Как AI-агенты меняют экономику SaaS: конец модели per seat
SaaS-индустрия построена на простой модели: компания платит за количество пользователей. Чем больше людей в системе — тем выше счет.
AI-агенты меняют эту логику.
Агент не является пользователем в классическом смысле. Он выполняет задачи — автономно, в любом объеме, без участия человека на каждом шаге. Продавать ему «место» в системе так же странно как продавать место скрипту автоматизации.
Что такое AI-агент в контексте SaaS
AI-агент — программная система которая самостоятельно выполняет многошаговые задачи: собирает данные, принимает решения, вызывает инструменты и API, взаимодействует с другими системами.
В отличие от чат-бота который отвечает на вопросы — агент действует. Он может открыть CRM, найти нужного клиента, обновить данные, отправить письмо и занести результат в отчет. Без ручного контроля на каждом шаге.
Именно это делает традиционную модель ценообразования SaaS проблематичной.
Почему per seat перестает работать
Классическая логика: 100 менеджеров по продажам — 100 лицензий в CRM. Справедливо и понятно.
Теперь представьте что у этих менеджеров появились AI-агенты которые работают в той же CRM — обогащают данные, квалифицируют лиды, готовят отчеты. Агентов может быть в пять раз больше чем людей.
Сколько лицензий должна купить компания? Формально — столько же сколько агентов. Экономически — это не имеет смысла.
Именно поэтому крупнейшие SaaS-вендоры уже начали пересматривать модели:
Salesforce запустил Agentforce с ценообразованием за выполненные задачи — $2 за взаимодействие агента с клиентом.
HubSpot тестирует модели на основе outcomes — результатов а не пользователей.
Intercom перешел на гибридную модель где AI-взаимодействия тарифицируются отдельно от человеческих.
Три модели которые приходят на смену
Usage-based pricing — оплата за использование. Компания платит за количество API-вызовов, выполненных действий или обработанных записей. Прозрачно и масштабируемо — платите ровно за то что потребили.
Outcome-based pricing — оплата за результат. Вендор берет процент от измеримого результата: закрытых сделок, решенных тикетов, сэкономленных часов. Высокий риск для вендора, высокая ценность для клиента. Пока редкость, но вектор понятен.
Гибридная модель. Фиксированная плата за платформу плюс переменная за AI-активность. Большинство движется именно сюда — как компромисс между предсказуемостью бюджета и справедливостью ценообразования.
Что это означает для компаний которые покупают SaaS
В переходный период будет двойная оплата. Вендоры будут пытаться продавать и лицензии на людей и отдельную тарификацию на агентов. Это означает что вы платите дважды за один и тот же процесс. Это нужно фиксировать на этапе переговоров.
ROI становится измеримым. Если вы платите за результат — вы точно знаете стоит ли инструмент своих денег. Это меняет разговор с IT-отделом на разговор с финансовым директором. Инструменты без измеримого эффекта в outcome-based модели просто не выживут.
Интеграционная зрелость становится конкурентным преимуществом. Агент бесполезен если не может работать с вашими системами. Компании с чистой API-архитектурой и структурированными данными получат от AI-агентов несравнимо больше чем те у кого разрозненная инфраструктура без нормальных интеграций.
Что это означает для российского рынка
Отечественные SaaS-продукты в большинстве своем еще не столкнулись с этим вызовом — AI-агенты пока не стали массовым явлением в корпоративном сегменте.
Но это вопрос ближайших двух-трех лет. Компании которые сейчас выстраивают правильную архитектуру данных и интеграций получат преимущество когда агенты станут стандартной частью корпоративного стека. Догонять в этой ситуации дороже чем подготовиться заранее.
Практический вывод
Если вы сейчас выбираете или продлеваете SaaS-контракты — задайте подрядчику вопрос: как вы планируете тарифицировать AI-агентов?
Если ответа нет или он звучит как «дополнительные лицензии» — это сигнал что вендор не готов к новой реальности.
Архитектура которую компания выстраивает сегодня определит насколько легко она интегрирует агентов завтра. Это стратегическое решение, а не техническое.
IMS помогает компаниям выстраивать IT-архитектуру готовую к AI-агентам — от аудита текущих систем до интеграции новых инструментов. Обсудить задачу →
Читайте также: Внедрение ИИ не приводит к росту производительности