När AI blir gränssnittet, vad händer med SaaS?

I åratal har inloggning i martech‑programvara inneburit att gå in i en instrumentpanel. Oavsett om någon behövde analysera försäljning, granska kunddata, övervaka kampanjresultat eller hantera ett konto, fungerade instrumentpanelen som startpunkt. Programvaruföretag har investerat kraftigt i att göra dessa miljöer enklare att navigera eftersom det var centralt att få kunderna in i applikationen för att leverera värde.

AI-assistenter börjar utmana den antagandet när människor vänjer sig vid att börja med att ställa en fråga istället för att söka igenom menyer och rapporter. De kan tala om för en AI-assistent vad de vill veta eller uppnå och förvänta sig att tekniken avgör vilken information som behövs för att svara.

När detta beteende sprider sig till arbetsplatsen kommer programvaruföretag att se kunder som kanske fortsätter förlita sig på deras mjukvara men spenderar mindre tid i själva applikationen, vilket förändrar hur de visar sina funktioner och till och med hur de mäter det värde kunderna får av produkten.

Programvara kan bli en del av samtalet

AI-assistenter som Claude och ChatGPT har redan förändrat hur människor hittar information och utför vardagliga uppgifter. Företagsadoption skapar en annan möjlighet eftersom dessa system i allt högre grad kan kopplas till de specialiserade applikationerna och den proprietära data som anställda använder på jobbet.

Model Context Protocol (MCP) är en teknik som möjliggör dessa kopplingar. MCP tillhandahåller ett standardiserat sätt för AI‑applikationer att ansluta till externa datakällor och mjukvaruverktyg. Istället för att kräva att varje interaktion startar i en viss applikation kan mjukvaruleverantörer göra delar av sina produkter tillgängliga via de AI‑miljöer som deras kunder använder.

För att verkligen visualisera detta, föreställ dig en analysapplikation. En marknadsförare loggar traditionellt in, öppnar en rapport, väljer ett datumintervall, applicerar filter och jämför flera kundgrupper innan ett svar hittas. Med ett AI‑gränssnitt kopplat till den underliggande mjukvaran kan den marknadsföraren helt enkelt fråga vilka nyligen förvärvade kunder som förväntas bli högvärdiga kunder.

Analysprogramvaran utför fortfarande ett viktigt arbete bakom kulisserna, eftersom den innehåller den relevanta datan, tillämpar specialiserade modeller och erbjuder funktioner utvecklade för ett specifikt användningsfall, men sättet kunden når dessa funktioner börjar förändras.

Proprietär data blir allt mer värdefull

Att ge användare konversativ åtkomst till programvara avslöjar också en av begränsningarna med generisk AI.

En modell kan veta mycket om marknadsföring eller e‑handel utan att veta vad som hände inom ett specifikt företag igår. Den vet inte automatiskt hur ett varumärke beräknar kundvärde eller efter vilken period de anser att en kund är inaktiv. Användbar företags‑AI beror på tillgång till den information som är specifik för den organisation som använder den.

Programvaruföretag har redan mycket av den specialiserade informationen. Kunddataplattformar förstår kundbeteende och verktyg för affärsintelligens organiserar företagets prestationsdata. Andra företagsapplikationer innehåller liknande specialiserad information om de organisationer de betjänar.

Att koppla ihop dessa system med AI ger modellen ett sätt att arbeta med företagsspecifik information istället för att enbart förlita sig på sin generella kunskap.

Allt eftersom AI‑modeller fortsätter att förbättras kan proprietär data och specialiserade programvarufunktioner bli en allt viktigare differentieringsfaktor. Modellen kan leverera den konversativa upplevelsen, medan företagsapplikationer tillhandahåller den grundläggande datan och funktionaliteten som gör samtalet användbart för ett specifikt företag.

Svar är bara en del av möjligheten

Nästa steg för konversativ programvara kommer också att bero på vad som händer efter att AI levererat ett svar. Att veta en insikt är användbart, men att agera på den är där affärsprogramvara får mycket av sitt värde.

Föreställ dig att du ber en AI‑assistent vilka kunder som mest sannolikt kommer att göra ett nytt köp, och sedan använder svaret för att skapa en målgrupp och göra den tillgänglig för ett annat system, vilket förvandlar samtalet till ett arbetsflöde. Liknande möjligheter finns i hela företagsprogramvaran. En användare kan identifiera ett problem och initiera nästa steg utan att gå igenom flera applikationer, eftersom de underliggande systemen fortsätter att utföra specialiserade funktioner medan AI‑assistenten koordinerar hur användaren får åtkomst till dem.

När AI kan initiera åtgärder börjar SaaS‑produkter likna samlingar av specialiserade funktioner som ett AI‑system kan anropa vid behov. En analysprodukt kan identifiera en målgrupp, en handelsplattform kan tillhandahålla transaktionsdata och en marknadsföringsplattform kan aktivera en kampanj, och det bästa är att användaren inte nödvändigtvis behöver navigera i varje applikation för att dessa produkter ska bidra till arbetsflödet. Därefter kan programvaruföretag börja designa arbetsflöden kring vad kunden vill uppnå snarare än sekvensen av skärmar som krävs för att komma dit.

Instrumentpanelen har fortfarande en roll

Instrumentpaneler kommer sannolikt inte att försvinna helt, bara för att vissa uppgifter gynnas av visuell utforskning eller möjligheten att granska stora mängder information på en gång. Användare kommer fortfarande att behöva dedikerade applikationer för många typer av arbete, det är bara så att deras roll har blivit mindre central.

En kund kan öppna en applikation när djupare utforskning är nödvändig samtidigt som rutinfrågor och -åtgärder hanteras via en AI‑assistent. En annan användare kan interagera med den underliggande mjukvaran regelbundet utan att någonsin öppna dess traditionella gränssnitt.

SaaS‑företag har historiskt sett behandlat inloggningar, sessioner och tid som spenderas i produkten som tecken på engagemang. AI‑medierad mjukvara komplicerar dessa mått. En kund som sällan öppnar en instrumentpanel kan fortfarande vara en mycket engagerad användare om en AI‑assistent regelbundet anropar produktens data, modeller eller arbetsflöden på deras vägnar..

Bygg för där kunden arbetar

SaaS‑företag har under åratal försökt bli den applikation som kunderna öppnar först. AI‑assistenter introducerar möjligheten att ingen enskild affärsapplikation konsekvent kommer att ha den positionen. Programvara måste fortfarande leverera pålitlig data, specialiserad funktionalitet och pålitlig exekvering.

Företag som förbereder sig för denna modell bör börja fråga vilka delar av deras produkter kunderna behöver mest frekvent, vilken data säkert kan göras tillgänglig för AI‑system och vilka åtgärder användare bör kunna initiera konversativt. Jag tror att instrumentpanelen kommer att förbli användbar, men den kanske inte längre blir den plats där interaktioner startar.