मेरी पिछली पोस्ट, जिसमें मैंने भारतीय आईटी के व्यापक आर्थिक लाभों (विदेशी मुद्रा भंडार, रोजगार) का बचाव किया था, ने भारी विरोध का सामना किया। सर्वसम्मति? "उनके लिए बहाने बनाना बंद करो। उनके पास दशकों से अरबों रुपये का नकद भंडार था। उन्होंने जानबूझकर वास्तविक तकनीकी उत्पाद या मौलिक R&D बनाने के बजाय शानदार लाभदायक 'बॉडीशॉप' बने रहने का विकल्प चुना।"
यह आलोचना 100% सही है। लेकिन यह समझने के लिए कि उन्होंने ऐसा क्यों किया, हमें PR स्टेटमेंट से परे देखना होगा और भारतीय कॉर्पोरेट संरचना के DNA को समझना होगा।
भारतीय आईटी ने प्रोडक्ट बस को मिस नहीं किया; उन्होंने जानबूझकर उससे परहेज किया क्योंकि किसी प्रोडक्ट कंपनी का गणित किसी भारतीय सेवा दिग्गज के अस्तित्व के लिए विषाक्त है। यहाँ विवरण दिया गया है (फिर से, यह मेरी राय है) कि भारतीय आईटी की संरचना ठीक उसी तरह क्यों की गई है जैसी वह है।
1. नकद भंडार का भ्रम: अरबों रुपये का नकद भंडार एक R&D लैब क्यों नहीं खरीद सका?
सबसे आम तर्क यह है: “TCS और Infosys हर साल अरबों का शुद्ध लाभ कमाते हैं। अगर वे चाहते, तो उनके पास OpenAI बनाने के लिए नकद था।”
यह तब तक तार्किक लगता है जब तक हम यह नहीं देखते कि वह नकद कानूनी और संरचनात्मक रूप से कैसे फंसा हुआ है।
- लाभांश जाल: भारतीय आईटी कंपनियों को संस्थागत निवेशकों (जैसे LIC, म्यूचुअल फंड और विदेशी पोर्टफोलियो निवेशकों) द्वारा उच्च-उपज, कम-जोखिम वाले यूटिलिटी स्टॉक... मूल रूप से सरकारी बॉन्ड के तकनीकी समकक्ष के रूप में माना जाता है।
- भुगतान अनुपात: वास्तविक पूंजी आवंटन को देखें। Infosys लगभग 85% फ्री कैश फ्लो को 5 साल की रोलिंग अवधि में लाभांश, शेयर बायबैक और सामयिक विशेष लाभांश के माध्यम से वापस करने की औपचारिक पूंजी आवंटन नीति का पालन करता है। FY2025 में, कंपनी ने ₹34,549 करोड़ (~$4.1B) का रिकॉर्ड फ्री कैश फ्लो उत्पन्न किया, जिसमें शुद्ध लाभ का 129.2% FCF रूपांतरण था। TCS अपने फ्री कैश फ्लो और मुनाफे का 80-100%+ शेयरधारकों को वापस करने की सुसंगत प्रथा बनाए रखता है। FY2025 में, इसका शेयरधारक भुगतान अनुपात 80.9% था, जिसमें ₹45,588 करोड़ का कुल भुगतान शामिल था। कंपनी ने हाल के वर्षों में नियमित लाभांश, विशेष लाभांश और बायबैक के माध्यम से अक्सर 93-103% की सीमा में भुगतान अनुपात दिया है। जबकि दोनों कंपनियां संचालन, मामूली M&A और व्यवसाय निरंतरता के लिए मजबूत नकद स्थिति और तरलता बनाए रखती हैं, संरचनात्मक प्राथमिकता उच्च जोखिम वाली, लंबी अवधि की R&D परियोजनाओं के लिए बड़ी अतिरिक्त नकदी बनाए रखने के बजाय सुसंगत, उच्च शेयरधारक रिटर्न बनी हुई है।
- संरचनात्मक आदेश: यदि कोई भारतीय आईटी बोर्ड उस नकदी में से $2B रोककर 95% विफलता की संभावना वाली एक अत्यधिक सट्टा, बहु-वर्षीय AI अनुसंधान प्रयोगशाला को वित्तपोषित करने का निर्णय लेता है, तो यह अपने निवेशकों के साथ अंतर्निहित अनुबंध का उल्लंघन करता है। स्टॉक को भारी संस्थागत बिक्री का सामना करना पड़ेगा क्योंकि भारतीय पूंजी बाजार सट्टा R&D खर्च को दंडित करते हैं और पूर्वानुमानित लाभांश भुगतान को पुरस्कृत करते हैं।
2. गलत समानता: "अमेरिकी सार्वजनिक कंपनियां नवाचार करती हैं, भारतीय क्यों नहीं?"
प्रति-तर्क यह है कि अमेरिकी तकनीकी दिग्गज (जैसे Microsoft/Apple/Alphabet) भी सार्वजनिक रूप से कारोबार करते हैं, तिमाही जांच का सामना करते हैं और फिर भी वैश्विक स्तर पर बदलाव लाने वाले उत्पाद बनाने में सफल होते हैं।
यह तुलना किसी तरह लेखांकन मार्जिन और व्यवसाय मॉडल में मूलभूत विषमता को नजरअंदाज करती है।
Microsoft / Alphabet (उत्पाद इंजन): सकल मार्जिन: 70% - 80%
→ उच्च मार्जिन कुशन उन्हें मूनशॉट (Google Glass, Waymo, Stadia) पर अरबों रुपये गंवाने की अनुमति देते हैं, बिना मुख्य स्टॉक को नुकसान पहुंचाए।
TCS / Infosys (सेवा इंजन): परिचालन मार्जिन: 20% - 25%
→ रैखिक, बहुत पतले कुशन। बिना बिल वाले डेटा वैज्ञानिक पर खर्च किया गया प्रत्येक रुपया सीधे उनके परिचालन मार्जिन को कम करता है, जिससे स्टॉक गिर जाता है।
- उत्पाद मार्जिन बनाम सेवा मार्जिन: Google और Microsoft विशाल सॉफ्टवेयर उत्पाद मार्जिन का आनंद लेते हैं। एक बार सॉफ्टवेयर बन जाने के बाद, दस लाखवीं प्रति बेचने की लागत लगभग शून्य होती है। यह लाभदायक होने से पहले एक दशक तक घाटे में चलने वाले R&D प्रयोगों को निधि देने के लिए एक बहुत बड़ा नकद कुशन बनाता है।
- रैखिक जाल: भारतीय आईटी सेवाएं रैखिक श्रम मार्जिन पर काम करती हैं। उनका राजस्व बिल योग्य घंटों से कसकर बंधा होता है। यदि कोई इंजीनियर किसी क्लाइंट प्रोजेक्ट को असाइन नहीं किया गया है, तो वे एक प्रत्यक्ष लागत देयता हैं ("बेंच" पर बैठे हुए)। कोई सेवा कंपनी अपने परिचालन मार्जिन को नष्ट किए बिना एक बड़ी, बिना बिल वाली R&D टीम को सब्सिडी नहीं दे सकती, जो खतरनाक रूप से लगभग 20-25% पर मंडराता है।
3. सस्ते श्रम का भ्रम: कम वेतन ने उत्पाद नवाचार को क्यों रोका?
एक आम आलोचना है: "भारत में श्रम इतना सस्ता था। वे दशकों पहले मुट्ठी भर पैसे में 10,000 प्रतिभाशाली स्नातकों को काम पर रख सकते थे और मालिकाना उत्पाद बना सकते थे।"
वास्तविकता यह है कि सस्ता श्रम वास्तव में उत्पाद बनाने के लिए एक संस्थागत हतोत्साहन है।
- राजस्व मॉडल अनुकूलन: उत्पाद कंपनियां राजस्व को हेडकाउंट से अलग करके स्केल करती हैं (एक ही टीम के साथ अधिक सॉफ्टवेयर बेचना)। भारतीय आईटी सेवाओं ने ठीक इसके विपरीत अनुकूलन किया: हेडकाउंट बढ़ाकर राजस्व बढ़ाना।
- आर्बिट्राज की लत: क्योंकि भारतीय इंजीनियरिंग श्रम अमेरिका की तुलना में इतना सस्ता था, अरबों डॉलर के राजस्व का सबसे आसान, जोखिम-मुक्त रास्ता केवल उस वेतन अंतर का आर्बिट्राज करना था। एक उत्पाद बनाने के लिए उच्च विपणन व्यय, वैश्विक वितरण चैनल और विशाल उत्पाद प्रबंधन विशेषज्ञता की आवश्यकता होती है... ऐसी क्षमताएं जो भारतीय आईटी के पास कभी नहीं थीं/उन्होंने विकसित नहीं कीं। उन्होंने सॉफ्टवेयर लाइसेंस बेचने के उच्च जोखिम वाले जुए पर निकायों को बिल करने के कम जोखिम वाले, गारंटीकृत मार्जिन को चुना।
4. कठोर फैसला: वंशानुगत DNA को स्वीकार करना
भारतीय आईटी को "ग्लोरीफाइड बॉडीशॉप" कहना अपमान नहीं है; यह उनके व्यवसाय मॉडल का एक सटीक विवरण है। वे श्रम रसद कंपनियां हैं, तकनीकी नवप्रवर्तक नहीं।
भारतीय आईटी सेवाएं (TCS, Infosys) मिशन: उच्च-मात्रा श्रम मुद्रीकरण, सिस्टम एकीकरण, विदेशी मुद्रा सृजन।
डीप-टेक स्टार्टअप / संप्रभु संस्थाएं (Sarvam, IITs/IISc) मिशन: उच्च जोखिम वाली R&D, मौलिक मॉडल, उत्पाद निर्माण।
वे ChatGPT बनाने में विफल नहीं हुए क्योंकि उन्होंने कभी कोशिश नहीं की। उनका कॉर्पोरेट DNA, उनकी निवेशक प्रोफ़ाइल, उनकी जोखिम क्षमता और उनकी लेखा संरचनाएं दिन 1 से एक आउटसोर्सिंग इंजन होने के लिए तैयार की गई थीं।
एक विशाल सिस्टम इंटीग्रेटर से रातों-रात एक डीप-टेक उत्पाद नवप्रवर्तक में बदलने की उम्मीद करना एक वास्तुशिल्प असंभवता है। भारत का संप्रभु AI और उत्पाद पारिस्थितिकी तंत्र बनाने की जिम्मेदारी कभी भी विरासत में मिली आईटी दिग्गजों के परिसरों से नहीं आने वाली थी, यह उद्यम-समर्थित स्टार्टअप्स और संप्रभु-समर्थित अनुसंधान संस्थानों से आएगी जिनके पास बड़े, गंदे जोखिम लेने का जनादेश है।
