Ketika AI Menjadi Antarmuka, Apa yang Terjadi pada SaaS?

Selama bertahun‑tahun, masuk ke perangkat lunak martech berarti membuka dasbor. Baik seseorang perlu menganalisis penjualan, meninjau data pelanggan, memantau kinerja kampanye, atau mengelola sebuah akun, dasbor berfungsi sebagai titik awal. Perusahaan perangkat lunak berinvestasi besar untuk membuat lingkungan tersebut lebih mudah dinavigasi karena membawa pelanggan ke dalam aplikasi merupakan hal utama dalam cara produk memberikan nilai.

Asisten AI mulai menantang asumsi tersebut karena orang semakin terbiasa memulai dengan mengajukan pertanyaan alih‑alih mencari melalui menu dan laporan. Mereka dapat memberi tahu asisten AI apa yang ingin mereka ketahui atau capai dan mengharapkan teknologi menentukan informasi apa yang diperlukan untuk merespons.

Ketika perilaku itu terbawa ke tempat kerja, perusahaan perangkat lunak akan melihat pelanggan yang mungkin terus mengandalkan perangkat lunak mereka sambil menghabiskan lebih sedikit waktu di dalam aplikasi itu sendiri, mengubah cara mereka menampilkan kemampuan serta bahkan cara mereka mengukur nilai yang diperoleh pelanggan dari produk.

Perangkat Lunak Dapat Menjadi Bagian dari Percakapan

Asisten AI seperti Claude dan ChatGPT telah mengubah cara orang menemukan informasi dan menyelesaikan tugas sehari‑hari. Adopsi di tingkat perusahaan menciptakan peluang berbeda karena sistem‑sistem ini semakin dapat terhubung dengan aplikasi khusus dan data kepemilikan yang digunakan karyawan di tempat kerja.

Model Context Protocol (MCP) adalah salah satu teknologi yang memungkinkan koneksi tersebut. MCP menyediakan cara standar bagi aplikasi AI untuk terhubung dengan sumber data eksternal dan alat perangkat lunak. Alih‑alih mengharuskan setiap interaksi dimulai di dalam aplikasi tertentu, penyedia perangkat lunak dapat membuat bagian produk mereka dapat diakses melalui lingkungan AI yang digunakan pelanggan.

Untuk memvisualisasikannya, bayangkan sebuah aplikasi analitik. Seorang pemasar secara tradisional mungkin masuk, membuka laporan, memilih rentang tanggal, menerapkan filter, dan membandingkan beberapa grup pelanggan sebelum menemukan jawaban. Dengan antarmuka AI yang terhubung ke perangkat lunak dasar, pemasar tersebut cukup bertanya pelanggan yang baru saja diakuisisi mana yang diprediksi menjadi pelanggan bernilai tinggi.

Perangkat lunak analitik tetap menjalankan tugas penting di balik layar, karena menyimpan data relevan, menerapkan model khusus, dan menyediakan kemampuan yang dikembangkan untuk kasus penggunaan tertentu, namun cara pelanggan mengakses kemampuan tersebut mulai berubah.

Data Kepemilikan Menjadi Semakin Berharga

Memberikan akses percakapan kepada pengguna ke perangkat lunak juga mengungkap salah satu keterbatasan AI tujuan umum.

Sebuah model dapat mengetahui banyak tentang pemasaran atau e‑commerce tanpa mengetahui apa yang terjadi di dalam sebuah perusahaan tertentu kemarin. Model tersebut tidak otomatis mengetahui bagaimana sebuah merek menghitung nilai pelanggan atau setelah periode berapa mereka menganggap pelanggan menjadi tidak aktif. AI perusahaan yang berguna bergantung pada akses ke informasi spesifik organisasi yang menggunakannya.

Perusahaan perangkat lunak sudah memiliki banyak informasi khusus tersebut. Platform data pelanggan memahami perilaku pelanggan dan alat intelijen bisnis mengatur data kinerja perusahaan. Aplikasi perusahaan lainnya berisi informasi khusus serupa tentang organisasi yang mereka layani.

Menghubungkan sistem‑sistem tersebut dengan AI memberi model cara bekerja dengan informasi spesifik perusahaan alih‑alih hanya mengandalkan pengetahuan umum.

Seiring model AI terus berkembang, data kepemilikan dan kemampuan perangkat lunak khusus dapat menjadi sumber diferensiasi yang semakin penting. Model tersebut dapat menyediakan pengalaman percakapan, sementara aplikasi perusahaan menyediakan data dasar dan fungsionalitas yang membuat percakapan berguna bagi bisnis tertentu.

Jawaban Hanya Sebagian dari Peluang

Tahap berikutnya dari perangkat lunak percakapan juga akan bergantung pada apa yang terjadi setelah AI memberikan jawaban. Mengetahui sebuah wawasan memang berguna, tetapi menindaklanjutinya adalah tempat perangkat lunak bisnis memperoleh sebagian besar nilainya.

Bayangkan menanyakan kepada asisten AI pelanggan mana yang paling mungkin melakukan pembelian lagi, lalu menggunakan jawaban tersebut untuk membuat audiens dan membuatnya tersedia bagi sistem lain, mengubah percakapan menjadi alur kerja. Kemungkinan serupa ada di seluruh perangkat lunak perusahaan. Seorang pengguna dapat mengidentifikasi masalah dan memulai langkah berikutnya tanpa berpindah melalui beberapa aplikasi, karena sistem dasar akan terus menjalankan fungsi khusus sementara asisten AI mengoordinasikan cara pengguna mengaksesnya.

Setelah AI dapat memulai tindakan, produk SaaS mulai tampak seperti kumpulan kemampuan khusus yang dapat dipanggil sistem AI bila diperlukan. Produk analitik mungkin mengidentifikasi audiens, platform perdagangan dapat menyediakan data transaksi, dan platform pemasaran dapat mengaktifkan kampanye, dan hal terbaiknya adalah pengguna tidak selalu harus menavigasi setiap aplikasi agar produk‑produk tersebut berkontribusi pada alur kerja. Kemudian, perusahaan perangkat lunak dapat mulai merancang alur kerja berdasarkan apa yang ingin dicapai pelanggan, bukan urutan layar yang diperlukan untuk mencapainya.

Dasbor Masih Memiliki Peran

Dasbor tidak mungkin menghilang sepenuhnya, karena beberapa tugas memang diuntungkan oleh eksplorasi visual atau kemampuan memeriksa sejumlah besar informasi sekaligus. Pengguna tetap memerlukan aplikasi khusus untuk banyak jenis pekerjaan, hanya saja perannya menjadi kurang sentral.

Seorang pelanggan mungkin membuka aplikasi ketika eksplorasi yang lebih mendalam diperlukan sambil menangani pertanyaan dan tindakan rutin melalui asisten AI. Pengguna lain dapat berinteraksi dengan perangkat lunak dasar secara reguler tanpa membuka antarmuka tradisionalnya sama sekali.

Perusahaan SaaS secara historis memperlakukan login, sesi, dan waktu yang dihabiskan di dalam produk sebagai sinyal keterlibatan. Perangkat lunak yang dimediasi AI mempersulit metrik tersebut. Seorang pelanggan yang jarang membuka dasbor masih dapat menjadi pengguna yang sangat terlibat jika asisten AI secara rutin memanggil data, model, atau alur kerja produk atas nama mereka..

Bangun di Tempat Pelanggan Bekerja

Perusahaan SaaS menghabiskan tahun‑tahun untuk mencoba menjadi aplikasi pertama yang dibuka pelanggan. Asisten AI memperkenalkan kemungkinan bahwa tidak ada aplikasi bisnis tunggal yang secara konsisten memegang posisi tersebut. Perangkat lunak tetap harus menyediakan data yang dapat dipercaya, fungsionalitas khusus, dan eksekusi yang andal.

Perusahaan yang mempersiapkan model ini sebaiknya mulai menanyakan bagian mana dari produk mereka yang paling sering dibutuhkan pelanggan, data apa yang dapat dengan aman tersedia bagi sistem AI, dan tindakan apa yang harus dapat dimulai pengguna secara percakapan. Saya rasa dasbor akan tetap berguna, namun mungkin tidak lagi menjadi tempat interaksi dimulai.