SaaS, abbiamo un problema
Perché il tuo abbonamento per utente sta diventando un pezzo da museo.
Ciao a tutti! 🙌
Per quindici anni, l’industria del software ha vissuto una sorta di età dell’oro basata su un’equazione commerciale tanto semplice quanto redditizia. Ogni volta che un’azienda cliente assumeva un nuovo collaboratore, il fornitore di software stappava idealmente una bottiglia di spumante: un nuovo dipendente significava una nuova licenza da pagare. Questo sistema, noto come seat-based pricing, ha trasformato il Software as a Service (SaaS) in una macchina da soldi prevedibile e scalabile.
Tuttavia, oggi quella macchina sta iniziando ad emettere suoni preoccupanti. Non si tratta di un guasto improvviso, ma di un cambiamento profondo che mette in discussione l’idea stessa che il valore del software sia legato alla presenza di un essere umano davanti ad uno schermo. Con l’ingresso dell’Intelligenza Artificiale “agentica”, molti di quei “posti a sedere” pagati a caro prezzo sono diventati improvvisamente superflui.
Per questo nuovo episodio di Road To The Future, ho chiesto aiuto a Nicola Ottomano e Paul Barnes, che di “SaaS” vivono ogni giorno, il primo come Senior Customer Success Manager di Enghouse Interactive, un fornitore internazionale di software, servizi e soluzioni video per contact center, e il secondo come CEO di Overe, una promettente azienda anglosassone specializzata in Security Posture Management (SSPM) e protezione delle identità all’interno degli ecosistemi cloud. Chi meglio di loro può raccontarci come stanno effettivamente le cose?
Buona lettura.
Il declino del modello ad utente unico
Per molto tempo, gli investitori hanno considerato il mercato SaaS una scommessa sicura. La logica era quasi noiosa nella sua ripetitività: se l’azienda cliente cresceva, i ricavi del fornitore crescevano di pari passo. Secondo i dati forniti da Gartner, la spesa mondiale per il software applicativo ha mantenuto ritmi di crescita a doppia cifra per anni. Ma se guardiamo i bilanci del 2026, notiamo che la natura di questa spesa è mutata. Il problema nasce nel momento in cui il software smette di essere un attrezzo passivo nelle mani di un dipendente ed inizia ad operare per conto proprio.
L’Intelligenza Artificiale agentica rappresenta il superamento definitivo dei vecchi chatbot o dei primi “copilot“, che spesso si limitavano a correggere le e-mail o a suggerire righe di codice. Un agente AI moderno è capace di pianificare una sequenza di azioni, utilizzare strumenti digitali esterni e portare a termine compiti complessi con una supervisione minima o nulla. In un reparto di assistenza clienti, ad esempio, pagare per cento licenze individuali perde ogni logica commerciale se un unico sistema agentico può gestire il volume di lavoro che prima richiedeva l’impiego di decine di operatori umani. Il software non è più un sedile occupato da una persona, ma un’entità che produce risultati in autonomia.
Il “caso di Klarna” ha fornito la prova definitiva di questa tendenza, agendo come una sveglia per l’intero settore. L’azienda svedese ha annunciato di aver delegato ad un assistente basato su tecnologia OpenAI il lavoro che precedentemente veniva svolto da 700 operatori a tempo pieno. I risultati sono stati quasi imbarazzanti per chi ancora difende il modello tradizionale: i tempi di risoluzione delle pratiche sono scesi da 11 minuti a meno di 2 minuti. Per i fornitori di software che vendevano a Klarna licenze calcolate sul numero di teste, questo annuncio è stata una vera e propria dichiarazione di guerra al loro modello di fatturazione.
Pur avendomi confessato di aver cominciato già da tempo ad affrontare questa sfida, Nicola Ottomano di Enghouse Interactive mi ha offerto una chiave di lettura diversa, facendomi riflettere sulla prevedibilità dei costi da sostenere e sulla rilevanza dei “contatti umani”:
“Nel mio settore (ndr: Contact Center) c’è sempre stata una spinta all’automazione perché il principale costo sono gli operatori: da un lato per abbassare i costi operativi, dall’altro per offrire un servizio self-service senza attese e disponibile 24/7. Prima che il boom di ChatGPT mettesse in discussione le esigenze operative dei nostri clienti e di conseguenza i modelli di pricing del settore, altri strumenti di automazione come risposte automatiche basate su Knowledge Base, i primi chatbot e gli IVR conversazionali avevano già tracciato un percorso nella direzione del ‘risultato’. Nel tempo, si è passati dalla licenza server al numero di canali contemporanei, fino ai token odierni per l’Intelligenza Artificiale. Va, però, tenuto in considerazione che una licenza ‘a postazione’ ha un costo ben definito, prevedibile, mentre modelli di pricing variabile possono a volte riservare sorprese spiacevoli. Non credo che il modello seat-based scomparirà del tutto, anzi, noto che sempre più aziende ci stanno chiedendo di mantenere le postazioni operatore perché - ad esempio nell’ambito del Customer Care - è proprio il fattore umano la discriminante sulla quale si acquisiscono o si perdono clienti. Dopotutto siamo umani e ci piace interagire con qualcuno dall’altra parte.”
La fine del “clicca qui”
Il mercato SaaS tradizionale è stato costruito attorno alle interfacce grafiche (GUI). Per anni, le aziende hanno pagato per avere bottoni colorati, dashboard accattivanti e menu a tendina che rendevano più semplice l’esecuzione di processi complicati. Tuttavia, gli agenti AI non hanno alcun bisogno di una bella interfaccia per comunicare tra loro o con un database; preferiscono di gran lunga utilizzare le API, che sono invisibili all’occhio umano. Come sottolineato da Sequoia Capital nel rapporto “Generative AI’s Act Two“, la proposta di valore si sta spostando dal “software che aiuta a fare il lavoro“ al “software che fa il lavoro “.
Questa distinzione cambia tutto. Se il software esegue il compito in autonomia, il valore non risiede più nel tempo che l’utente trascorre sulla piattaforma (la cosiddetta “stickiness“), ma nell’esito finale dell’operazione. Questo sta spingendo i fornitori più lungimiranti verso modelli di value-based pricing o outcome-based pricing. Invece di emettere una fattura mensile fissa di 50 euro per ogni utente registrato, le software house iniziano a chiedere una commissione per ogni compito completato con successo o una percentuale sul risparmio generato. È un passaggio logico: se il software lavora da solo, l’azienda vuole pagare per il risultato, non per l’accesso ad una scrivania digitale vuota.
Supponendo che, da qui a qualche anno, le software house saranno pagate in funzione dei risultati raggiunti (e non delle “postazioni occupate”), sarà indispensabile rivedere completamente le metriche del successo.
Come anticipato, Nicola Ottomano ricopre il ruolo di Senior Customer Success Manager; per questo sarà senz’altro in prima linea nell’affrontare concretamente il problema:
“La vera sfida è proprio questa. In un contesto in continua evoluzione, è difficile fare previsioni di medio-lungo termine. Fino ad oggi l’efficienza, e quindi il valore intrinseco del prodotto, è stata misurata nel numero di contatti che un operatore riusciva a gestire con successo in un dato periodo. Questo però è sempre stato un limite perché dava una visione parziale dell’insieme. Negli ultimi tempi hanno preso piede metriche come NPS (Net Promoter Score) e CSAT (Customer Satisfaction), che hanno integrato quelle precedenti. In futuro potremmo veder comparire nuove metriche legate alla capacità di governare i processi e le informazioni che l’azienda veicola verso l’esterno, magari ad uso e consumo delle intelligenze artificiali: penso ai recenti sviluppi di WebMCP, che permette di rendere disponibili strumenti fruibili dalle AI direttamente sul proprio sito istituzionale.”
La risposta dei giganti
Non deve sorprendere che perfino i pionieri del settore abbiano cambiato radicalmente strategia. Marc Benioff, il CEO di Salesforce, l’uomo che ha praticamente inventato il concetto di SaaS e di abbonamento per utente, ha recentemente rivisto le proprie posizioni. Dopo aver criticato i modelli di AI “fai-da-te“ e i copilot che richiedono troppa interazione umana, ha lanciato Agentforce. L’idea è quella di permettere alle aziende di distribuire agenti autonomi che operano direttamente sui dati di vendita ed assistenza.
La strategia di Salesforce è una mossa di sopravvivenza calcolata: Benioff ha capito che se non sarà lui a distruggere il proprio modello basato sulle licenze, ci penserà qualche startup concorrente. Secondo le previsioni di IDC (International Data Corporation), entro il 2026, una parte significativa delle applicazioni aziendali integrerà capacità di automazione tali da ridurre del 20% la necessità di intervento umano nelle attività lavorative standard. Il mercato SaaS si trova davanti ad un bivio: trasformarsi in una piattaforma che ospita agenti intelligenti o rischiare l’irrilevanza.
La saturazione del mercato e la “Subscription Fatigue”
Oltre alla rivoluzione dell’Intelligenza Artificiale, il settore deve fare i conti anche con una certa stanchezza strutturale. Le aziende medie oggi si ritrovano a gestire centinaia di abbonamenti diversi, una frammentazione che ha generato la cosiddetta “subscription fatigue“. I CFO sono diventati estremamente selettivi ed aggressivi nel tagliare tutto ciò che non produce un ritorno immediato e misurabile.
L’AI agentica funge da acceleratore in questo processo di pulizia dei bilanci. Non ha più senso pagare tre diversi abbonamenti per la gestione dei lead, il marketing automation e l’analisi dei dati, se un unico agente intelligente può connettersi direttamente al data warehouse e gestire in autonomia l’intera sequenza informativa. La promessa dell’Intelligenza Artificiale agentica è la semplificazione radicale dello stack tecnologico. Si tratta di una notizia eccellente per chi deve far quadrare i conti aziendali, ma rappresenta una minaccia esistenziale per migliaia di startup SaaS di nicchia che offrono singole funzionalità specifiche che l’AI può ora replicare senza alcuno sforzo.
Investimenti e realtà economica
Il mondo del Venture Capital ha già recepito questo cambio di rotta. Sebbene i flussi di denaro verso l’Intelligenza Artificiale siano imponenti, le valutazioni delle aziende SaaS che si ostinano a vendere “strumenti per umani“ hanno subito un forte ridimensionamento. I multipli dei ricavi, che in passato avevano raggiunto cifre difficilmente giustificabili razionalmente, sono tornati a livelli molto più sobri. Oggi gli investitori non si accontentano della crescita ad ogni costo, ma pretendono margini reali o, almeno, una crescita sostenibile che rispetti la “Rule of 40“ (dove la somma di crescita e profitto deve superare il 40%).
Tuttavia, il passaggio all’AI non è una passeggiata economica per i fornitori. Come evidenziato da una interessante analisi di Andreessen Horowitz - datata, ma pur sempre attuale - i costi di calcolo (compute costs) necessari per far girare questi agenti e le commissioni da pagare ai grandi modelli linguistici riducono sensibilmente i margini lordi che una volta erano tipici del software puro. Un’azienda SaaS che decide di vendere “lavoro svolto da agenti“ deve gestire un’infrastruttura molto più costosa e complessa rispetto ad una che si limitava a ospitare un database e un’interfaccia in Javascript. La sfida economica è doppia: vendere meno licenze e sostenere costi tecnici più alti.
Il lato oscuro dell’automazione
Mentre l’industria celebra la morte del “posto a sedere“ e la nascita dell’efficienza basata sui risultati, emerge una questione finora rimasta in ombra: chi vigila su un esercito di agenti che operano senza stancarsi e, soprattutto, senza interfacce umane? Se il software non è più solo uno strumento ma diventa l’utente finale, i paradigmi della sicurezza informatica devono essere completamente rinegoziati per evitare che l’agognata semplificazione si trasformi in un incubo di gestione.
Secondo Paul Barnes, CEO di Overe - realtà specializzata nel SaaS Security Posture Management (SSPM) – “ci troviamo di fronte ad un paradosso. Da un lato, l’attività si sta consolidando attorno a un numero ridotto di piattaforme operative principali. Il lavoro si svolge sempre più all’interno di ambienti come Microsoft 365, Google Workspace e Salesforce, dove comunicazioni, dati e processi decisionali sono già attivi. Man mano che gli agenti di Intelligenza Artificiale iniziano ad operare direttamente all’interno di queste piattaforme, diventano di fatto la spina dorsale operativa delle organizzazioni moderne. Ciò crea un ambiente più snello dal punto di vista della produttività, ma introduce anche una concentrazione del potere operativo. Quando una piattaforma diventa il luogo in cui si lavora, si esegue l’automazione e si prendono decisioni, compromessi o configurazioni errate non sono più solo un problema IT, ma un problema di continuità aziendale. Allo stesso tempo, l’Intelligenza Artificiale non sta necessariamente semplificando questi ambienti internamente. In molti casi, sta facendo il contrario. Ogni flusso di lavoro automatizzato, integrazione o processo basato sull’Intelligenza Artificiale richiede la propria identità, autorizzazioni e percorsi di accesso. Pertanto, sebbene il numero di piattaforme possa consolidarsi, la complessità interna e le sfide di governance all’interno di tali piattaforme continuano a crescere. In un recente webinar da noi ospitato sull’adozione dell’AI nel mercato MSP e PMI, un tema, in particolare, è emerso ripetutamente: le organizzazioni sono entusiaste dell’AI, ma molte hanno ancora difficoltà con i fondamenti di identità, configurazione della sicurezza e visibilità operativa nelle piattaforme su cui già fanno affidamento. Se queste basi sono deboli, l’aggiunta di software autonomo non fa che amplificare il rischio.”
Paul sottolinea che “Il cambiamento più grande a cui stiamo assistendo è che il software stesso sta diventando un utente. Gli ambienti SaaS moderni contengono già un gran numero di identità non umane, come account di servizio, flussi di lavoro di automazione, integrazioni API e applicazioni delegate. Gli agenti di Intelligenza Artificiale accelerano drasticamente questa tendenza perché operano in modo continuativo, prendono decisioni in modo autonomo e spesso dispongono di accesso persistente a dati e sistemi. I modelli di sicurezza tradizionali davano per scontato che dietro la maggior parte delle attività ci fosse un essere umano. Questa ipotesi non è più valida. Quando il software agisce in maniera indipendente, le organizzazioni devono concentrarsi meno sui singoli eventi di accesso e più sulla convalida continua di ciò che ogni identità è autorizzata a fare e del suo comportamento nel tempo. Anche la velocità cambia l’equazione.”
Per salvaguardare i processi aziendali, Paul suggerisce un drastico cambio di rotta che parta innanzitutto dalla velocità di reazione: “visto che i sistemi di Intelligenza Artificiale e gli aggressori operano ormai alla velocità delle macchine, anche i sistemi di sicurezza devono adeguarsi. Le indagini umane da sole non possono tenere il passo con l’attività autonoma. Ciò significa che è indispensabile applicare un monitoraggio automatizzato, che garantisca il rilevamento delle anomalie e la risposta programmatica sia alle identità umane che a quelle non umane. Per molti versi, l’Intelligenza Artificiale sta rafforzando una tendenza già osservata negli ambienti cloud: l’identità è diventata la principale superficie di controllo. Che l’attore sia una persona, un flusso di lavoro automatizzato o un agente, la sicurezza si riduce sempre più al modo in cui vengono concesse le autorizzazioni alle varie identità, al modo in cui tali autorizzazioni vengono monitorate e alla rapidità con cui le organizzazioni possono reagire in caso di cambiamenti.”
Adattarsi per non scomparire
Il mercato SaaS non sta morendo. Sta solo vivendo una trasformazione che ne cambierà i connotati per sempre. C’è una certa ironia in tutto questo: il software, nato con la promessa di liberare i lavoratori dalle mansioni ripetitive, ha finito per creare una nuova forma di burocrazia digitale fatta di dashboard da monitorare e infiniti login. L’Intelligenza Artificiale agentica promette di mantenere finalmente quella vecchia promessa, rendendo il software quasi invisibile e riducendo l’interazione umana al minimo indispensabile.
Per le aziende del settore, la nuova regola è smettere di vendere strumenti ed iniziare a vendere risultati. Il successo non sarà più determinato dal numero di ore che un dipendente trascorre dentro un applicativo, ma esattamente dall’opposto: quanto poco quell’utente ha dovuto interagire con il sistema per ottenere ciò di cui aveva bisogno. È un paradosso commerciale senza precedenti: per sopravvivere, bisogna creare un prodotto così efficiente da non richiedere quasi più la presenza di chi lo paga.
In questo scenario, la sopravvivenza dipenderà dalla capacità di controllare i dati e di trasformarli in azioni autonome. Chi rimarrà ancorato al conteggio dei “posti a sedere“ si accorgerà presto che la sala è vuota, occupata solo da algoritmi che lavorano senza sosta, senza interfacce colorate e, soprattutto, senza il bisogno di una licenza individuale per ogni riga di codice eseguita.
Apollo 13: ‘Houston, We’ve Had a Problem’ 👉 https://m.youtube.com/watch?v=MdvoA-sjs0A