Abbiamo pagato software per fare meglio il nostro lavoro, da sempre. Ora sta arrivando un modello diverso: agenti AI che non aspettano ogni nostro click, ma portano avanti attività intere. Non è la fine dei SaaS. È però un cambio di domanda: non “che tool uso?”, ma “quale lavoro posso delegare?”.
Il SaaS ha vinto ma ora mostra i suoi limiti
C’è una domanda un po’ scomoda che molti founder e product manager stanno iniziando a farsi: quanti software servono davvero per lavorare meglio?
Negli ultimi anni abbiamo riempito le aziende di strumenti. CRM, help desk, project management, analytics, automazioni, dashboard, tool per scrivere, tool per pubblicare, tool per misurare. Ognuno promette ordine. Ognuno aggiunge un login. Ognuno chiede un pezzetto della nostra attenzione.
Il SaaS ha reso il software più accessibile che mai. Ma ha anche creato una nuova fatica: la fatica di usare il software.
Perché, alla fine, molti strumenti fanno una cosa precisa. Ti danno un ambiente in cui lavorare. Poi però il lavoro lo devi fare tu. Devi inserire i dati, leggere i segnali, decidere la prossima azione, scrivere il messaggio, aggiornare lo stato, controllare se qualcosa è andato storto.
È come avere una cucina professionale piena di attrezzatura. Fantastico. Ma la cena non si prepara da sola!
Perché il SaaS ha funzionato così bene?
Per capire perché gli Agent as a Service fanno così rumore, bisogna prima riconoscere una cosa: il SaaS è stato una delle idee migliori degli ultimi vent’anni.
Prima il software si comprava, si installava, si aggiornava con fatica. Ogni azienda aveva versioni diverse, server da mantenere, costi iniziali alti. Il SaaS ha cambiato tutto: accesso via browser, abbonamento mensile, aggiornamenti continui, scalabilità, collaborazione in tempo reale.
Per un team piccolo significava partire subito. Per un’azienda grande significava standardizzare processi senza costruire tutto da zero.
Il modello era semplice: paghi una licenza, entri nella piattaforma, usi le sue funzioni. Più persone usano il software, più paghi. Più funzioni vuoi, più sali di piano.
Ha funzionato perché era comodo, prevedibile, facile da vendere e facile da comprare. Ma quel modello parte da un presupposto: il valore nasce quando una persona usa lo strumento.
Ed è proprio questo presupposto che l’AI sta mettendo in discussione.
Dal tool al risultato
Un SaaS ti dice: “Ecco lo strumento, usalo bene”.
Un Agent as a Service ti dice: “Dimmi l’obiettivo, ci penso io entro questi limiti”.
La differenza sembra sottile. In realtà cambia tutto.
Un agente AI non è solo una schermata più intelligente. È un software che può capire un compito, dividerlo in passaggi, usare altri strumenti, prendere decisioni operative, chiedere conferma quando serve e consegnare un output.
Non sostituisce sempre una persona. Non lavora sempre senza supervisione. Ma sposta il baricentro.
Con un SaaS paghi per accedere a una piattaforma. Con un AaaS paghi per un lavoro completato, o almeno per una parte concreta di lavoro portata avanti.
McKinsey descrive questo passaggio in modo molto chiaro: l’AI sta trasformando il software da strumento che abilita il lavoro a piattaforma che lo esegue e lo orchestra. Nello stesso report, il modello classico “per utente” viene affiancato da pricing più legati al consumo, alle attività completate e, quando possibile, al risultato. Leggi l’analisi di McKinsey.
Questo è il punto: il software non è più solo il luogo in cui lavori. Diventa un collega operativo, specializzato, misurabile.
Perché sta succedendo proprio adesso?
La risposta breve è: perché finalmente i tasselli stanno iniziando a incastrarsi.
I modelli linguistici sono migliorati. Capiscono meglio il contesto, scrivono meglio, ragionano meglio su passaggi multipli. Non sono infallibili, ma sono abbastanza utili da entrare nei flussi di lavoro reali.
Nel 2025, lo Stanford AI Index ha registrato un aumento forte dell’uso dell’AI nelle organizzazioni: il 78% dichiarava di usarla nel 2024, contro il 55% dell’anno precedente. Lo stesso report segnala miglioramenti netti su benchmark complessi e casi in cui agenti basati su modelli linguistici hanno superato umani in attività di programmazione con tempo limitato. Vedi il report Stanford AI Index 2025.
78%
organizzazioni che dichiaravano di usare AI nel 2024 secondo Stanford AI Index
55%
organizzazioni che dichiaravano di usare AI l’anno precedente
Poi c’è l’altro tassello: gli agenti possono usare strumenti. Non solo rispondere in chat. Possono interrogare un database, aprire un ticket, aggiornare un CRM, generare un report, inviare una bozza, controllare una fattura.
E infine c’è il prezzo. Se un agente svolge davvero lavoro operativo, venderlo “a licenza per utente” inizia a sembrare forzato. Il valore non sta più nel numero di persone che accedono alla piattaforma, ma nella quantità di attività che l’agente esegue, anche quando nessuno lo sta usando direttamente.
Per questo si parla sempre di più di modelli basati su attività, consumo o risultato. Non è semplice. Definire un “lead qualificato” o una “richiesta risolta” può diventare un piccolo negoziato. Ma la direzione è chiara: il cliente vuole pagare meno per accesso passivo e più per valore generato.
Quattro esempi molto concreti
Partiamo dal customer support.
Il SaaS tradizionale ti dà un help desk. Raccoglie ticket, assegna priorità, crea categorie, misura tempi di risposta. Utile. Ma qualcuno deve leggere, capire, rispondere, chiudere.
Un AaaS per il supporto può prendere una richiesta, recuperare lo storico cliente, controllare le policy, proporre una risposta, eseguire un rimborso entro una certa soglia e passare a un umano solo i casi ambigui. Qui il valore non è “abbiamo un ticketing”. È “abbiamo risolto 800 richieste semplici senza bloccare il team”.
Nel sales succede qualcosa di simile. Un CRM conserva contatti e opportunità. Un agente può invece cercare aziende in target, arricchire i dati, scrivere una prima email coerente con il contesto, programmare follow-up, segnalare quali prospect meritano attenzione.
In contabilità, il gestionale resta importante. Ma un agente può controllare fatture, riconciliare pagamenti, segnalare anomalie, preparare una lista di documenti mancanti. Non sostituisce il commercialista. Toglie però una parte di lavoro ripetitivo e noioso.
Nel marketing, un SaaS ti dà un calendario editoriale, un tool di email marketing, una dashboard analytics. Un agente può proporre temi, preparare varianti di copy, creare una bozza di campagna, confrontare performance e suggerire la prossima azione.
La differenza non è “AI sì, AI no”. È chi tiene il volante.
Nel SaaS tradizionale, il volante è quasi sempre in mano all’utente. Nell’AaaS, l’utente definisce destinazione, regole e limiti. Poi controlla il viaggio.
Cosa cambia per chi vende software?
Per chi costruisce software, questa transizione è scomoda.
Per anni il gioco è stato aggiungere feature, migliorare interfacce, aumentare retention, vendere più licenze. Nel mondo degli agenti, la domanda diventa più dura: quale pezzo di lavoro fai davvero al posto del cliente?
Non basta dire “abbiamo integrato l’AI”. Quella frase si sta già consumando. Serve dimostrare che l’agente porta avanti un processo, riduce tempi, evita errori, produce un risultato misurabile.
Cambiano anche le metriche. Non solo utenti attivi, ma attività completate. Non solo seat vendute, ma workflow eseguiti. Non solo tempo passato nel prodotto, ma tempo risparmiato fuori dal prodotto.
È quasi ironico: per anni abbiamo misurato il successo di un software anche da quanto veniva usato. Ora un ottimo agente potrebbe essere quello che l’utente apre pochissimo, perché lavora senza farsi notare.
Cosa cambia per chi compra software?
Per chi compra, l’opportunità è grande. Meno lavoro operativo. Processi più veloci. Costi più vicini al valore. Team piccoli che fanno cose da team più grandi.
Ma ci sono rischi reali.
Il primo è il controllo. Se un agente prende decisioni, bisogna sapere quali può prendere da solo e dove deve fermarsi.
Il secondo è la qualità. Un errore in una risposta generata è fastidioso. Un errore in un processo eseguito può costare soldi, reputazione o dati.
Il terzo è la trasparenza. Uno studio del 2025 sugli agenti AI ha analizzato 30 sistemi agentici e ha evidenziato che l’ecosistema è complesso, evolve rapidamente e spesso documenta in modo insufficiente sicurezza, valutazioni e impatti sociali. Leggi lo studio su arXiv.
Quindi no, non basta comprare “un agente” e sperare bene. Serve partire da attività circoscritte, con regole chiare, log, supervisione umana e metriche semplici.
La domanda giusta non è: “Possiamo automatizzare tutto?”. La domanda giusta è: “Quale pezzo di lavoro è abbastanza ripetibile, misurabile e controllabile da essere delegato?”
I SaaS non spariranno. Ma cambierà il metro di giudizio
Dire che tutti i SaaS spariranno sarebbe comodo, ma falso.
Molti resteranno. Alcuni diventeranno infrastruttura. Altri si trasformeranno in piattaforme dove lavorano agenti, più che persone. Altri ancora verranno sostituiti da servizi verticali molto più orientati al risultato.
Il punto non è la morte del SaaS. Il punto è che il SaaS, da solo, non basta più come promessa.
Per anni abbiamo comprato software chiedendo: “Che cosa mi permette di fare?”
La prossima domanda sarà più diretta: “Che cosa può fare per me?”
E questa, per chi vende tecnologia, è una domanda molto più difficile. Ma anche molto più interessante.
