Når AI bliver grænsefladen, hvad sker der så med SaaS?

I årevis betød det at logge ind i martech‑software at gå ind i et dashboard. Uanset om nogen skulle analysere salg, gennemgå kundedata, overvåge kampagneydelse eller administrere en konto, fungerede dashboardet som udgangspunktet. Softwarevirksomheder investerede kraftigt i at gøre disse miljøer lettere at navigere, fordi det at få kunderne ind i applikationen var centralt for, hvordan produktet leverede værdi.

AI‑assistenter begynder at udfordre denne antagelse, da folk vænner sig til at starte med at stille et spørgsmål i stedet for at søge gennem menuer og rapporter. De kan fortælle en AI‑assistent, hvad de vil vide eller opnå, og forvente, at teknologien bestemmer, hvilken information den har brug for at svare.

Når denne adfærd overføres til arbejdspladsen, vil softwarevirksomheder se kunder, der fortsat kan stole på deres software, men bruger mindre tid i selve applikationen, hvilket ændrer, hvordan de eksponerer deres funktioner og endda hvordan de måler den værdi, kunderne får ud af produktet.

Software kan blive en del af samtalen

AI‑assistenter som Claude og ChatGPT har allerede ændret, hvordan folk finder information og udfører daglige opgaver. Virksomhedsadoption skaber en anden mulighed, fordi disse systemer i stigende grad kan forbinde sig med de specialiserede applikationer og proprietære data, som medarbejdere bruger på arbejdet.

Model Context Protocol (MCP) er en teknologi, der gør disse forbindelser mulige. MCP giver en standardiseret måde for AI‑applikationer at forbinde med eksterne datakilder og softwareværktøjer. I stedet for at kræve, at hver interaktion starter i en bestemt applikation, kan softwareleverandører gøre dele af deres produkter tilgængelige gennem de AI‑miljøer, deres kunder bruger.

For virkelig at visualisere dette, forestil dig blot en analyseapplikation. En marketingspecialist ville traditionelt logge ind, åbne en rapport, vælge et datointerval, anvende filtre og sammenligne flere kundesegmenter, før de fandt et svar. Med en AI‑grænseflade, der er forbundet med den underliggende software, kan marketingspecialisten blot spørge, hvilke nyligt erhvervede kunder der forventes at blive høj‑værdi‑kunder.

Analyse‑softwaren udfører stadig et vigtigt arbejde bag kulisserne, fordi den indeholder de relevante data, anvender specialiserede modeller og leverer funktioner udviklet til et specifikt brugsscenarie, men den måde, kunden får adgang til disse funktioner på, begynder at ændre sig.

Proprietære data bliver stadig mere værdifulde

At give brugerne samtalebaseret adgang til software afslører også en af begrænsningerne ved generel AI.

En model kan vide meget om marketing eller e‑handel uden at vide, hvad der skete i en bestemt virksomhed i går. Den ved ikke automatisk, hvordan et brand beregner kundeværdi, eller efter hvilken periode de betragter en kunde som inaktiv. Nyttig virksomhed‑AI afhænger af adgang til information, der er specifik for den organisation, der bruger den.

Softwarevirksomheder har allerede meget af denne specialiserede information. Kunde‑dataplatforme forstår kundeadfærd, og business‑intelligence‑værktøjer organiserer virksomhedens præstationsdata. Andre virksomhedsapplikationer indeholder lignende specialiseret information om de organisationer, de betjener.

Forbindelse af disse systemer med AI giver modellen en måde at arbejde med virksomheds‑specifik information på frem for udelukkende at stole på sin generelle viden.

Efterhånden som AI‑modeller fortsætter med at forbedre sig, kan proprietære data og specialiserede softwarefunktioner blive en stadig vigtigere kilde til differentiering. Modellen kan levere den samtalebaserede oplevelse, mens virksomhedsapplikationer leverer de grundlæggende data og funktionalitet, der gør samtalen nyttig for en bestemt virksomhed.

Svar er kun en del af muligheden

Den næste fase af samtalebaseret software vil også afhænge af, hvad der sker, efter AI’en leverer et svar. At kende en indsigt er nyttigt, men at handle på den er, hvor forretningssoftware tjener størstedelen af sin værdi.

Forestil dig at spørge en AI‑assistent, hvilke kunder der sandsynligvis vil foretage et nyt køb, og derefter bruge svaret til at oprette et publikum og gøre det tilgængeligt for et andet system, så samtalen bliver til en arbejdsproces. Lignende muligheder findes i hele virksomhedens software. En bruger kunne identificere et problem og igangsætte næste skridt uden at skulle skifte mellem flere applikationer, fordi de underliggende systemer fortsat udfører specialiserede funktioner, mens AI‑assistenten koordinerer, hvordan brugeren får adgang til dem.

Når AI kan igangsætte handlinger, begynder SaaS‑produkter at ligne samlinger af specialiserede funktioner, som et AI‑system kan kalde på efter behov. Et analyseprodukt kan identificere et publikum, en e‑handelsplatform kan levere transaktionsdata, og en marketingplatform kan aktivere en kampagne, og det bedste er, at brugeren ikke nødvendigvis behøver at navigere i hver applikation for at få disse produkter til at bidrage til arbejdsprocessen. Derefter kan softwarevirksomheder begynde at designe arbejdsprocesser ud fra, hvad kunden ønsker at opnå, i stedet for den sekvens af skærme, der kræves for at komme dertil.

Dashboardet har stadig en rolle

Det er usandsynligt, at dashboards forsvinder helt, blot fordi nogle opgaver drager fordel af visuel udforskning eller muligheden for at gennemgå store mængder information på én gang. Brugerne vil stadig have brug for dedikerede applikationer til mange typer arbejde, men deres rolle er blevet mindre central.

En kunde kan åbne en applikation, når dybere udforskning er nødvendig, mens rutine‑spørgsmål og handlinger håndteres via en AI‑assistent. En anden bruger kan interagere med den underliggende software regelmæssigt uden overhovedet at åbne dens traditionelle grænseflade.

SaaS‑virksomheder har historisk set betragtet logins, sessioner og den tid, der tilbringes i produktet, som signaler på engagement. AI‑medieret software komplicerer disse målinger. En kunde, der sjældent åbner et dashboard, kan stadig være en højt engageret bruger, hvis en AI‑assistent regelmæssigt kalder produktets data, modeller eller arbejdsprocesser på deres vegne.

Byg til hvor kunden arbejder

SaaS‑virksomheder har i årevis forsøgt at blive den applikation, som kunderne åbner først. AI‑assistenter introducerer muligheden for, at ingen enkelt forretningsapplikation konsekvent vil indtage den position. Software skal stadig levere pålidelig data, specialiseret funktionalitet og pålidelig udførelse.

Virksomheder, der forbereder sig på denne model, bør begynde at spørge, hvilke dele af deres produkter kunderne har mest brug for, hvilke data der sikkert kan gøres tilgængelige for AI‑systemer, og hvilke handlinger brugerne skal kunne igangsætte gennem samtale. Jeg mener, at dashboardet vil forblive nyttigt, men det vil måske ikke længere være stedet, hvor interaktionerne starter.