות של מיליוני דולרים נוזלות בין האצבעות עקב תשתיות בילינג מיושנות, בעוד שעלויות תשתיות ה-AI קופצות בחדות.
תמחור מ-2026, תשתיות מ-2015
היקף הבעיה מצטייר בבהירות מתוך שורה של מחקרים וסקרים שנערכו בקרב מאות מנהלי כספים בחברות טכנולוגיה מובילות, לצד נתונים עדכניים של גופי מחקר כגון FinOps Foundation ו-Gartner. התמונה העולה מצביעה על תופעה רחבה של דליפת הכנסות: כ-71% מחברות התוכנה מדווחות על אובדן הכנסות מדיד הנובע מחוסר היכולת לנטר ולגבות במדויק לפי מודלי השימוש החדשים, ולמעלה מ-30% מהחברות מאבדות יותר מ-5% מסך ההכנסות השנתיות שלהן.
לצד זאת, ניכרת הסתמכות נרחבת על גיליונות ידניים. בעוד ש-54% מהחברות כבר עברו למודלי תמחור היברידיים או מבוססי שימוש, כ-82% ממחלקות הכספים עדיין מנהלות את חישובי החיוב באקסל, ורק כ-12% מהן מצוידות במערכות אוטומטיות המסוגלות לתמוך במודל התמחור הנוכחי שלהן. מציאות זו מייצרת צוואר בקבוק הנדסי: 39% מצוותי הכספים תלויים במפתחי תוכנה כדי להכניס שינויי בילינג או לעדכן חוזים - תלות ששורפת עשרות שעות פיתוח יקרות מדי חודש. לכך מתווסף הזינוק החד בעלויות ה-Inference. לפי דוח FinOps Foundation, כ-98% מהחברות מנהלות כיום תקציב AI ייעודי, וכ-73% מהן חורגות ממנו, בעיקר מכיוון שעלויות הרצת השאילתות השוטפות מהוות כיום 80% עד 90% מסך ההוצאה התפעולית על AI.
איך נראית דליפת הכנסות בפועל? דוגמה במספרים פשוטים
כדי להבין איך מיליוני דולרים נעלמים מתחת לאף של ההנהלה, נסתכל על תרחיש יומיומי: נניח שחברת תוכנה מוכרת ללקוח עסקי חבילת שירות בריטיינר של 2,000 דולר בחודש. החבילה כוללת עד 1,000 פעולות או שאילתות AI, כאשר בחוזה נקבע כי על כל חריגה ישלם הלקוח תוספת של 50 סנט לפעולה.
בפועל, עובדי הלקוח אימצו את הכלי בהתלהבות וביצעו באותו חודש 3,000 שאילתות, כלומר חריגה של 2,000 פעולות. לפי החוזה, החברה הייתה אמורה להפיק חשבונית של 3,000 דולר - 2,000 דולר בסיס ועוד 1,000 דולר בגין החריגה. אלא שבגלל שמערכת הגבייה וה-CRM אינן מחוברות בזמן אמת ללוגים של השרתים, והחישוב מבוצע ידנית באקסל בסוף הרבעון, החריגה פשוט התמסמסה ולא חויבה. הלקוח שילם רק את הריטיינר הבסיסי של 2,000 דולר, וגם אילו היה משלם את 1,000 הדולרים הנוספים, לא בטוח שהסכום היה מכסה את העלויות.
המלכוד הכפול הוא שחברת התוכנה שילמה לספקיות הענן - מיקרוסופט, AWS או גוגל - על כל אותן 2,000 שאילתות נוספות שהורצו. כלומר, החברה ספגה עלויות תשתית כבדות, אך לא גבתה עליהן כסף. כאשר מכפילים את התרחיש הזה באלפי לקוחות של חברת תוכנה בינונית או גדולה, מדובר בדליפה של 5 עד 20 מיליון דולר בשנה שמתאדים ישירות מההכנסות.
איך זה נראה בוול סטריט?
הפער בין מודל התמחור לתשתיות הפיננסיות אינו תיאורטי. הוא כבר בא לידי ביטוי בענקיות הטכנולוגיה הציבוריות:
מלכוד הלקוח המפסיד (אפקט GitHub Copilot): כשמיקרוסופט השיקה את GitHub Copilot במחיר קבוע של 10 דולר למשתמש, היא גילתה שלקוחות כבדים הריצו שאילתות מורכבות שיצרו לחברה עלויות תשתית של עשרות דולרים בחודש לכל משתמש. ללא מודל חיוב דינמי שמנטר את היחידה הכלכלית (Unit Economics) בזמן אמת, לקוחות שנראו רווחיים בשורת ההכנסות שחקו בפועל את המרווח הגולמי.
סיבוכיות חבילות הקרדיטים (אתגר Snowflake ו-Datadog): חברות ענק שנשענות על צריכה בפועל מוכרות חבילות קרדיטים שנתיות עם מנגנוני גלגול יתרות מורכבים. כשמערכת הבילינג לא מסונכרנת בזמן אמת עם נתוני השימוש, חריגות צריכה של אלפי לקוחות עלולות להיעלם בחישובים ידניים בסוף הרבעון וליצור סטיות בתחזיות ה-ARR.
עיכוב בעדכון מחירים (מהפכת Agentforce של Salesforce): כפי שסיילספורס הגדירה מחדש את התמחור שלה ועברה לחיוב של 2 דולרים לכל שיחה של סוכן AI, חברות רבות מבינות שהן חייבות לתמחר לפי תוצאות. אלא שבחברות רבות, שינוי לוגיקה כזה דורש חודשים של פיתוח הנדסי. החברות נתקעות וממשיכות למכור במודל הישן וההפסדי, פשוט משום שאין להן יכולת טכנית לגבות כסף בהתאם למודל החדש.
ומה זה אומר מבחינת המשקיעים ושוק ההון?
עבור המשקיעים בוול סטריט ובבורסה בתל אביב, דליפת הכנסות של 5% אינה עוד בעיה תפעולית שולית. מדובר בפגיעה שנוחתת ישירות על שורת הרווח. מאחר שבחברות תוכנה רוב ההוצאות על מו"פ, שיווק והנהלה הן קבועות יחסית, אובדן של 5% בהכנסה אינו חוסך דבר בעלויות. החברה כבר מימנה את רכישת הלקוח ואת תשתיות הענן שסיפקו את השירות, ולכן כל דולר שדולף נגרע ישירות מהרווח התפעולי ומה-EBITDA. עבור חברה הפועלת בשולי EBITDA טיפוסיים של 15% עד 20%, איבוד של 5% מההכנסות עשוי להתבטא בירידה של 25% עד 33% ב-EBITDA, בהנחה ששאר המשתנים נותרים ללא שינוי.
הפגיעה הזו עשויה לחלחל למחיר המניה ולמכפילי השווי שלפיהם מתומחרות חברות SaaS. אם חברה עם מחזור של 100 מיליון דולר מאבדת 5 מיליון דולר עקב כשלי גבייה וחישוב, במכפיל הכנסות של פי 6 מדובר בפער של כ-30 מיליון דולר בשווי המשתמע מההכנסות, ובמכפיל EBITDA של פי 20 אותה דליפה שקולה לפער של 100 מיליון דולר בשווי המשתמע מהרווח. מעבר לכך, התופעה שוחקת את המרווח הגולמי - אותו מדד מרכזי שמעניק לסקטור את פרמיית השווי שלו בזכות שוליים היסטוריים של 75% עד 85%. בעידן שבו עלויות המחשוב מתייקרות ואינן מגולגלות ללקוח בזמן אמת, המרווח הגולמי עלול להישחק לאזור ה-65%, מה שעלול לשדר לשוק אות אזהרה, להוביל להורדות המלצה מצד אנליסטים ולהתכווצות מכפילי התמחור.
המבחן של השוק: מעידן ה-CTO לעידן ה-CFO
העידן שבו שוק ההון מחל לחברות על חוסר יעילות, ובלבד שהציגו צמיחה בגישת Growth at all costs, נגמר. כיום, אנליסטים ומשקיעים כבר לא מסתפקים בשאלה "כמה לקוחות גייסתם", אלא בוחנים גם את איכות התשתיות הפיננסיות: האם החברה יודעת לגבות על כל יחידת ערך שהיא מספקת?
השלב הנוכחי מסמן את המעבר מעידן ה-CTO, שהתאפיין בהתלהבות ובניסויים נרחבים ב-AI, לעידן ה-CFO, שבו הדגש עובר למשמעת פיננסית, לשורת הרווח ול-Unit Economics. חברות שלא ישקיעו באוטומציה של מנוע גביית ההכנסות שלהן וימשיכו לנהל תמחור מתקדם על גבי אקסלים ידניים, עלולות לגלות שהבור השקט הזה שואב להן את המזומנים ואת אמון המשקיעים.
הכותב הוא מנכ"ל ומייסד-שותף בחברת Vayu, המפתחת תשתיות לניהול הכנסות לחברות SaaS ו-AI.
