Краткое содержание анализа
Распространение технологий искусственного интеллекта превратило бизнес по разработке программного обеспечения типа SaaS для конечных пользователей (C-side), который ранее считался «легким» (с небольшими затратами на развитие и обслуживание), в бизнес с высокими расходами. Чем активнее пользователи, тем больше потребляется ресурсов ИИ, что увеличивает давление на прибыль компаний. Прежние модели заработка, основанные на привлечении бесплатных пользователей и фиксированной подписке, стали неэффективными, и компании вынуждены изменять свою стратегию ценообразования. В результате возникла смешанная модель, сочетающая базовую подписку с дополнительным взиманием платы за использование ресурсов ИИ, что напоминает работу фитнес-центров, где необходимо найти баланс между удержанием клиентов и контролем затрат.
1. Искусственный интеллект превращает SaaS из бизнеса с легкими доходами в бизнес с высокими расходами
До появления ИИ бизнес на основе SaaS для конечных пользователей считался прибыльным: например, Canva привлекал 260 миллионов активных пользователей с помощью бесплатного редактора и затем переводил их в платные клиентов за использование продвинутых шаблонов и материалов. Чем больше пользователей, тем ниже средние затраты на каждого пользователя (потому что использование шаблонов практически не требовало дополнительных расходов). Однако с появлением ИИ все изменилось:
- Бесплатные пользователи используют функции ИИ для создания изображений и документов, и каждый такой запрос влечет за собой расходы на обработку (аналогично аренде высокопроизводительных компьютеров);
- Canva предоставляет бесплатным пользователям ограниченное количество запросов на использование ИИ в месяц, но это превратило ранее бесплатные ресурсы в источник финансового давления;
- У Figma доходы выросли на 48% во втором квартале, однако затраты на инфраструктуру, связанную с ИИ, увеличились на 117%, что привело к переходу от прибыльности к убыткам.
2. Трудности с повышением цен
Поскольку затраты выросли, естественной реакцией компаний стало повышение цен, но каждый из пробованных подходов имел свои недостатки:
- Чистая модель подписки: доход остается фиксированным, затраты — переменными. Adobe неоднократно повышала цены после добавления функций ИИ, но при этом доход от подписок увеличился всего на 13,7%, в то время как затраты выросли на 16%;
- Плата за использование ресурсов: пользователи опасаются быть обманутыми. Например, сервис Replit взимает плату за выполнение задач с использованием ИИ, что привело к жалобам на неправильные расчеты и завышенные суммы;
- Плата за результат: стандарты определения успешного решения проблем пользователей остаются субъективными, что вызывает споры между компаниями и пользователями.
3. Смешанная модель ценообразования: наиболее реалистичный вариант на данный момент
В конечном итоге компании выбрали смешанную модель, сочетающую базовую подписку с дополнительным взиманием платы за использование ресурсов ИИ:
- Сначала взимается фиксированная сумма за базовый доступ, затем — доплата за каждый дополнительный запрос на использование ИИ или получение конкретного результата;
- Например, Figma и Canva предлагают базовые пакеты услуг плюс возможность приобрести дополнительные функции за доплату; Intercom сначала взимает фиксированную плату за использование сервиса, а затем — доплату за каждое решение проблемы.
- Такой подход позволяет компаниям снизить риски и не перегружать пользователей непредсказуемыми расходами.
4. Сравнение с бизнесом фитнес-центров
Эта модель ценообразования напоминает работу фитнес-центров: компании хотят, чтобы пользователи регулярно пользовались их услугами (что повышает их лояльность), но в то же время боятся чрезмерных затрат. Такой подход отражает существенные изменения в бизнесе на основе программного обеспечения в эпоху ИИ: необходимо найти новый баланс между ценностью для пользователей и контролем затрат.
Заключение
Искусственный интеллект превратил бизнес на основе SaaS для конечных пользователей из прибыльного в бизнес с высокими требованиями к управлению затратами. Компании должны найти новый подход, который позволит сохранить интерес пользователей и одновременно снизить неопределенность финансовых рисков.