Почему такие компании, как Microsoft, Oracle и Salesforce, так спешат заставить своих клиентов принять их собственные версии агентского ИИ? Потому что они знают, что если они не опередят, то рискуют быть сметенными. Изменит ли текущий генеративный ИИ бизнес корпоративного программного обеспечения так же фундаментально, как и переход от локального к облачному? Это меняет не только то, как разрабатывается и создается программное обеспечение, но и типы приложений, которые будут покупать клиенты, и как они будут за них платить.
Предприниматель в области программного обеспечения Крис Харт пишет об угрозе традиционной модели подписки с ценообразованием "на пользователя" и "на рабочее место SaaS". Харт пишет:
"
Однако программное обеспечение не всегда продавалось по подписке, и снова появилась возможность нарушить то, что сейчас является статус-кво, поскольку генеративный ИИ предлагает кардинальные улучшения эффективности и открывает новые способы монетизации услуг. Обратная сторона этой возможности — угроза традиционной модели SaaS, особенно для программного обеспечения, продаваемого компаниям".
Тарификация по результатам
Харт утверждает, что агентный ИИ позволяет компаниям-разработчикам программного обеспечения отойти от взимания платы за лицензии на пользователя и вместо этого начать взимать плату за результаты. Как он объясняет:
"Эта «ориентированная на результат» модель ценообразования согласует успех бизнеса, предоставляющего агента ИИ, с бизнесом, покупающим эту услугу".
"
Бизнес знает, что они будут платить фиксированную плату, скажем, $5, за успешное взаимодействие с агентским ИИ. И бизнес, продающий услугу, крайне мотивирован сделать как можно больше успешными такие взаимодействия".
Пока все хорошо, но с таким видом оплаты по результату должны быть тщательно выбраны метрики, чтобы гарантировать, что они действительно соответствуют интересам клиента, а не поставщика. Например, если поставщик добивается фиксированной платы за каждый решенный тикет, какой у него стимул сообщать о повторяющихся проблемах, которые после устранения могли бы исключить эти тикеты? Агент, который фактически упреждает звонки в службу поддержки, предлагая улучшения продукта или пользовательского опыта, может быть более выгодной инвестицией. Соображения, которые необходимо учитывать клиентам, начинают больше походить на то, как вы бы структурировали и контролировали аутсорсинговую услугу, а не SaaS.
В сообщении LinkedIn в начале этого месяца ветеран SaaS Аарон Леви, соучредитель и генеральный директор Box, исследовал несколько различных механизмов ценообразования агентов ИИ . В модели на основе результата он отметил еще один недостаток — хотя у нее есть преимущество в виде простой связи «между тем, что нужно клиенту, и тем, что он платит за достижение результата», она рискует стать очень сложной в администрировании и отслеживании. Он комментирует:
"
Как только ваша услуга предлагает N типов ценностных предложений или результатов, вам понадобятся N моделей ценообразования, чтобы их поддерживать".
Ценовые агенты, такие как рабочая сила
Предложение Леви перекликается с позиционированием Salesforce своей платформы Agentforce как «платформы цифрового труда». Леви говорит:
"Один из подходов заключается в использовании очень четкой связи между агентами ИИ и традиционной работой, что приводит к модели ценообразования для ИИ, в которой агенты оцениваются как рабочая сила, но со скидкой. Агент ИИ выполняет определенный объем работы, а вы платите за количество времени или единиц, которые потребовались для выполнения этой работы".
Марк Бениофф, генеральный директор Salesforce, утверждает, что предложение агентов в качестве альтернативы человеческому труду эффективно расширяет общий адресный рынок для его компании до общего фонда заработной платы глобальной рабочей силы — при этом настаивая на том, что люди все равно найдут другую, более полезную работу. Он утверждает:
"
Мы уже перешли мост. И что такое мост, это мост в этот новый мир цифрового труда. Я не уверен, что когда мы начинали это путешествие, даже мы полностью понимали, куда идем, потому что если посмотреть на общий адресный рынок цифрового труда (TAM), то он не исчисляется миллиардами, десятками миллиардов или сотнями миллиардов; он исчисляется триллионами".
Бениофф и Леви могут быть слишком оптимистичны в отношении этой модели. Стоит скептически относиться к прогнозам на будущее, которые просто экстраполируют прошлое. Это «синдром безлошадной повозки», вспоминая ранние дни автомобилей, когда многие из их характеристик были смоделированы по образцу конных повозок, которые они заменили. Эта концепция цифрового труда звучит слишком похожей на «бесчеловечного работника». Возможно, таким компаниям, как Salesforce, выгодно расхваливать свой подход на основе затрат на рабочую силу, которые технология может заменить. Но предприятия принимают решения о покупке не так. Супермаркеты покупают автоматизированные кассы не потому, что их эксплуатация обходится немного дешевле, чем оплата труда операторов касс — они покупают их, потому что со временем ожидают значительного увеличения маржи.
Существует еще одно предположение, что вся работа, которую люди выполняют в данный момент, является производственной деятельностью, тогда как на самом деле одним из результатов внедрения новых технологий, как правило, является устранение избыточных процессов. Когда текстовые процессоры впервые заменили пишущие машинки, все еще было много людей, работающих машинистками, но эти рабочие места исчезли, как только стало обычным делом отправлять друг другу электронные письма. После устранения этих избыточных процессов многие предприятия решают передать эти сэкономленные трудозатраты своим клиентам как способ получения доли рынка, а не сохранения избыточной маржи. Конечно, также появляются новые производственные процессы и рабочие места, но неустанный непрерывный рост не является данностью — новые технологии порождают как проигравших, так и победителей.
Другие возможные подходы, которые описывает Леви, включают модель «затраты плюс» или сохранение традиционной модели SaaS на рабочее место и простое присоединение к ней агентов без дополнительных затрат. В последнем случае он замечает:
"
В зависимости от варианта использования — и того, сколько мест понадобится клиенту — эта модель может быть довольно разрушительной. В областях, где много мест, используемых конечными пользователями, это, возможно, очень стратегически; в областях, где есть только небольшое количество мест, вы, вероятно, отказываетесь от слишком большой ценности".
Ваша маржа, наша возможность
Никундж Котари высказал противоположную точку зрения, написав: Your "Per-Seat" Margin is My Opportunity. Он пренебрежительно относится к ценообразованию "за рабочее место" в мире ИИ:
"
Ценообразование по месту работает только тогда, когда ваши пользователи — люди. Но когда агенты становятся основными пользователями программного обеспечения, эта модель рушится. Вы не можете взимать плату с агента за место. Переход будет сначала основан на вычислениях — предприятия понимают потребительское ценообразование из облачных сервисов. По мере того, как ИИ становится более надежным, мы перейдем к чистому ценообразованию на основе результата".
Котари утверждает, что предприятия будут сравнивать цены на решения на основе результатов с совокупной стоимостью прикладного программного обеспечения и людей, которые его используют — что-то вроде моей аналогии с тем, как супермаркеты оценивают автоматизированные кассы. Он предлагает радикальный вариант бесплатной раздачи платформы в качестве дополнения к существующим операциям. Его аргумент заключается в том, что как только ИИ изучит все процессы создания стоимости, он сам в конечном итоге станет системой учета. Он заключает:
"
Мне это не кажется очередной волной корпоративного ПО. Это похоже на перезагрузку в работе бизнеса. Нулевые первоначальные затраты, оплата только за результаты — это не просто модель ценообразования. Это будущее бизнеса".
На протяжении истории Saas люди говорили о ценообразовании на основе результатов, но хотя это звучит привлекательно на бумаге, это действительно трудно реализовать на практике. Многие результаты трудно количественно оценить и измерить последовательно или точно, и финансовые директора традиционно отказывались от непредсказуемости этого типа ценообразования по сравнению с фиксированными подписками. Это одна из причин, почему модель «за пользователя на рабочее место» осталась такой устойчивой, и во многих случаях, вероятно, останется распространенной и в далеком будущем.
Существует большая вероятность того, что агенты ИИ внесут встряску в индустрию корпоративных приложений, которая окажется столь же разрушительной, как и появление SaaS. Преобладающие модели ценообразования будут в значительной степени зависеть от того, как агенты и приложения будут упакованы в этом новом ландшафте.
Насколько разрушительным станет рост агентского ИИ для нынешнего поколения поставщиков корпоративных приложений? Ашу Гарг и Джай Гупта высказывают гипотезу, что системы агентов разрушат корпоративный стек. Они пишут:
"
Это не просто новая категория программного обеспечения; это разрушение корпоративного программного обеспечения в том виде, в котором мы его знаем".
Поставщик больше не продает инструмент, а скорее готовый результат — и потенциально устраняет необходимость в сотруднике, который раньше использовал бы инструмент. Гупта и Джоанн Чен приводят пример того, как это может работать на рынке CRM:
"
Изменение бизнес-модели для компаний по продажам может выглядеть следующим образом. Вместо того, чтобы взимать плату с клиентов "за место" на основе количества представителей по развитию продаж и менеджеров по работе с клиентами на платформе, поставщики программного обеспечения взимают плату за количество квалифицированных возможностей или подписанных клиентов, которых обеспечивает их программное обеспечение".
Обратите внимание, что в модели ценообразования произошел сдвиг от взимания платы за место к взиманию платы за результаты. Вместо монолитного пакета предложение становится портфелем взаимосвязанных, но отдельных результатов агента.
Сколько работы заменят ИИ + автоматизация и модель «Услуга как программное обеспечение»? Они считают, что это вопрос на 4,6 триллиона долларов.
Замещение рабочей силы
В блоге Джейк Сапер обсуждает потенциал стартапов, предлагающих услуги на основе ИИ, для продвижения в высокоповторяемых услугах - «работы, которую нужно сделать». Это могут быть миграция в облако, обслуживание приложений и тестирование на проникновение, бухгалтерский учет и финансовая отчетность, а также аутсорсинг поддержки клиентов.
"Эти гибридные компании — частично программное обеспечение с поддержкой ИИ, частично люди — не имеют большого количества прецедентов. Есть много открытых вопросов: могут ли решения с поддержкой ИИ работать достаточно хорошо? Как создать надежный бренд, когда клиенты уже скептически настроены? Вы нанимаете одних и тех же людей или нет?"
Речь идет об агентах ИИ, заменяющих как программное обеспечение, так и рабочую силу, особенно там, где работа в основном представляет собой скучное, повторяющееся администрирование, которое людям в любом случае не нравится делать.
Сомнительные предположения
Гупта и Чен делают интригующий вывод о том, что уровень автоматизации открывает возможность выполнять некоторые процессы чаще, чем это было возможно ранее, например, перегруппировку команды продаж или масштабную персонализацию клиентского опыта. Они советуют:
"Некоторые рассмотрят возможность использования ИИ для замены работы, которую когда-то выполняли люди; основателям следует подумать об использовании ИИ для выполнения работы, которую люди никогда не выполняли из-за ограничений времени или по другим причинам".
Но хотя эта новая технология ускоряет темпы автоматизации, это несет с собой огромную опасность автоматизации процессов, которые и так были неоптимальными, или добавления новых автоматизаций, которые упускают важные шаги и меры безопасности, которые никогда не были документированы. Здесь начинают проявляться недостатки в чрезмерно оптимистичной оценке надвигающейся гибели действующих поставщиков. Агентский ИИ, безусловно, несет большие изменения, но он не станет мгновенным успехом.
Утверждается, что системы агентов проглотят все неисправные слои корпоративных систем и в конечном итоге заменят их все. Авторы пишут:
"В отличие от предыдущих подходов, которые добавляли сложность, добавляя уровни технологий, системы агентов оптимизируют и унифицируют. Они устраняют необходимость в разрозненных инструментах, таких как CRM, маркетинговые платформы или аналитические панели, объединяя эти функции в единую связную систему".
Концепция заключается в том, чтобы заменить традиционные взаимодействия через формы, кнопки и панели мониторинга для сбора и представления информации и заменить их агентами, которые автоматически собирают и интерпретируют данные в источнике.
"Системы агентов революционизируют точку входа, заменяя человеческие процессы в их источнике и собирая данные там, где они рождаются — а не там, где они записываются. Интерфейс полностью переосмыслен и теряет свою значимость: больше никаких форм или полей, только органический рабочий процесс, где сбор данных происходит автоматически... Самое важное, что такие системы приводят к превосходным данным, генерируя более богатую, более полную информацию, включая как структурированный, так и неструктурированный контент".
В эту радужную картину встроены некоторые сомнительные предположения. Она предполагает, что данные — и документация процессов — организованы, очевидны и достаточно полны для того, чтобы эти автономные системы могли полностью заменить людей, выполняя необходимую работу. Реальность, как мы видим из реального опыта предприятий, внедряющих генеративный ИИ, заключается в том, что большая часть существующих неструктурированных данных плохо защищена, плохо отображена и плохо каталогизирована, в то время как процессы часто являются ситуативными и неадекватными, а многие пробелы заполняются в значительной степени непризнанной человеческой изобретательностью. Хотя генеративный ИИ может замазать эти трещины и представить то, что кажется гладко работающим автоматизированным процессом, он может работать только с теми данными, которые у него есть. Вероятный результат слишком ранней зависимости от систем агентов заключается в том, что они просто выявят многочисленные недостатки в существующих хранилищах данных и автоматизациях. И это еще до того, как мы перейдем к недостаткам использования вероятностной логики для интерпретации и представления транзакционных данных.
Но оставив в стороне чрезмерные амбиции и нелепые расчеты, у стартапов появляются возможности для создания ценности и завоевания доли рынка за счет автоматизации забытых участков повторяющейся работы, в настоящее время выполняемой людьми. Несомненно, есть особенно богатые возможности в специализированных секторах, где автоматизация ранее не была достаточно экономически выгодным предложением — и для избранных они могут послужить плацдармом для расширения в другие смежные возможности и построения более широкого бизнеса.
Мнение автора
Несмотря на все тревожные сигналы, все еще мало кто сомневается в том, что большие языковые модели (LLM), которые управляют генеративным ИИ, являются чрезвычайно влиятельной технологией, особенно из-за их новой способности фактически планировать и организовывать задачи. Влияние, вероятно, будет сопоставимо с созданием Интернета, облачных вычислений или интеллектуальных мобильных технологий — и изменения такого масштаба неизбежно создают новые рыночные возможности, одновременно создавая разрушительные проблемы для действующих игроков. Но даже несмотря на то, что нынешние темпы инноваций беспрецедентны, я думаю, можно с уверенностью сказать, что при рассмотрении корпоративных приложений это один из тех случаев, когда большие изменения произойдут в течение десятилетнего периода, хотя следующие год или два будут иметь решающее значение для ранних последователей на передовых рубежах. Из-за бюджетов, циклов принятия решений и организационной инерции просто требуется время, чтобы изменения такого масштаба стали по-настоящему массовыми.
Тем не менее, различные разработки за последние десять лет подготовили почву для того, чтобы облегчить внедрение этой новейшей технологии. Вместо того, чтобы рассматривать это как совершенно новый старт, я предпочитаю рассматривать рост LLM как просто еще одну главу в продолжающейся эволюции подключенных цифровых технологий за последнюю четверть века, долгосрочную тенденцию к тому, что я называю Frictionless Enterprise.
Например, идея разложения монолитных приложений на более гибкий набор функций и хранилищ данных развивается уже более десяти лет, причем платформы онлайн-коммерции и цифрового опыта находятся на переднем крае движения к более компонуемым архитектурам. Появление ИИ просто ускорило импульс к объединению данных сквозного типа по всему предприятию и позволило пользователям получать доступ к функциональным возможностям в потоке работы, а не хранить их изолированно в отдельных приложениях. Эта безуровневая архитектура, как я ее назвал, обеспечивает ИТ-ландшафт, который уже хорошо подходит для работы с новым поколением автономных агентов. В этом смысле корпоративные приложения уже готовы к разделению на более ориентированные на результаты предложения агентов.
Также есть приобретенный опыт, который может быть полезен, когда эти новые решения на основе агентов выйдут на рынок. Одной из проблем компонуемой архитектуры на корпоративном рынке является то, что управление закупками у нескольких поставщиков становится более сложным. Альянс поставщиков MACH, предлагающих компонуемые решения, выступил посредником в стандартизированных соглашениях, чтобы помочь решить эту проблему. Если предприятия собираются в конечном итоге покупать ориентированных на результат агентов у экосистемы поставщиков, они будут искать похожую стандартизацию — или, может быть, искать решение на основе агентов, которое решает эту проблему за них.
Но один из самых важных принципов Frictionless Enterprise, к которому я постоянно возвращаюсь, — это понятие развязывания и перевязывания , при котором продукты или процессы, которые ранее были упакованы вместе, разделяются и переупаковываются новыми способами. То, на что мы должны обращать внимание, — это не то, как агенты могут автоматизировать существующие процессы, а то, как они могут включать совершенно новые процессы. Как я написал, когда излагал эти принципы :
"Frictionless Enterprise — это масштабное мероприятие по разделению и повторному объединению, поскольку новые модели цифровой связи позволяют перенастраивать и переосмысливать продукты, процессы, целые организации и даже отрасли".
Примером может служить план поставщика управления расходами Coupa по созданию сети с поддержкой ИИ для совместного поиска и транзакций между покупателями и продавцами. Вместо того, чтобы стремиться создать агентов, которые автоматизируют каждый из существующих процессов управления заявками на закупку, оценки поставщиков и составления контрактов, поставщик стремится создать новую сеть агентов, которые автономно выполняют все поиски, заключение контрактов и закупки.
Сальваторе Ломбардо, главный директор по продуктам и технологиям, говорит:
"
Если вы используете ИИ и просто задаетесь вопросом: «Что я могу автоматизировать завтра?», вы получите от этого немного пользы. Но это не настоящее нарушение. Нет, настоящее нарушение — это объединение его с идеей сотрудничества, изобретение объектов сотрудничества, которые знают друг друга [и] имеют набор данных, которые они могут вызывать, обсуждать и создавать вещи друг с другом, потому что они интеллектуальные агенты, как боты, общающиеся друг с другом".
Это пример того, как корпоративный процесс может быть полностью разделен и переупакован для работы совершенно новым, но гораздо более эффективным способом. Но потребуется время, чтобы задумать и построить эту новую платформу, а затем еще больше времени, чтобы добиться ее принятия. Многие из этих инновационных новых подходов будут зависеть от создания стандартизированных процессов и моделей данных, которые снова потребуют времени для объединения.
Это одна из причин, по которой я уделяю пристальное внимание текущим разработкам в сфере цифровой командной работы, где многие ведущие игроки разрабатывают собственные фреймворки для совместной работы, которые могли бы предоставить основополагающие шаблоны для стандартизации процессов. Например, думая о потенциале агентов ИИ на вертикальных рынках, хотя может быть много возможностей для индивидуальных решений, представьте, насколько большего можно было бы достичь с помощью платформы, которую любой специалист мог бы легко настроить под нужды своего собственного вертикального рынка.
Но что насчет этой идеи программного обеспечения как услуг, этой идеи о том, что программное обеспечение и автономные агенты объединятся, чтобы создать новый класс цифровых работников, чтобы заменить сегодняшних наемных работников умственного труда? Я нахожу ее чрезмерно упрощенной, как в ее подтексте прямой замены — которую, как я уже отмечал выше, я не вижу в качестве конечной цели для автономных агентов, — так и в ее неявном антропоморфизме систем ИИ. Агенты ИИ — это просто новая форма автоматизации, и они должны быть упакованы и оценены на основе ценности, которую они создают для предприятий, а не на основе зарплат людей, которых они якобы заменяют. И хотя многие люди увидят, как элементы их текущей работы будут взяты на себя автономными агентами, и им часто придется переобучаться или приспосабливаться к новым обязанностям, чтобы оставаться на работе, на этом нарушения не заканчиваются. Многие предприятия также увидят, что их существующие источники дохода исчезнут, и им часто придется переходить на новые предложения, чтобы оставаться платежеспособными.
В течение следующих нескольких лет мы станем свидетелями множества экспериментов. Ценообразование на основе результата для автономных агентов, которые выполняют определенные функции, станет распространенным, но будет и много неудач, поскольку поставщики и их корпоративные клиенты будут приспосабливаться к этим новым условиям торговли и неожиданным подводным камням, которые они с собой несут. Как все это обернется, можно только гадать, но это будут интересные несколько лет.
Источники
https://diginomica.com/future-saas-world-ai-agents-part-1-pricing
The future of SaaS in a world of AI agents - part 1 - pricing. By Phil Wainewright. December 27, 2024.
https://diginomica.com/future-saas-world-ai-agents-part-2-product
The future of SaaS in a world of AI agents - part 2 - product. By Phil Wainewright. December 31, 2024.
Будущее SaaS в мире агентов ИИ - часть 1 - ценообразование. Фил Уэйнрайт. 27 декабря 2024 г.
Будущее SaaS в мире агентов ИИ - часть 2 - продукт. Фил Уэйнрайт. 31 декабря 2024 г.
