Когда ИИ делает работу за человека: как меняется бизнес-модель SaaS

Индустрия SaaS на протяжении двух десятилетий строилась на одной простой концепции: программное обеспечение помогает людям выполнять их работу. Вокруг этой идеи формировались модели ценообразования, продуктовые планы и стратегии продаж. Под «рабочим местом» понимался конкретный сотрудник, под лицензией — пользователь, а продление подписки напрямую зависело от того, считает ли человек инструмент полезным.

Искусственный интеллект ломает этот фундамент. Современный софт больше не просто помогает человеку — во многих сценариях он полностью берет на себя выполнение задач. Как аналитик и практик в области IT и нейросетей, я вижу, что это оказывает колоссальное влияние на бизнес-модель SaaS и кардинально повышает планку того, что делает специализированное ПО ценным и устойчивым к конкуренции.

Гонка функций завершена

ИИ превратил разработку отдельных программных функций в рядовой товар со скоростью, к которой рынок оказался не готов. В начале 2024 года китайская лаборатория DeepSeek создала модель, конкурирующую с флагманами OpenAI, потратив около 5 миллионов долларов — ничтожную сумму по сравнению с примерно 100 миллионами, которые ушли у OpenAI. Спустя неполный год исследователи из Калифорнийского университета в Беркли воспроизвели ключевые возможности рассуждения DeepSeek всего за 30 долларов.

Стоимость разработки на базе ИИ стремительно падает. Имея доступ к API и грамотно настроенный промпт-инжиниринг, небольшая команда может за считанные недели воссоздать функциональность, на разработку которой раньше уходили годы. Из этого следует важный стратегический вывод: если любую функцию можно скопировать за пару месяцев, она больше не может служить надежным конкурентным преимуществом. Строить продукт исключительно вокруг уникальных «фич» — значит вести борьбу на постоянно размывающейся почве.

То же самое относится к простой интеграции ИИ поверх существующего интерфейса. По мере того как доступ к базовым языковым моделям становится массовым, разработчикам софта приходится закладывать основной массив ценности в глубокую отраслевую экспертизу, рабочие процессы и смежную инфраструктуру.

Проблема традиционного ценообразования

Модель оплаты за рабочее место (per-seat) стала первой и самой заметной жертвой перехода к автоматизированному труду. Она была логичной, пока ПО оставалось пассивным инструментом: один человек, одна лицензия, одно учетное место. Когда задачи автономно выполняют ИИ-агенты, эта логика рушится. Невозможно брать плату за рабочее место, если за ним сидит бот или если один развернутый агент закрывает объем работы десятков сотрудников.

Аналитики Gartner прогнозируют, что к 2030 году не менее 40% корпоративных расходов на SaaS перейдут на модели оплаты за фактическое использование (usage-based), за действия агентов (agent-based) или за конкретный результат (outcome-based). При этом доля доходов от оплаты за рабочие места сократится с 21% до 15%. Рынок уже активно двигается в этом направлении. В августе 2024 года сервис Zendesk запустил тарификацию за результат, взимая плату за каждое решенное обращение клиента, а Salesforce представила платформу Agentforce с ценой 2 доллара за диалог ИИ.

Крупнейшие игроки уже осознали неизбежность трансформации. Разработчикам, которые затягивают с переходом, придется принимать правила игры, сформированные первыми двинувшимися вперед компаниями.

Кроме того, существует серьезный дисбаланс на стороне расходов. Классический SaaS привлекателен близкими к нулю предельными издержками: после создания программы обслуживание нового пользователя почти ничего не стоит. Продукты с ИИ несут существенные переменные затраты на вычислительные мощности, которые растут вместе с нагрузкой. Модель фиксированных подписок per-seat никогда не рассчитывалась на такую изменчивость себестоимости.

Владение рабочим процессом как новая продуктовая стратегия

Если функции перестали быть защитным барьером, а рабочие места — адекватной единицей стоимости, что приходит им на смену? Наблюдая за трансформацией рынка, я отмечаю, что ответ кроется во владении сквозным рабочим процессом (workflow ownership). Это степень, в которой платформа сквозным образом поддерживает и связывает цепочку операций в бизнесе клиента, а не просто закрывает один изолированный шаг.

Для продуктового планирования такой сдвиг меняет всё. Если утилитарный инструмент решает отдельную задачу, то платформа управления процессом охватывает весь цикл: от приема заявки и ее обработки до принятия решений, выполнения действий и итоговой аналитики. Чем большей частью этой цепочки владеет сервис, тем сложнее от него отказаться, поскольку стоимость смены поставщика начинает затрагивать весь операционный контур компании.

Это не означает, что нужно создавать все модули внутри своей команды. Зачастую правильнее укрепить ключевую специализацию и выстроить бесшовную интеграцию со смежными сервисами. Возьмем сферу аренды недвижимости: создать ИИ-бота для ответов на вопросы арендаторов становится все проще. Однако довести клиента от первого обращения до просмотра объекта можно только при слаженной работе нескольких систем — базы данных объектов, календарей и умных замков. Ни одна функция сама по себе не дает нужного эффекта, ценность возникает на стыке специализированных систем.

По данным Gartner, возможность интеграции вошла в топ-3 ключевых факторов при выборе софта корпоративными покупателями. Клиентам мало простого набора функций: им важно знать, насколько глубоко сервис связывается с уже используемыми системами и устраняет ли он трения на всем протяжении рабочего процесса.

Уникальный контекст — главный фактор удержания клиентов

В привычной модели SaaS клиент привязывался к сервису из-за высокой стоимости перехода: перенос данных, переобучение персонала и настройка новых связей требовали времени. В эпоху ИИ возникает более глубокий и не всегда заметный фактор удержания — накопленный контекст клиента.

Эффективность ИИ напрямую зависит от данных, к которым он имеет доступ. Базовая модель отвечает на общие вопросы. Но ИИ-система, встроенная в платформу и накопившая за годы историю операций клиента, поведенческие паттерны, настройки и данные о коммуникациях, действует с высокой точностью в конкретной бизнес-среде. Универсальные модели не способны повторить такой уровень погружения, что делает уникальный контекст мощным конкурентным преимуществом.

Исследования компании RSM US подтверждают эту тенденцию: предприятия, эффективно использующие свои проприетарные данные, демонстрируют показатели удержания клиентов, недостижимые для продуктов, конкурирующих лишь на уровне функций. Поставщикам ПО стоит вкладываться в сбор и структурирование клиентского контекста так же активно, как и в разработку новых возможностей.

Это также предъявляет новые требования к прозрачности и аудиту данных. Когда ИИ самостоятельно принимает решения на основе клиентского контекста, и разработчик, и заказчик должны четко понимать, что именно делает нейросеть и почему. Безопасность и контролируемость становятся обязательной частью архитектуры.

Когда продуктом становится конечный результат

Если заказчики покупают результат, а не инструмент, продуктовые команды должны полностью пересмотреть свои метрики успеха. План разработки, ориентированный на количество выпущенных за квартал функций, перестает работать.

Менеджерам продуктов необходимо осваивать операционные показатели бизнеса клиента. Важно четко определить, что считать успешным результатом, как его измерить и как архитектура продукта гарантирует стабильность и предсказуемость работы ИИ. Это кардинально иная дисциплина по сравнению с проектированием интерфейсов для ручного управления человеком.

Изменения уже видны по аналитике сервиса отзывов G2: наличие ИИ-функций оценивается покупателями только в увязке с измеримой операционной пользой. Заявленная инновационность теряет вес при принятии решений о покупке, в то время как доказанные результаты становятся определяющим фактором.

Покупатели уже изменили критерии оценки

Корпоративный сектор не ждет, пока разработчики адаптируются. Критерии выбора ПО уже сместились: клиентов интересует конечная продуктивность платформы, качество ее работы внутри существующего процесса и глубина интеграции.

Переговоры о закупках больше не сводятся к демонстрации интерфейса или планов разработки. В фокусе внимания — архитектура связей, метрики эффективности и ответственность за результат. Для SaaS-компаний с высокой долей доходов от подписок per-seat возникает риск снижения оценки бизнеса, так как инвесторы закладывают возможные потери выручки из-за замены человеческих рабочих мест автопилотами на базе ИИ.

Для гибких разработчиков это окно возможностей. Сформировав прозрачные тарифы за результат и глубокие интеграции, можно получить весомое преимущество при продлении и расширении контрактов.

Переосмысление стандартов ценности ПО

Искусственный интеллект меняет сам подход к определению ценности софта. Вся система оценки SaaS создавалась для мира, где программы лишь помогали человеку работать. Этот этап завершается.

Наступает время отталкиваться от базового вопроса: если работу делает ИИ, за что именно и почему должен платить клиент? Ответ формирует новую модель, в центре которой находятся конечный результат, владение рабочим процессом и клиентский контекст. Эпоха «фич» вознаграждала удобный инструмент. Эпоха ИИ вознаградит компании с глубокой специализацией и связями, которые сложнее всего воспроизвести.

Источник: www.unite.ai