Quando l’IA diventa l’interfaccia, cosa succede al SaaS?

Per anni, accedere a software martech significava entrare in una dashboard. Che si dovesse analizzare le vendite, rivedere i dati dei clienti, monitorare le performance delle campagne o gestire un account, la dashboard era il punto di partenza. Le aziende software hanno investito molto per rendere quegli ambienti più facili da navigare perché far entrare i clienti nell’applicazione era fondamentale per il modo in cui il prodotto forniva valore.

Assistenti IA stanno iniziando a mettere in discussione quell’assunzione, poiché le persone si stanno abituando a cominciare ponendo una domanda invece di cercare tra menu e report. Possono dire a un assistente IA cosa vogliono sapere o realizzare e si aspettano che la tecnologia determini quali informazioni servono per rispondere.

Man mano che questo comportamento si trasferisce sul posto di lavoro, le aziende software vedranno clienti che potrebbero continuare a fare affidamento sul loro software spendendo meno tempo all’interno dell’applicazione stessa, cambiando il modo in cui espongono le loro capacità e persino il modo in cui misurano il valore che i clienti ottengono dal prodotto.

Il software può diventare parte della conversazione

Assistenti IA come Claude e ChatGPT hanno già cambiato il modo in cui le persone trovano informazioni e completano le attività quotidiane. L’adozione aziendale crea un’opportunità diversa perché questi sistemi possono connettersi sempre più con le applicazioni specializzate e i dati proprietari che i dipendenti usano al lavoro.

Model Context Protocol (MCP) è una tecnologia che rende possibili tali connessioni. MCP fornisce un modo standardizzato per le applicazioni IA di connettersi a fonti di dati esterne e strumenti software. Invece di richiedere che ogni interazione inizi all’interno di una specifica applicazione, i fornitori di software possono rendere parti dei loro prodotti accessibili attraverso gli ambienti IA che i loro clienti usano.

Per visualizzarlo davvero, immaginate un’applicazione di analytics. Un marketer tradizionalmente potrebbe accedere, aprire un report, selezionare un intervallo di date, applicare filtri e confrontare diversi gruppi di clienti prima di trovare una risposta. Con un’interfaccia IA collegata al software sottostante, quel marketer potrebbe semplicemente chiedere quali clienti recentemente acquisiti sono previsti diventare clienti ad alto valore.

Il software di analytics continua a svolgere un ruolo importante dietro le quinte, perché detiene i dati rilevanti, applica modelli specializzati e fornisce funzionalità sviluppate per un caso d’uso specifico, ma il modo in cui il cliente accede a tali capacità inizia a cambiare.

I dati proprietari diventano sempre più preziosi

Fornire agli utenti un accesso conversazionale al software espone anche una delle limitazioni dell’IA a scopo generale.

Un modello può sapere molto di marketing o e‑commerce senza conoscere cosa è accaduto all’interno di una specifica azienda ieri. Non sa automaticamente come un brand calcola il valore del cliente o dopo quale periodo considera un cliente inattivo. Un’IA aziendale utile dipende dall’accesso alle informazioni specifiche dell’organizzazione che la utilizza.

Le aziende software già possiedono gran parte di queste informazioni specializzate. Le piattaforme di dati dei clienti comprendono il comportamento dei clienti e gli strumenti di business intelligence organizzano i dati di performance aziendale. Altre applicazioni aziendali contengono informazioni altrettanto specializzate sulle organizzazioni che servono.

Collegare quei sistemi con l’IA offre al modello un modo per lavorare con informazioni specifiche dell’azienda invece di fare affidamento solo sulla sua conoscenza generale.

Man mano che i modelli IA continuano a migliorare, i dati proprietari e le capacità software specializzate potrebbero diventare una fonte di differenziazione sempre più importante. Il modello può fornire l’esperienza conversazionale, mentre le applicazioni aziendali forniscono i dati di base e le funzionalità che rendono la conversazione utile per un’azienda specifica.

Le risposte sono solo una parte dell’opportunità

La fase successiva del software conversazionale dipenderà anche da cosa accade dopo che l’IA fornisce una risposta. Conoscere un insight è utile, ma agire su di esso è dove il software aziendale guadagna gran parte del suo valore.

Immaginate di chiedere a un assistente IA quali clienti hanno più probabilità di effettuare un altro acquisto, per poi usare quella risposta per creare un pubblico e renderlo disponibile a un altro sistema, trasformando la conversazione in un flusso di lavoro. Possibilità simili esistono in tutto il software aziendale. Un utente potrebbe identificare un problema e avviare il passo successivo senza passare attraverso diverse applicazioni, perché i sistemi sottostanti continuerebbero a eseguire funzioni specializzate mentre l’assistente IA coordina come l’utente vi accede.

Una volta che l’IA può avviare azioni, i prodotti SaaS cominciano a somigliare più a collezioni di capacità specializzate che un sistema IA può richiamare quando necessario. Un prodotto di analytics potrebbe identificare un pubblico, una piattaforma di commercio potrebbe fornire dati di transazione e una piattaforma di marketing potrebbe attivare una campagna, e la cosa migliore è che l’utente non deve necessariamente navigare in ogni applicazione perché questi prodotti contribuiscano al flusso di lavoro. Poi, le aziende software possono iniziare a progettare flussi di lavoro attorno a ciò che il cliente vuole realizzare invece che alla sequenza di schermate necessarie per arrivarci.

La dashboard ha ancora un ruolo

È improbabile che le dashboard scompaiano del tutto, semplicemente perché alcune attività beneficiano dell’esplorazione visiva o della possibilità di esaminare grandi quantità di informazioni contemporaneamente. Gli utenti avranno ancora bisogno di applicazioni dedicate per molti tipi di lavoro, è solo che il loro ruolo è diventato meno centrale.

Un cliente può aprire un’applicazione quando è necessaria un’esplorazione più approfondita, gestendo al contempo domande e azioni di routine tramite un assistente IA. Un altro utente può interagire regolarmente con il software sottostante senza aprire affatto la sua interfaccia tradizionale.

Le aziende SaaS hanno storicamente considerato login, sessioni e tempo trascorso all’interno del prodotto come segnali di coinvolgimento. Il software mediato dall’IA complica queste metriche. Un cliente che apre raramente una dashboard potrebbe comunque essere un utente molto coinvolto se un assistente IA richiama regolarmente i dati, i modelli o i flussi di lavoro del prodotto per suo conto..

Progettare per il luogo in cui il cliente lavora

Le aziende SaaS hanno trascorso anni cercando di diventare l’applicazione che i clienti aprono per prima. Gli assistenti IA introducono la possibilità che nessuna singola applicazione aziendale mantenga costantemente quella posizione. Il software deve comunque fornire dati affidabili, funzionalità specializzate ed esecuzione affidabile.

Le aziende che si preparano a questo modello dovrebbero cominciare a chiedersi quali parti dei loro prodotti i clienti necessitano più frequentemente, quali dati possono essere messi in sicurezza a disposizione dei sistemi IA e quali azioni gli utenti dovrebbero poter avviare in modo conversazionale. Credo che la dashboard rimarrà utile, ma potrebbe non essere più il punto di partenza delle interazioni.