Важное
SaaS-апокалипсис или смена бизнес-модели: что ИИ делает с корпоративным ПО
ИИ-агенты разрушают модель оплаты за рабочее место. Klarna ушла от Salesforce, рынок потерял $1 трлн. Что делать среднему бизнесу — разбор с конкретными шагами.
Когда Klarna выкидывает Salesforce и собирает CRM сама — это уже не кейс одной компании. Это сигнал, что модель 'плати за рабочее место вечно' трещит по швам.
Рынок корпоративного ПО переживает структурный сдвиг, который нельзя объяснить обычной конкуренцией. ИИ-агенты переписывают логику выбора между покупкой готового решения и собственной разработкой — и крупные SaaS-вендоры оказались в роли тех, кто продаёт лошадей в год появления автомобиля.
Что случилось
В конце 2024 года Klarna публично отказалась от CRM Salesforce, заменив её собственной ИИ-системой. В феврале 2026-го распродажа на фондовом рынке уничтожила около $1 трлн рыночной капитализации софтверных компаний. Инвесторы окрестили это «FOBO-инвестированием» — fear of becoming obsolete, страхом устаревания.
Параллельно стартап Sierra, основанный экс-CEO Salesforce Бретом Тейлором, вышел на $100 млн годовой выручки менее чем за два года. Монетизация — оплата за результат, а не за количество пользователей. Сравните с классической моделью SaaS.
Почему это важно для маркетинга и денег
- Сдвиг «купить или построить» — ИИ-инструменты вроде Claude Code и OpenAI Codex снижают стоимость собственной разработки до уровня, при котором средний бизнес начинает считать альтернативу. Это прямой удар по CAC (стоимости привлечения клиента) и удержанию у крупных вендоров.
- Разрушение тарифной модели — лицензия «за рабочее место» теряет смысл, когда ИИ-агент выполняет задачи десяти сотрудников. Новые модели: оплата по токенам и оплата за достигнутый результат. LTV (пожизненная ценность клиента) у SaaS-компаний пересчитывается вниз.
- Воспроизводимость функций — ИИ копирует не только базовые модули, но и дополнительные. Это убивает кросс-продажи и апсейл, которые были главным источником роста выручки у публичных SaaS-компаний.
Где обычно ломается система (узкие места)
- Переоценка сложности замены вендора: компания считает миграцию дорогой → не считает реальную стоимость лицензий и потерянную гибкость → остаётся на устаревшем ПО и теряет скорость.
- Недооценка операционных рисков собственной разработки: команда строит на ИИ-агентах → накапливается технический долг без аудита и документации → система становится неуправляемой при масштабировании.
- Отсутствие метрики результата: платят за рабочие места → нет измерения реального выхода → невозможно сравнить ROI (возврат на инвестиции) купленного и построенного решения.
Как применить в среднем бизнесе за 30 дней
- Аудит SaaS-стека — составить список инструментов, выгрузить реальные расходы за 12 месяцев, отметить функции с загрузкой менее 30%.
- Оценка замены — по двум-трём самым дорогим инструментам прогнать быстрый анализ: сколько стоит воспроизвести ключевые функции через ИИ-агента или готовый open-source-инструмент.
- Пилот на изолированном процессе — выбрать один некритичный процесс (например, первичная обработка обращений), запустить ИИ-решение параллельно с текущим, замерить время и стоимость за 2 недели.
- Пересмотр KPI вендоров — зафиксировать измеримые показатели результата для каждого оставшегося инструмента. Если вендор не может связать свой продукт с конкретным бизнес-результатом — это аргумент на следующих переговорах о цене.
Риски и ограничения (без розовых очков)
- Регуляторные требования: комплаенс, аудит, хранение данных — это зоны, где собственная разработка создаёт юридическую ответственность. Снижение риска: прежде чем строить, проверить регуляторные ограничения в своей отрасли.
- Кадровый дефицит: строить на ИИ-агентах — значит иметь людей, которые умеют это контролировать. Дефицит таких специалистов реален. Снижение риска: начинать с вендоров, предлагающих гибридные модели.
- Хайп-цикл: часть ИИ-нативных стартапов не доживёт до публичной финансовой отчётности. Ставить всё на инструмент без трек-рекорда — рискованно. Снижение риска: требовать контрактных гарантий и экспортируемости данных.
Вывод
SaaS умирает как доминирующая бизнес-модель, а не как категория ПО. Компании с реальными данными, комплаенсом и выстроенными процессами никуда не денутся. Остальным стоит пересчитать, за что именно они платят ежемесячно. Кому делать: средний бизнес с раздутым SaaS-стеком и измеримыми операционными процессами. Кому подождать: компании без технической экспертизы внутри и с высокими регуляторными требованиями.
Частые вопросы
Стоит ли компании отказываться от Salesforce и подобных CRM прямо сейчас?
Прямо сейчас — только если есть техническая команда и чёткое понимание, что именно строить. Klarna — крупная финтех-компания с сотнями инженеров. Для малого и среднего бизнеса правильный шаг: сначала посчитать реальную стоимость лицензий и сравнить с альтернативами, а потом принимать решение на основе цифр.
Что такое ценообразование на основе результата и как оно работает?
Компания платит вендору за достигнутый измеримый результат — например, за закрытое обращение клиента или обработанную транзакцию, а не за количество пользователей в системе. Стартап Sierra, по данным открытых источников, использует именно эту модель и достиг $100 млн годовой выручки менее чем за два года.
Как ИИ влияет на CAC и LTV в SaaS-бизнесе?
CAC (стоимость привлечения клиента) у SaaS-вендоров растёт: клиенты получили реальную альтернативу в виде собственной разработки и ведут переговоры жёстче. LTV (пожизненная ценность клиента) снижается: модель «за рабочее место» теряет обоснование при внедрении ИИ-агентов. Итог — давление на маржинальность по всему сектору.
Какие SaaS-категории устоят при распространении ИИ-агентов?
Устойчивее всего — ПО с встроенными требованиями регулятора: финансовый комплаенс, аудит, управление рисками, хранение медицинских данных. Здесь цена ошибки при самостоятельной разработке слишком высока, и вендоры с проверенной сертификацией сохраняют позиции.
Пока без комментариев. Будьте первым.