Все, чему SaaS-компании научились для успеха, теперь переворачивается с ног на голову.
Совершенно очевидно, что agentic coding полностью захватил мир разработки ПО. Написание кода уже никогда не будет прежним. Более того, пройдет немного времени, и, возможно, мы вообще перестанем писать код, потому что агенты смогут делать это лучше и быстрее, чем люди. Возможно, это уже правда сегодня.
Но разработка ПО — это не только написание кода, и такие области, как source control, документация, CI/CD и управление проектами, тоже готовы к серьезной встряске со стороны AI. Эти области могут пострадать даже сильнее, чем само написание кода.
Если бы вы занимались анализом данных и давали dashboard-level-инсайты на их основе, вам, вероятно, стоило бы всерьез беспокоиться о том, что AI сделает с вашим ценностным предложением. Значительная часть индустрии SaaS занимается анализом уже существующих данных, а именно это AI-агенты умеют делать очень хорошо. Когда простой вопрос позволяет сразу получить суть того, что дает дорогая панель управления, компании неизбежно начинают сомневаться, стоит ли вообще платить за такой сервис.
Инструменты вроде LinearB, Jellyfish и Swarmia дают глубокие и интересные сведения о том, что происходит внутри вашего репозитория, но если можно обратиться к Claude Code со словами: «Каковы метрики DORA для этого репозитория?», то такие бизнесы, безусловно, находятся под угрозой disruption, не так ли?
Pivoting to AI
Эти инструменты уже реагируют, резко pivoting в сторону AI и подстраиваясь под AI-революцию. Они делают, например, акцент на измерении AI-процессов вместо предоставления командных инсайтов. Теперь они продвигают идею, что отслеживают не вашу команду разработки, а ваш AI development process — именно то, что приходится делать, когда почва уходит из-под ног. Disruption реален, и нужно меняться или умирать.
Тот, кто строит dashboard поверх уже существующих данных, должен быстро меняться. Но и инструменты, которые производят базовые данные, тоже должны меняться. Вместо того чтобы строить dashboard для людей, такие инструменты все сильнее смещаются в сторону предоставления реализаций Model Context Protocol (MCP), которые могут потреблять AI-агенты.
Одна из областей meta-coding, где AI действительно дает реальную ценность, — это анализ логов. Когда возникает проблема, первый вопрос обычно звучит так: «Где лог этого события?» В прежние времена приходилось просматривать лог построчно, выискивая, что именно произошло, ища подсказки о причине сбоя. Но теперь? Передайте лог, каким бы огромным он ни был, AI-агенту, и ответы появятся за считанные минуты.
Реальная ценность смещается к созданию лога — отображение dashboard поверх этих данных становится менее важным. Такой инструмент, как Datadog, владеет ingestion pipeline и производством time-series, а также создает ценные данные, поэтому ему проще pivot. Datadog достаточно создать инструмент, который общается с AI-агентом, а не с человеком. Их beachhead прочен. Настоящая ценность логов заключается в способности агента заглядывать в них в реальном времени и действовать на основе увиденного. Скоро, когда возникнет проблема, MCP server будет уведомлять AI-агента, а агент будет анализировать проблему, исправлять ее и выкатывать исправление — без какого-либо участия человека.
Производить данные и владеть ими выгоднее, чем уметь их интерпретировать. Инструменты, которые производят данные, могут опираться на AI-революцию. Инструменты, которые лишь читают и отображают данные из другого источника — скажем, из существующего репозитория, — будут с гораздо большим трудом выживать рядом с AI-агентами.
Душа нового пользователя
Любой поставщик программного инструмента, который является частью workflow разработки или операций, должен изо всех сил стремиться предоставить MCP или CLI для использования AI-агентом, потому что именно это — будущее. CI/CD system должна уметь реагировать на события вообще без участия человека. Такие инструменты становятся источником данных и будут иметь совершенно другой front end. Вместо людей, смотрящих на dashboard, MCP-запросы к инструменту будут делать AI-агенты.
Именно здесь и происходит настоящая disruption. Можно даже сказать, что вашим клиентом уже является не руководитель разработки, а MCP server AI-агента. Как скоро появятся AI-инструменты, принимающие решения о закупке после тысяч симуляций, проведенных на наборе потенциальных новых инструментов? Раньше компании-разработчики ПО тратили массу энергии на эффектные UI, веб-страницы с сильными текстами и на всевозможные bells and whistles, рассчитанные на людей.
Но имеет ли что-то из этого значение, если вы на самом деле продаете AI-агенту? Возвращает ли ваш MCP server данные, которые может потреблять и использовать другой MCP server?
Все, чему SaaS-компании научились для достижения успеха, теперь переворачивается с ног на голову. AI-агентам совершенно безразличны красивые сайты и умные маркетинговые тексты. Продажа машине, которой не важны ваш pitch, тщательно выстроенный бренд или эффектный логотип, — это игра, в которую еще никто никогда не играл.
Материал — перевод статьи с английского.
Оригинал: How AI is upending SaaS tools