Tradycyjny model SaaS oparty na liczbie licencji (seat-based licensing) przechodzi bolesną, Darwinowską transformację w stronę rozwiązań AI-native, które sprzedają konkretne rezultaty zamiast dostępu do narzędzi. Podmioty projektowane jako AI-first generują blisko 6-krotnie wyższy przychód na pracownika niż liderzy poprzedniej fali, co wymusza na architektach IT całkowitą przebudowę silosów danych i strategii bezpieczeństwa.
Przewaga ekonomiczna: AI-SaaS kontra tradycyjny software
Kluczową metryką demaskującą nieefektywność starego modelu jest przychód na pracownika (RPE). Średnia dla 10 czołowych startupów AI-native wynosi 3,48 mln USD, podczas gdy wiodące firmy tradycyjnego SaaS osiągają zaledwie 610 tys. USD. Ekstremalne przypadki, jak Midjourney, notują RPE na poziomie 12,5 mln USD.
Różnica wynika z fundamentów architektury. Systemy AI-native budowane są wokół modeli, a nie „doklejanej” funkcjonalności (AI-enabled). Startupom takim jak Anysphere (twórca Cursor), Eleven Labs czy Gamma udaje się utrzymać ultra-lean teams (średnio 24 osoby), ponieważ ich „pracownikami” są często agenci AI. W tym modelu klient nie płaci za subskrypcję dashboardu, lecz za rozwiązany problem — np. w firmie Hyring AI zajmuje się selekcją i rankingiem kandydatów, dostarczając gotową listę osób, a nie tylko dostęp do bazy danych.
Nowa architektura: Dane, IT i Security w dobie agentów AI
Przejście na model „Data & AI-native” wymaga od architektów IT radykalnej zmiany podejścia w trzech obszarach: Dane: Muszą być zintegrowane w skali całego przedsiębiorstwa, a nie zamknięte w silosach aplikacji. AI potrzebuje dostępu do pełnego kontekstu, aby podejmować decyzje kros-funkcyjne. Architektura IT: Tradycyjny podział na systemy rdzeniowe (wprowadzanie danych) i systemy informacyjne (analiza) zaciera się. AI przejmuje aktywną rolę operacyjną, inicjując działania na podstawie zdefiniowanych polityk. Przykładem jest Infosys Topaz, który wykorzystuje modele Claude od Anthropic do modernizacji systemów legacy poprzez agentyczną automatyzację. * Bezpieczeństwo: W dobie autonomicznych agentów security nie może być tylko domeną działu IT. Musi być wbudowane w każdy krok procesowy (built-in security controls), chroniąc przed nieplanowanymi działaniami samych systemów AI. Infosys wydzielił nawet dedykowaną pulę usług „AI Trust” dla zapewnienia bezpiecznej adopcji AI.
Ewolucja kompetencji i „SaaSpocalypse”
Zjawisko określane jako „SaaSpocalypse” wynika z faktu, że organizacje toną w średnio 342 aplikacjach SaaS, z których 55% pozostaje niewykorzystanych. Firmy AI-native service (AINS) niszczą ten model, przejmując całe procesy (np. księgowość, audyt, administrację medyczną) taniej i szybciej.
Dla profesjonalistów IT oznacza to zmianę ról. Szacuje się, że GenAI wyprze 92 mln etatów (np. testerzy, wsparcie IT), ale stworzy 170 mln nowych. Kluczowe stają się stanowiska takie jak „Forward deployed engineers” czy inżynierowie MLOps, zdolni do zarządzania cyklem życia modeli i dryfem danych.
Podsumowanie dla biznesu i IT
- Audyt stacku: Zidentyfikuj obszary, w których płacisz za licencje SaaS, ale większość pracy i tak wykonujesz manualnie — to pierwsi kandydaci do zastąpienia przez usługi AI-native.
- Strategia danych: Przestań traktować dane jako produkt uboczny aplikacji; w modelu AI-native dane są paliwem, które „pisze” oprogramowanie.
- Bezpieczeństwo: Zainwestuj w ramy „AI Trust” i governance; błędy autonomicznych agentów mogą generować krytyczne ryzyka prawne i finansowe.
Skomentuj Marek.K Anuluj pisanie odpowiedzi