C’è una frase che negli ultimi mesi è diventata quasi un ricatto strategico: o sei AI-native, o sei morto.
Capisco perché funzioni. È veloce, brutale, facile da ricordare. Ma per molte aziende mature è anche la frase sbagliata.
Il problema è che descrive l’intelligenza artificiale come se fosse soltanto una nuova tecnologia da incorporare nel prodotto il più in fretta possibile. Io la vedo diversamente: l’AI è una disciplina trasformativa. Come l’energia elettrica, come le ferrovie, come il motore a scoppio. Non si limita a migliorare l’esistente. Ridisegna il sistema.
Se è così, allora per chi produce SaaS la domanda non è quanta efficienza posso estrarre, ma quanto valore in più posso generare per il cliente. Il punto non è solo automation. È augmentation. Fare di più, con più scala, con più scope e possibilmente meglio.
È qui che molte aziende rischiano di sbagliare lettura. Perché se guardano all’AI solo come leva per ridurre costo, finiranno per usare una trasformazione storica come se fosse un piccolo progetto di ottimizzazione. E nel frattempo qualcun altro userà quella stessa trasformazione per cambiare la natura dell’offerta.
Per i vendor SaaS questo è il cuore della partita. Man mano che i modelli diventano più forti, alcune componenti del software tenderanno a commoditizzarsi. Scrivere testo, generare codice, sintetizzare dati, fare da interfaccia conversazionale: tutte capacità importanti, ma sempre meno difendibili da sole. Il rischio non è che il SaaS sparisca. Il rischio è che resti troppo piccolo rispetto a ciò che sta accadendo.
Il software che verrà compresso è quello che continua a vendere soprattutto schermate, workflow standard e feature isolate. Il software che crescerà è quello che presidia ciò che un modello generalista non ha e non avrà facilmente.
Che cosa? Prima di tutto cultura. Cioè il modo in cui un’organizzazione decide davvero, di cosa si fida, dove accelera e dove rallenta. Poi processo: non il processo teorico del manuale, ma quello reale, pieno di eccezioni, escalation, deroghe, vincoli, responsabilità. Poi trust, che nell’enterprise è sempre una valuta decisiva. Infine dati: non dati in astratto, ma dati contestualizzati, governati, storicizzati, connessi ai workflow e quindi utili nel momento in cui serve decidere.
Questa, per me, è la vera agenda di crescita del SaaS nel ciclo che si apre: arricchire il valore dell’offerta, non solo aggiungere AI all’offerta.
Vuol dire passare da “ti aiuto a fare operazioni” a “ti aiuto a governare un sistema”. Vuol dire incorporare nel prodotto ontologie di dominio, soglie di rischio, logiche di approvazione, auditabilità, integrazione con i sistemi esistenti, osservabilità, supervisione e continuità del servizio. Più l’intelligenza diventa abbondante, più il valore sale verso ciò che rende quell’intelligenza affidabile nel mondo reale.
Per questo credo poco all’idea che, per un incumbent serio, l’obiettivo debba essere diventare AI-native in senso letterale. Quella è una categoria utile per molte startup. Per chi ha legacy, storia, clienti, reputazione, conoscenza tacita e fiducia accumulata nel tempo, la parola giusta non è rinascere: è trasformarsi.
La legacy non è solo un peso. Se è sana, è un patrimonio. Il tema è evitare che diventi un alibi.
Per questo continuo a preferire una formula diversa: AI First, Human Led.
AI First significa che l’intelligenza artificiale non va trattata come una feature accessoria, ma come il centro del ridisegno operativo, commerciale e di prodotto. Human Led significa che direzione, giudizio, responsabilità e relazione di fiducia restano umani. Non per nostalgia, ma perché è lì che si concentrerà una quota crescente del valore.
Tra l’altro, più l’AI diventa capace, meno ha senso usare come unica metrica la frequenza dell’errore. Oggi chiediamo: quante volte sbaglia? Domani dovremo chiederci soprattutto: quanto pesa quando sbaglia? I modelli saranno sempre meno fallibili sulle attività ordinarie, ma avranno più agency, più autonomia, più capacità di agire su workflow, codice, documenti, clienti e decisioni. Passeremo da errori più frequenti ma piccoli a errori più rari e più impattanti.
Ecco perché la differenza, nei prossimi anni, non sarà solo tecnologica. Sarà soprattutto manageriale.
La tecnologia sarà la condizione necessaria per stare in partita. Ma a vincere saranno le aziende che sapranno definire meglio il lavoro, delegare meglio, verificare meglio, ridisegnare meglio. In fondo è questo il paradosso più interessante dell’AI: più l’intelligenza diventa economica, più diventano preziose le capacità umane di orientarla.
Io ci vedo una possibilità molto concreta di nuovo umanesimo. Non un ritorno romantico all’uomo contro la macchina, ma il contrario: persone dotate di strumenti potentissimi, chiamate però a esercitare ancora più giudizio, più visione, più responsabilità.
Il futuro del SaaS, allora, non è una rincorsa isterica all’etichetta AI-native. È una trasformazione profonda dell’offerta. Meno software come catalogo di funzioni. Più software come capacità aumentata. Meno AI come slogan. Più AI come disciplina industriale.
E soprattutto: meno fascinazione per ciò che il modello sa fare da solo. Più attenzione a ciò che il cliente non può permettersi di lasciare senza cultura, processo, trust e dati.