2026/04/13 ServiceNow(NOW) Moat Analysis at 50x P/E

Can General LLMs Replace ServiceNow?

While general large language models (LLMs) like GPT-5 or Claude 4 have ingested the world’s programming documentation, they lack insight into the internal logic of specific enterprises. Private data is the biggest weakness of general LLMs and the greatest competitive advantage for ServiceNow:

• Non-public Knowledge: New startups can scrape the internet, but they cannot access ten years of internal IT troubleshooting logs, approval flow histories, or employee permission change logics within a Fortune 500 company.
• Causal Chains: ServiceNow stores "processes," not just "results." It knows that when a server went down, exactly which person used which script and which departments provided approval to fix it. This full-link causal data is the most practical input source for training "Action-oriented AI."

Is ServiceNow Lagging in the AI Agent Race?

ServiceNow’s strategy is brilliant: if Agents are the future of interaction, then let all Agents thrive on its platform. ServiceNow is riding the crest of this technological wave.

• The Agent Commander: The newly launched AI Agent Studio allows enterprises to orchestrate multiple Agents. For instance, an IT Agent identifies a hardware failure, which automatically triggers a Procurement Agent to place an order, followed by an HR Agent updating the employee’s equipment profile. Companies can now "hire" AI Agents just as they do employees. These Agents don't just talk; they have execution rights. An "Onboarding Agent," for example, can autonomously navigate across 10 different software systems (e.g., SAP, Outlook, Slack) to provision access without human intervention.
• Institutionalizing Agents: It transforms AI actions into manageable "tickets." To the user, it feels like chatting with an Agent; in the backend, ServiceNow converts it into a structured process, ensuring every step meets enterprise compliance. As the number of internal AI Agents surges, ServiceNow has deployed a "Command Center" where CIOs can monitor in real-time what these AIs are doing, whether they are violating protocols, and how much ROI they are generating.

Business Model Evolution: From "Buy-in" to "Value-Add"

Rather than forcing all users to upgrade, ServiceNow has adopted a multi-layered deployment scheme:

• Pro Plus & Enterprise Plus Subscriptions: Packaging AI features into higher-tier suites, directly driving up Average Revenue Per User (ARPU).
• Assist Packs (Consumption-based): A new model introduced in 2026 that allows customers to pay based on the "number of tasks completed by AI." This addresses the potential revenue shrinkage that traditional seat-based licensing might face in the AI era.

The Challenges: Data Silos and Cost

Despite its data advantages, ServiceNow is not without risks:

• Data Islanding: If new AI companies can bypass system integration via lightweight plugins (Agents) to fetch data directly from low-level logs, they could circumvent ServiceNow’s barriers.
• Cost Pressure: If a startup can achieve 80% automation at 10% of the price, large enterprises may begin to waver.

Growth in the Post-LLM Era

Three years after the rise of LLMs, has ServiceNow’s growth vanished?

• Growth Velocity: 2026 subscription revenue growth is still projected to stay above 20%.
• The Cash Flow King: Free Cash Flow (FCF) margins are expected to rise to 36%. This means for every $100 in sales, they net $36 in cash—an extremely high-quality growth profile.
• High Retention: A 98% renewal rate remains their most solid foundation.

The Elephant in the Room: Valuation

The decade-long era of persistent high valuations in the software industry is over. Even exceptional companies must return to "normal" valuations. It’s not that ServiceNow isn't excellent; it's that past software valuations were disproportionately high. Facing threats from startups and AI disruption, the software sector can no longer sustain the 50x or 100x P/E multiples that were once the norm.

A "Normal" valuation might look like:

• Tier 1 Leaders (e.g., ServiceNow, Microsoft): Returning to 25x - 35x Forward P/E (similar to mature tech stocks in the early 2000s).
• Tier 2 & 3 Companies: Potentially dropping to 15x - 20x, comparable to traditional service industries.

In my view, successful investing requires an excellent company at a reasonable price. The market inevitably beats down great companies to—or below—reasonable prices every so often. I am waiting to see just how low this wave can take ServiceNow.

13 avril 2026 : Analyse du "Moat" de ServiceNow avec un PER de 50x

Les modèles d'IA généralistes peuvent-ils remplacer ServiceNow ?

Bien que les grands modèles de langage (LLM) comme GPT-5 ou Claude 4 aient ingéré l'intégralité de la documentation informatique mondiale, ils ignorent la logique interne propre à chaque entreprise. Les données privées constituent la plus grande faiblesse des LLM généralistes et, parallèlement, le plus grand atout de ServiceNow :

• Connaissances non publiques : Une startup peut aspirer les données d'Internet, mais elle n'aura jamais accès aux historiques de dépannage IT, aux flux d'approbation ou aux modifications de permissions des employés des entreprises du Fortune 500 sur les dix dernières années.
• Chaînes de causalité : ServiceNow ne stocke pas seulement des résultats, mais des « processus ». Il sait que lorsqu'un serveur tombe en panne, c'est telle personne qui a utilisé tel script, après avoir obtenu l'approbation de tels départements. Ces données de causalité de bout en bout sont la source d'apprentissage la plus pertinente pour entraîner une « IA orientée action » (Action-oriented AI).

ServiceNow est-il à la traîne sur les agents IA ?

La stratégie de ServiceNow est très fine : si l'Agent est le futur de l'interaction, alors autant faire en sorte que tous les Agents s'épanouissent sur sa plateforme. On peut dire que ServiceNow surfe parfaitement sur cette vague technologique.

• Le commandant des Agents : L'AI Agent Studio lancé par ServiceNow permet aux entreprises d'orchestrer plusieurs Agents. Par exemple, un Agent IT détecte une panne matérielle, déclenche automatiquement un Agent d'achat pour passer commande, puis informe l'Agent RH de mettre à jour les informations sur l'équipement de l'employé. Les entreprises peuvent désormais « recruter » des Agents IA comme des employés. Ces agents ne se contentent pas de parler, ils disposent de pouvoirs d'exécution. Un « Agent d'intégration » peut, par exemple, naviguer de manière autonome entre 10 systèmes différents (SAP, Outlook, Slack, etc.) pour ouvrir des droits d'accès sans intervention humaine.
• Institutionnaliser l'Agent : La plateforme transforme les actions de l'IA en « tickets » gérables. Pour l'utilisateur, c'est une simple discussion avec un Agent ; en arrière-plan, ServiceNow convertit cela en processus structuré, garantissant que chaque étape respecte les normes de conformité. Face à la prolifération des Agents, ServiceNow a déployé un « centre de commandement » permettant au DSI de surveiller en temps réel l'activité des IA, les éventuelles violations de règles et le ROI généré.

Déploiement du modèle économique : de l'achat à la valeur ajoutée

ServiceNow ne force pas ses utilisateurs à migrer, mais propose une stratégie de déploiement multi-niveaux :

• Abonnements Pro Plus et Enterprise Plus : Les fonctionnalités d'IA sont regroupées dans des suites premium, augmentant directement le revenu moyen par utilisateur (ARPU).
• Assist Packs (Paiement à l'usage) : Un nouveau modèle introduit en 2026 qui permet aux clients de payer en fonction du « nombre de tâches accomplies par l'IA ». Cela résout le problème de la stagnation des revenus liés aux licences par utilisateur (seat-based) à l'ère de l'automatisation.

Les défis : silos de données et pression sur les coûts

Malgré ses avantages, ServiceNow n'est pas à l'abri de tout danger :

• Le défi des silos : Si de nouvelles entreprises d'IA parviennent à contourner l'intégration système via des agents plus légers pour extraire les données directement des logs de bas niveau, les barrières de ServiceNow pourraient être fragilisées.
• Pression sur les coûts : Si une startup propose 80 % d'automatisation pour 1/10ème du prix, même les grandes entreprises pourraient hésiter.

Trois ans après l'avènement des LLM, la croissance a-t-elle disparu ?

• Vitesse de croissance : En 2026, les prévisions de croissance des revenus d'abonnement restent supérieures à 20 %.
• Roi du Cash-Flow : La marge de flux de trésorerie disponible (FCF) devrait atteindre 36 %. Cela signifie que pour 100 $de ventes, l'entreprise génère 36$ de cash net — une croissance de très haute qualité.
• Taux de rétention : Un taux de renouvellement de 98 % reste son atout le plus solide.

La question cruciale : la valorisation

L'ère des valorisations excessives qui a duré dix ans dans le logiciel est révolue. Même les meilleures entreprises doivent revenir à une valorisation « normale ». Ce n'est pas que ServiceNow n'est pas performante, c'est que les valorisations passées étaient déraisonnablement hautes. Face à la menace des startups et de la disruption par l'IA, le secteur du logiciel ne peut plus soutenir des PER de 50x ou 100x. Une valorisation « normale » pourrait signifier :

• Leaders du secteur (ex: ServiceNow, Microsoft) : Retour à un PER prospectif de 25x - 35x (similaire aux valeurs technologiques matures du début des années 2000).
• Entreprises de second rang : Chute potentielle à 15x - 20x, s'alignant sur le secteur des services traditionnels.

À mon sens, un investissement réussi repose sur une excellente entreprise à un prix raisonnable. Le marché finit toujours par ramener les meilleures sociétés sous leur juste valeur ; j'attends de voir jusqu'où cette vague pourra faire descendre ServiceNow.

2026年4月13日 50倍PE的ServiceNow护城河分析

通用大模型能取代ServiceNow吗？

通用大模型（如 GPT-5 或 Claude 4）虽然读过全世界的编程文档，但它们不知道特定企业内部的逻辑，私有数据是通用大模型的最大短板，是ServiceNow的最大优势：

• 非公开的知识： 新型公司可以抓取互联网数据，但拿不到财富 500 强企业内部过去 10 年的 IT 故障排除记录、审批流历史和员工权限变更逻辑。
• 因果链条： ServiceNow 存储的不只是结果，而是“过程”。它知道一个服务器宕机后，是哪个人、用了哪个脚本、经过哪几个部门审批才修复的。这种全链路的因果数据是训练“行动导向型 AI”（Action-oriented AI）的最具实践意义的输入源。

Servicenow在AI agent落伍了吗？

ServiceNow 的策略非常聪明：如果 Agent 是未来的交互方式，那就让所有的 Agent 都长在我的平台上。可以说ServiceNow紧跟着技术浪潮。

• Agent 指挥官： ServiceNow 推出的 AI Agent Studio 允许企业编排多个 Agent。比如，IT Agent 发现硬件故障，自动触发采购 Agent 去下单，再通知 HR Agent 更新员工设备信息。企业现在可以像招聘员工一样“招聘” AI Agent。这些 Agent 不仅仅会说话，它们还拥有执行权。例如，一个“入职代理”可以自主跨越 10 个不同的软件系统（如 SAP、Outlook、Slack）去开通权限，而无需人工干预。
• 将 Agent “制度化”： 它把 AI 动作变成了可管理的“工单”。在用户看来是跟 Agent 聊天，但在后台，ServiceNow 将其转化为结构化的流程，确保每一步都符合企业的合规要求。随着企业内部 AI Agent 数量激增，ServiceNow 部署了一个“指挥中心”，让 CIO 可以实时监控这些 AI 在干什么、是否有违规操作，以及它们创造了多少 ROI。

 商业模式的部署：从“买断”到“增值”

ServiceNow 并没有强迫所有用户升级，而是采取了多层次的部署方案：

• Pro Plus 与 Enterprise Plus 订阅： 将 AI 功能打包在更高级别的套件中，直接拉高了单客价值（ARPU）。
• Assist Packs (按需计费)： 2026 年新引入的模式，允许客户根据“AI 完成的任务数”来付费，解决了传统坐席（Seat-based）授权在 AI 时代可能导致的收入缩水问题。

虽然数据是巨大的优势，但 ServiceNow 也并非高枕无忧：

• 数据孤岛挑战： 如果新型 AI 公司能通过更轻量级的插件（如 Agent）绕过系统集成，直接从底层日志获取数据，可能会绕过 ServiceNow 的壁垒。
• 成本压力： 如果新型公司能用 1/10 的价格实现 80% 的自动化效果，大企业也可能动摇。

通用大模型面世3年，ServiceNow的增长消失了吗？

增长速度： 2026 年的订阅收入增长预测仍保持在 20% 以上。

现金流王者： 它的自由现金流（FCF）利润率预计提升至 36%。这意味着它每卖出 100 块钱的东西，能净赚 36 块现金，这是极高质量的增长。

高续约率： 98% 的留存率依然是它最稳固的底牌。

最大的问题：估值问题

过去软件业持续10年的高估值一去不复返了，再优秀的公司也要回归到“正常”估值，不是ServiceNow不优秀，而是过去的软件业估值太畸高。面临着新创公司和AI颠覆的威胁，软件业不再能支撑过去动辄50PE、100PE的常态化估值。“正常”估值可能意味着：

• 头部软件公司（如 ServiceNow, Microsoft）： 回归到 25x - 35x 的远期 PE（类似 2000 年代初期的成熟科技股）。
• 二三线公司： 甚至可能降至 15x - 20x，与传统服务业无异。

在我看来，成功的投资需要优秀的公司和合理的价格，而市场总是每隔一段时间就将一些优秀的公司打到合理的价格以下，我期待这一波ServiceNow能被打到多低？

Risk Warning: This post is a result of personal study and does not constitute financial advice. I am currently in the process of learning translation, so there may be inaccuracies in the language used.

Position Disclosure: As of the time of publication, the author holds no position in this company. This article was written solely out of research interest. The author has no plans to initiate any positions within the next 72 hours.