Gli sviluppi dell'Intelligenza Artificiale - GenAI in primis - troveranno il loro giusto spazio nell'IT, ma con quali dinamiche di acquisto per le modalità Software-as-a-Service? Se oggi molti vendor stanno semplicemente integrando funzioni di AI nelle loro piattaforme, in prospettiva l'accoppiata AI/SaaS porterà a soluzioni di nuova concezione, con nuovi modelli di monetizzazione delle tecnologie.

Che qualcosa vada cambiato, lato offerta, è già evidente. La spesa in software "powered by AI" cresce ma resta una parte ridotta della spesa generale in software applicativo. Gartner indica ad esempio che la componente software della GenAI cuberà qualcosa come 37 miliardi di dollari nel 2025, contro 1.232 per il software in generale. Quindi la domanda sorge spontanea: cosa sta frenando la monetizzazione delle tecnologie AI da parte dei software provider?

Primo problema: gli stessi software vendor non riescono a dare un'idea abbastanza precisa del valore delle nuove tecnologie. Tutti sottolineano i potenziali casi d'uso dell'AI ma pochi danno un ROI quantificabile derivante da implementazioni reali presso i clienti. Non bene, per le aziende che hanno avviato progetti pilota di AI con un aumento dei costi IT ma senza un corrispondente guadagno in termini di efficienza o di altri indicatori positivi.

Secondo tema: i costi associati all'AI non sono facilmente prevedibili a priori, anche perché molti modelli di prezzo SaaS attuali sono complessi e poco trasparenti. Infine, far "scalare" in produzione progetti pilota è più difficile del previsto perché richiede importanti investimenti in gestione del cambiamento. Non bene - di nuovo - per chi guarda all'AI come a uno strumento per ridurre i costi e non per aumentarli, anche solo nel breve periodo.

Sembra quindi evidente che chi vuole vendere nuovi tipi di software basati sulle moderne tecnologie di Intelligenza Artificiale deve comunicare meglio il suo valore e modificare, almeno un po', il suo approccio al mercato. Le prime dinamiche in questo senso sono già in atto, secondo diversi analisti, e le aziende clienti devono aspettarsi diverse novità.

Nessuno vuole mandare in pensione il modello SaaS ad abbonamento "puro" perché è immediato, comprensibile, comodo sia per chi vende sia per chi acquista. Ma ragionare solo in termini di "tot euro per utente/mese" non va bene per le componenti basate su elementi di AI, il cui costo cresce - e molto - proporzionalmente all'uso. Il futuro quindi è dei modelli di prezzo ibridi, in cui a un costo "flat" si aggiunge - passata una certa soglia di utilizzo - un costo a consumo.

Il cambiamento non è banale: le aziende utenti dovranno prestare molta attenzione alla metrica che sarà usata per calcolare il costo a consumo di ogni specifico modulo SaaS. Metriche troppo specialistiche o imprevedibili - come lo è adesso la generazione di token di un LLM, ad esempio - non piacciono agli utenti, mentre quelle troppo banali possono non rendere bene la complessità delle soluzioni basate su AI, e quindi non piacciono agli operatori SaaS.

Secondo McKinsey, per gli utenti le metriche più logiche sono quelle activity-based: l'AI svolge una attività chiaramente identificabile - ad esempio, inviare mail a supporto delle vendite - e in funzione questa viene monetizzata. Il passo successivo è un calcolo outcome-based, ossia legato alla "resa" delle attività svolte. Ad esempio, il modulo di supporto alle vendite citato prima dovrebbe essere monetizzato non per le mail inviate ma per il numero di lead qualificati che quelle mail recuperano. Difficile da realizzare, specie su larga scala.

La AI agentica pone poi un altro problema: come si misura il "consumo" di un agente AI che svolge un determinato compito, se quest'ultimo è molto personalizzabile da parte dell'utente che interagisce con l'AI in modo poco formalizzato, come via chat? Più parametri e condizioni il singolo utente può imporre all'agente, più questo deve connettersi a servizi esterni e API per raccogliere dati e svolgere sotto-task. Un lavoro che va fatto pagare, ma secondo quali criteri che siano allo stesso tempo equi e prevedibili? Una logica standard non c'è ancora.

Ad un livello più "macro", tutti gli analisti concordano sul fatto che le aziende utenti devono prepararsi a dinamiche di costo delle soluzioni AI-based che saranno fortemente influenzate dallo sviluppo tecnologico. Questo è vero per tutto il mondo as-a-Service, ma l'AI oggi fa storia a sé. I costi tecnologici che un software provider deve sostenere per realizzare la sua offerta AI-based cambiano rapidamente e di conseguenza anche i prezzi per i clienti andranno ricalcolati con una frequenza per molti inusuale. Il che impatterà sulla volontà delle aziende di avere sempre costi prevedibili, anche a lungo termine.