La narrativa rassicurante secondo cui l’intelligenza artificiale sarebbe “solo un’altra feature” si sta sgretolando con la stessa eleganza con cui il cloud, quindici anni fa, demolì l’illusione che i data center on-premise fossero un vantaggio competitivo difendibile. I numeri citati, che vedono player come Atlassian, Monday.com, Figma, HubSpot e GitLab perdere tra il 48% e il 63% su base annua, non sono semplicemente una correzione di mercato o una rotazione settoriale. Sono un sintomo. E come tutti i sintomi rilevanti, raccontano una patologia più profonda: la progressiva dissoluzione del software come prodotto visibile.
Nel corso degli ultimi trent’anni abbiamo costruito un’intera industria attorno all’idea che l’interfaccia fosse il punto di controllo del valore. Dalle prime GUI fino ai SaaS moderni, il paradigma era lineare: più controllo sull’esperienza utente significava più lock-in, più dati, più revenue. Le aziende hanno investito miliardi per ottimizzare flussi, dashboard, interazioni; interi team di product management sono stati addestrati a perfezionare il dettaglio, a ridurre i click, a migliorare la discoverability. Una religione laica del design, con sacerdoti ben pagati e KPI ossessivi.
Ora, improvvisamente, quell’interfaccia non è più necessaria.
Il punto due della tua osservazione è quello che dovrebbe inquietare di più chi guida queste aziende. Quando un utente avanzato smette di aprire un prodotto, non è un problema di churn. È un cambio di paradigma. L’interfaccia è stata sostituita da un’intermediazione cognitiva, incarnata da modelli come quelli sviluppati da Anthropic o OpenAI, che non si limitano a “usare” il software, ma lo assorbono, lo reinterpretano, lo comprimono in una sequenza di prompt e risposte.
Questa è la vera discontinuità. Il software non è più il luogo in cui si svolge il lavoro. Diventa un backend, un insieme di API, una riserva di funzionalità che viene orchestrata altrove. L’interfaccia utente, per decenni il campo di battaglia principale, diventa improvvisamente un layer opzionale. E opzionale, nel linguaggio dei mercati, significa comprimibile nei margini.
Si potrebbe obiettare che non è la prima volta che accade. In effetti, la storia dell’informatica è costellata di momenti in cui il valore si sposta verso nuovi livelli dello stack. Negli anni Ottanta era l’hardware, negli anni Novanta i sistemi operativi, nei Duemila il web, negli anni Dieci il cloud. Ogni volta, chi controllava il nuovo layer dominante catturava la maggior parte del valore. Ma la differenza oggi è più sottile e, per certi versi, più pericolosa: il nuovo layer non è infrastrutturale, è cognitivo.
Quando un modello linguistico interno è in grado di gestire un kanban, suggerire la priorità di un backlog, strutturare una pipeline commerciale o persino anticipare le obiezioni di un cliente, non sta semplicemente automatizzando task. Sta inglobando la logica operativa che prima era embedded nei prodotti. Sta diventando il prodotto.
Questa migrazione dell’intelligenza di dominio dentro i modelli è probabilmente il fenomeno meno compreso e più sottovalutato del momento. Le piattaforme SaaS hanno costruito il loro vantaggio competitivo su una combinazione di dati, workflow e UX. Oggi, una parte crescente di quel valore è replicabile, o almeno approssimabile, attraverso modelli addestrati su enormi quantità di dati pubblici e privati. Non perfettamente, non ancora, ma sufficientemente bene da erodere il premium price.
Il risultato è che il famoso “80% delle esigenze”, che per anni è stato il tallone d’Achille di qualsiasi soluzione custom, diventa improvvisamente accessibile a chiunque abbia competenze moderate e accesso a un LLM. Non serve più costruire un CRM completo per sostituire HubSpot; basta coprire le funzionalità critiche, integrarle con i dati esistenti e lasciare che il modello gestisca il resto. Il restante 20%, quello più sofisticato, rimane terreno delle piattaforme enterprise, ma con margini sotto pressione e cicli di vendita più lunghi.
Questo spiega il punto quattro, che è forse il più strategicamente rilevante. Il ritorno del “make” sul “buy” non è una moda passeggera, è una conseguenza inevitabile della riduzione dei costi di produzione del software. Quando costruire uno strumento interno diventa un ordine di grandezza più economico e veloce, il calcolo economico cambia radicalmente. Le aziende iniziano a internalizzare competenze, a investire in upskilling, a sperimentare architetture ibride in cui SaaS e soluzioni custom coesistono, spesso in tensione.
Chi ha vissuto la stagione dell’outsourcing IT negli anni Novanta riconosce il pattern, ma con una differenza cruciale. Allora si esternalizzava per ridurre costi operativi; oggi si internalizza per aumentare controllo e velocità. È una dinamica quasi opposta, che riflette un contesto tecnologico completamente diverso.
Naturalmente, sarebbe ingenuo decretare la fine delle piattaforme SaaS. Le grandi aziende hanno asset difficili da replicare: ecosistemi, integrazioni profonde, basi clienti consolidate, compliance, sicurezza. Tuttavia, la loro posizione non è più inattaccabile. Devono affrontare una forma di concorrenza asimmetrica, in cui il competitor non è un’altra piattaforma, ma la capacità interna del cliente, amplificata dall’AI.
Il problema, come giustamente osservato, è che molte di queste aziende stanno rispondendo in modo tattico, non strategico. Aggiungono funzionalità AI, spesso sotto forma di assistenti o suggerimenti, senza ripensare l’esperienza complessiva. È l’equivalente digitale di mettere un motore elettrico su una carrozza trainata da cavalli. Funziona, ma non cambia il paradigma.
Ripensare l’esperienza significherebbe accettare che l’interfaccia primaria non è più la propria applicazione, ma il modello. Significherebbe progettare prodotti API-first, agent-ready, in cui l’utente umano è solo uno dei possibili attori. Significherebbe, in ultima analisi, rinunciare a una parte del controllo per rimanere rilevanti. Una scelta che pochi board sono pronti a fare, almeno finché i ricavi non iniziano a riflettere il cambiamento.
Nel frattempo, il mercato manda segnali sempre più espliciti. Gli investitori, notoriamente cinici e opportunisti, stanno ricalibrando le loro aspettative. Le valutazioni si comprimono non perché queste aziende siano improvvisamente diventate inefficienti, ma perché il loro futuro appare meno lineare, meno prevedibile, più esposto a discontinuità tecnologiche.
Qualcuno potrebbe ricordare la famosa frase attribuita a Marc Andreessen, secondo cui “software is eating the world”. Oggi, con una punta di ironia, si potrebbe dire che l’AI sta mangiando il software. Non nel senso che lo distrugge, ma nel senso che lo digerisce, lo rende invisibile, lo trasforma in infrastruttura.
In questo scenario, la vera domanda non è chi perderà di più nel breve termine, ma chi riuscirà a ridefinire il proprio ruolo nello stack. Le aziende che sapranno posizionarsi come fornitori di capacità, piuttosto che di interfacce, avranno una chance. Quelle che rimarranno ancorate al paradigma precedente rischiano di diventare irrilevanti più velocemente di quanto i loro piani quinquennali possano prevedere.
Il paradosso, come spesso accade nella tecnologia, è che tutto questo sta accadendo sotto gli occhi di tutti, ma viene ancora interpretato con categorie del passato. Si parla di feature, di roadmap, di user adoption, quando in realtà il terreno di gioco si è già spostato altrove. È come discutere di ottimizzazione dei cavalli mentre qualcuno, in un garage californiano, sta costruendo il primo motore a combustione.
La differenza è che questa volta il garage è distribuito, il motore è un modello linguistico, e chiunque può accedervi con una carta di credito e una connessione internet. Non è una rivoluzione silenziosa. È una rivoluzione che parla, risponde, suggerisce, automatizza. E, soprattutto, disintermedia.
Chi continua a vedere l’AI come una feature probabilmente non ha ancora capito che è diventata l’interfaccia. E quando l’interfaccia cambia, tutto il resto segue. Sempre.