Все, чему SaaS-компании научились для успеха, теперь переворачивается с ног на голову. Быстро — в сторону AI.
Очевидно, что agentic coding полностью захватил мир разработки программного обеспечения. Написание кода уже никогда не будет прежним. Честно говоря, пройдет немного времени, и мы вообще перестанем писать код, потому что агенты смогут делать это лучше и быстрее, чем люди. Возможно, это уже так и есть сегодня.
Но разработка ПО — это не только написание кода, и такие области — система контроля версий, документация, CI/CD, управление проектами — тоже готовы к серьезной ломке со стороны AI. Эти направления, возможно, пострадают даже сильнее, чем само написание кода.
Я бы предположил, что если вы занимаетесь анализом данных и даете по ним инсайты на уровне дашбордов, то вам действительно стоит опасаться того, что AI сделает с вашим ценностным предложением. Значительная часть SaaS-индустрии как раз занимается анализом уже имеющихся данных, а это именно то, что AI-агенты умеют делать очень хорошо. Когда простой вопрос может сразу добраться до сути того, что дает дорогой дашборд, компании неизбежно начинают сомневаться, стоит ли платить за такой сервис.
Такие инструменты, как LinearB, Jellyfish и Swarmia, дают глубокие и интересные сведения о том, что происходит внутри вашего репозитория, но если вы можете спросить у Claude Code: «Какие здесь показатели DORA?», — что ж, тогда этим бизнесам явно грозит disruption, не так ли?
Pivoting to AI
Эти инструменты уже реагируют, резко разворачиваясь в сторону AI и подхватывая AI-революцию. Они, например, сосредотачиваются на измерении AI-процессов вместо предоставления командных инсайтов. Теперь они продают идею, что отслеживают не вашу команду разработки, а ваш процесс разработки с участием AI — и это именно то, что им приходится делать, когда почва уходит из-под ног. Disruption реален, и им нужно меняться или умирать.
Дашборды поверх уже имеющихся данных тоже должны быстро меняться. Но и инструменты, которые производят исходные данные, тоже должны меняться. Вместо дашбордов для людей такие инструменты все решительнее переходят к предоставлению реализаций Model Context Protocol (MCP), которые могут потреблять AI-агенты.
Одна из областей meta-coding, где AI, как мне кажется, дает реальную пользу, — это анализ логов. Когда возникает проблема, первый вопрос обычно звучит так: «Где находится лог, в котором это происходит?» В прежние времена приходилось просматривать лог построчно, выискивая, что именно произошло, и искать подсказки к источнику проблемы. Но теперь? Дайте лог, каким бы огромным он ни был, AI-агенту — и ответы появятся за считанные минуты.
Создание логов становится реальной ценностью, а показ дашбордов поверх этих данных — менее важным. Инструмент вроде Datadog владеет ingest pipeline и производством time-series, а также создает ценные данные, поэтому его разворот проще. Datadog достаточно создать инструмент, который общается с AI-агентом, а не с человеком. Его плацдарм надежен. Настоящая ценность логов — в способности агента в реальном времени заглядывать в них и действовать на основе увиденного. Не пройдет много времени, и при возникновении проблемы MCP server будет уведомлять AI-агента, а агент будет анализировать проблему, исправлять ее и разворачивать исправление без какого-либо участия человека.
Создавать и владеть данными выгоднее, чем уметь интерпретировать данные. Инструменты, которые производят данные, могут опираться на AI-революцию. А вот инструменты, которые лишь читают и отображают данные из другого источника — скажем, из существующего репозитория, — столкнутся с гораздо более сложной борьбой за выживание рядом с AI-агентами.
The soul of a new user
Любой поставщик software tool, который является частью workflow разработки или операций, должен очень активно работать над тем, чтобы предоставить MCP или CLI для использования AI-агентом, потому что именно это и есть будущее. CI/CD-система должна уметь реагировать на события вообще без участия человека. Такие инструменты становятся источником данных и получают совершенно другой front end. Вместо людей, смотрящих на дашборды, AI-агенты будут делать MCP-запросы к инструменту.
Именно здесь и происходит настоящая ломка. Можно даже сказать, что вашим клиентом больше не является менеджер по разработке ПО, а MCP server AI-агента. Как скоро появятся AI-инструменты, принимающие решения о покупке после тысяч симуляций на наборе потенциально новых инструментов? Раньше компании, выпускающие software tools, тратили массу сил на эффектные интерфейсы, веб-страницы с сильными текстами и всевозможные украшения, рассчитанные на людей.
Но имеет ли это вообще значение, если вы продаете AI-агенту? Возвращает ли ваш MCP server данные, которые может потреблять и использовать другой MCP server?
Все, чему SaaS-компании научились для успеха, теперь переворачивается с ног на голову. AI-агентам совершенно безразличны красивые сайты и остроумные маркетинговые тексты. Продавать машине, которой не важны ни ваш pitch, ни тщательно выстроенный бренд, ни остроумный логотип, — это игра, в которую еще никто никогда не играл.
Материал — перевод статьи с английского.
Оригинал: AI is upending the SaaS game