Když AI dělá práci: Jak se musí změnit obchodní modely SaaS

Průmysl SaaS byl postaven na jednoduchém předpokladu, že software pomáhá lidem vykonávat práci. Každý cenový model, produktová roadmapa i prodejní proces za poslední dvě dekády byly organizovány kolem tohoto předpokladu. Seat představuje osobu, licence představuje uživatele a obnovení nastává, když se uživatel rozhodne, že nástroj stále stojí za to.

AI tento předpoklad rozbíjí již v základě. Software již lidem jen pomáhá vykonávat práci. V mnoha případech práci vykonává sám. To má dopady na obchodní model SaaS. Také to zvyšuje laťku pro to, co činí specializovaný software hodnotným a obhajitelným.

Závod o funkce už proběhl

AI zkomoditizovalo vývoj softwarových funkcí tempem, na které průmysl nebyl připraven. Na počátku roku 2024 čínská laboratoř DeepSeek vybudoval model konkurenceschopný s nejlepšími modely OpenAI za přibližně 5 milionů dolarů, což je zlomek odhadovaných 100 milionů dolarů, které OpenAI vynaložil. Během roku výzkumníci z UC Berkeley replikovali základní schopnosti uvažování DeepSeek za přibližně 30 dolarů. Nákladová křivka vývoje AI prudce klesá. Tým s vhodným přístupem k API a správným prompt engineeringem nyní může napodobit funkce, které dříve trvaly roky.

Strategickým důsledkem je, že pokud lze jakoukoli funkci replikovat během měsíců, funkce již nejsou trvalým zdrojem konkurenční výhody. Organizovat produktovou strategii kolem diferenciace funkcí vás staví do boje na území, které se aktivně eroduje. To samé platí pro pouhé přidání vrstvy AI do existujícího produktu. Jakmile se přístup k podkladovým modelům rozšíří, softwarové společnosti budou muset vkládat větší hodnotu do své doménové expertízy, pracovních postupů a souvisejících systémů.

Řešte problém s cenotvorbou

Cenotvorba založená na místech (seat) je nejviditelnější obětí posunu k práci řízené AI. Model dával smysl, když byl software nástrojem. Jedna osoba, jedna licence a jedno místo. Když AI agenti autonomně vykonávají úkoly, tato logika už neplatí. Nemůžete účtovat za místo, pokud je místo bot, nebo pokud jediná instalace zvládá zátěž desítek uživatelů.

Analytici z Gartneru předpovídají, že alespoň 40 % výdajů enterprise SaaS přejde na modely založené na využití, agentech nebo výsledcích do roku 2030, přičemž podíl příjmů z míst klesne z 21 % na 15 %. Trh se již tímto směrem ubírá. Zendesk spustil cenotvorbu založenou na výsledku v srpnu 2024, účtující za vyřešenou interakci se zákazníkem místo za uživatele. Salesforce následoval s Agentforce za 2 USD za AI konverzaci.

Největší hráči v odvětví přijali, že starý model nevyhovuje nové realitě. Pokud budete čekat, až trh vynutí změnu, zdědíte podmínky nastavené těmi, kteří se posunuli jako první.

Na straně nákladů existuje také problém. Tradiční SaaS těžil z téměř nulových mezních nákladů. Jakmile byl software vytvořen, obsluha dalšího zákazníka byla téměř zdarma. Produkty řízené AI mají značné proměnné výpočetní náklady, které se škálují s využitím. Cenotvorba na základě míst nebyla pro tuto úroveň variability nikdy navržena. Každá společnost, která stále používá model na místa nad produktem řízeným AI, spravuje strukturální nesoulad, který nakonec bude vyžadovat řešení.

Vlastnictví pracovního postupu jako nová produktová strategie

Pokud funkce nejsou příkopem a místa nejsou správnou jednotkou hodnoty, co je? Jak společnosti tuto změnu záměrně procházejí, zjišťují, že odpovědí je vlastnictví pracovního postupu. Vlastnictví pracovního postupu je míra, do jaké platforma podporuje a propojuje řadu akcí napříč provozním procesem zákazníka, místo aby řešila jen jeden krok izolovaně.

Pro produktovou strategii tento přístup představuje rozdíl. Zatímco nástroj řeší konkrétní úkol, platforma pracovního postupu řeší celou sekvenci: přijímání, zpracování, rozhodování, následnou realizaci a měření. Čím více této sekvence platforma vlastní, tím těžší je ji nahradit, protože náklady na přechod zahrnují celý provozní proces, ne jen jednu funkci. To neznamená stavět každou součást interně. V mnoha případech je silnější přístup posílit klíčovou kompetenci a propojit ji se společnostmi, které jsou silné v přilehlých částech pracovního postupu.

Zvažte pronájem. AI agent, který odpovídá na dotazy nájemců, se stává jednodušším na vytvoření. Přesto přechod nájemce od dotazu k prohlídce závisí na spolupráci několika systémů, od údajů o nemovitostech a plánování až po přístup. Žádná jednotlivá funkce tuto zkušenost nevytvoří. Hodnota spočívá v tom, jak se specializované schopnosti propojují napříč procesem.

Podle Gartneru je schopnost integrace nyní #3 nejdůležitější faktor pro globální kupce softwaru. Pouhé funkce nestačí k přesvědčení kupujících. Také chtějí vědět, zda se integruje se systémy, na které jejich týmy již spoléhají, a zda jsou tyto integrace dostatečně hluboké, aby odstranily tření v celém pracovním postupu.

Toto mění způsob, jakým by softwarové společnosti měly hodnotit své vlastní produktové plány. Otázka není spíše „co máme postavit dál“, ale „které části pracovního postupu zákazníka ještě nedotýkáme a co by bylo potřeba k jejich převzetí.“ Partnerství s přilehlými platformami, poskytovateli dat a servisními vrstvami se stávají strategicky stejně důležitá jako interní vývoj. Fragmentace mohla dříve sloužit jako forma obrany, kdy každý dodavatel chránil svou část technologického stacku. Jakmile se jednotlivé schopnosti snadněji reprodukují, tento přístup může být pro společnosti nevýhodný.

Proprietární kontext je novým zamykáním

V tradičním modelu SaaS vycházelo zamykání z nákladů na přechod. Přenos dat, přeškolení uživatelů a znovu nastavení integrací vyžadují značný čas a úsilí. V modelu řízeném AI se objevuje hlubší a méně viditelná forma zamykání: proprietární kontext zákazníka.

Systémy AI jsou užitečné jen tolik, kolik mají kvalitních dat, na nichž operují. Obecný model AI dokáže odpovídat na obecné otázky. AI systém vložený do platformy, která během let nasbírala historii pracovního postupu zákazníka, vzorce chování, rozhodnutí o konfiguraci a vztahová data, může jednat s kontextovou inteligencí specifickou pro situaci daného zákazníka. Obecné modely to nedokážou a proprietární kontext se tak mění v pevnou konkurenční výhodu ve softwaru.

RSM US potvrzuje tento směr, přičemž poznamenává, že podniky, které úspěšně využívají proprietární data, zaznamenají nárůst udržení zákazníků, který čistí konkurenti zaměření na funkce nedokážou překonat. Softwarové společnosti by měly investovat do akumulace a strukturování kontextu specifického pro zákazníka tak agresivně, jako investují do jakékoli jiné schopnosti. Tento kontext se stává cennějším, když je spojen se specializovanou odborností, zavedenými pracovními postupy a dalšími systémy zapojenými do dokončování práce. Konkurenční firma může rychle zkopírovat jednotlivou funkci, ale reprodukovat vše kolem ní je mnohem větší úkol.

Toto má také dopady na to, jak softwarové společnosti uvažují o správě dat a auditovatelnosti. Když AI pracuje s kontextem zákazníka při plnění důležitých úkolů, potřebují jak dodavatel, tak zákazník mít přehled o tom, co AI dělá a proč. Správa musí být součástí architektury, která činí vlastnictví AI‑řízených pracovních postupů důvěryhodným.

Co se stane, když jsou výsledky produktem

Pokud zákazníci kupují výsledky místo nástrojů, produktové týmy musejí zásadně přehodnotit, co budují a jak měří úspěch. Plán vývoje uspořádaný podle funkcí k vydání je nesprávným nástrojem pro produkt zaměřený na dodávání výsledků. Vývojáři by se měli méně soustředit na to, co vydají během čtvrtletí, a více na to, co skutečně dosáhli pro své zákazníky, a zda jsou tyto výsledky měřitelné, přičitatelné a opakovatelné.

Produktoví manažeři, kteří strávili kariéru přemýšlením o specifikacích funkcí a cyklech vydání, potřebují získat plynulost v operačních metrikách. Jak vypadá úspěšný výsledek, jak poznáme, že jsme jej dosáhli, a jak design produktu zajistí, že chování AI je dostatečně konzistentní, aby bylo zodpovědné za výsledky? To je odlišná disciplína od vývoje softwaru pro lidské uživatele.

Již nyní tuto změnu vidíme v tom, jak kupující hodnotí dodavatele. recenzní data G2 ukazují, že schopnosti AI mají nyní smysl jen v kombinaci s měřitelnou provozní hodnotou. Novost funkcí ztrácí váhu v rozhodování o nákupu, zatímco prokázané výsledky získávají na významu. Dodavatelé, kteří stále prodávají převážně na základě schopností a nechávají otázku výsledku na zákazníkovi, jsou čím dál tím více na špatné straně očekávání kupujících.

Kupující se již změnil

Podniky a středně velcí operátoři nečekají, až je dodavatelé dohánějí. Kritéria hodnocení se již změnila a kupující chtějí vědět, co platforma produkuje, jak funguje v jejich stávajícím pracovním postupu a jak hluboce se propojuje se systémy, na které již spoléhají. Diskuse o nákupu, které dříve středily na demonstrace funkcí a prezentace plánů, se stále více zaměřují na architekturu integrací, měření výsledků a provozní odpovědnost.

Riziko pro SaaS platformy s vysokým podílem podnikového nasazení na uživatele spočívá v tom, že násobky tržeb se mohou zmenšovat ve srovnání se společnostmi, které přešly na modely založené na spotřebě nebo výsledcích. Investoři zahrnují do ocenění riziko, že čistá retence tržeb se zhorší, jak zákazníci nahrazují lidské uživatele AI agenty.

Toto je krátkodobá příležitost pro dodavatele. Kupující si vytvářejí očekávání ohledně toho, jak vypadá odpovědnost AI‑nativního softwaru. Progresivní dodavatelé na to reagují vytvářením cenových struktur, prohlubováním integrací a větší ochotou být měřeni podle výsledků, což jim poskytuje výhodu při obnovách a rozšiřování. Dodavatelé, kteří nadále soustředí pozornost na svůj soubor funkcí, zjistí, že tato konverzace je čím dál méně relevantní k tomu, co kupující skutečně chtějí vědět.

Přehodnocení standardu hodnoty

AI mění to, jakou hodnotu má software, pro koho a za jakých podmínek. Celý aparát oceňování SaaS byl vytvořen pro svět, kde software pouze pomáhal lidem vykonávat práci. Tento svět končí.

Nová éra vyžaduje, aby společnosti tuto otázku řešily od základních principů. Pokud AI vykonává práci, za co by měl zákazník platit a proč? Odpovědí je zcela nový model zaměřený na výsledky, vlastnictví pracovního postupu a proprietární kontext. Vyžaduje to odlišné uvažování o cenotvorbě, produktové strategii, partnerstvích a o tom, jak se úspěch měří.

Éra funkcí v SaaS odměňovala nejvýkonnější nástroj. Éra AI bude odměňovat společnosti, jejichž specializace a spojení jsou nejtěžší k napodobení. Přeskupení se dnes kolem této reality vám umožní vybudovat příkop pro příští desetiletí podnikových softwarů.