Ketika AI Melakukan Pekerjaan: Bagaimana Model Bisnis SaaS Harus Berubah

Industri SaaS dibangun atas premis sederhana bahwa perangkat lunak membantu orang melakukan pekerjaan. Setiap model harga, peta jalan produk, dan gerakan penjualan selama dua dekade terakhir telah diatur berdasarkan asumsi itu. Sebuah kursi mewakili seorang individu, sebuah lisensi mewakili seorang pengguna, dan perpanjangan terjadi ketika pengguna tersebut memutuskan bahwa alat tersebut masih berharga.

AI merobohkan premis itu sejak dasar. Perangkat lunak tidak lagi hanya membantu orang melakukan pekerjaan. Dalam banyak kasus, ia melakukan pekerjaan tersebut sendiri. Hal ini berdampak pada model bisnis SaaS. Ia juga meningkatkan standar tentang apa yang membuat perangkat lunak khusus menjadi bernilai dan dapat dipertahankan.

Perlombaan Fitur Sudah Selesai

AI telah mengkomodifikasi pengembangan fitur perangkat lunak dengan kecepatan yang tidak dipersiapkan industri. Pada awal 2024, laboratorium China DeepSeek membangun model yang kompetitif dengan yang terbaik dari OpenAI dengan biaya kira-kira $5 juta, sebagian kecil dari perkiraan $100 juta yang dikeluarkan OpenAI. Dalam satu tahun, peneliti UC Berkeley meniru kemampuan penalaran inti DeepSeek dengan biaya sekitar $30. Kurva biaya pengembangan AI menurun tajam. Tim dengan akses API yang tepat dan rekayasa prompt kini dapat memperkirakan fitur yang dulu memerlukan bertahun-tahun untuk dibangun.

Implikasi strategisnya adalah, jika fitur apa pun dapat direplikasi dalam hitungan bulan, maka fitur tidak lagi menjadi sumber keunggulan kompetitif yang tahan lama. Menyusun strategi produk Anda berdasarkan diferensiasi fitur membuat Anda bersaing di bidang yang terus terkikis. Hal yang sama berlaku untuk sekadar menambahkan lapisan AI pada produk yang ada. Seiring akses ke model dasar menjadi lebih meluas, perusahaan perangkat lunak harus menambahkan lebih banyak nilai pada keahlian domain, alur kerja, dan sistem pendukung mereka.

Atasi Masalah Penetapan Harga

Penetapan harga berbasis kursi adalah korban paling terlihat dari pergeseran menuju pekerjaan yang digerakkan AI. Model ini masuk akal secara intuitif ketika perangkat lunak berfungsi sebagai alat. Satu orang, satu lisensi, dan satu kursi. Ketika agen AI menangani tugas secara otonom, logika itu tidak lagi berlaku. Anda tidak dapat menagih per kursi ketika kursi tersebut adalah bot, atau ketika satu penerapan menangani beban kerja puluhan pengguna.

Analis di Gartner memprediksi bahwa setidaknya 40% dari belanja SaaS perusahaan akan beralih ke model berbasis penggunaan, berbasis agen, atau berbasis hasil pada tahun 2030, dengan pangsa pendapatan berbasis kursi menurun dari 21% menjadi 15%. Pasar sudah bergerak ke arah itu. Zendesk meluncurkan penetapan harga berbasis hasil pada Agustus 2024, menagih per interaksi pelanggan yang diselesaikan alih-alih per pengguna. Salesforce mengikuti dengan Agentforce seharga $2 per percakapan AI.

Pemain terbesar di industri telah menerima bahwa model lama tidak cocok dengan realitas baru. Jika Anda menunggu pasar memaksa perubahan, Anda akan mewarisi syarat-syarat yang ditetapkan oleh mereka yang bergerak pertama.

Ada juga masalah di sisi biaya. SaaS tradisional menikmati biaya marginal hampir nol. Setelah perangkat lunak dibangun, melayani pelanggan tambahan hampir tanpa biaya. Produk yang digerakkan AI memiliki biaya komputasi variabel yang signifikan dan meningkat seiring penggunaan. Penetapan harga berbasis kursi tidak pernah dirancang untuk tingkat variabilitas tersebut. Setiap perusahaan yang masih menggunakan model kursi pada produk berbasis AI mengelola ketidaksesuaian struktural yang pada akhirnya akan memerlukan penyelesaian.

Kepemilikan Alur Kerja sebagai Strategi Produk Baru

Jika fitur bukanlah penghalang dan kursi bukan unit nilai yang tepat, apa yang menjadi pengganti? Saat perusahaan menavigasi transisi ini secara sengaja, mereka menemukan bahwa jawabannya adalah kepemilikan alur kerja. Kepemilikan alur kerja adalah tingkat di mana sebuah platform mendukung dan menghubungkan rangkaian tindakan di seluruh proses operasional pelanggan, bukan hanya menangani satu langkah secara terpisah.

Untuk strategi produk, perubahan kerangka ini membuat perbedaan. Sementara sebuah alat menangani tugas spesifik, platform alur kerja menangani seluruh rangkaian: penerimaan, pemrosesan, pengambilan keputusan, tindak lanjut, dan pengukuran. Semakin banyak rangkaian tersebut dimiliki platform, semakin sulit untuk digantikan karena biaya beralih mencakup seluruh proses operasional, bukan hanya satu fungsi. Itu tidak berarti harus membangun setiap komponen secara internal. Dalam banyak kasus pendekatan yang lebih kuat adalah memperkuat kompetensi inti dan menghubungkannya dengan perusahaan yang kuat pada bagian alur kerja yang berdekatan.

Pertimbangkan penyewaan. Agen AI yang menjawab pertanyaan penyewa semakin mudah dibangun. Namun memindahkan penyewa dari permintaan ke tur bergantung pada banyak sistem yang bekerja bersama, mulai dari data properti dan penjadwalan hingga akses. Tidak ada satu fitur pun yang menciptakan pengalaman itu. Nilainya berasal dari cara kemampuan khusus terhubung di seluruh proses.

Menurut Gartner, kemampuan integrasi kini menjadi #3 faktor terpenting bagi pembeli perangkat lunak global. Fitur saja tidak cukup untuk mempengaruhi pembeli. Mereka juga ingin tahu apakah produk tersebut terintegrasi dengan sistem yang sudah menjadi andalan tim mereka, dan apakah integrasi tersebut cukup mendalam untuk menghilangkan gesekan di seluruh alur kerja.

Ini mengubah cara perusahaan perangkat lunak harus mengevaluasi peta jalan produk mereka sendiri. Pertanyaannya bukan lagi “apa yang harus kami bangun selanjutnya” melainkan “bagian mana dari alur kerja pelanggan yang belum kami sentuh, dan apa yang diperlukan untuk menguasainya.” Kemitraan dengan platform tetangga, penyedia data, dan lapisan layanan menjadi sama pentingnya secara strategis dengan pengembangan internal. Fragmentasi yang dulu dapat berfungsi sebagai bentuk pertahanan, dengan setiap vendor melindungi bagian teknologi stack miliknya, kini dapat berbalik melawan perusahaan ketika kemampuan individu semakin mudah direproduksi.

Konteks Proprietari Menjadi Kunci Penguncian Baru

Dalam model SaaS tradisional, penguncian berasal dari biaya beralih. Memigrasikan data, melatih ulang pengguna, dan membangun kembali integrasi semuanya memakan waktu dan upaya yang signifikan. Dalam model yang digerakkan AI, bentuk penguncian yang lebih dalam dan kurang terlihat sedang muncul: konteks pelanggan yang bersifat proprietari.

Sistem AI hanya seberguna data yang mereka operasikan. Model AI tujuan umum dapat menjawab pertanyaan umum. Sistem AI yang tertanam dalam platform yang telah mengumpulkan bertahun‑tahun sejarah alur kerja pelanggan, pola perilaku, keputusan konfigurasi, dan data hubungan dapat bertindak dengan kecerdasan kontekstual yang spesifik untuk situasi pelanggan tersebut. Model tujuan umum tidak dapat melakukannya, dan hal ini menjadikan konteks proprietari sebagai keunggulan kompetitif yang solid dalam perangkat lunak.

RSM US mengonfirmasi arah ini, mencatat bahwa bisnis yang berhasil memanfaatkan data proprietari akan melihat peningkatan retensi pelanggan yang tidak dapat ditandingi oleh pesaing yang hanya mengandalkan fitur. Perusahaan perangkat lunak harus berinvestasi dalam akumulasi dan penataan konteks spesifik pelanggan seagresif mereka berinvestasi dalam kemampuan lain. Konteks tersebut menjadi lebih berharga ketika terikat pada keahlian khusus, alur kerja yang mapan, dan sistem lain yang terlibat dalam menyelesaikan pekerjaan. Seorang pesaing mungkin dapat menyalin fitur individu dengan cepat, tetapi mereproduksi seluruh ekosistem di sekitarnya merupakan upaya yang jauh lebih besar.

Hal ini juga berdampak pada cara perusahaan perangkat lunak memikirkan tata kelola data dan auditabilitas. Ketika AI bertindak atas konteks pelanggan untuk menyelesaikan tugas penting, baik vendor maupun pelanggan memerlukan visibilitas terhadap apa yang AI lakukan dan mengapa. Tata kelola harus menjadi bagian dari arsitektur yang membuat kepemilikan alur kerja berbasis AI dapat dipercaya.

Apa yang Terjadi Ketika Hasil Menjadi Produk

Jika pelanggan membeli hasil daripada alat, tim produk harus berpikir secara fundamental berbeda tentang apa yang mereka bangun dan bagaimana mereka mengukur keberhasilan. Peta jalan yang diatur berdasarkan fitur yang akan diluncurkan adalah instrumen yang salah untuk produk yang diatur berdasarkan hasil yang akan diberikan. Pengembang harus lebih fokus pada apa yang mereka selesaikan untuk pelanggan, bukan hanya apa yang mereka rilis dalam satu kuartal, serta apakah hasil tersebut dapat diukur, dapat diatribusikan, dan dapat diulang.

Manajer produk yang menghabiskan kariernya berpikir dalam istilah spesifikasi fitur dan siklus rilis perlu mengembangkan kefasihan dalam metrik operasional. Seperti apa hasil yang sukses, bagaimana kita tahu kapan hasil tersebut tercapai, dan bagaimana desain produk memastikan perilaku AI cukup konsisten untuk dapat dipertanggungjawabkan atas hasil? Itu merupakan disiplin yang berbeda dibandingkan membangun perangkat lunak untuk pengguna manusia.

Kita sudah dapat melihat perubahan ini dalam cara pembeli mengevaluasi vendor. Data ulasan G2 menunjukkan bahwa kemampuan AI kini hanya penting bila dipasangkan dengan nilai operasional yang dapat diukur. Kebaruan fitur semakin kehilangan bobot dalam keputusan pembelian, sementara hasil yang terbukti semakin mendapatkan perhatian. Vendor yang masih menjual terutama berdasarkan kemampuan dan menyerahkan pertanyaan hasil kepada pelanggan semakin berada di sisi yang salah dari harapan pembeli.

Pembeli Sudah Berubah

Operator perusahaan besar dan menengah tidak menunggu vendor mengejar ketertinggalan. Kriteria evaluasi sudah berubah, dan pembeli ingin tahu apa yang dihasilkan platform, bagaimana kinerjanya dalam alur kerja mereka yang ada, serta seberapa dalam ia terhubung dengan sistem yang sudah mereka andalkan. Percakapan pengadaan yang dulu berpusat pada demonstrasi fitur dan presentasi peta jalan kini semakin fokus pada arsitektur integrasi, pengukuran hasil, dan akuntabilitas operasional.

Risiko bagi platform SaaS dengan eksposur per‑seat perusahaan yang tinggi adalah bahwa kelipatan pendapatan dapat terkompresi dibandingkan dengan perusahaan yang beralih ke model konsumsi atau berbasis hasil. Investor memperhitungkan risiko bahwa retensi pendapatan bersih akan menurun seiring pelanggan menggantikan seat manusia dengan agen AI.

Ini adalah peluang singkat bagi vendor. Pembeli sedang membentuk ekspektasi tentang seperti apa akuntabilitas perangkat lunak native AI. Vendor yang berpikiran maju merespons dengan menciptakan struktur harga, membangun kedalaman integrasi, dan lebih bersedia diukur berdasarkan hasil, memberi mereka keunggulan dalam perpanjangan dan ekspansi. Vendor yang terus fokus pada set fitur mereka akan menemukan bahwa percakapan tersebut semakin tidak relevan dengan apa yang sebenarnya ingin diketahui pembeli.

Memikir Ulang Standar Nilai

AI mengubah apa nilai perangkat lunak, bagi siapa, dan dengan syarat apa. Seluruh mekanisme penilaian SaaS dibangun untuk dunia di mana perangkat lunak hanya membantu manusia melakukan pekerjaan. Dunia itu sedang berakhir.

Era baru menuntut perusahaan memperlakukan hal ini sebagai pertanyaan prinsip dasar. Jika AI melakukan pekerjaan, apa yang harus dibayar oleh pelanggan, dan mengapa? Jawabannya adalah model baru yang berpusat pada hasil, kepemilikan alur kerja, dan konteks kepemilikan. Ini memerlukan pemikiran yang berbeda tentang penetapan harga, strategi produk, kemitraan, dan cara mengukur keberhasilan.

Era fitur SaaS menghargai alat yang paling mampu. Era AI akan menghargai perusahaan yang spesialisasinya dan koneksinya paling sulit ditiru. Menata kembali berdasarkan realitas itu hari ini memungkinkan Anda membangun benteng untuk dekade berikutnya perangkat lunak perusahaan.