Gdy hype trwa dłużej niż nagłówki: jak naprawdę wygląda zagrożenie AI dla SaaS

Narracja o AI, która zmiecie branżę SaaS, świetnie się czyta. Rzeczywistość jest jednak znacznie bardziej złożona.

Jest pewna ironia w tym, że część najbardziej emocjonalnych komentarzy wieszczących koniec modelu software-as-a-service sama została wygenerowana przez maszyny.

Mowa o tzw. „SaaS-pokalipsie” – przekonaniu, że AI z dnia na dzień sprawi, że całe kategorie oprogramowania biznesowego staną się zbędne. To chwytliwy nagłówek. Czy odzwierciedla to, dokąd naprawdę zmierzamy – to już inna sprawa.

Rynek reaguje. Tylko na co właściwie?

Akcje spółek software’owych mocno oberwały. Część znanych firm notuje kursy wyraźnie poniżej szczytów, a wyprzedaż jest szeroka – dotyka zarówno silnych, jak i słabych biznesów. A jednak pod tym szumem większość firm software’owych radzi sobie naprawdę dobrze. Wzrost jest zdrowy. Klienci zostają. Niektóre firmy wręcz przyspieszają.

Rynki tak naprawdę nie zmagają się z teraźniejszością, tylko z przyszłością. Konkretnie z obawą, że AI nie tylko zmienia sposób tworzenia oprogramowania, ale fundamentalnie zmienia charakter pracy, którą to oprogramowanie wspiera. To nie jest irracjonalna obawa. Ale to też nie to samo, co twierdzenie, że branża zaraz się załamie.

Problem w tym, że wielu inwestorów, nawet profesjonalnych, nigdy nie korzystało z produktów, w które zainwestowali. Oprogramowanie dla firm to test Rorschacha: dla różnych inwestorów znaczy coś innego, bo większość z nich nigdy go nie używała – zamiast je dobrze zrozumieć, projektują na nie swoje obawy lub nadzieje.

Duża część tych obaw koncentruje się wokół jednej idei: AI potrafi dziś budować oprogramowanie tak szybko i tanio, że argument za kupowaniem gotowych rozwiązań po prostu znika. Brzmi przekonująco. Ale pomija to, jak naprawdę powstaje oprogramowanie i za co organizacje faktycznie płacą.

Oprogramowanie to coś więcej niż pisanie kodu

Narzędzia AI do programowania są naprawdę imponujące. Tworzenie oprogramowania jest dziś szybsze i tańsze niż dwa lata temu, a ta różnica będzie się dalej powiększać. Ale organizacje nigdy nie płaciły wyłącznie za kod. Płaciły za coś, co działa niezawodnie na dużą skalę, spełnia wymogi zgodności, integruje się ze wszystkim, z czego korzystają, i za co ktoś odpowiada, gdy przestaje działać. Nic z tego się nie zmieniło.

Zanim powstanie choćby jedna linijka kodu, ktoś nadal musi zmapować proces, zdefiniować wymagania i zrozumieć, co oprogramowanie ma właściwie robić. AI nie generuje tej wiedzy – potrzebuje jej na wejściu. Dodaj do tego testy, które przy kodzie generowanym przez AI stają się jeszcze bardziej wymagające, a także bezpieczeństwo, zgodność z regulacjami, ścieżki audytu i dostępność 24/7 – i pomysł zastąpienia sprawdzonych w boju platform świeżo zbudowanymi alternatywami zaczyna wyglądać znacznie mniej atrakcyjnie.

Coś, co robi wrażenie na demo, może się rozsypać w chwili, gdy zetknie się z prawdziwymi użytkownikami, prawdziwymi wolumenami danych i prawdziwą presją operacyjną. Dojrzałe platformy SaaS mają ten etap już za sobą, czasem okupiony bólem – i to w dużej mierze za efekt tego doświadczenia płacą klienci.

Co AI naprawdę zmienia

Nie oznacza to, że dostawcy SaaS mogą czuć się komfortowo. Zmiana jest realna, tyle że nie polega na zastąpieniu. To przesunięcie w tym, za co klienci są gotowi płacić.

Przez dekady ceny oprogramowania opierały się na liczbie użytkowników i przestrzeni na dane. Miało to sens, gdy zadaniem oprogramowania było przechowywanie informacji i udostępnianie ich ludziom. AI zmienia oczekiwania. Organizacje chcą teraz oprogramowania, które coś robi, a nie tylko coś przechowuje: automatyzacji, wniosków, mniejszej liczby ręcznych kroków, szybszych decyzji.

To wywiera realną presję na dostawców, którzy odruchowo doklejają funkcje AI do platform zbudowanych dwadzieścia lat temu, zamiast przemyśleć je od podstaw. Klienci widzą różnicę, a ich rozmowy o odnowieniu umów zaczynają to odzwierciedlać.

Jedną z najbardziej niedocenianych zmian jest to, co AI zrobiła z kosztem i tempem eksperymentowania. Zbudowanie proof of concept nigdy nie było łatwiejsze. Osoby nietechniczne nie są już skazane na makiety i wireframe’y – wypuszczają sklejone na taśmę klejącą narzędzia, które naprawdę działają: wystarczająco dobre, by przetestować realny pomysł, pozyskać pierwszych klientów i przetrwać zderzenie z rzeczywistością. Ten medal ma dwie strony. Z jednej strony rośnie konkurencja: bariera wejścia przy budowaniu narzędzi wewnętrznych czy nawet raczkujących produktów SaaS drastycznie spadła. Z drugiej – realną przewagę zyskują ci, którzy łączą wyczucie produktu z szybkością działania. Dobrym przykładem jest Jakub Sadowski z Surfera – product manager, który zbudował działający prototyp, włączony później do dojrzałego, dostępnego na rynku produktu. Prototyp zamiast specyfikacji. To zupełnie inna gra, a dojrzali dostawcy niekoniecznie są w najlepszej pozycji, by w nią grać.

Nie każdy produkt jest narażony w tym samym stopniu. Oprogramowanie bezpośrednio powiązane z liczbą pracowników – na przykład narzędzia do obsługi klienta – zmierzy się z realną presją cenową, jeśli AI zmniejszy liczbę potrzebnych osób. Oprogramowanie głęboko osadzone w sposobie funkcjonowania firmy jest znacznie trudniejsze do zastąpienia, bo koszt i ryzyko wymiany przewyższają niemal każdą alternatywę.

Trudniejsze pytanie, które niewielu odważa się postawić wprost, brzmi: czy zespoły, które zbudowały i utrzymywały platformy CRM, systemy ERP i pakiety do zarządzania treścią, są właściwymi zespołami do budowy ich następców natywnych dla AI? Profile kompetencji są naprawdę różne, a wiedza instytucjonalna w jednej dziedzinie nie przenosi się automatycznie na drugą.

Adaptacja zamiast apokalipsy

Najbardziej realistyczny scenariusz to nie nagłe zniknięcie branży, lecz okres zmian, w którym część dostawców skutecznie się dostosuje, a część nie. Najsilniejszą presję odczują rozwiązania punktowe z niskimi kosztami zmiany i wyraźnymi alternatywami natywnymi dla AI. Platformy głęboko osadzone w procesach operacyjnych, za którymi stoją lata konfiguracji i integracji, są znacznie trudniejsze do zastąpienia.

Organizacje, które dobrze przez to przejdą – zarówno dostawcy, jak i firmy – to te, które nie potraktują tego jako wyboru zero-jedynkowego. Wymiana wszystkiego jest równie chybiona jak niewymienianie niczego. Prawdziwa praca polega na wypracowaniu umiejętności odróżniania tego, co AI faktycznie ulepsza, od tego, co zmienia ekonomicznie, ale nie praktycznie, i od tego, co przetrwa niezależnie od wszystkiego.

SaaS-pokalipsa to wdzięczny temat, a wymieranie daje lepsze nagłówki niż ewolucja. Ale to właśnie ewolucja niemal na pewno nas czeka.

‍