AI в SaaS: как бизнесу выжить в эпоху перемен

С появлением Ai традиционная SaaS-монетизация меняется.

Seat в SaaS — это одно место пользователя, то есть одна оплачиваемая учётная запись/лицензия.

Например, сервис стоит:

$20 за пользователя в месяц

У компании 10 сотрудников, которым нужен доступ:

10 seats × $20 = $200/месяц

То есть seat ≈ оплачиваемый пользователь.

Например

Представим CRM:

Раньше:

• 10 менеджеров → 10 seats
• каждый платит $30
• итог: $300/мес.

Но появляется AI-агент, который сам выполняет работу менеджеров.

Тогда компании может понадобиться:

• 3 человека → 3 seats
• AI-агент, который обрабатывает 5 000 лидов

И возникает вопрос:

Зачем SaaS брать деньги только за количество людей, если основную работу выполняет AI?

Поэтому появляются другие модели:

Seat-based (на основе мест):
$30 за пользователя

Usage-based (на основе использования):
$0.05 за операцию

Consumption-based (на основе потребления):
$10 за 1 000 обработанных документов

Outcome-based (ориентированный на результат):
$2 за успешно обработанный лид.

В юнит экономике учитывается не только стоимость функции, но и каждой Ai-операции.

Продуктовый менеджер теперь должен следить за стоимостью обслуживания

Раньше можно было почти не думать о себестоимости отдельного пользователя.

Например:

пользователь платит $49/месяц → отлично.

С AI ситуация другая.

Один пользователь может:

• отправить 10 запросов;
• другой — 1 000;
• третий — запустить агента, который работает несколько часов.

И все трое платят одинаковые $49.

Получается:

Доход на одного пользователя ≠ Стоимость на одного пользователя.

Причём разница может быть огромной.

И сейчас SaaS-команды начинают проектировать продукт одновременно с:

UX + доход + стоимость выполнения AI-моделью запроса + затраты на инфраструктуру.

Очень показательный пример — Granola: компания прямо рассматривает переход от фиксированной цены за seat к переменной модели, поскольку agentic-использование может сделать отдельных пользователей значительно дороже остальных.

Появляется интересный KPI: Стоимость за результат

Допустим, SaaS для поддержки клиентов.

Раньше:

1 пользователь = $50/месяц.

Теперь гораздо интереснее:

стоимость обработки одного обращения = $0.08
стоимость полностью решённого обращения = $0.35

И продуктовый менеджер начинает оптимизировать, сколько стоит продукту дать клиенту результат.

Удержание клиентов становится более важным и информативным показателем, чем обычный показатель оттока

Для SaaS всегда были:

• MRR (Monthly Recurring Revenue) ежемесячный регулярный доход — сколько регулярной выручки компания получает за месяц по подпискам.
• ARR (Annual Recurring Revenue) годовой регулярный доход — регулярная выручка за год.
• Churn отток клиентов — доля клиентов, которые перестали пользоваться или платить за сервис.
• Retention удержание клиентов — доля клиентов, которые продолжают пользоваться и платить.
• Expansion увеличение регулярной выручки от уже существующих клиентов — например, клиент купил больше мест, перешёл на более дорогой тариф или стал больше пользоваться сервисом.
• NRR (Net Revenue Retention) чистое удержание регулярной выручки — показывает, как изменилась выручка от уже существующих клиентов с учётом оттока, сокращения платежей и расширения.

Но с AI возникает новая проблема:

Пользователь может продолжать платить, но перестать пользоваться интерфейсом.

Например, раньше бухгалтер каждый день заходил в SaaS.

Теперь AI-агент через API сам:

забирает данные - обрабатывает - обновляет CRM - создаёт отчёт.

Человек вообще может не открывать приложение.

И возникает очень интересный вопрос:

Если пользователь не логинится, но продукт выполняет для него работу — это плохой engagement (вовлеченность пользователей) или идеальный engagement?

User Engagement может измениться

Старый SaaS:

Engagement = сколько пользователь находится внутри продукта.

AI-native SaaS:

Engagement = насколько часто и успешно продукт выполняет полезную работу для пользователя.

И это очень интересный сдвиг.

Вместо метрики:

DAU / MAU, количество сессий, время в продукте

может стать важнее:

Количество выполненных задач → доля успешно выполненных задач → полученный результат → экономия времени/денег.

Лучший AI SaaS может иметь низкий engagement по старым метрикам и одновременно очень высокий product value (ценность продукта).