Raport AlixPartners oraz komentarze przedstawicieli wiodących firm informatycznych sugerują, że rewolucja generatywnego AI zaczyna destabilizować model biznesowy, na którym opierała się branża oprogramowania, a zwłaszcza segment SaaS (Software-as-a-Service).
W artykule:
Nowy model: AI agent zamiast aplikacji, SaaS wobec kryzysu
Analiza AlixPartners wykazuje, że ponad 100 publicznych spółek software-as-a-service (głównie z sektora mid-market) znajduje się w stanie poważnego zagrożenia. Silny nacisk ze strony startupów AI-native, działających szybciej i taniej, oraz ofensywa gigantów technologicznych (Microsoft, Salesforce) zmuszają firmy do przewartościowania modelu biznesowego.
AlixPartners zauważa, że AI przekształca nie tylko funkcje, ale także strukturę oprogramowania – inteligentni agenci (AI agents) zaczynają zastępować tradycyjne interfejsy i sztywne przepływy danych. W efekcie, modele abonamentowe oparte na liczbie użytkowników i dashboardach mogą stać się przestarzałe. Nowym trendem zyskują modele outcome-based, gdzie opłata zależy od rzeczywistych rezultatów, nie od liczby „miejsc użytkowników” w systemie.
Spadek wzrostu i retencji klientów w modelu SaaS
Raport podkreśla spadek dynamiki sprzedaży w analizowanych firmach: odsetek szybko rozwijających się przedsiębiorstw spadł z 57 % do 39 % w ciągu roku, a medianowy wskaźnik retencji przychodów (NDR) obniżył się z 120 % do 108 % w Q3 2024 — sygnalizując rosnącą niestabilność i presję ze strony konkurencji AI-owej nawet w relacjach z dotychczasowymi klientami podaje podaje Reuters.
Dane te pokazują, że firmy software nie tylko tracą tempo wzrostu, ale też coraz częściej mają problem z utrzymaniem obecnych klientów w obliczu konkurencji AI-native. Spadek retencji przychodów sygnalizuje, że dotychczasowe rozwiązania SaaS przestają być postrzegane jako wystarczająco innowacyjne i kosztowo atrakcyjne. Klienci, którzy do tej pory zwiększali swoje budżety rok do roku na narzędzia chmurowe, zaczynają ograniczać wydatki lub rozglądają się za alternatywami opartymi na inteligentnych agentach, zdolnych do automatyzacji procesów przy niższym TCO (total cost of ownership). To z kolei prowadzi do presji na marże, bo spółki zmuszone są oferować dodatkowe rabaty i dłuższe okresy testowe, aby zatrzymać klientów.
Jednocześnie rynek obserwuje przesunięcie kapitału. Inwestorzy, którzy jeszcze w 2022–2023 roku chętnie lokowali środki w klasyczne spółki SaaS, obecnie kierują uwagę w stronę startupów AI-first, a także dużych graczy z własnymi modelami LLM i agentami. To zmienia cały ekosystem: spółki software muszą konkurować nie tylko produktami, lecz także narracją inwestycyjną. Jeśli nie pokażą jasnej strategii włączenia AI do swojego portfolio, ich wyceny giełdowe oraz dostęp do finansowania mogą się kurczyć. Dla wielu średnich firm oznacza to konieczność przyspieszonej transformacji modelu biznesowego – od tradycyjnych licencji per użytkownik do modeli opartych na efektach (outcome-based pricing), które lepiej odzwierciedlają oczekiwania klientów w erze AI.
Tradycyjny SaaS kontra AI: problemy naturalizacji nowych rozwiązań
Model SaaS opiera się na interfejsach ekranowych, ustrukturyzowanych workflowach i cenach per użytkownik. Tymczasem inteligentny agent działa autonomicznie, potrafi obsługiwać różne typy danych i eliminuje potrzebę interfejsów użytkownika — co stawia pod znakiem zapytania cały ten model monetyzacyjny.
Jako przykład ilościowy warto przywołać Startup Klarna, który zrezygnował z rozwiązań takich jak Salesforce i Workday, stawiając na własne agenty AI oraz mniejszych dostawców – co pokazuje, jak szybko firmy mogą odejść od tradycyjnego SaaS na rzecz bardziej elastycznych, dopasowanych technologii AI-owych.
Co warto wypracować? Kierunki strategiczne dla branży software
Model subskrypcji przekształca się w outcome-based: firmy software powinny testować modele opłat zależne od efektów (np. czasoszyność, KPI), zamiast tradycyjnych licencji seat-based.
Inwestycja w AI-agents: rozwój inteligentnych asystentów (agentów) wewnątrz platform, które mogą działać proaktywnie i adaptacyjnie.
Optymalizacja kosztów obliczeniowych: agenci AI są kosztowni (wysokie obciążenie GPU), więc konieczne są strategie inference-owe i efektywnego cloud computing.
Przygotowanie na reorganizację operacyjną: adaptacja architektury, kompetencji i modeli sprzedażowych.
W coraz bardziej zautomatyzowanym świecie AI, tradycyjne firmy SaaS staną przed wyzwaniem: przetrwać jako platformy czy ewoluować w inteligentnych agentów dostarczających realne rezultaty? Najważniejsza będzie adaptacyjność, bo firmy gotowe na transformację modelu biznesowego i cenowego mogą wyjść z kryzysu wzmocnione.
Może Cię również zainteresować:
Generatywne AI bez zwrotu: 95 % firm nie odnotowuje zysków, wynika z raportu MIT
Psychoza AI – ciemna strona interakcji z chatbotami
Koniec ery SEO: Spadek ruchu o 35%, a 60% wyszukiwań jest bez kliknięcia
Porozmawiaj z nami o sztucznej inteligencji
Dołącz do grupy "AI Business" na Facebooku
Polecamy e-book o AI
AI w marketingu – jak zwiększyć sprzedaż i zaangażowanie klientów?
Test Turinga: Czy AI jest już inteligentniejsze od człowieka?