L'intelligenza artificiale sta trasformando i contratti SaaS in impegni infrastrutturali.

Il SaaS avrebbe dovuto essere l'antidoto alla dipendenza dai fornitori tradizionali. Paghi mensilmente, ricevi aggiornamenti continui, puoi disdire con un preavviso di 90 giorni. L'intero modello era basato sulla flessibilità. Ma l'intelligenza artificiale sta silenziosamente smantellando quella promessa — non modificando i termini riportati nella prima pagina del contratto, ma cambiando la natura stessa di ciò che stai effettivamente acquistando.

Quando il tuo fornitore di servizi cloud integra un agente basato sull'intelligenza artificiale nella propria suite di produttività, il tuo fornitore di CRM include un assistente AI che apprende dai dati della tua pipeline, oppure il tuo fornitore di ERP implementa un flusso di lavoro basato su agenti che automatizza le decisioni relative agli acquisti, quell’«abbonamento software» inizia ad assomigliare molto a un contratto di fornitura energetica. In teoria puoi cambiare fornitore, ma il costo reale di tale operazione è ormai ben superiore a quanto chiunque tenga in considerazione al momento del rinnovo.

«Il contratto che hai firmato l'anno scorso non ha più nulla a che vedere con quello che stai vivendo oggi — e la maggior parte delle organizzazioni non se ne è ancora accorta.»

Questa è la sfida principale che i responsabili degli acquisti, della finanza e della tecnologia delle aziende devono affrontare in questo momento: le funzionalità dell'intelligenza artificiale stanno trasformando i rapporti SaaS da una logica basata sull'abbonamento a una logica basata sull'infrastruttura. Le organizzazioni che riconosceranno tempestivamente questo cambiamento riusciranno a negoziare condizioni migliori, a costruire stack più resilienti ed a evitare una nuova forma di dipendenza dai fornitori. Quelle che non lo faranno si ritroveranno vincolate a condizioni che non avrebbero mai voluto accettare.

Per capire quanto siano cambiate le cose, è utile ricordare perché il SaaS ha rivoluzionato il settore del software on-premise. La caratteristica distintiva non era il costo inferiore, bensì la fungibilità. Se il fornitore del software per le risorse umane aumentava i prezzi o rimaneva indietro in termini di funzionalità, era possibile effettuare una valutazione comparativa, migrare i dati ed essere operativi su una nuova piattaforma nel giro di un trimestre. I costi di passaggio erano reali, ma limitati e prevedibili.

Gli appalti aziendali si sono adeguati di conseguenza. I contratti di durata più breve sono diventati la norma. I modelli di tariffazione basati sull'utilizzo hanno offerto agli acquirenti la flessibilità necessaria per espandersi senza assumersi impegni eccessivi. I modelli basati su progetti pilota hanno consentito alle organizzazioni di verificare l'idoneità della soluzione prima di sottoscrivere contratti pluriennali. L'intero approccio agli appalti è stato calibrato partendo dal presupposto che i fornitori SaaS fossero, in misura significativa, intercambiabili.

Questo funzionava perché il valore di un prodotto SaaS era legato all'accesso alle funzionalità del software: un insieme di caratteristiche, un'interfaccia utente, una libreria di integrazioni. Il software non ti conosceva. Non imparava da te. I tuoi dati risiedevano nel sistema, ma l'intelligenza del sistema non si sviluppava attorno ad essi. Cambiare fornitore significava trasferire record strutturati da un database all'altro, non smantellare la comprensione che un modello addestrato aveva della tua attività.

Il passaggio dal modello di abbonamento a quello infrastrutturale non avviene attraverso un unico meccanismo. Si tratta piuttosto della convergenza di tre forze strutturali che si rafforzano a vicenda. Ciascuna di esse è significativa di per sé; insieme, rappresentano una nuova realtà nel campo degli appalti.

1. Gravità dei dati

Quando un modello di intelligenza artificiale viene addestrato, ottimizzato o migliorato costantemente utilizzando i vostri dati proprietari — i profili dei clienti, i ticket dell'assistenza, le trascrizioni delle chiamate di vendita — la migrazione smette di essere un problema di esportazione dei dati e diventa una questione di architettura dei dati.

La migrazione SaaS tradizionale comportava lo spostamento di record strutturati. La migrazione nell'era dell'IA significa chiedersi: dove va a finire il contesto appreso dal nostro modello? In molti casi, la risposta è che non va da nessuna parte. Rimane presso il fornitore, integrato in un sistema che nessun formato di esportazione è in grado di catturare. Il vostro investimento nel miglioramento delle prestazioni di quell'IA — l'etichettatura, i cicli di feedback, l'addestramento personalizzato — rappresenta dei costi di passaggio che non compaiono in nessun bilancio ma sono molto reali quando si cerca di andarsene.

«Cambiare fornitore di servizi cloud comporta una riprogettazione dell'infrastruttura. Anche il passaggio a soluzioni SaaS native per l'IA richiede sempre più spesso lo stesso».

2. Integrazione nel flusso di lavoro

I copiloti e gli assistenti basati sull'intelligenza artificiale non si limitano a svolgere compiti: stanno rivoluzionando il modo di lavorare delle persone. Quando un team di vendita trascorre dodici mesi lavorando a fianco di un'intelligenza artificiale che redige le e-mail di follow-up, individua i rischi legati alle trattative e suggerisce i passi successivi, i membri del team riorganizzano le proprie abitudini professionali in base ai risultati forniti dall'intelligenza artificiale. Il costo di transizione non è più solo tecnico: è comportamentale e organizzativo.

Si tratta di una forma di vincolo che è più difficile da quantificare rispetto alla migrazione dei dati, ma potenzialmente più significativa. I dipendenti subiscono una perdita di produttività ogni volta che cambia un flusso di lavoro; quando il cambiamento comporta lo smantellamento di un sistema di intelligenza artificiale con cui hanno co-evoluto nel corso degli anni, tale perdita di produttività è profonda, prolungata e difficile da invertire.

3. Dipendenza dal modello

La terza forza, nonché la più sottovalutata, è la dipendenza dal modello. Quando gli agenti di IA prendono decisioni rilevanti — redigere contratti, smistare le richieste di assistenza clienti, elaborare previsioni finanziarie — le organizzazioni diventano dipendenti non solo dalla piattaforma software, ma anche dal comportamento, dalla calibrazione e dai modelli di ragionamento di un modello specifico.

Il vostro team impara a fidarsi dei risultati forniti da un determinato modello. I vostri processi sono strutturati in base ai suoi tassi di errore e ai suoi casi limite. I vostri quadri di governance sono calibrati sulle sue tendenze specifiche. Quando quel modello viene aggiornato — o quando valutate di passare a un concorrente il cui modello si comporta in modo diverso — non state semplicemente cambiando software. State introducendo un’incertezza sistematica nelle decisioni su cui la vostra organizzazione ha imparato a fare affidamento.

Riconoscere questo cambiamento è il primo passo. Per agire di conseguenza, è necessario modificare l'approccio dei team addetti agli appalti, alla finanza e alla tecnologia nei confronti delle relazioni SaaS basate sull'intelligenza artificiale, a partire dalla fase di negoziazione del contratto, non dopo l'implementazione.

I contratti devono prevedere condizioni adeguate alle esigenze infrastrutturali

La portabilità dei dati, la trasparenza dei modelli e gli SLA significativi dovrebbero essere negoziati con lo stesso rigore che le organizzazioni riservavano un tempo ai contratti relativi ai data center. Ciò implica disposizioni esplicite per l'esportazione non solo dei dati, ma anche degli artefatti di addestramento, delle configurazioni dei modelli e della logica di integrazione. Significa inoltre avere diritti di verifica su come i dati vengono utilizzati per migliorare i sistemi di IA del fornitore. E implica SLA che coprano la qualità e la coerenza dei risultati dell'IA, non solo il tempo di attività della piattaforma.

La valutazione dei fornitori deve guardare a monte

Valutare oggi un fornitore di SaaS nativo per l'IA significa valutare il suo fornitore di IA, le sue politiche di aggiornamento dei modelli, le sue pratiche di governance dei dati e la sua roadmap di prodotto — non solo l'attuale set di funzionalità. Un fornitore che utilizza un modello di base di un fornitore con cicli di aggiornamento aggressivi presenta un profilo di rischio diverso rispetto a uno che offre stabilità nella versione del modello. Queste domande devono essere inserite nella richiesta di offerta (RFP), non nella revisione post-implementazione.

Il costo totale di uscita è il nuovo indicatore

I team di approvvigionamento che continuano a valutare i servizi SaaS in base al costo delle licenze e all'adeguatezza delle funzionalità trascurano il fattore di rischio principale. L'indicatore che conta nell'era dell'intelligenza artificiale è il costo totale di uscita: il costo economico complessivo derivante dall'abbandono di un fornitore, che include la migrazione dei dati, la riqualificazione del personale, la riorganizzazione dei processi e il know-how aziendale attualmente integrato nei risultati generati dall'intelligenza artificiale. Calcolare questo dato prima della firma — e non dopo il rinnovo — è l'approccio che distingue gli acquirenti più esperti dagli altri.

La governance deve estendersi al comportamento dell'IA

Quando un'intelligenza artificiale formula una raccomandazione con conseguenze significative, la questione della responsabilità non si risolve da sola. I contratti dovrebbero specificare gli impegni relativi alle versioni del modello, in modo che le organizzazioni sappiano quando l'IA su cui si basano le loro decisioni sta cambiando. Dovrebbero includere l'obbligo di intervento umano per le decisioni che superano soglie definite. Inoltre, dovrebbero stabilire diritti di verifica sufficientemente solidi da garantire la conformità normativa in settori in cui le decisioni generate dall'IA saranno sottoposte a un controllo sempre più rigoroso.

«Le organizzazioni che considerano l'AI-SaaS come un'infrastruttura sin dall'inizio riusciranno a negoziare condizioni più vantaggiose, a creare stack più resilienti ed eviteranno una nuova forma di dipendenza dai fornitori.»

Nulla di tutto ciò costituisce un argomento contro l'adozione dell'IA. Gli incrementi di produttività sono reali, i vantaggi competitivi si moltiplicano e le organizzazioni che restano in disparte mentre altre implementano l'IA su larga scala ne pagheranno le conseguenze.

Ma l'adozione e l'intenzionalità non sono in contrasto tra loro. Le organizzazioni che stanno ottenendo risultati positivi con l'IA in questo momento non evitano di assumersi impegni: li assumono in modo consapevole, applicando fin dall'inizio un rigore di livello infrastrutturale ai rapporti con i propri fornitori. Negoziando la portabilità dei dati prima ancora di aver prodotto dati che valga la pena migrare. Valutando i costi di passaggio a un altro fornitore prima di trovarsi vincolati. Ponendo domande difficili sulla governance dei modelli prima che l'IA venga integrata nei loro flussi di lavoro.

Le organizzazioni che si troveranno in difficoltà non sono quelle che hanno agito con troppa fretta nel campo dell'intelligenza artificiale. Sono quelle che hanno proceduto al ritmo degli abbonamenti, mentre i loro impegni si sono silenziosamente spostati verso la scalabilità dell'infrastruttura.

Il tuo prossimo rinnovo SaaS non è un semplice contratto per un software. È una scelta architettonica che copre un periodo di cinque anni. Il tuo team lo sta affrontando in questo modo?

Considerazioni sugli acquisti: l'era degli abbonamenti contro l'era dell'IA nel SaaS

Lista di controllo in 5 punti per la revisione dei contratti AI-SaaS

Prima di firmare o rinnovare qualsiasi contratto SaaS basato sull'intelligenza artificiale, il vostro team dovrebbe essere in grado di rispondere a queste domande.

• Questo contratto prevede diritti espliciti alla portabilità dei dati nel caso in cui decidessimo di recedere?
• Quali modelli di IA sono alla base di queste funzionalità e qual è la politica del fornitore in merito agli aggiornamenti dei modelli o alle modifiche di versione?
• Quali sono i nostri diritti di revisione in merito ai risultati e alle raccomandazioni generati dall'intelligenza artificiale?
• Abbiamo valutato il costo complessivo del passaggio, compresi la migrazione dei dati, la riqualificazione del personale e la riorganizzazione dei processi?
• Il nostro contratto prevede l'obbligo di intervento umano in caso di decisioni dell'IA con conseguenze significative?