SaaSpocalypse: come l’AI cambia il mercato SaaS

Se un agente AI può svolgere attività che prima richiedevano l’intervento di più persone, quante licenze software servono ancora? E se un’azienda può sviluppare uno strumento su misura con l’aiuto dell’intelligenza artificiale, quali abbonamenti continuerà a rinnovare? Sono due delle domande che stanno attraversando il mercato SaaS, perché mettono in discussione il modo in cui le imprese acquistano il software e quello in cui i fornitori ne ricavano entrate.

Per comprendere la portata del cambiamento in atto, bisogna partire dal modello che ha accompagnato la diffusione del Software as a Service. Le aziende utilizzano applicazioni accessibili via Internet, mentre il fornitore si occupa di mantenerle operative e aggiornarle. In molti casi, il cliente paga un abbonamento calcolato sul numero di utenti: se cinquanta dipendenti devono accedere a un’applicazione, acquista cinquanta licenze. Quando aumentano le persone che la utilizzano, cresce anche il ricavo del fornitore.

Con gli agenti AI, il lavoro svolto attraverso un’applicazione può aumentare senza che servano ulteriori licenze. Nel servizio clienti, per esempio, un agente può occuparsi delle richieste più semplici, lasciando agli addetti i casi che richiedono una valutazione. Lo stesso gruppo riesce così a gestire un maggior numero di pratiche, mantenendo invariato il numero di utenti del software. Per il fornitore, però, un contratto basato soltanto sulle licenze non remunera questa attività aggiuntiva. Da qui l’interesse per nuovi modelli economici, con tariffe legate anche alle operazioni eseguite o alle richieste risolte.

A questa trasformazione si aggiunge una seconda possibilità: usare l’AI per sviluppare internamente strumenti destinati a esigenze circoscritte, per le quali prima si acquistava un servizio esterno. Per chi vende software, si aprono quindi due fronti: come far pagare applicazioni utilizzate anche dagli agenti e come convincere i clienti a rinnovare un abbonamento quando costruire un’alternativa diventa più accessibile.

Ed è su questi temi che da qualche mese si è aperto un dibattito, definito, come spesso accade, con termini “apocalittici” (l’aggettivo non è casuale). 
Perché se nel mondo delle memorie si parla di Ramageddon, nel Software as a Service si è scelta la non certo tranquillizzante definizione di “SaaSpocalypse”, per evocare, più che per raccontare, la crisi del software in abbonamento. Per capire quanto l’allarme sia fondato, occorre separare tre questioni: l’andamento del mercato, la tenuta dei modelli commerciali e la capacità delle singole applicazioni di restare utili.

Mercato SaaS: perché le previsioni di crescita convivono con i timori sull’AI

In una analisi pubblicata l’11 febbraio scorso, Forrester riferiva come in sette giorni i titoli software avessero perso oltre 1.000 miliardi di dollari di capitalizzazione. A pesare erano i timori che gli agenti AI possano ridurre il bisogno di licenze tradizionali e rendano più facile replicare alcune funzionalità.

La stessa analisi richiamava però una previsione di crescita della spesa globale SaaS: dai 318 miliardi di dollari del 2025 ai 512 miliardi del 2028, fino a 576 miliardi nel 2029. Si trattava, in questo caso, di stime di spesa, da distinguere dalle valutazioni di Borsa: misurano fenomeni differenti.

Forrester considerava quindi eccessiva la tesi della scomparsa del SaaS. Prevedeva e prevede maggiore pressione sulle applicazioni isolate, poco integrate nei processi e facilmente sostituibili. Per i grandi fornitori, questo significa che competenze settoriali e radicamento nelle aziende restano punti di forza, anche se l’inserimento dell’AI nelle suite non elimina il rischio di perdere centralità. 

Un mercato in espansione può dunque accompagnarsi a una redistribuzione delle opportunità. 
Perché, in ogni caso, va tenuto presente che una crescita complessiva non garantisce che ogni prodotto conservi clienti, prezzi e margini.

AI agentica e mercato SaaS: che cosa cambia nell’utilizzo delle applicazioni

L’AI agentica introduce la possibilità di delegare sequenze di attività a sistemi capaci di utilizzare strumenti e interagire con applicazioni diverse, entro i permessi assegnati.

Immaginiamo una richiesta di assistenza relativa a un ordine. Un agente potrebbe identificarne il cliente, recuperarne lo stato, consultare le condizioni di servizio e predisporre una risposta. La persona incaricata dell’assistenza interverrebbe sui casi controversi o sulle operazioni che richiedono un’autorizzazione.

In un flusso di questo tipo, le applicazioni che custodiscono i dati continuano a essere necessarie, anche se l’operatore passa meno tempo nelle loro schermate. L’agente deve poter accedere a informazioni attendibili e rispettare le regole del processo.

È una possibile evoluzione coerente con la lettura proposta da Chuck Whitten di Bain & Company nell’articolo “The Great Debate: Will Agentic AI Kill SaaS?”. Whitten descrive una prospettiva di convivenza e convergenza: i fornitori SaaS possono integrare gli agenti, mentre chi sviluppa sistemi agentici deve imparare a gestire la complessità dei processi reali. Competenze di settore, integrazioni, fiducia e controllo diventano elementi decisivi.

Per il cliente, questo sposta l’attenzione dalla singola funzione al lavoro completo: quanto del processo viene effettivamente svolto e quali passaggi richiedono ancora interventi manuali?

Modelli di pricing SaaS: dal prezzo per utente a consumi e risultati

Il prezzo per utente lega il costo del servizio al numero di persone abilitate a utilizzarlo. È semplice da leggere e interpretare, ma descrive con maggiore difficoltà un’attività svolta anche da agenti automatici.

Si consideri un esempio puramente illustrativo analogo a quello già citato in precedenza: dieci addetti utilizzano una applicazione per gestire mille richieste. Dopo l’introduzione di un agente, lo stesso gruppo riesce a trattarne duemila. Le licenze restano dieci, mentre il volume elaborato raddoppia. Il fornitore deve decidere come remunerare questa capacità aggiuntiva; il cliente deve capire se il risparmio di tempo giustifica il nuovo costo.

Le alternative comprendono prezzi legati ai consumi, alle operazioni eseguite o ai risultati definiti contrattualmente. Queste formule possono convivere con i canoni per utente. Il listino Agentforce di Salesforce ne è un perfetto esempio: presenta crediti a consumo e tariffe per conversazione accanto a opzioni per utente. Non esiste quindi un passaggio uniforme a un solo nuovo modello.

Anche la parola “risultato” richiede precisione. Per un servizio di assistenza, una risposta inviata, un ticket chiuso e un problema risolto stabilmente sono tre cose diverse. Un confronto economico sensato deve chiarire che cosa viene fatturato e come vengono trattati, anche dal punto di vista economico, errori, riaperture e interventi umani.

Sviluppare software con l’AI o scegliere un SaaS: quando conviene?

La crescita nell’utilizzo degli strumenti e degli agenti AI riapre anche il dibattito tra acquistare e sviluppare, modificando potenzialmente anche il ruolo degli ISV e delle software house. Se creare una piccola applicazione interna diventa più accessibile, alcune aziende possono valutare alternative a strumenti standard che rispondono solo in parte alle loro esigenze.

In un approfondimento pubblicato su Medium, dal titolo “SaaSocalypse thesis isoverstated”, si effettua un distinguo interessante separando il costo iniziale di realizzazione dalla responsabilità di mantenere il software nel tempo. Sicurezza, test, integrazioni, assistenza e aggiornamenti continuano a richiedere lavoro. La sua ipotesi è una maggiore selettività: sviluppare dove serve differenziarsi, mantenendo piattaforme affidabili per le attività fondamentali. 

La valutazione deve quindi comprendere l’intero ciclo di vita dell’applicazione: chi correggerà un malfunzionamento, chi adeguerà i collegamenti quando cambiano le applicazioni e chi garantirà la continuità del servizio. Il prototipo dimostra che una funzione può essere realizzata; la convenienza dipende anche dalla capacità di mantenerla operativa.

AI e mercato SaaS: l’intelligenza artificiale può aumentare la domanda di software?

L’AI potrebbe anche far crescere la domanda di software. È la tesi proposta su Crunchbase News da Bob Morse, cofondatore e managing partner di StrattamCapital: se svolgere un’attività diventa meno costoso, più imprese possono permettersela e chi già la svolge può farlo più spesso.

Pensiamo, per esempio, a una piccola impresa che rinuncia ad analizzare regolarmente i propri dati commerciali perché non dispone del tempo o delle competenze necessarie. Un servizio AI capace di elaborare quei dati e preparare un’analisi a un costo sostenibile potrebbe convincerla a investire in un’attività che prima trascurava. Per il fornitore si aprirebbe così una nuova opportunità di vendita.

Morse richiama il paradosso di Jevons: una maggiore efficienza può far aumentare la domanda, perché rende un servizio accessibile a più persone e ne incoraggia l’utilizzo. Nella sua lettura, quindi, la riduzione dei costi consentita dall’AI potrebbe ampliare il mercato del software. I produttori potrebbero vendere anche l’esecuzione di un’attività, come la preparazione di un’analisi, raggiungendo clienti che non avrebbero acquistato uno strumento da utilizzare da soli.

Il futuro del mercato SaaS nell’era dell’AI

Più concretamente, le prospettive descritte da Whitten suggeriscono una competizione nella quale entrambe le parti devono dimostrare qualcosa. I fornitori tradizionali devono rendere le proprie applicazioni utili anche quando una parte del lavoro viene delegata agli agenti. I nuovi operatori devono provare di saper gestire i casi particolari, i controlli e le responsabilità che accompagnano i processi aziendali.

Per chi acquista, il prossimo rinnovo può diventare l’occasione per chiedere evidenze precise: quali attività vengono automatizzate, quanto tempo si risparmia, quale qualità si ottiene e come varia la fattura al crescere dei volumi.

Sono risposte che permettono di valutare insieme software e AI. Un abbonamento può continuare a essere conveniente, un’applicazione interna può risolvere un’esigenza specifica, un agente può ridurre alcuni passaggi manuali. La scelta richiede di misurare il lavoro svolto e il costo complessivo necessario a ottenerlo.