La fallacia del 6%: perché la “morte del SaaS” è matematicamente sbagliata

C’è una slide che sta circolando in questo momento nelle boardroom della Silicon Valley e che sembra terrorizzare gli investitori. Mostra il costo marginale della generazione di codice confrontato con il valore d’impresa delle aziende SaaS. La narrativa è semplice e seducente: l’AI porta il costo di generazione del codice a zero, quindi il valore dell’intera industria del software deve inevitabilmente crollare.

È un ragionamento convincente. Ma è anche matematicamente e operativamente sbagliato. L’attuale tesi ribassista sul SaaS si basa su un errore fatale. Presuppone che i clienti paghino i fornitori di software semplicemente per la sintassi. Non è così. Pagano per un servizio che garantisce uno specifico risultato di business.

Quando si analizza il conto economico di una moderna azienda SaaS, diventa chiaro che l’AI non sostituirà il SaaS. Piuttosto separerà i vincitori, che hanno progettato per l’intelligenza, da chi si limitava a vendere interfacce sopra database. Il SaaS non sta morendo. Sta diventando lo scudo necessario tra il cliente e la complessità dell’era dell’AI.

1. Il servizio è il vero vantaggio competitivo.

Per capire perché il SaaS continua a esistere, dobbiamo scomporre l’acronimo.

‘Software’ (l’implementazione): sono bit e byte. L’interfaccia utente, gli schemi dei database e la logica applicativa. In un mondo guidato dall’AI, l’atto stesso di scrivere codice diventa una commodity.

‘Service’ (il valore): è ciò che acquistano le aziende. Il servizio include disponibilità (uptime del 99.99%), conformità alla sicurezza (SOC2, HIPAA), governance dei dati e supporto clienti.

Tuttavia sapere cosa scrivere rimane una risorsa rara. L’expertise di dominio, la complessa logica dei workflow e la comprensione del business del cliente non possono essere automatizzate. L’AI può posare i mattoni, ma serve comunque un architetto con una profonda conoscenza del settore per disegnare il progetto.

Anche se l’AI scrive il codice, chi si alza alle 3:00 del mattino quando il server smette di funzionare? Chi si assume la responsabilità se i dati vengono violati? Chi definisce la roadmap quando cambiano le normative?

Il “servizio” che avvolge il software è ciò che protegge il cliente dal caos del codice grezzo. Man mano che il codice diventa più economico, la fiducia garantita dal servizio diventa l’asset più prezioso.

2. La matematica: perché l’AI incide solo per il 6% sul conto economico.

Guardiamo ai numeri. La narrativa sulla “morte del SaaS” presuppone che la scrittura del codice rappresenti il 90% della struttura dei costi di un’azienda. Non è così.

Sebbene le startup nelle fasi iniziali investano molto nello sviluppo iniziale, lo stato stabile di una SaaS company redditizia è una macchina di distribuzione, non una fabbrica di codice. Nelle aziende SaaS mature ed efficienti, il budget di R&D è spesso compreso tra il 10% e il 25% dei ricavi totali. La maggior parte dei costi è destinata a sales, marketing, customer success, hosting e operations.

Analizzando nel dettaglio quel budget di R&D:

• La quota di ‘coding’: gli ingegneri trascorrono solo circa il 25% del loro tempo a scrivere codice. Il restante 75% è dedicato ad attività ad alto valore: decisioni architetturali, modellazione del dominio e interpretazione delle esigenze degli utenti.
• La matematica: 25% (tempo di coding) x 25% (budget totale R&D) ≈ impatto del 6%.

L’AI rende la creazione del software leggermente più economica, ma non cambia radicalmente il modello dei costi. Libera semplicemente le attività di R&D per concentrarsi sulla parte più difficile del software: definire la soluzione.

Tuttavia gli incumbent non possono permettersi di essere compiacenti. Anche se il risparmio sui costi è minimo, il rischio legato alla velocità è reale. Un nuovo competitor non vincerà perché è più economico, ma perché sarà in grado di innovare molto più velocemente. L’obiettivo dell’AI non è ridurre il budget, ma raddoppiare la velocità di innovazione.

3. Il costo nascosto dell’inferenza: perché l’IA crea una nuova soglia economica.

Ecco il punto che chi sostiene la “morte del SaaS” non considera: mentre i costi di sviluppo una tantum potrebbero diminuire, i costi operativi ricorrenti aumenteranno strutturalmente. Il software non funziona per magia; funziona grazie all’hardware.

• Vecchio mondo: il software tradizionale è deterministico. Funziona su CPU. È efficiente, economico e prevedibile.
• Mondo AI: il software AI-native è probabilistico. Richiede GPU e una grande quantità di inference per essere eseguito.<

Ogni volta che un utente interagisce con un sistema “intelligente” ponendo una domanda in linguaggio naturale o chiedendo un riepilogo, quella richiesta consuma molta più energia e cicli hardware rispetto a una query tradizionale su database.

Stiamo scambiando una riduzione del 6% nei costi di sviluppo con un’esplosione dei costi operativi ricorrenti.

‘Service’ diventa il livello di ottimizzazione

Poiché i costi di runtime aumenteranno, il ruolo del fornitore SaaS diventa ancora più critico. Deve agire come arbitro dell’efficienza.  Deve gestire un’infrastruttura ibrida: mantenere sistemi deterministici per il 90% delle attività che devono essere veloci, economiche e precise (transazioni, storage) e introdurre l’AI probabilistica solo dove aggiunge reale valore decisionale.

Questa realtà ibrida evidenzia il difetto fondamentale della narrativa della disruption.

Il timore diffuso è che uno sviluppatore solitario possa generare in un weekend un clone di Salesforce, Workday o ServiceNow e venderlo a pochi centesimi. Ma per competere in questa nuova era, quel clone non può essere solo un’interfaccia sopra un database; deve essere intelligente. Deve usare l’AI in fase operativa.

Anche se un competitor genera il codice gratuitamente, non può eseguirlo gratuitamente. Dovrà comunque sostenere costi elevati sotto forma di ‘Cost of Goods Sold’ legati alle spese di inference. Non potrà abbassare drasticamente i prezzi perché dovrà comunque coprire l’uso costoso di CPU e GPU.

Questo crea un vero prezzo minimo economico. L’idea che l’AI porterà a una “corsa al ribasso” nei prezzi è matematicamente sbagliata. Non esiste uno scenario in cui il costo totale per fornire un sistema intelligente diminuisca. La base dei costi sta aumentando e, di conseguenza, il valore e il prezzo del software probabilmente cresceranno.  Ma questo potere di pricing sarà riservato a chi saprà padroneggiare l’architettura ibrida necessaria per controllare i costi.

4. La spina dorsale deterministica: il progetto per un sistema AI-native.

Se l’economia del modello è sostenibile, la domanda diventa: come si costruisce per questo futuro?  Molti pensano che un sistema AI-native sia uno in cui un LLM (come Claude o ChatGPT) scrive il codice al volo. La narrativa suggerisce che in futuro ogni azione sarà determinata da un LLM.

Per quanto questo spirito di innovazione sia entusiasmante, non supera il test della realtà enterprise.

Nei settori mission critical (come supply chain o banking), “probabilmente corretto” equivale di fatto a “sbagliato”. Le aziende non possono permettersi un sistema di produzione in cui un LLM genera codice diverso il martedì rispetto al lunedì.

Il vero valore enterprise risiede nell’affidabilità, non solo nella creatività. Un vero sistema AI-native non è scritto dall’AI, ma progettato per essere orchestrato in modo sicuro dall’AI.

Intento prima della sintassi: un decennio di codice a costo quasi zero

Non dobbiamo immaginare cosa accade quando la generazione di codice diventa gratuita. Esiste già un precedente.

Si chiama architettura basata sull’intento. Non è teoria; in Manhattan Associates utilizziamo questo modello da oltre un decennio, spostando il focus dalla scrittura della sintassi alla definizione dell’intento di business. La filosofia è semplice: gli esseri umani definiscono il cosa (logica e regole di business) e le macchine generano il come (il codice).

Per questo motivo non manteniamo un codebase legacy statico. Rigeneriamo invece ogni notte circa il 75% di oltre 60 milioni di linee di codice sulla base di queste definizioni di intent.

Questa realtà operativa offre una lezione economica fondamentale. Da oltre un decennio stiamo di fatto operando in un mondo con costo marginale del codice quasi zero. Poiché gran parte del nostro codice è generato automaticamente, il “costo” di scrivere quella sintassi è già trascurabile. Tuttavia questa efficienza non ha azzerato i costi di sviluppo complessivi. Ha semplicemente permesso di riallocare completamente queste risorse nel “servizio”: risoluzione di problemi complessi, modellazione del dominio e affidabilità.

Questa massiccia rigenerazione notturna non è solo un dato impressionante; è la migliore difesa contro il debito tecnico. Il nostro sistema non invecchia mai perché rinasce ogni 24 ore. Poiché il codice è generato da regole logiche rigorose e non da probabilità, il sistema rimane deterministico. Se calcola 2+2, il risultato sarà sempre 4. Non esistono allucinazioni nella logica di business. Tutti i sistemi AI-native necessitano di una “spina dorsale deterministica”: un nucleo rigido e affidabile che esegue esattamente ciò che gli viene richiesto.

Questo approccio consente anche un altro enorme vantaggio: la possibilità di introdurre istantaneamente nuove capacità su una superficie molto ampia. Per esempio, quando recentemente abbiamo voluto aggiungere audit in linguaggio naturale leggibili dagli esseri umani tramite LLM, abbiamo semplicemente aggiornato il generatore centrale di codice. In un solo ciclo di build, la funzionalità si è propagata in tutto il portafoglio di soluzioni.

Questo è il progetto per l’era AI-native. Invece di chiedere all’AI di scrivere codice rischioso e usa e getta al volo, l’approccio sostenibile è lasciare agli esseri umani la definizione dell’intento di business e alle macchine la gestione della generazione del codice. Se un requisito supera l’attuale capacità del generatore, si aggiorna il generatore. Non si modifica mai l’output; si aggiorna la macchina.

Composabilità: offrire all’AI un set di strumenti affidabile

Una volta definito il core deterministico, è necessario fornire all’AI un modo sicuro per interagire con esso. Ed è qui che entra in gioco la composabilità.

Separando la logica dallo schermo tramite un’architettura API-first, una moderna piattaforma SaaS si trasforma in un insieme di strumenti affidabili che qualsiasi agente AI può utilizzare. Un agente AI non deve sapere come eseguire un complesso calcolo di supply chain. Deve solo sapere quale endpoint API chiamare per ottenere il risultato.

L’AI agisce come orchestratore e l’API rappresenta il toolkit affidabile.

Costruire l’ibrido perfetto

Questa struttura crea il perfetto equilibrio tra workflow probabilistico (AI) e deterministico (sistema), ottimizzando latenza e costi. Non utilizziamo costose AI soggette ad allucinazioni per gestire attività banali come il database management. Lasciamo che il codice generato ed efficiente se ne occupi. Utilizziamo l’AI solo quando è necessario un vero ragionamento.

5. Conclusione: un cervello probabilistico su una spina dorsale deterministica.

Il SaaS non sta morendo; sta semplicemente cambiando pelle.

L’idea che “il codice economico renda il software senza valore” ignora il fatto che le aziende software di successo hanno smesso di vendere “codice” molti anni fa.

La costruzione del “software” sta diventando una commodity, ed è positivo. Riduce i costi e accelera l’innovazione. Ma il “servizio”, dove risiedono competenze di dominio, architettura e garanzia di affidabilità, è più prezioso che mai.

Dieci anni fa non sapevamo di star costruendo per un futuro agentic. Credevamo semplicemente che coerenza, composabilità ed efficienza fossero gli unici modi per costruire sistemi su larga scala. Si scopre che questi principi sono esattamente ciò che serve per un sistema AI-native: un cervello probabilistico combinato con una spina dorsale deterministica.

Mentre il mercato si preoccupa dell’AI che scrive codice, i veri vincitori saranno coloro che utilizzeranno l’AI per rafforzare il servizio che offrono, pronti a integrarsi con qualsiasi interfaccia il futuro porterà.