Il software che sopravvive all'ondata di IA non è il più economico, ma il più difficile da abbandonare
C'è un esperimento mentale che vale la pena compiere prima di parlare di strategia di prodotto: prendi il tuo stack di software e poniti una domanda su ciascuno strumento. Se domani dovesse sparire, quanto tempo impiegheresti a sostituirlo con un agente di IA ben istruito? Se la risposta è "un pomeriggio", il prodotto si trova su un terreno fragile. Se la risposta è "mesi di migrazione, validazione normativa e ricostruzione dello storico", allora quel prodotto possiede qualcosa che vale molto più della sua interfaccia.
Quell'esperimento ha smesso di essere ipotetico. Nei primi mesi del 2026, aziende di ogni dimensione hanno iniziato a eseguirlo sul serio, e i risultati stanno ridisegnando quale parte del mercato del software ha un futuro e quale semplicemente non riesce a giustificare il proprio prezzo quando un modello linguistico ben configurato fa la stessa cosa a una frazione del costo.
Il fenomeno ha un nome: alcuni lo chiamano "SaaSpocalypse". Il termine è accattivante, ma la diagnosi che si cela sotto di esso non è apocalittica, è chirurgica. Non è il software come categoria a morire. Sta morendo uno strato specifico del software, quello più costoso da costruire in termini di marketing e il più semplice da sostituire in termini di funzione. Ciò che rimane in piedi è quello che è sempre stato davvero difficile da costruire: dati che si accumulano, flussi di lavoro che non si possono scollegare senza conseguenze, e conoscenza operativa che nessun modello può inferire da zero.
L'economia che è cambiata di colpo
Per comprendere la portata del movimento, è utile mettere sul tavolo alcuni numeri. Nel febbraio del 2026, il settore SaaS ha perso l'equivalente di 300 miliardi di dollari in capitalizzazione di mercato in una sola giornata. Mesi dopo, un articolo di Forbes descriveva come il settore avesse cancellato circa mille miliardi di dollari di valore prima di stabilizzarsi con una ripresa parziale del 13%. Quel rimbalzo non è stato un segnale che il problema fosse risolto. È stato un segnale che i mercati hanno iniziato a distinguere tra il software che ha un fossato difensivo e quello che non ce l'ha.
Il meccanismo di pressione proviene da due fronti simultanei. Da un lato, gli agenti di IA maturi possono oggi eseguire flussi di lavoro complessi che in precedenza richiedevano licenze software specializzate. Dall'altro, gli strumenti di sviluppo assistito dall'IA hanno ridotto il costo di costruzione di software personalizzato a un punto tale da rendere economicamente praticabili alternative che prima erano assurde.
Una società immobiliare di medie dimensioni ha sostituito un contratto CRM aziendale da sei cifre annuali con un'applicazione costruita tramite strumenti di IA. Il sistema sostitutivo costa circa 300 dollari al mese di manutenzione, il che rappresenta un risparmio di quasi 100.000 dollari all'anno. Una startup di 45 persone chiamata Atonom ha compiuto un movimento analogo: ha abbandonato un contratto Salesforce del valore di 40.000 dollari annui e ha migrato verso un CRM proprietario che si prevede costerà circa 1.200 dollari all'anno. Non si tratta di esperimenti marginali. Un sondaggio di Retool su 817 team di prodotto ha rilevato che il 35% aveva già sostituito almeno uno strumento SaaS con una soluzione sviluppata internamente, e il 78% ha dichiarato l'intenzione di costruire più strumenti propri nel corso del 2026.
Quei numeri non rivelano il crollo del modello SaaS. Rivelano il crollo del software che non ha mai avuto altra difesa se non il suo prezzo di acquisizione originale e l'inerzia del cliente. Quando quell'inerzia cede, il prodotto rimane esposto.
Dove vive il fossato che un agente non può attraversare
La logica di cosa sopravvive e cosa no ha una struttura abbastanza chiara quando la si osserva dalla prospettiva della reale disponibilità a pagare rispetto alla disponibilità a migrare.
I dati proprietari accumulati sono il patrimonio più difficile da replicare. Un modello linguistico può generare moduli di conformità, redigere contratti o analizzare tendenze di mercato. Quello che non può fare è generare cinque anni di storico di approvazioni normative incrociate con firme dipartimentali e versioni certificate di documenti clinici. Quello storico esiste in un unico posto: la piattaforma che lo ha catturato. Quando un'azienda farmaceutica deve dimostrare la tracciabilità davanti a un ente regolatore, il software che contiene quei registri non è intercambiabile con nulla che possa essere costruito in un pomeriggio con l'IA. Il costo della migrazione non è solo tecnico; include la rivalidazione, il rischio di conformità e la responsabilità legale. Nessuno firma volontariamente su tutto questo.
Questo è il modello che Bain & Company ha articolato nella sua ricerca del 2026: i prodotti che sopravvivono sono quelli che "catturano decisioni e risultati di ogni esecuzione per costruire un fossato durevole di dati di esecuzione che si compone nel tempo". L'idea non è nuova in teoria, ma poche aziende l'hanno costruita consapevolmente. La maggior parte ha dato per scontato che il valore risiedesse nell'interfaccia o nella funzione, e questo è esattamente ciò che gli agenti di IA attaccano per primi.
La profondità di integrazione nei flussi di lavoro operativi definisce il costo di uscita. Esiste una differenza strutturale tra un software che svolge un compito e un software che è integrato nel modo in cui un'organizzazione prende decisioni. Il primo compete su prezzo e convenienza; il secondo compete sul rischio di interruzione. Quando uno strumento è incorporato nel processo di approvazione del credito, nella catena decisionale degli acquisti, o nel sistema di monitoraggio della qualità di produzione, sostituirlo non è una decisione software. È una decisione di ridisegno operativo che coinvolge più team, audit e mesi di test paralleli.
Gli investitori nel settore software stanno già elaborando questo aspetto. L'analisi della Harvard Business Review pubblicata nel maggio del 2026 evidenziava un divario crescente tra gli strumenti basati su regole, più vulnerabili allo sviluppo interno assistito dall'IA, e le piattaforme con dati proprietari e alta integrazione dei flussi di lavoro, che mostrano una maggiore resilienza di fronte alla pressione competitiva.
La responsabilità umana non è un costo superfluo; è l'ultimo firewall. Quando un agente di IA commette un errore in un processo critico, il cliente non cerca un altro agente. Cerca qualcuno che possa assumersi la responsabilità del problema, che conosca il contesto specifico dell'account e che lo risolva. Questo richiede persone che non si limitino a sapere come usare lo strumento, ma che comprendano il business del cliente abbastanza da distinguere un errore banale da uno che si trasforma in escalation. I team che hanno imparato a usare l'IA per automatizzare il 90% del volume routinario possono destinare le proprie persone al restante 10%, che è esattamente dove il cliente forma la propria opinione su se il fornitore meriti di essere mantenuto o meno.
Come leggere la differenza tra un fossato reale e uno presunto
L'errore più frequente che riscontro nei team di prodotto non è l'assenza di dati proprietari. È il presumere di averli quando in realtà si possiedono dati che sono proprietari nella forma ma generici nel contenuto.
Esiste un test pratico che risulta utile: prendere il nucleo di funzionalità del prodotto e chiedere a uno sviluppatore competente con accesso a strumenti di IA di riprodurlo nell'arco di una settimana. Ciò che riesce a riprodurre non è il fossato, indipendentemente da quanto tempo sia costato costruirlo in origine. Ciò che non riesce a riprodurre, sia perché dipende da dati storicamente accumulati, da integrazioni con sistemi proprietari di terze parti, da logica normativa specifica del settore o da conoscenza tacita degli utenti, è quello che definisce il perimetro difendibile.
Bain sostiene che le aziende che vogliono conquistare quello che chiama il "prossimo mercato da 100 miliardi di dollari" nell'IA agente devono prendere decisioni esplicite su quali dati vogliono possedere, quali flussi di lavoro vogliono strumentare per catturare quei dati, e se debbano costruire tali capacità, acquisirle o ricercarle attraverso partnership. La domanda non è se il prodotto attuale utilizzi l'IA. La domanda è se il prodotto attuale diventi più prezioso ogni volta che un cliente lo usa, oppure se si limiti a elaborare una transazione e poi la dimentichi.
Deloitte aggiunge un'ulteriore dimensione all'analisi: le aziende devono anche decidere se puntare su un ecosistema di agenti specifico, costruire uno strato di orchestrazione neutro o adottare un modello federato. Questa decisione ha conseguenze su dove rimane il controllo dei dati di esecuzione e, di conseguenza, su chi accumula il fossato nel tempo.
Il software senza storia non ha prezzo
C'è qualcosa che le aziende che stanno attraversando bene questo ciclo hanno in comune, e non è l'aver adottato l'IA prima dei propri concorrenti. È l'aver costruito prodotti in cui l'accumulo di utilizzo genera qualcosa che non esisteva prima di quell'utilizzo.
Un sistema di gestione di sperimentazioni cliniche che da cinque anni cattura versioni di documenti, firme incrociate e approvazioni normative non è prezioso perché la sua interfaccia sia migliore di ChatGPT. È prezioso perché contiene una storia che non può essere ricostruita dall'esterno e che ha un valore legale e normativo concreto. Un CRM che ha elaborato dieci anni di interazioni con clienti industriali di nicchia, con tutti i modelli comportamentali, lo storico delle trattative e i dati di post-vendita integrati, non compete sul prezzo con uno strumento costruito in una settimana. Compete sul costo di perdere quello storico.
I modelli linguistici sono probabilistici: generano risposte plausibili basate su pattern statistici. I dati proprietari accumulati sono deterministici: contengono il registro di ciò che è accaduto. Questa distinzione non è filosofica. Ha conseguenze dirette su chi può auditare un processo, chi può dimostrare conformità davanti a un ente regolatore e chi può ricostruire una decisione presa tre anni fa.
Il mercato del software non sta collassando. Sta differenziando con una precisione che in precedenza non era possibile, perché il costo di costruire alternative era sufficientemente elevato da mantenere in vita prodotti che non avevano alcun fossato difensivo. Quel costo non esiste più nello stesso modo. Ciò che rimane dopo quella differenziazione è quello che è sempre valso la pena costruire: sistemi che sanno di più ogni anno che passa, che sono incorporati in decisioni che contano e che hanno un essere umano responsabile quando qualcosa va storto. Il software che non riesce a dimostrare almeno una di queste tre caratteristiche affronta una pressione sul prezzo che non è destinata a cedere.
