Innodata ( INOD ) Panggilan Pendapatan Q4 2025

<p>Sumber gambar: The Motley Fool.</p>
<h2>Tanggal</h2>
<p>26 Feb. 2026 pukul 17.00 ET</p>
<h2>Peserta Panggilan</h2>
<ul>
<li>Ketua dan Chief Executive Officer — Jack Abuhoff</li>
<li>Pejabat Keuangan Interim — Marissa Espineli</li>
<li>Penasihat Umum — Amy Agress</li>
<li>Wakil Presiden Senior, Keuangan dan Pengembangan Perusahaan — Aneesh Pendharkar</li>
</ul>
<p>Perlu kutipan dari analis Motley Fool? Email <a href="/cdn-cgi/l/email-protection">[email protected]</a></p>
<h2>Poin Penting</h2>
<ul>
<li>Pendapatan -- $72,4 juta untuk kuartal ini, naik 22% dari tahun ke tahun.</li>
<li>Pendapatan setahun penuh -- $251,7 juta, mewakili tingkat pertumbuhan 48% dari tahun ke tahun.</li>
<li>Margin laba kotor yang disesuaikan -- 42% untuk kuartal ini, di atas target 40% yang dikomunikasikan secara eksternal.</li>
<li>EBITDA yang disesuaikan -- $15,7 juta, atau 22% dari pendapatan; melebihi konsensus analis sebesar $1,2 juta.</li>
<li>Kas -- $82,2 juta pada akhir kuartal, naik sekitar $8,4 juta secara berurutan dan $35,3 juta dari tahun ke tahun.</li>
<li>Pemanfaatan utang -- Tidak ada penarikan dari fasilitas kredit Wells Fargo senilai $30 juta.</li>
<li>Inovasi dan investasi -- Investasi yang didorong oleh pertumbuhan dalam HPP dan SG&amp;A, khususnya dalam kapasitas, insinyur, ilmuwan data, dan kepemimpinan yang berhadapan dengan pelanggan.</li>
<li>Campuran pelanggan -- Manajemen mengharapkan pengeluaran dari pelanggan terbesar meningkat, dengan pertumbuhan agregat untuk basis pelanggan yang tersisa diperkirakan terjadi pada tingkat yang lebih cepat dan mencakup MAG-tujuh, laboratorium inovasi AI domestik, inisiatif AI kedaulatan, dan perusahaan terkemuka.</li>
<li>Diversifikasi pelanggan -- Pertumbuhan pendapatan diharapkan menjadi kurang terkonsentrasi, didorong oleh kumpulan pelanggan besar yang berkembang dan semakin beragam.</li>
<li>Panduan pendapatan -- Perkiraan pertumbuhan setidaknya 35% dari tahun ke tahun untuk tahun 2026 berdasarkan program aktif yang terlihat dan kemenangan yang baru saja diraih; manajemen mencatat potensi kenaikan signifikan karena kecepatan inisiatif LLM dan AI.</li>
<li>Transisi alur kerja -- Pada kuartal pertama, sekitar $20 juta dalam tingkat pendapatan alur kerja pasca-pelatihan untuk pelanggan terbesar didepresiasi dan diganti dengan program pasca-pelatihan baru dan program pra-pelatihan berskala, menghasilkan dampak tingkat pendapatan bersih yang positif.</li>
<li>Panduan margin laba kotor yang disesuaikan -- Manajemen mengharapkan margin laba kotor yang disesuaikan pada awal tahun 2026 dalam kisaran 35%-40% dengan normalisasi menuju target 40% saat program baru meningkat dan inovasi alur kerja meningkat.</li>
<li>Kemajuan teknologi -- Memperkenalkan dan memperluas sistem kepemilikan untuk evaluasi agen, saluran optimasi agen, simulasi adversarial, dan rekayasa data skala besar untuk AI fisik, termasuk aplikasi ke dataset egocentric dan affordance.</li>
<li>Kinerja tolok ukur -- Mengembangkan model AI untuk deteksi drone dan objek kecil yang mencapai peningkatan 6,45% dibandingkan tolok ukur canggih sebelumnya, menekankan aplikasi komersial dan penggunaan ganda.</li>
<li>Minat dari hyperscalers dan keamanan siber -- Layanan terkelola dan inisiatif pelatihan adversarial telah menarik keterlibatan dan minat baru di antara hyperscalers, perusahaan keamanan siber, dan pakar pemerintah yang relevan.</li>
</ul>
<h2>Ringkasan</h2>
<p>Manajemen mengungkapkan inisiatif inovasi baru di seluruh AI generatif, AI agentik, dan AI fisik, menyoroti metode berbasis data sebagai inti evolusi produk. Platform kepemilikan untuk evaluasi agen dan simulasi adversarial memfasilitasi daya tarik pelanggan baru, terutama di antara hyperscalers dan klien yang berfokus pada keamanan. Dengan investasi berkelanjutan pada orang dan teknologi, kepemimpinan di Innodata (<a href="/quote/nasdaq/inod/">INOD</a> 7,88%) memproyeksikan peningkatan margin dan perluasan pendapatan berulang yang terkait dengan penawaran perangkat lunak-manusia hibrida, sambil menggarisbawahi keyakinan pada konversi keterlibatan tahap awal dan relevansi perusahaan yang meluas.</p>
<ul>
<li>Manajemen perusahaan menyatakan, "kami percaya kami memasuki era keemasan inovasi di Innodata Inc. sebagai hasil dari investasi yang telah kami lakukan dan berniat untuk lakukan di masa depan."</li>
<li>Kepemimpinan menekankan bahwa ekspansi margin laba kotor di masa depan diharapkan, didorong oleh otomatisasi, sistem sintetis, dan platform evaluasi yang secara struktural meningkatkan leverage operasional kami.</li>
<li>Manajemen mengklarifikasi panduan pertumbuhan sengaja konservatif, dengan potensi kenaikan karena inisiatif LLM berputar dengan cepat.</li>
<li>Dalam diskusi tentang diversifikasi pelanggan, manajemen berbagi bahwa kemenangan baru dan permintaan yang dipercepat memungkinkan Innodata untuk bermigrasi dari vendor ke lapisan dasar dalam ekosistem AI.</li>
</ul>
<h2>Glosarium Industri</h2>
<ul>
<li>LLM: Large Language Model; model AI yang dilatih pada dataset besar untuk memahami dan menghasilkan teks bahasa alami.</li>
<li>MAG-tujuh: Referensi manajemen untuk tujuh perusahaan teknologi terbesar di AS, biasanya Microsoft, Apple, Google (Alphabet), Amazon, Meta, Nvidia, dan Tesla.</li>
<li>Data egocentric: Data yang ditangkap dari perspektif orang pertama dari robot atau perangkat yang dilengkapi sensor, mencerminkan pengalaman lingkungan langsung.</li>
<li>Data affordance: Data terstruktur yang mengajarkan sistem AI tentang tindakan atau interaksi yang mungkin dengan objek fisik dalam konteks.</li>
<li>Simulasi adversarial: Data kompleks yang dihasilkan secara sistematis yang digunakan untuk menguji ketahanan AI terhadap serangan canggih atau ancaman dunia nyata.</li>
</ul>
<h2>Transkrip Panggilan Konferensi Penuh</h2>
<p>Operator: Selamat sore, hadirin sekalian, dan selamat datang di Panggilan Konferensi Hasil Kuartal Keempat dan Tahun Fiskal 2025 Innodata Inc. Saat ini, semua saluran dalam mode hanya dengar. Setelah presentasi, kami akan mengadakan sesi tanya jawab. Jika sewaktu-waktu selama panggilan ini Anda memerlukan bantuan segera, silakan tekan 0 untuk operator. Panggilan ini direkam pada hari Kamis, 26/02/2026. Saya sekarang akan menyerahkan konferensi kepada Amy Agress, General Counsel. Silakan dilanjutkan.</p>
<p>Amy Agress: Terima kasih, operator. Selamat sore, semuanya. Terima kasih telah bergabung dengan kami hari ini. Pembicara kami hari ini adalah Jack Abuhoff, Ketua dan CEO Innodata Inc., dan Marissa Espineli, CFO Interim. Juga hadir dalam panggilan hari ini adalah Aneesh Pendharkar, Wakil Presiden Senior, Keuangan dan Pengembangan Perusahaan. Rahul Singhal, Presiden dan Chief Revenue Officer, tidak dapat hadir hari ini tetapi berharap dapat bergabung dengan kami di panggilan berikutnya. Kami akan mendengar dari Jack terlebih dahulu, yang akan memberikan perspektif tentang bisnis, dan kemudian Marissa akan memberikan tinjauan hasil kami untuk kuartal keempat dan tahun fiskal 2025. Kami kemudian akan menjawab pertanyaan dari analis.</p>
<p>Sebelum kita mulai, saya ingin mengingatkan semua orang bahwa selama panggilan ini, kami akan membuat pernyataan berwawasan ke depan yang merupakan prediksi, proyeksi, dan pernyataan lain tentang peristiwa di masa depan. Pernyataan ini didasarkan pada ekspektasi, asumsi, dan perkiraan saat ini dan tunduk pada risiko dan ketidakpastian. Hasil aktual dapat berbeda secara material dari yang dikontemplasikan oleh pernyataan berwawasan ke depan ini. Faktor-faktor yang dapat menyebabkan hasil ini berbeda secara material tercantum dalam siaran pers pendapatan hari ini, dalam bagian Faktor Risiko Formulir 10-K, Formulir 10-Q kami, dan laporan serta pengajuan lainnya kepada Securities and Exchange Commission. Kami tidak berkewajiban untuk memperbarui informasi berwawasan ke depan. Selain itu, selama panggilan ini, kami dapat membahas ukuran keuangan non-GAAP tertentu.</p>
<p>Dalam siaran pers pendapatan kami yang diajukan ke SEC hari ini, serta dalam pengajuan SEC kami lainnya, yang diposting di situs web kami, Anda akan menemukan pengungkapan tambahan mengenai ukuran keuangan non-GAAP ini, termasuk rekonsiliasi ukuran ini dengan ukuran GAAP yang sebanding. Terima kasih. Saya sekarang akan menyerahkan panggilan kepada Jack.</p>
<p>Jack Abuhoff: Terima kasih, Amy, dan selamat sore, semuanya. Q4 adalah kuartal yang kuat lainnya untuk Innodata Inc. Kami menghasilkan pendapatan sebesar $72.400.000, mencerminkan pertumbuhan 22% dari tahun ke tahun. Ini membawa pendapatan setahun penuh kami menjadi $251.700.000, mewakili pertumbuhan 48% dari tahun ke tahun untuk tahun 2025. Margin laba kotor terkonsolidasi Q4 kami adalah 42%, melebihi target 40% yang dikomunikasikan secara eksternal. EBITDA yang disesuaikan kami berjumlah $15.700.000, atau 22% dari pendapatan, juga melebihi konsensus analis sebesar $1.200.000. Faktanya, hasil kami melebihi konsensus analis di berbagai metrik utama, termasuk pendapatan, EBITDA yang disesuaikan, laba bersih, dan EPS. Kami mengakhiri tahun dengan kas sebesar $82.200.000, naik secara berurutan sekitar $8.400.000. Kami mencapai hasil ini sambil melakukan investasi yang berarti berorientasi pertumbuhan baik dalam HPP maupun SG&amp;A.</p>
<p>Dalam HPP, kami membawa kapasitas sebelum peningkatan pendapatan, yang secara konsisten terbukti menjadi langkah yang tepat. Dan dalam SG&amp;A, kami berinvestasi pada insinyur, ilmuwan data, dan kepemimpinan akun yang berhadapan dengan pelanggan, yang investasinya juga terbukti bijaksana. Membangun inovasi yang telah memperluas peluang kami. Kami percaya momentum bisnis kami berada pada titik tertinggi sepanjang masa. Kami melihat permintaan yang kuat di seluruh siklus hidup AI, mulai dari pengembangan, evaluasi, dan optimasi model berkelanjutan. Dan kami percaya kami mendapatkan daya tarik dengan sejumlah besar pelanggan yang luas dan terdiversifikasi. Sebagai hasil dari permintaan pasar dan daya tarik yang berkembang, kami mengantisipasi tahun lain pertumbuhan yang berpotensi luar biasa di tahun 2026. Kami saat ini memperkirakan pertumbuhan dari tahun ke tahun tahun 2026 kami berpotensi sekitar 35% atau lebih.</p>
<p>Perkiraan ini mencerminkan program aktif, kemenangan yang baru saja diraih, evaluasi tahap akhir, dan peluang di mana kami memiliki pandangan yang jelas. Karena kami berada di awal tahun dan karena inisiatif LLM berputar dengan cepat, kami percaya mungkin ada potensi kenaikan yang signifikan dari kisaran ini. Namun, kami lebih suka memberikan panduan yang konservatif dan menyesuaikan ke atas seiring dengan meningkatnya visibilitas. Pada saat yang sama, mengingat skala dan kompleksitas program yang kami dukung, variabilitas waktu dan jadwal R&amp;D pelanggan, persetujuan anggaran, atau pergeseran prioritas penelitian dapat memengaruhi laju realisasi pendapatan.</p>
<p>Tersirat dalam pandangan kami adalah ekspektasi bahwa pengeluaran dari pelanggan terbesar kami akan sedikit meningkat di tahun ini, dan bahwa basis pelanggan yang tersisa secara agregat akan tumbuh pada tingkat yang lebih cepat. Kami mengharapkan pertumbuhan pelanggan lainnya ini berasal dari campuran MAG-tujuh, laboratorium inovasi AI domestik, inisiatif AI kedaulatan, dan perusahaan terkemuka. Kami percaya ini akan berkontribusi secara signifikan terhadap diversifikasi pelanggan. Pelanggan kami bergerak cepat, mendorong siklus pengembangan yang lebih pendek dan merespons terobosan penelitian dengan lebih cepat. Pada tahun 2025, kami berhasil dalam lingkungan ini sebagian besar karena kami mengikuti penelitian, mengantisipasi kebutuhan pelanggan, dan berputar jika diperlukan.</p>
<p>Sebagai ilustrasi, pada kuartal pertama tahun ini untuk pelanggan terbesar kami, kami mendepresiasi sejumlah besar alur kerja pasca-pelatihan yang secara agregat mewakili sekitar $20.000.000 tingkat pendapatan tahunan tetapi menggantinya dengan kombinasi alur kerja pasca-pelatihan baru dan program pra-pelatihan berskala, area fokus dan investasi baru-baru ini. Dari perspektif tingkat pendapatan, efek bersihnya ternyata positif. Memang, kami percaya inovasi berkelanjutan sangat penting untuk mencapai rencana ambisius kami untuk tahun 2026 dan seterusnya. Berita yang benar-benar menarik adalah kami percaya kami memasuki era keemasan inovasi di Innodata Inc. sebagai hasil dari investasi yang telah kami lakukan dan berniat untuk lakukan di masa depan.</p>
<p>Sekarang saya akan membagikan beberapa inisiatif inovasi terbaru kami. Untuk alasan kompetitif, kami akan berhati-hati, tetapi apa yang kami bagikan akan memberi Anda gambaran yang berarti tentang cara kami berpikir, di mana kami berinvestasi, kesuksesan yang kami raih, dan bagaimana kami berniat memanfaatkan peluang di depan. Saya akan secara singkat membahas inovasi terbaru kami dalam tiga area: pelatihan model AI generatif, AI agentik, dan AI fisik. Sebelum saya melakukannya, saya ingin menggarisbawahi tema yang menyatukan. Setiap inovasi yang akan saya diskusikan pada dasarnya adalah inovasi data.</p>
<p>Baik tujuannya adalah LLM yang lebih mampu, agen otonom yang lebih andal, atau sistem AI fisik yang lebih cerdas, kualitas data, komposisi data, validasi data, dan rekayasa data dalam skala besar adalah inti masalahnya. Ini adalah kompetensi inti kami. Kita akan mulai dengan pelatihan AI generatif. Secara historis, pelanggan memberi tahu kami jenis data pelatihan yang mereka inginkan. Namun, semakin mereka meminta kami untuk mendiagnosis kinerja model, merancang kumpulan data pelatihan yang tepat, dan menunjukkan bahwa kumpulan data tersebut akan secara material meningkatkan hasil. Begini cara kerjanya. Kami mulai dengan mengidentifikasi kesenjangan kinerja menggunakan kerangka evaluasi kami. Kami kemudian merekayasa dataset yang ditargetkan dan memvalidasi dampaknya dengan menyempurnakan model pelanggan atau model proksi yang secara struktural serupa. </p>
<p>Hanya setelah kami mengukur dan menunjukkan dampak kinerja, kami melakukan penskalaan. Ini menggeser diskusi dari "berapa banyak datanya" menjadi "seberapa efektif datanya." Kami percaya pergeseran ini didorong oleh dua kekuatan: kecepatan penelitian AI yang semakin cepat dan biaya serta waktu yang dikeluarkan untuk melatih model yang semakin besar. Dan percakapan tentang efektivitas data secara langsung mengarah pada kekuatan kami. Kami juga memajukan metode untuk membuat dataset yang meningkatkan penalaran konteks panjang—kemampuan model AI untuk mengamati dan bernalar atas sejumlah besar informasi sekaligus. Ini tetap menjadi salah satu tantangan teknis terpenting di industri ini.</p>
<p>Menyelesaikannya tidak hanya membutuhkan perbaikan arsitektur, tetapi juga kemajuan dalam pembuatan skala jenis data pelatihan yang sangat spesifik. Membuat data pelatihan yang meningkatkan penalaran konteks panjang adalah masalah yang tidak sepele, tetapi kami telah membuat dan terus membuat kemajuan yang berarti dalam hal itu. Area inovasi kedua adalah seputar evaluasi sistem agen otonom dan peningkatannya melalui pembuatan dataset yang ditargetkan. Kami percaya bahwa agen otonom dapat mewakili peluang inovasi bisnis paling signifikan sejak munculnya listrik. Tetapi perusahaan dengan cepat menemukan bahwa banyak agen AI yang berkinerja mengesankan dalam pengaturan laboratorium terkontrol menurun dalam produksi dunia nyata. Dunia nyata itu kacau.</p>
<p>Ini dibentuk oleh kasus tepi, kendala yang saling bertentangan, perilaku pengguna yang tidak terduga, dan kondisi adversarial. Mengatasi hal ini pada dasarnya adalah tantangan data. Agen harus dilatih terus menerus dan diuji secara ketat dengan dataset yang realistis, beragam, dan kompleks. Untuk ini, kami telah mengembangkan serangkaian tiga solusi hibrida yang sangat saling melengkapi. Yang pertama adalah platform evaluasi dan observabilitas agen. Ilmuwan data dapat menggunakan platform kami selama pengembangan untuk memvisualisasikan dan menganotasi agen</p>