Når AI blir grensesnittet, hva skjer med SaaS?

I flere år betydde innlogging i martech software å gå inn i et dashbord. Enten noen trengte å analysere salg, gjennomgå kundedata, overvåke kampanjeytelse eller administrere en konto, fungerte dashbordet som startpunktet. Programvareselskaper investerte tungt i å gjøre disse miljøene enklere å navigere fordi det å få kunder inn i applikasjonen var sentralt for hvordan produktet leverte verdi.

AI assistants begynner å utfordre denne antakelsen ettersom folk blir vant til å starte med å stille et spørsmål i stedet for å søke gjennom menyer og rapporter. De kan fortelle en AI‑assistent hva de vil vite eller oppnå, og forvente at teknologien bestemmer hvilken informasjon den trenger for å svare.

Etter hvert som denne atferden overføres til arbeidsplassen, vil programvareselskaper se kunder som fortsatt kan stole på programvaren deres, men som bruker mindre tid i selve applikasjonen, noe som endrer hvordan de viser frem sine funksjoner og til og med hvordan de måler verdien kundene får fra produktet.

Programvare kan bli en del av samtalen

AI‑assistenter som Claude og ChatGPT har allerede endret hvordan folk finner informasjon og utfører daglige oppgaver. Bedriftsadopsjon skaper en annen mulighet fordi disse systemene i økende grad kan kobles til de spesialiserte applikasjonene og de proprietære dataene ansatte bruker på jobben.

Model Context Protocol (MCP) er en teknologi som gjør disse tilkoblingene mulige. MCP gir en standardisert måte for AI‑applikasjoner å koble seg til eksterne datakilder og programvareverktøy. I stedet for å kreve at hver interaksjon starter i en bestemt applikasjon, kan programvareleverandører gjøre deler av produktene sine tilgjengelige gjennom AI‑miljøene kundene bruker.

For å virkelig visualisere dette, forestill deg en analyseapplikasjon. En markedsfører pleide tradisjonelt å logge inn, åpne en rapport, velge et datointervall, bruke filtre og sammenligne flere kundesegmenter før de fant et svar. Med et AI‑grensesnitt koblet til den underliggende programvaren, kunne markedsføreren enkelt spørre hvilke nylig ervervede kunder som er spådd å bli high-value customers.

Analyseprogramvaren utfører fortsatt en viktig oppgave i bakgrunnen, fordi den inneholder relevante data, anvender spesialiserte modeller og tilbyr funksjoner utviklet for et bestemt brukstilfelle, men måten kunden får tilgang til disse funksjonene på begynner å endre seg.

Proprietære data blir stadig mer verdifulle

Å gi brukere konversasjonsbasert tilgang til programvare avdekker også en av begrensningene ved generell AI.

En modell kan vite mye om markedsføring eller netthandel uten å kjenne til hva som skjedde i et bestemt selskap i går. Den vet ikke automatisk hvordan et merke beregner kundeverdi eller etter hvilken periode de anser en kunde som inaktiv. Nyttig bedrifts‑AI avhenger av tilgang til informasjon som er spesifikk for organisasjonen som bruker den.

Programvareselskaper har allerede mye av denne spesialiserte informasjonen. Kundedataplattformer forstår kundeadferd, og verktøy for forretningsintelligens organiserer selskapets ytelsesdata. Andre bedriftsapplikasjoner inneholder tilsvarende spesialisert informasjon om organisasjonene de betjener.

Connecting those systems med AI gir modellen en måte å arbeide med selskaps‑spesifikk informasjon i stedet for å stole utelukkende på sin generelle kunnskap.

Etter hvert som AI‑modeller fortsetter å forbedres, kan proprietære data og spesialiserte programvarefunksjoner bli en stadig viktigere kilde til differensiering. Modellen kan levere den konversasjonsbaserte opplevelsen, mens bedriftsapplikasjoner leverer de grunnleggende dataene og funksjonaliteten som gjør samtalen nyttig for en bestemt virksomhet.

Svar er bare en del av muligheten

Neste fase av konversasjonsprogramvare vil også avhenge av hva som skjer etter at AI gir et svar. Å kjenne til en innsikt er nyttig, men å handle på den er der forretningsprogramvare tjener mesteparten av sin verdi.

Forestill deg å be en AI‑assistent om hvilke kunder som mest sannsynlig vil foreta et nytt kjøp, og deretter bruke svaret til å opprette et publikum og gjøre det tilgjengelig for et annet system, og dermed omforme samtalen til en arbeidsflyt. Lignende muligheter finnes i hele bedriftsprogramvaren. En bruker kan identifisere et problem og sette i gang neste steg uten å måtte gå gjennom flere applikasjoner, fordi de underliggende systemene fortsatt utfører spesialiserte funksjoner mens AI‑assistenten koordinerer hvordan brukeren får tilgang til dem.

Når AI kan igangsette handlinger, begynner SaaS‑produkter å ligne samlinger av spesialiserte funksjoner som et AI‑system kan kalle på etter behov. Et analyseprodukt kan identifisere et publikum, en handelsplattform kan levere transaksjonsdata, og en markedsføringsplattform kan aktivere en kampanje, og det beste er at brukeren ikke nødvendigvis trenger å navigere i hver applikasjon for at disse produktene skal bidra til arbeidsflyten. Deretter kan programvareselskaper begynne å designe arbeidsflyter basert på hva kunden ønsker å oppnå i stedet for rekkefølgen av skjermer som kreves for å komme dit.

Dashbordet har fortsatt en rolle

Dashbord er lite sannsynlig å forsvinne helt, simpelthen fordi noen oppgaver drar nytte av visuell utforskning eller muligheten til å undersøke store mengder informasjon på én gang. Brukere vil fortsatt trenge dedikerte applikasjoner for mange typer arbeid, men rollen deres har blitt mindre sentral.

En kunde kan åpne en applikasjon når dypere utforskning er nødvendig, mens rutinemessige spørsmål og handlinger håndteres via en AI‑assistent. En annen bruker kan samhandle med den underliggende programvaren regelmessig uten å åpne det tradisjonelle grensesnittet i det hele tatt.

SaaS‑selskaper har historisk sett behandlet innlogginger, økter og tid brukt i produktet som signaler på engasjement. AI‑mediated programvare kompliserer disse målingene. En kunde som sjelden åpner et dashbord kan fortsatt være en svært engasjert bruker hvis en AI‑assistent regelmessig henter produktets data, modeller eller arbeidsflyter på deres vegne.

Bygg for der kunden jobber

SaaS‑selskaper har brukt år på å prøve å bli den applikasjonen kundene åpnet først. AI‑assistenter introduserer muligheten for at ingen enkelt forretningsapplikasjon konsekvent vil ha den posisjonen. Programvare må fortsatt levere pålitelig data, spesialisert funksjonalitet og pålitelig utførelse.

Bedrifter som forbereder seg på denne modellen bør begynne å spørre hvilke deler av produktene deres kundene trenger hyppigst, hvilke data trygt kan gjøres tilgjengelige for AI‑systemer, og hvilke handlinger brukerne skal kunne igangsette gjennom samtaler. Jeg tror dashbordet vil forbli nyttig, men det vil kanskje ikke lenger være stedet hvor interaksjoner starter.