Scrivo questo come chi entra in un edificio che, da fuori, appare ancora impeccabile. La facciata parla di crescita: il mercato SaaS è stato valutato 266 miliardi di dollari nel 2024 e varie proiezioni lo collocano intorno ai 315 miliardi a inizio 2026, con traiettorie che lo spingono verso il range del trilione di dollari entro il 2032. Ma all'interno si sentono scricchiolii.
TechCrunch ha dato un nome a quel suono a marzo 2026: “SaaSpocalisse”. L'articolo lo descrive come il risultato di pressioni che si intensificano nel software come servizio, con un'idea sottostante inquietante: una “nuova supremazia” che emerge, associata alla commoditizzazione dell'IA generativa che collide con il controllo dei costi delle imprese. Non c'è, nel materiale disponibile, un elenco di vittime, né dirigenti, né annunci specifici. C'è qualcosa di più utile per un CFO o un fondatore: il modello meccanico.
Quando un settore cresce, il mercato perdona le inefficienze. Quando inoltre emerge una tecnologia che cambia la struttura dei costi, il perdono finisce. Nel 2026, l'IA non si limita a “aggiungere funzionalità”. Cambia i piani di carico del SaaS: dove si accumulano i costi, come si riconoscono i ricavi e quanto velocemente si rompono i margini quando un prototipo diventa produzione.
Il sintomo non è la dimensione del mercato, è il costo marginale che è riemerso
Negli anni, il racconto dominante del SaaS si è basato su una premessa quasi architettonica: una volta costruito il prodotto, ogni nuovo cliente aggiunge ricavi con un costo marginale basso. Questa logica ha permesso modelli con crescita accelerata e strutture commerciali pesanti, perché l'edificio si sosteneva con l'assunto che, espandendosi, l'unità economica migliorasse.
L'IA generativa altera quella geometria. Formazione, inferenza, archiviazione, osservabilità, sicurezza e governance trasformano parte della consegna del valore in consumo variabile. Il briefing che accompagna l'articolo sottolinea un dato che, per me, è l'equivalente di trovare una trave sottodimensionata: scalando GenAI, molte aziende scoprono sottovalutazioni dei costi del 500% fino al 1.000%. Non si tratta di un errore minore; è un errore di calcolo dei carichi.
Per questo il fenomeno si comprende meglio come un'ispezione strutturale, non come una apocalisse. Il settore può continuare a crescere in valore totale mentre una porzione significativa di prodotti e aziende diventa economicamente inviable sotto uso reale. La tensione si aggrava poiché l'adozione aziendale accelera: McKinsey ha riportato che il 71% delle organizzazioni utilizzava GenAI in almeno una funzione all'inizio del 2025, e Gartner prevede che l’80% delle aziende distribuirà applicazioni abilitanti GenAI nel 2026. Parallelamente, la spesa per applicazioni abilitati dall'IA potrebbe raggiungere 644 miliardi di dollari nel 2025, con un picco interannuale del 76,4%.
In pratica, questo spinge i compratori a richiedere controllo e prevedibilità, e i venditori a riconsiderare la loro economia. La crepa appare quando il prodotto promette “intelligenza” come un tocco estetico, ma il costo per operare quella intelligenza cresce con l'uso come se fosse un impianto elettrico mal dimensionato.
La falla di carico tipica: vendere IA a prezzo fisso e costi variabili
Il classico SaaS si difendeva con contratti prevedibili: licenze per posto, pacchetti per moduli, rinnovamenti annuali. L'IA introduce un misuratore: token, query, minuti di calcolo, chiamate ai modelli, estrazioni e generazioni su larga scala. Se il fornitore mantiene uno schema di prezzo fisso mentre il suo costo è variabile e crescente, il margine diventa un componente fragile.
Da qui il cambiamento che il briefing evidenzia: l'orientamento verso modelli ibridi e basati su utilizzo. Non è una moda di pricing; è una correzione dell'ingegneria finanziaria. Se il costo di servire un cliente può moltiplicarsi per dieci quando il prototipo decolla, il prezzo deve catturare quella asimmetria, o il fornitore finisce per sovvenzionare il successo del cliente.
Questo punto si collega a un altro dato dello stesso pacchetto: la crescita delle aziende SaaS medie stava già rallentando. Nel 2022, il quartile superiore delle aziende con 1M a 30M di ARR è cresciuto 62,1%, rispetto al 78,9% nel 2021. Vale a dire, anche prima che l'IA diventasse onnipresente, il vento di coda si indeboliva. Con una struttura di costi che diventa più sensibile all'uso, il rallentamento non solo riduce la valutazione; riduce la capacità di assorbire errori.
Qui molte organizzazioni cadono in metriche di vanità: celebrano adozioni, attivazioni, “engagement” con funzionalità di IA, ma non collegano quel comportamento a un meccanismo chiaro di monetizzazione e controllo del consumo. Un prodotto con IA che “viene usato molto” può essere, letteralmente, una perdita proporzionale al successo.
In questo contesto, il modo responsabile di operare è trattare l'IA come una linea di costi che richiede governance: limiti, budget, osservabilità per cliente e caso d'uso e condizioni contrattuali che definiscano cosa è incluso e cosa viene addebitato separatamente. Senza questa strumentazione, il business somiglia più a un impianto industriale senza misuratori che a un software scalabile.
L'atomiizzazione come difesa: meno “suite”, più raffinato aggiustamento tra segmento, caso d'uso e canale
Quando il costo marginale aumenta, la strategia di vendere “tutto a tutti” diventa più pericolosa, non meno. L'IA accelera questa dinamica per due motivi.
Innanzitutto, perché l'“intelligenza” si sta commoditizzando. Se molti fornitori possono integrare capacità generative simili, il differenziale smette di essere avere IA e diventa dove viene applicata e quale risultato misurabile produce. Secondo, perché ogni caso d'uso ha una diversa impronta di costi. Non costa lo stesso automatizzare un riepilogo di riunioni che eseguire una serie di analisi su documenti lunghi con requisiti di sicurezza e audit.
La difesa razionale è l'atomizzazione: un incastro preciso tra un segmento, un lavoro specifico e un canale di acquisizione che non richieda di bruciare liquidità indefinitamente. Invece di una “suite di IA per aziende”, ciò che è sostenibile tende a essere “IA per questo processo, in questo settore, sotto queste restrizioni, addebitata in questo modo”.
L'industria già insinua il movimento verso il specifico: il briefing cita che il verticale immobiliare e delle costruzioni mostra 75% di crescita media di ARR, il che di solito accade quando c'è un problema operativo chiaro e un compratore che capisce il valore. In verticali così, la conversazione non ruota attorno a “avere IA”, ma a ridurre tempi, errori, rischi, o aumentare conversioni in un flusso concreto.
L'atomizzazione cambia anche il canale. Un prodotto orizzontale può scalare con marketing massivo, ma un prodotto che impatta processi critici — e che inoltre consuma risorse variabili — richiede vendite consultive più brevi e con aspettative chiare d'uso. Se il canale promette la luna e il contratto non circoscrive il consumo, il primo dispiegamento serio diventa un buco di margine.
Questo è il punto in cui la “SaaSpocalisse” diventa selezione naturale: sopravvivono i modelli che possono indicare con precisione quale cliente devono avere, quanto costa servire in produzione e come si addebiti quella produzione senza che il compratore senta di essere stato ingannato.
Consolidamento e disciplina: il mercato premia chi converte costi fissi in variabili controllate
Un altro indicatore rilevante del momento è il consolidamento: 2.698 transazioni di M&A nel 2025, un record secondo il briefing. Quando un mercato si consolida a quel volume, non è solo appetito; è riorganizzazione. I compratori cercano scala, accesso ai clienti, dati e prodotti già allineati, mentre molti venditori cercano di uscire prima che il costo di competere salga.
L'IA spinge questa riorganizzazione per un motivo semplice: operare modelli generativi con qualità imprenditoriale richiede investimento in infrastruttura, sicurezza, conformità e affidabilità. Per alcune aziende, ciò sarà più facile all'interno di un gruppo con più liquidità o con infrastruttura condivisa. Per altre, il cammino praticabile sarà specializzarsi tanto che la loro efficienza diventi la loro difesa.
Parallelamente, le aziende acquirenti stanno inasprendo il controllo delle spese. Gartner prevede che la spesa per software aziendale aumenterà almeno del 40% entro il 2027 spinta dall'IA, il che paradossalmente aumenta la pressione per ottimizzare i contratti. Quando il budget cresce, cresce anche la visibilità degli sprechi. Il risultato tipico è rinegoziazione, razionalizzazione degli strumenti e richiesta di modelli di prezzo che colleghino valore e consumo.
In questo nuovo equilibrio, la disciplina finanziaria smette di essere un “buon abitudine” e diventa un requisito di sopravvivenza. I modelli che si comportano meglio sono quelli che:
- convertono infrastruttura in costi variabili misurabili e assegnabili per cliente e caso d'uso;
- progettano contratti che riflettono il consumo reale senza diventare imprevedibili per il compratore;
- evitano sussidi permanenti mascherati da “investimenti nell'adozione”;
- e mantengono una proposta specifica dove il valore possa essere dimostrato in metriche operative, non in narrazioni.
La “SaaSpocalisse”, letta in questo modo, non preannuncia la fine del SaaS. Segnala la fine di un tipo di SaaS: quello che credeva di poter vendere promesse di automazione illimitata con prezzi fissi e contabilità creativa dei costi.
La nuova norma: il SaaS che sopravvive è quello che può essere pianificato come una macchina
Il TechCrunch di marzo 2026 lo descrive come pressioni che si intensificano: crescita massiva del settore, IA che diventa commodity e controlli sui costi aziendali. La mia lettura strutturale è più concreta: il SaaS sta smettendo di essere “solo software” e assomiglia sempre più a un sistema operativo con consumo misurabile. Ciò obbliga a ridisegnare i piani.
Il fornitore che vuole uscirne indenne ha bisogno di tre capacità che prima erano opzionali. Prima, strumentazione: sapere quanto costa ogni cliente in produzione, non in una demo. Seconda, pricing con meccanica: ibrido o basato su uso, ma con barriere, soglie e pacchetti che rendano la spesa governabile. Terza, focus: una proposta che si inserisca in un segmento e processo specifico, dove l'IA non sia il decoro, ma il motore che riduce un costo o rischio verificabile.
I mercati non puniscono l'ambizione; puniscono le strutture che non sopportano il carico reale. Le aziende non falliscono per mancanza di idee, ma perché i pezzi del loro modello non riescono a incastrarsi per generare valore misurabile e cassa sostenibile.
