Når AI gjør arbeidet: Hvordan SaaS-forretningsmodeller må endres

SaaS-bransjen ble bygget på den enkle forutsetningen at programvare hjelper folk med å utføre arbeid. Hver prisingsmodell, produktplan og salgsstrategi de siste to tiårene har vært organisert rundt denne antakelsen. En plass er en person, en lisens er en bruker, og en fornyelse er det som skjer når brukeren bestemmer seg for at verktøyet fortsatt er verdt det.

AI bryter denne forutsetningen i selve kjernen. Programvare hjelper ikke lenger bare folk med å utføre arbeid. I mange tilfeller gjør den arbeidet i stedet. Dette får konsekvenser for SaaS-forretningsmodellen. Det hever også standarden for hva som gjør spesialisert programvare verdifull og defensibel.

Funksjonskappløpet er allerede fullført

AI har gjort programvarefunksjonsutvikling til en vare på et tempo bransjen ikke var forberedt på. Tidlig i 2024 bygde det kinesiske laboratoriet DeepSeek bygde en modell som er konkurransedyktig med OpenAIs beste for omtrent $5 million, en brøkdel av de anslåtte $100 million OpenAI brukte. Innen ett år replikkerte forskere ved UC Berkeley DeepSeek sine kjerne‑resonneringskapasiteter for omtrent $30. Kostnadskurven for AI‑utvikling er i kraftig nedgang. Et team med riktig API‑tilgang og prompt‑engineering kan nå etterligne funksjoner som tidligere tok år å bygge.

Den strategiske implikasjonen er at hvis en hvilken som helst funksjon kan replikkeres på måneder, er funksjoner ikke lenger en varig kilde til konkurransefortrinn. Å organisere produktstrategien rundt funksjonsdifferensiering gjør at du konkurrerer på et terreng som aktivt er i ferd med å forsvinne. Det samme gjelder for å legge til et AI‑lag på et eksisterende produkt. Etter hvert som tilgang til de underliggende modellene blir mer utbredt, vil programvareselskaper måtte bygge mer verdi inn i sin domenekompetanse, arbeidsflyter og omkringliggende systemer.

Ta tak i prisproblemet

Prisfastsettelse per plass er den mest synlige ofren av overgangen til AI‑drevet arbeid. Modellen ga intuitiv mening da programvare var et verktøy. En person, med én lisens, og én plass. Når AI‑agenter håndterer oppgaver autonomt, fungerer ikke den logikken lenger. Du kan ikke ta betalt per plass når plassen er en bot, eller når en enkelt utrulling håndterer arbeidsbelastningen til dusinvis av brukere.

Analytikere hos Gartner spår at minst 40 % av bedrifts‑SaaS‑utgifter vil skifte til bruksbaserte, agentbaserte eller resultatbaserte modeller innen 2030, med andelen inntekter fra plassbasert prising som faller fra 21 % til 15 %. Markedet beveger seg allerede i den retningen. Zendesk lanserte resultatbasert prising i august 2024, som fakturerer per løst kundesamhandling i stedet for per bruker. Salesforce fulgte med Agentforce til $2 per AI‑samtale.

Bransjens største aktører har akseptert at den gamle modellen ikke passer den nye virkeligheten. Hvis du venter på at markedet tvinger frem endringen, vil du arve vilkårene som ble satt av de som gikk først.

Det er også et problem på kostnadssiden. Tradisjonell SaaS hadde nesten ingen marginalkostnad. Når programvaren var bygget, var det nesten gratis å betjene en ekstra kunde. AI‑drevne produkter har betydelige variable beregningskostnader som skalerer med bruken. Plassbasert prising var aldri designet for et slikt nivå av variabilitet. Hvert selskap som fortsatt bruker en plassmodell på toppen av et AI‑drevet produkt håndterer en strukturell mismatch som etter hvert vil kreve en løsning.

Arbeidsflyteierskap som den nye produktstrategien

Hvis funksjoner ikke er vollgrav og plasser ikke er den rette verdienheten, hva er det da? Når selskaper bevisst navigerer denne overgangen, oppdager de at svaret er arbeidsflyteierskap. Arbeidsflyteierskap er graden av hvorvidt en plattform støtter og kobler sammen en sekvens av handlinger på tvers av en kundes operative prosess, i stedet for kun å håndtere ett trinn isolert.

For produktstrategi gjør denne omrammingen en forskjell. Mens et verktøy løser en spesifikk oppgave, håndterer en arbeidsflytplattform hele sekvensen: innsamling, behandling, beslutningstaking, oppfølging og måling. Jo mer av den sekvensen en plattform eier, desto vanskeligere blir den å erstatte fordi byttekostnaden omfatter en hel operativ prosess, ikke bare en enkelt funksjon. Det betyr ikke at alle komponenter må bygges internt. I mange tilfeller er den sterkere tilnærmingen å styrke en kjernekompetanse og koble den med selskaper som er sterke i tilstøtende deler av arbeidsflyten.

Tenk på leasing. En AI‑agent som svarer på leietakers spørsmål blir stadig enklere å bygge. Men å flytte en leietaker fra henvendelse til visning avhenger av flere systemer som jobber sammen, fra eiendomsdata og planlegging til tilgang. Ingen enkelt funksjon skaper den opplevelsen. Verdien kommer fra hvordan spesialiserte evner kobles sammen gjennom prosessen.

I følge Gartner er integrasjonskapasitet nå den #3 mest viktige faktor for globale programvarekjøpere. Kun funksjoner er ikke nok til å påvirke kjøpere. De vil også vite om den integreres med systemene teamene deres allerede er avhengige av, og om disse integrasjonene går dypt nok til å fjerne friksjon gjennom hele arbeidsflyten.

Dette endrer hvordan programvareselskaper bør evaluere sine egne produktveikart. Spørsmålet er mindre «hva skal vi bygge neste» og mer «hvilke deler av kundens arbeidsflyt berører vi ennå ikke, og hva vil det kreve å eie dem». Partnerskap med tilstøtende plattformer, dataleverandører og tjenestelag blir like strategisk viktige som intern utvikling. Fragmentering kunne tidligere fungert som en form for defensivitet, med hver leverandør som beskytter sin egen del av teknologistakken. Etter hvert som individuelle funksjoner blir lettere å reprodusere, kan denne tilnærmingen virke mot selskapene.

Proprietær kontekst er den nye låsemekanismen

I den tradisjonelle SaaS-modellen kom låsing fra byttekostnader. Å migrere data, omskolere brukere og gjenopprette integrasjoner krever betydelig tid og innsats. I en AI-drevet modell dukker en dypere og mindre synlig form for låsing opp: proprietær kundekontekst.

AI-systemer er kun så nyttige som dataene de opererer på. En generisk AI-modell kan svare på generelle spørsmål. Et AI-system som er integrert i en plattform som har samlet år med en kundes arbeidsflythistorikk, atferdsmønstre, konfigurasjonsbeslutninger og relasjonsdata, kan handle med kontekstuell intelligens som er spesifikk for den kundens situasjon. Generelle modeller kan ikke dette, og det gjør proprietær kontekst til en solid konkurransefordel i programvare.

RSM US bekrefter denne retningen, og bemerker at bedrifter som lykkes med å utnytte proprietære data vil oppnå gevinster i kundelojalitet som rene funksjonskonkurrenter ikke kan matche. Programvareselskaper bør investere i innsamling og strukturering av kundespesifikk kontekst like aggressivt som de investerer i enhver annen kapasitet. Den konteksten blir mer verdifull når den knyttes til spesialisert ekspertise, etablerte arbeidsflyter og de andre systemene som er involvert i å fullføre arbeidet. En konkurrent kan kanskje kopiere en enkelt funksjon raskt, men å reprodusere alt rundt den er en langt større oppgave.

Dette har også implikasjoner for hvordan programvareselskaper tenker på datastyring og revisjonssporbarhet. Når AI handler på kundekontekst for å fullføre viktige oppgaver, trenger både leverandør og kunde innsyn i hva AI gjør og hvorfor. Styring må være en del av arkitekturen som gjør AI-drevet arbeidsflyt-eierskap troverdig.

Hva skjer når resultater er produktet

Hvis kundene kjøper resultater i stedet for verktøy, må produktteam tenke helt annerledes om hva de bygger og hvordan de måler suksess. Et veikart organisert rundt funksjoner som skal leveres er feil verktøy for et produkt som er organisert rundt leveranse av resultater. Utviklere bør fokusere mindre på hva de lanserer i et kvartal og mer på hva de får gjort for kundene sine, samt om disse resultatene er målbare, tilskrivbare og gjentakbare.

Produktledere som har tilbrakt karrieren med å tenke i termer av funksjonsspesifikasjoner og utgivelsessykluser, må utvikle flyt i operasjonelle måleparametre. Hvordan ser et vellykket resultat ut, hvordan vet vi når vi har oppnådd det, og hvordan sikrer produktdesignet at AI-atferd er konsistent nok til å holdes ansvarlig for resultatene? Dette er en annen disiplin enn å bygge programvare for menneskelige brukere.

Vi kan allerede se denne endringen i hvordan kjøpere evaluerer leverandører. G2s vurderingsdata viser at AI-funksjoner nå kun er relevante når de er knyttet til målbar operasjonell verdi. Nyhetsverdi for funksjoner taper i kjøpsbeslutninger, mens demonstrerte resultater får økt betydning. Leverandører som fortsatt selger primært på funksjonalitet og overlater resultatspørsmålet til kunden, befinner seg i økende grad på feil side av det kjøperne forventer.

Kjøperen har allerede endret seg

Bedrifts- og mellommarkedoperatører venter ikke på at leverandører skal ta igjen. Evalueringskriteriene har allerede endret seg, og kjøpere vil vite hva en plattform leverer, hvordan den fungerer i deres eksisterende arbeidsflyt, og hvor dypt den kobles til systemene de allerede er avhengige av. Innkjøpssamtaler som tidligere fokuserte på funksjonsdemonstrasjoner og veikartpresentasjoner, er i økende grad rettet mot integrasjonsarkitektur, resultatmåling og operasjonell ansvarlighet.

Risikoen for SaaS-plattformer med tung bedriftsbruk per sete er at inntektsmultiplikatorer kan komprimeres i forhold til selskaper som har gått over til forbruks- eller resultatbaserte modeller. Investorer priser inn risikoen for at netto inntektsbevaring vil forverres etter hvert som kunder erstatter menneskelige plasser med AI-agenter.

Dette er en kortvarig mulighet for leverandører. Kjøpere utvikler forventninger til hvordan ansvarlighet for AI-innfødt programvare ser ut. Fremtidsrettede leverandører svarer ved å lage prisstrukturer, bygge dypere integrasjoner og være mer villige til å bli målt på resultater, noe som gir dem en fordel i fornyelser og utvidelser. Leverandører som fortsetter å fokusere på sitt funksjonssett vil oppleve at samtalen blir stadig mer irrelevant for det kjøperne faktisk ønsker å vite.

Tenke nytt om verdistandarden

AI endrer hva programvare er verdt, for hvem, og på hvilke vilkår. Hele apparatet for SaaS‑verdsetting ble bygget for en verden der programvare kun hjalp mennesker med å utføre arbeid. Den verden er i ferd med å ta slutt.

Den nye æraen krever at selskaper behandler dette som et førsteprinsippsspørsmål. Hvis AI gjør arbeidet, hva skal en kunde betale for, og hvorfor? Svaret er en helt ny modell som er sentrert rundt resultater, eierskap til arbeidsflyt og proprietær kontekst. Det krever en annen tilnærming til prising, produktstrategi, partnerskap og hvordan suksess måles.

Funksjonsepoken i SaaS belønnet det mest kapable verktøyet. AI-epoken vil belønne de selskapene hvis spesialisering og nettverk er vanskeligst å etterligne. Å omorganisere seg rundt denne virkeligheten i dag gjør det mulig å bygge en voll for det neste tiåret med bedriftsprogramvare.