Selama setahun terakhir, satu ide mendominasi obrolan tentang teknologi perusahaan: agen AI akan menggantikan Software as a Service (SaaS). Kasus ini sangat menarik di atas kertas. Jika AI bisa berlogika di berbagai alat, menulis kode, menjalankan alur kerja, dan berinteraksi dengan sistem melalui API, maka aplikasi SaaS tradisional mulai terlihat seperti penghalang yang tidak perlu.
Ticket menjadi kurang relevan. Antarmuka pengguna menjadi kurang penting. Pengembangan perangkat lunak jadi lebih murah. Alat internal yang disesuaikan menjadi lebih mudah untuk dibuat.
Dalam realitas ini, sebagian besar SaaS turun ke infrastruktur, sementara nilai berpindah ke model, agen, dan lapisan orkestrasi. Perubahan ini didorong oleh beberapa pergeseran paralel.
Perangkat lunak kini semakin murah dan cepat untuk dibangun, agen AI semakin baik dalam menjelajahi alat dan mengeksekusi pekerjaan di berbagai sistem, dan ekonomi dari eksekusi agen menciptakan perhatian baru terhadap biaya dan latensi, atau waktu untuk melayani.
Pasar tidak salah dalam berpikir seperti ini. Agen AI akan mengubah ekonomi perangkat lunak. Mereka akan mendorong platform untuk menjadi API-first, terhubung secara mendalam, dan mampu mendukung aktivitas otonom dalam skala besar. Mereka akan menantang model penetapan harga berbasis jumlah pengguna dan mempercepat perpindahan menuju model berbasis konsumsi dan hasil. Mereka akan mengungkap produk yang lemah dan memberikan apresiasi kepada sistem yang tepercaya, dapat diperluas, dan terintegrasi dalam operasi nyata.
Ini adalah fase berikutnya dari SaaS, bukan akhir darinya.
Dari Penggantian ke Perluasan
Asumsi di balik narasi “akhir dari SaaS†adalah bahwa perangkat lunak ada terutama sebagai antarmuka. Jika agen bisa melewati antarmuka itu, aplikasi menjadi tidak relevan. Logika ini berlaku untuk beberapa kategori perangkat lunak, tetapi tidak secara merata. Perangkat lunak perusahaan tidak pernah hanya sebagai lapisan presentasi.
Platform perusahaan mendapatkan nilai dari manajemen data terstruktur, penegakan izin, pelaksanaan alur kerja, dan pemeliharaan jejak audit yang dibutuhkan organisasi. AI agen tidak menghilangkan kebutuhan itu; dalam banyak kasus, justru mempertegasnya. Yang diubah oleh AI bukanlah apakah kemampuan ini diperlukan, tetapi jenis perangkat lunak mana yang paling terpapar saat agen menjadi lebih mampu.
Produk yang nilainya sebagian besar ditentukan oleh navigasi, interaksi dasar, atau alur kerja yang dangkal lebih rentan saat agen dapat berlogika langsung melalui API dan menyelesaikan tugas tanpa intervensi manusia. Platform yang lebih dapat dikonfigurasi dan terintegrasi dalam mendalam berperilaku berbeda.
Solusi yang bertindak sebagai sistem pencatatan, mengoordinasikan alur kerja di berbagai layanan, menerapkan kebijakan, mengelola keadaan, dan menyediakan keamanan, auditabilitas, serta bukti tidak akan mudah tergantikan. Peran mereka bukan sekadar menyajikan fungsi, tetapi untuk memastikan pekerjaan dieksekusi secara konsisten, aman, dan dalam skala besar.
Dalam konteks itu, agen AI tidak menggantikan platform, melainkan disematkan di dalamnya, memperpanjang bagaimana pekerjaan diinisiasi, dikoordinasikan, dan diselesaikan. Arahan itu sudah terlihat dalam data.
Gartner memprediksi bahwa pada tahun 2030, 85% investasi AI agentik perusahaan akan dipaketkan ke dalam pembaharuan SaaS dan cloud yang sudah ada alih-alih melalui kontrak baru, naik dari 55% pada 2025.
SaaS sebagai Lapisan Eksekusi dan Kontrol
Seiring dengan meningkatnya kemampuan agen, mereka menggeser di mana nilai berada dan bagaimana platform bersaing.
Selama bertahun-tahun, diferensiasi perangkat lunak didorong oleh fitur dan pengalaman pengguna. Dalam dunia yang didorong oleh agen, perbedaan itu mulai menjadi kurang relevan. Agen dapat berpindah antar sistem, mengakses fungsi langsung, dan mengoordinasikan tugas secara programatik.
Yang lebih penting kini adalah platform mana yang benar-benar dapat menyelesaikan pekerjaan. Ini berarti mengoordinasikan proses di seluruh sistem, menerapkan jenis otomatisasi yang tepat di setiap langkah, dan memastikan hasil yang dapat diandalkan, dapat dilacak, dan mematuhi regulasi.
Dalam model ini, SaaS tidak lenyap. Ia menjadi lapisan eksekusi dan kontrol untuk AI perusahaan. Saat perubahan ini terjadi, nilai dan margin berpindah dari fitur individual ke platform yang mengontrol eksekusi dan akses data. Agen itu sendiri cenderung bukanlah poin diferensiasi yang berkelanjutan. Seiring kemampuan yang bersatu, fokus bergeser ke kontrol.
Ini karena proses perusahaan masih perlu dapat diprediksi, diaudit, dan, dalam banyak kasus, dapat dibalik. Kerangka regulasi menguatkan hal ini, dengan semakin tingginya harapan mengenai keterjelasan dan pengawasan. Ini menambah pentingnya platform yang berada di pusat operasi.
Organisasi yang dapat mengoordinasikan pekerjaan di berbagai sistem, menerapkan otomatisasi secara selektif, dan menghasilkan jejak bukti yang jelas akan menangkap lebih banyak nilai seiring berjalannya waktu. Mereka yang tidak, berisiko menjadi penyimpan data pasif, bukan sistem eksekusi aktif.
Efek Pengganda Pada Permintaan
Ada salah satu kesalahpahaman yang membentuk pemandangan bahwa AI akan mengurangi jumlah pekerjaan yang perlu dilakukan organisasi dan, dengan demikian, ketergantungan pada perangkat lunak.
Dalam praktiknya, kebalikannya yang terjadi. Seiring dengan berkurangnya biaya dan upaya yang diperlukan untuk mengeksekusi proses, lebih banyak pekerjaan menjadi layak. Lebih banyak kasus teridentifikasi, lebih banyak kebutuhan pelanggan ditangani, dan lebih banyak proses dipicu secara otomatis.
Kita sudah melihat ini di lingkungan layanan, di mana deteksi dan otomatisasi berbasis AI meningkatkan volume pekerjaan yang dapat ditindaklanjuti masuk ke sistem.
Dalam konteks layanan publik, misalnya, dalam lingkungan manajemen kasus, masalah seperti tempat sampah yang terlewat, lubang di jalanan, atau perbaikan perumahan dapat dikenali secara otomatis, diangkat sebagai kasus seketika, dan diarahkan ke alur kerja yang tepat tanpa harus menunggu warga atau staf untuk melaporkannya secara manual. Dalam model itu, nilai tidak terletak pada siapa yang membuat kasus, tetapi pada seberapa efektif platform menyerap, memproses, dan menyelesaikannya.
Ini menciptakan efek pengganda. AI tidak hanya mengurangi upaya, tetapi juga memperluas apa yang dapat dilakukan organisasi. AI mengembangkan permintaan, dan platform SaaS adalah tempat permintaan itu dipenuhi.
Pertanyaannya bukan lagi seberapa banyak pengguna yang didukung oleh sebuah platform. Melainkan seberapa banyak pekerjaan yang dapat ditangani, diselesaikan, dan dibuktikan secara efektif.
Apa Artinya Ini untuk Platform SaaS
Perubahan ini tidak akan menguntungkan setiap platform secara merata.
Seiring perangkat lunak beralih dari menyajikan informasi ke menyelesaikan pekerjaan, nilai menjadi terkait dengan apa yang sebenarnya dapat disampaikan oleh sistem, bukan hanya bagaimana cara mengaksesnya. Ini juga akan membentuk model komersial, dengan lebih banyak platform kemungkinan akan menggabungkan langganan tradisional dengan penetapan harga berdasarkan konsumsi, throughput, atau hasil yang diselesaikan.
Organisasi masih membutuhkan pengawasan, persetujuan, dan cara untuk mengelola pengecualian, tetapi fokusnya beralih pada seberapa efektif platform dapat menyerap, memproses, dan menyelesaikan pekerjaan dalam skala besar.
Perubahan ini sudah mengungkapkan kesenjangan antara perangkat lunak yang kuat dan lemah, memberikan perhatian lebih kepada sistem yang menawarkan kedalaman alur kerja terbatas atau sangat bergantung pada upaya manual. Sebaliknya, platform yang terintegrasi dalam operasi, dengan data, logika, dan kemampuan eksekusi yang kuat, akan menjadi lebih bernilai.
Saat agen menjadi konsumen API, perangkat lunak harus terhubung dan mampu mendukung aktivitas otonom dalam skala besar. Mereka yang tidak akan kesulitan mengikuti perkembangan.
Fase Berikutnya dari SaaS
Pada akhirnya, apa yang kita saksikan bukanlah akhir dari SaaS, tetapi evolusi. SaaS sedang dibentuk ulang, tidak hanya sebagai perangkat lunak untuk interaksi manusia, tetapi sebagai perangkat lunak yang dirancang untuk baik manusia maupun mesin yang beroperasi di berbagai sistem.
Sebuah pergeseran dari sistem yang menyajikan informasi ke sistem yang menyelesaikan pekerjaan. Dari interaksi yang didorong pengguna ke eksekusi yang terorkestrasi, dan persaingan fitur menuju kontrol atas bagaimana proses berjalan.
Ini bukanlah hal yang bersifat teoritis. Ini sudah terjadi. Platform low-code dan alat produktivitas sedang dilengkapi dengan AI dan alur kerja agentik, mengubah bagaimana aplikasi dibangun, disesuaikan, dan digunakan setiap hari.
Tapi perubahan ini juga meningkatkan ekspektasi bagaimana organisasi mengadopsi AI. Mereka yang hanya menambahkan agen ke proses yang ada berisiko menciptakan lebih banyak kompleksitas, bukan sebaliknya. Memperkenalkan otomatisasi tanpa memahami bagaimana alur kerja sebenarnya berjalan dapat membuat hasil menjadi lebih sulit untuk diprediksi dan dibuktikan, terutama dalam lingkungan yang diatur.
Organisasi yang berhasil akan memulai dengan masalah operasional yang nyata dan memperkenalkan AI secara selektif. Di mana alur kerja yang ada cukup memberikan struktur dan kontrol, nilai dapat disampaikan dengan cepat tanpa perlu meredesain. Di mana AI mengungkapkan gesekan atau ketidakefektifan, wawasan tersebut dapat kemudian membentuk perbaikan proses terarah.
Agen AI memperkuat platform di bawahnya; mereka tidak menggantikan.
Hasilnya bukan kurang perangkat lunak, tetapi perangkat lunak yang berbeda, berjalan di platform yang dibangun untuk mengeksekusi pekerjaan, menyerap permintaan, dan tetap dalam kendali. Lebih banyak otomatisasi, lebih banyak kasus yang ditangani, lebih banyak throughput, lebih banyak hasil yang dicapai melalui sistem yang dengan andal menyelesaikan lebih banyak pekerjaan dalam skala besar.
