SaaS умирает? 8 экспертных публикаций в Q1 2026 и взгляд изнутри Kaiten говорят — не совсем

В 2025‑2026 компании массово начали пробовать AI: в поддержке, продажах, разработке, документах и управлении проектами. Но вместе с этим появился практический вопрос: что будет с привычным корпоративным софтом, если часть работы внутри систем начнут выполнять не люди, а AI‑агенты?

Меня этот вопрос зацепил не как абстрактная дискуссия про рынок. Я строю процессы в Kaiten — мы делаем платформу для управления рабочими процессами, задачами, проектами, документами и заявками. То есть работаем по той самой B2B SaaS‑модели, где ценность продукта долго была связана с тем, сколько людей каждый день заходит в систему и работает в ней.

Один из самых обсуждаемых примеров описан в материале a16z о SaaStr.ai. После сокращения команды количество пользователей Salesforce уменьшилось с 10 до 2, зато в процесс подключили AI‑агента. Но вместо снижения расходов итоговый счет вырос почти в 2 раза — до $22 000 в месяц. Платить стали не за дополнительные рабочие места, а за объем выполняемой автоматизированной работы с помощью агента.

Именно этот пример подтолкнул меня изучить публикации фондов, AI‑лабораторий и аналитических компаний, а затем сравнить их выводы с собственными наблюдениями внутри команды разработки Kaiten. Итог оказался интереснее, чем ожидалось.

Что говорят венчурные фонды

Косвенно это подтверждают и действия крупнейших игроков рынка. Например, Microsoft одновременно говорит о новой роли корпоративного ПО и продолжает масштабные инвестиции в AI‑инфраструктуру, направляя десятки миллиардов долларов на развитие дата‑центров. То есть рынок готовится не к исчезновению SaaS, а к резкому росту вычислительной нагрузки.

В марте 2026 года Sequoia развила эту идею в материале «Services: The New Software», предположив, что следующим этапом эволюции станет продажа не программного обеспечения как инструмента, а выполненной работы. Клиент будет платить не за доступ к системе, а за автоматически выполненный бизнес‑процесс.

Похожую мысль высказал фонд a16z в статье «From System of Record to System of Intelligence»: если раньше основную ценность представляла система хранения данных, где работал пользователь, то теперь все большее значение получает слой интеллектуальной обработки, который использует накопленный контекст, анализирует информацию и помогает принимать решения или выполнять действия без постоянного участия человека.

Но тут важная пометка: я бы не принимал позицию фондов как нейтральную аналитику. У них есть свой интерес в том, чтобы рынок поверил в новый этап. Но чисто как отдельный сигнал/симптом — это важно. Несколько крупных игроков одновременно говорят не про «добавим AI‑кнопку в интерфейс», а про изменение в архитектуре корпоративного софта.

Уже появляются и практические подтверждения этой тенденции. Salesforce активно развивает Agentforce и API‑инфраструктуру для AI‑агентов, которым нужен доступ к корпоративным данным и возможность выполнять действия внутри системы. Notion тоже постепенно меняет позиционирование: из инструмента для работы с документами он превращается в платформу, где AI может самостоятельно выполнять часть задач. Это пока не означает, что привычные SaaS‑продукты исчезают. Но показывает, на что сейчас направлено внимание рынка.

Что говорят AI‑лаборатории

Заявления фондов можно списать на инвестиционный нарратив. А вот ценовые решения AI‑лабораторий списать сложнее.

Например, Anthropic постепенно уходит от идеи, что одной корпоративной лицензии достаточно для любого сценария использования. Когда AI работает как обычный помощник сотрудника, затраты относительно предсказуемы. Но если агент начинает выполнять длинные цепочки действий, постоянно обращаться к корпоративным данным и работать в фоновом режиме, вычислительная нагрузка и стоимость такого использования становятся совсем другими. В этом случае модель «одна лицензия на пользователя» уже плохо отражает реальное потребление ресурсов.

О похожем направлении развития говорит и Сэм Альтман в интервью Stratechery. По его мнению, следующим этапом развития станет не очередной чат‑бот, а инфраструктура, где агент получает доступ к системам и выполняет часть процесса.

Что показывают аналитики

У аналитиков картина похожая, но более приземленная. Gartner в апреле 2026 года прогнозировал, что компании будут уходить от оплаты за помощников в сторону решений, которые дают измеримый результат в рабочих процессах.

Есть и более общий фон: рынок SaaS не выглядит как рынок, который прямо сейчас исчезает. По прогнозам Gartner, расходы продолжают расти.

Впрочем, исследования внедрения AI заметно охлаждают общий оптимизм. Несмотря на быстрое распространение новых инструментов, далеко не каждая компания получает от них ощутимый экономический эффект.

Так, по данным исследования NBER, около 70% организаций уже используют AI в той или иной форме, однако большинство участников не отмечает существенного влияния на производительность труда или уровень занятости за последние несколько лет. Похожие выводы содержатся и в отчете MIT NANDA о пилотных проектах с генеративным AI: компании активно экспериментируют с новыми технологиями, но лишь небольшая часть таких инициатив приводит к измеримым финансовым результатам.

Хочу сказать, что для меня это не противоречие. Да, компании уже пробуют AI, но часто делают это как эксперимент поверх старых процессов. В итоге инструмент есть, презентация про внедрение есть, а экономического эффекта нет. Мы сами были в похожей ситуации.

Почему хоронить SaaS пока рано

Есть как минимум три причины, по которым говорить о скорой «смерти SaaS» пока преждевременно.

Первая связана с историей Klarna, которая стала одним из самых обсуждаемых AI‑кейсов последних лет. В 2024 году компания заявила о масштабной автоматизации службы поддержки и замене 700+ сотрудников на GPT‑4, а также полностью отказалась от Salesforce. Однако позже часть решений все же пришлось пересмотреть. При этом место одного крупного SaaS‑поставщика заняли сразу несколько специализированных сервисов, включая Deel и Workday. Получился скорее пересмотр технологического стека, чем отказ от SaaS как класса продуктов — историю сейчас цитирует каждый CIO.

Второй аргумент — финансовые показатели крупнейших игроков рынка. Пока нет реальных признаков того, что традиционные SaaS‑компании теряют позиции. Salesforce закрыла FY25 с выручкой $41,5 млрд (+10% YoY). Workday за 2025‑й потратил $3B на покупки и публично перепозиционировался в платформу для агентов — гиганты не сжимаются, а покупают технологии и перестраивают позиционирование, чтобы остаться релевантными.

Поэтому я бы не говорил, что SaaS умирает. Скорее меняется его роль: продукт перестает быть только интерфейсом для записи данных человеком в систему.

Что я вижу внутри SaaS

Я пишу это из SaaS‑компании, которая сама долго работала в понятной модели: есть пользователь, есть лицензия, есть рабочее место в системе. Поэтому мне невыгодно радоваться тезису, что часть денег может уезжать из пользовательских лицензий в потребление, токены или оплату за результат.

Но и игнорировать это тоже странно. У нас внутри Kaiten за последние месяцы произошло ровно то, что многие компании сейчас проходят на разной скорости.

Как AI распространился у нас

Еще около десяти месяцев назад AI внутри компании использовали скорее от случая к случаю. Даже разработчики обращались к нейросетям эпизодически: уточнить решение, проверить код или быстро подготовить текст. Постоянной практикой это еще не стало.

Ситуация начала меняться после появления первого внутреннего чата, посвященного одному AI‑инструменту. Вначале в нем состояло всего несколько человек, но интерес быстро рос. Затем мы провели серию воркшопов, после которых появился еще один отдельный чат для разработки. Сегодня в этих сообществах уже 71 и 67 участников.

Следующим этапом стало формирование группы сотрудников, которым перестало хватать базовых тарифов. Они перешли на профессиональные планы стоимостью $100–200 в месяц, а компания решила финансировать эти расходы, потому что дополнительные возможности быстро окупались в ежедневной работе.

Команды, цикл, бюджет

Самый понятный эффект мы видим в цикле доработок в легаси‑продукте. Есть классы задач, которые раньше могли тянуться 2‑3 месяца, а сейчас выходят за 2‑3 недели.

Ежемесячная оплата токенов за тот же период выросла с нескольких сотен долларов до нескольких десятков тысяч в месяц. Компания этот тренд осознанно поддерживает — в P&L окупается. Если бы эффекта не было, такие расходы первыми пошли бы под сокращение.

Что выкатили в продукт и что работает

По мере развития AI внутри продукта стало понятно, что сами по себе интеллектуальные функции редко становятся самостоятельной ценностью. Пользователи не хотят переключаться между десятком разных сервисов — они ожидают, что привычный рабочий процесс станет быстрее и потребует меньше ручных действий.

Поэтому наиболее востребованными оказываются сценарии, встроенные непосредственно в существующие процессы. Например, если после рабочей встречи система сама может автоматически сформировать расшифровку разговора, выделить ключевые договоренности и предложить оформить их в виде задач или поручений. Человек при этом полностью сохраняет контроль над результатом и подтверждает изменения самостоятельно.

Практика показывает, что подобные сценарии воспринимаются значительно лучше, чем отдельные AI‑инструменты, которые существуют изолированно от основной работы. Пользователь получает не новую кнопку или дополнительный чат, а сокращение количества рутинных действий внутри привычного процесса.

Интересно и то, что одна и та же автоматизация приносит разную ценность на разных уровнях организации:

1. Для сотрудника это экономия времени на подготовке материалов и фиксации договоренностей.
2. Для руководителя — возможность быстрее получить актуальную информацию о ходе работы.
3. Для бизнеса в целом — накопление структурированных данных, на основе которых можно анализировать риски, узкие места и эффективность процессов.

Эволюция нашего прайсинга

Я не считаю, что модель оплаты за пользователя исчезнет, ведь она слишком привычная и понятная для закупок. Но сейчас этой модели очевидно мало. Когда продукт начинает выполнять дорогие вычислительные действия, у него появляется новая себестоимость. Транскрипция, длинный контекст, генерация, поиск по базе знаний, агентские цепочки — все это не одинаково стоит для поставщика.

Один пользователь может почти не потреблять AI, другой может запускать тяжелые сценарии каждый день. Поэтому логичный путь — гибрид: часть цены остается за пользователя, часть привязывается к потреблению или к конкретному результату.

Он у нас частично работает, но осторожно. Не потому что боимся слова usage‑based, а потому что в B2B любая новая логика оплаты должна быть понятной финансовому директору клиента. Если счет невозможно объяснить, он просто не пройдет закупку.

Что не сработало

Главная ошибка первого полугодия — мы пошли изобретать отдельные AI‑функции и тащить точечные кейсы в продукт. Правильный путь был другим: сильнее работают сценарии, где AI встроен в уже существующую цепочку. Встреча прошла — появился транскрипт. Из транскрипта можно создать задачу. Задача попадает в бэклог, и команда продолжает работу там же, где работала до этого.

После переработки архитектуры появилась вторая версия агента, которая уже в продакшене, хотя по‑прежнему требует регулярных улучшений. Есть еще гипотеза про агента, который сам ведет проект, но пока относимся к этому сценарию осторожно. На практике более жизнеспособной выглядит модель с несколькими специализированными агентами, где каждый отвечает за свой этап процесса: один собирает данные, другой проверяет условия, третий готовит действие, а финальное решение остается за человеком или бизнес‑правилом.

Куда мы идем

Роадмап у нас раскладывается на 3 этапа:

1. Сейчас AI в основном выступает помощником: готовит черновики, делает саммари встреч, находит информацию в документах и помогает формулировать задачи. При этом человек по‑прежнему сам ведет процесс и принимает все ключевые решения.
2. Следующий этап — AI‑координация. Здесь агенты начинают брать на себя отдельные части процесса: разбирают входящие заявки, определяют их тип, собирают нужный контекст, предлагают маршрут обработки и передают задачу нужному исполнителю.
3. В перспективе AI может перейти на уровень управления процессами. В этом сценарии агент работает уже с цепочкой целиком — показывает риски по проектам, прогнозирует сроки, собирает аналитику по запросу и помогает руководителю увидеть проблему до того, как она стала пожаром.

Та же траектория есть у Notion, Salesforce и других — инструмент не остается просто помощником, а постепенно переходит в самостоятельное управление.

Какая архитектура из этого получается

Преобразование на уровне рынка прослеживается в действиях, а не в выручке: Anthropic переписала корпоративную модель оплаты, Salesforce разделил данные и интерфейс, Sequoia поставила миллиарды на замену старого софта поддержки, Notion за 3 месяца после релиза автономных агентов получил 1M+ Custom Agents.

Если собрать все, что происходит на рынке и еще наш опыт, то мы получим 4 уровня архитектуры:

1. Системы, в которых хранится и ведется вся работа: таск‑трекеры, CRM, ERP, базы знаний, документы, HR- и биллинговые системы. Именно здесь находятся данные, история изменений, права доступа и бизнес‑логика, поэтому заменить их AI не сможет.
2. Контур доступа: API, MCP, механизмы авторизации, журналы действий, ограничения и аудит. Model Context Protocol — стандарт, по которому агенты ходят в эти системы. Это скучная часть, но без нее нельзя пускать агента в корпоративные данные. Никто в здравом уме не должен подключать CRM и биллинг к произвольному агенту без прав, журналов действий и возможности отката.
3. Универсальные AI‑помощники вроде Copilot, ChatGPT Enterprise, Claude for Work, Notion AI или Glean. Они работают сразу с несколькими источниками информации и помогают человеку быстрее выполнять повседневные задачи.
4. Специализированные AI‑агенты под конкретные бизнес‑процессы. Именно вокруг таких решений сегодня начинает формироваться новая модель рынка, где ценность создается не столько доступом к системе, сколько автоматически выполненной работой.

Что я тут вижу: не SaaS исчезает, а его роль меняется. Раньше продукт был местом, куда человек приходил работать. Теперь он должен быть еще и средой, в которой агент может безопасно прочитать данные и предложить действие.

Что я бы сделал в ближайшие 1‑2 месяца

Если бы сегодня мне пришлось заново выбирать корпоративное ПО, я смотрел бы не столько на перечень функций, сколько на готовность системы к работе с AI. Проверил бы, насколько развит API, можно ли безопасно работать с корпоративными данными, поддерживаются ли гибкие права доступа и насколько просто встроить автоматизацию в существующие процессы без их полной перестройки.

До старта обязательно оценил бы экономику. Сколько ресурсов сегодня уходит на процесс, где чаще всего возникают ошибки, во сколько компании обходятся задержки и как устроен контроль качества.

Не верил бы ни тезису «95% AI не работает», ни тому, что SaaS мертв. Оба проверяются на собственной воронке. Если в команде ежедневное использование AI ниже 30% — первый тезис про вас, если выше 60% — второй. У нас в Kaiten год назад AI использовали 5%, сейчас около 80% активных сотрудников работают с ним ежедневно. Но это не произошло само по себе: понадобились рабочие чаты, воркшопы, обмен практиками, дорогие тарифы для тех, кому базовых возможностей уже не хватало.

И главный совет, который я проверил сам за год: замерьте каждый AI‑кейс юнит‑экономикой бизнес‑процесса. Ищите такую цепочку, где автоматизация одновременно облегчает работу юзеру и улучшает экономику бизнеса. Если ценность только у одной стороны — кейс не выживет: либо юзер откажется, либо бизнес перестанет вкладываться.

Ключевой вывод: платить будут не только за доступы

После анализа исследований и собственного опыта я бы сформулировал вывод так: разговоры о смерти SaaS сильно преувеличены. Скорее, наоборот — IDC прогнозирует рост рынка с $318B до $576B к 2029. При этом сама природа ценности корпоративного программного обеспечения неизбежно меняется.

Если раньше компании покупали рабочие места для сотрудников, то теперь все большее значение приобретает способность системы автоматически выполнять часть работы: анализировать контекст, готовить задачи, искать информацию, собирать статусы и сопровождать процессы.

Для клиента это означает, что при выборе софта нужно смотреть не столько на интерфейс и список модулей, а на то, как система хранит контекст, как отдает данные и как управляет правами. Нужно понимать, какую работу продукт реально снимает с человека, где это можно посчитать и как не превратить автоматизацию в новый источник хаоса.

Я не верю в простой сценарий, где SaaS завтра исчезнет. Но я уже вижу другой: выручка остается в SaaS, а логика ее формирования меняется.