SaaSpocalypse: la fine del software o solo la fine di un modello?

C'è un racconto che in questi mesi domina il dibattito: l'AI starebbe per firmare l'atto di morte del SaaS. Curioso che, spesso, a sentenziarlo siano le AI stesse. La cosiddetta "SaaSpocalypse" fa un titolo perfetto; descrive molto meno bene la realtà. La mia lettura è che non stiamo assistendo a un'estinzione, ma a una selezione: alcuni modelli reggeranno, altri no. Ecco perché.

I mercati reagiscono alla paura, non ai numeri

I segnali di tensione sui mercati ci sono, e non da ieri: titoli software sotto pressione, centinaia di miliardi di capitalizzazione bruciati in poche sedute, un sell-off che non ha risparmiato i nomi forti. Eppure, se si guardano i fondamentali, il quadro è diverso: i ricavi ricorrenti tengono, la retention regge, alcuni vendor accelerano persino. Quello che i listini stanno scontando non è lo stato attuale delle aziende, ma lo spettro di come potrebbe cambiare il loro modello di business - il passaggio, in particolare, dal prezzo per utente al prezzo per risultato.

C'è poi un elemento spesso trascurato: gran parte degli investitori non ha mai usato i prodotti che valuta. Così il software enterprise finisce per diventare uno schermo su cui proiettare timori astratti, scollegati dall'uso reale.

Comprare codice non è comprare software

L'argomento di chi grida all'apocalisse si riassume in una frase: se l'AI genera codice in modo rapido ed economico, perché continuare a pagare licenze e abbonamenti? È un ragionamento seducente. È anche una mezza verità.

Quando un'azienda firma un contratto SaaS non sta acquistando solo un programma. Sta acquistando continuità di servizio, una conformità normativa mantenuta nel tempo, integrazioni rodate in anni di lavoro e un supporto su cui contare quando qualcosa si rompe. L'AI il codice lo produce in fretta, è vero; non sostituisce però anni di prove sul campo, di picchi di carico gestiti, di correzioni accumulate. La solidità di una piattaforma si costruisce nel tempo - ed è precisamente ciò per cui le imprese pagano.

C'è inoltre un passaggio che l'AI non elimina: prima di scrivere una riga di codice, qualcuno deve aver mappato il processo, definito i requisiti, compreso che cosa il software debba realmente fare. Quella conoscenza l'AI non la genera: la richiede come input. Aggiungiamo un carico di testing che con il codice generato cresce, e poi sicurezza, compliance, audit trail, continuità di servizio 24/7: l'idea di sostituire piattaforme collaudate con alternative appena costruite perde rapidamente attrattiva. Ciò che in una demo funziona può cedere nel momento esatto in cui incontra utenti reali, volumi di dati reali e la pressione del quotidiano operativo.

Cosa cambia davvero: dal prezzo per utente al prezzo per risultato

L'AI non sostituisce il SaaS dall'oggi al domani. Ne sposta il baricentro del valore.

Per anni il software si è prezzato a utente o a volume — il modello per-seat. Aveva senso quando il compito era essenzialmente archiviare dati e renderli consultabili. Ma se le persone smettono di fare data entry manuale, quel valore percepito si assottiglia, e il cliente comincia a chiedersi perché paga tanto per quello che, in fondo, somiglia a un database glorificato. Il punto è proprio questo: le imprese non vogliono meno software, lo vogliono più intelligente. Strumenti che decidano, automatizzino, restituiscano insight - non che si limitino a custodire informazioni.

È una pressione concreta sui vendor che hanno semplicemente innestato qualche funzionalità AI su un'interfaccia rimasta identica da vent'anni. I clienti la differenza la percepiscono, e si traduce in numeri al momento del rinnovo: churn e net revenue retention diventano i veri indicatori di salute. Non a caso il mercato si sta spostando verso modelli a consumo (consumption-based) e legati al risultato (outcome-based pricing), sganciati dal numero di postazioni.

C'è poi una trasformazione sottovalutata: prototipare non è mai stato così accessibile. Oggi anche profili senza competenze tecniche costruiscono in poche ore strumenti funzionanti, sufficienti a testare un'ipotesi, acquisire i primi clienti e reggere l'impatto con la realtà. È una dinamica a doppio taglio. Da un lato la barriera all'ingresso crolla e la concorrenza si intensifica: creare un tool interno, o perfino un SaaS in nuce, costa una frazione di prima. Dall'altro, premia chi unisce visione di prodotto e velocità di esecuzione. Il caso di Jakub Sadowski di Surfer è emblematico: un product manager che ha costruito un prototipo funzionante, poi confluito in un prodotto maturo e portato sul mercato. Il prototipo al posto delle specifiche: è un gioco diverso, e i vendor consolidati non sono necessariamente i meglio posizionati per giocarlo.

Attenzione, però: il rischio non è distribuito in modo uniforme. Il software indicizzato direttamente sul numero di persone — penso ai tool di customer care — è il più esposto se l'AI riduce il personale necessario, con un impatto diretto sui ricavi. Le piattaforme integrate in profondità nei processi di business, al contrario, sono molto più difficili da scardinare: i costi di migrazione e i rischi operativi superano quasi ogni alternativa.

E resta la domanda più scomoda, quella che pochi pongono apertamente: i team che per anni hanno costruito e mantenuto CRM, ERP e CMS sono davvero quelli giusti per costruirne i successori nativi AI? Sono profili di competenze diversi, e l'esperienza maturata in un dominio non si trasferisce automaticamente all'altro.

Né apocalisse né immobilismo: una selezione, non un'estinzione

Lo scenario più probabile non è un crollo improvviso, ma una selezione progressiva. Le soluzioni puntuali, con costi di switch contenuti e alternative native AI già pronte, sono le più esposte. Le piattaforme radicate nei flussi di lavoro quotidiani, con anni di configurazioni e integrazioni alle spalle, reggeranno molto meglio.

A cavarsela — vendor e imprese — saranno coloro che eviteranno le posizioni estreme. Sostituire tutto o non toccare nulla sono due errori speculari. Il lavoro vero, semmai, è sviluppare il discernimento per distinguere ciò che l'AI migliora davvero, ciò che indebolisce sul piano economico senza renderlo obsoleto, e ciò che resisterà comunque.

La narrativa apocalittica cattura l'attenzione — l'estinzione fa più notizia dell'evoluzione. Ma è l'evoluzione, quasi sempre, ciò che la storia finisce per produrre. Non una SaaSpocalypse, dunque, ma una selezione naturale del software. Io la leggo così; e voi?

‍