Agen AI mulai menggerus SaaS

• Selama 15 tahun terakhir, software menguasai berbagai industri, dan kini agen AI mulai menggantikan pasar SaaS
• Para developer kini, alih-alih memakai alat SaaS sederhana, memanfaatkan agen untuk langsung membuat alat internal yang disesuaikan
• Perubahan ini memicu skeptisisme terhadap perpanjangan kontrak SaaS dan kenaikan harga, dan perusahaan mulai mempertimbangkan membangun sendiri sebagai alternatif yang realistis
• Beban pemeliharaan diringankan oleh kemampuan otomatisasi agen, sementara SaaS yang ada juga memiliki masalah pemeliharaan seperti perubahan API
• SaaS back-office CRUD sederhana adalah kelompok yang paling berisiko, dan organisasi dengan kapabilitas teknis berpotensi mengubah perubahan ini menjadi keunggulan kompetitif

---

Kebangkitan agen AI yang menggantikan SaaS

• Seperti software yang telah menguasai industri seperti ritel, media, dan keuangan selama 15 tahun terakhir, kini muncul tren agen AI yang menggantikan SaaS
  • Permintaan untuk alat SaaS menurun, dan tugas sederhana dapat diselesaikan agen dalam hitungan menit
  • Pengguna tidak lagi mempertimbangkan alat seperti Retool dan langsung membuat dashboard sendiri
• Agen seperti Gemini 3 dan Claude Code juga menjalankan pekerjaan non-pengembangan seperti mockup UI/UX dan pembuatan presentasi
  • Misalnya, Claude Code mengubah Markdown menjadi PDF untuk membuat slide secara otomatis
• Penolakan terhadap kenaikan harga saat perpanjangan SaaS enterprise semakin meningkat
  • Di masa lalu, membangun sendiri tidak realistis, tetapi kini dipertimbangkan sebagai alternatif nyata
• Kompleksitas produk SaaS berasal dari kebutuhan banyak pelanggan, tetapi alat khusus internal bisa disederhanakan dengan fokus pada satu pelanggan saja
  • Organisasi dapat mengendalikan roadmap secara langsung

Sanggahan tentang pemeliharaan dan responsnya

• Sanggahan utama adalah, “siapa yang akan memelihara aplikasi yang dibuat sendiri?”
  • Perbaikan bug, patch keamanan, dan hal serupa tetap diperlukan, tetapi banyak SaaS juga memiliki kualitas pemeliharaan yang rendah
• Agen secara signifikan menurunkan biaya pemeliharaan
  • Contoh: mengotomatiskan pekerjaan penggantian library yang dukungannya telah dihentikan
  • Melalui file AGENTS.md, penjelasan codebase dapat diotomatisasi untuk mengurangi masalah hilangnya pengetahuan
• SaaS juga memiliki risiko pemeliharaan
  • Contoh: kasus yang membutuhkan perbaikan besar-besaran akibat penghentian API dan migrasi ke API baru
• Organisasi dengan kapabilitas teknis menurunkan ketergantungan pada SaaS dan mempertimbangkan membangun sendiri
  • Namun, masih sulit bagi organisasi non-teknis untuk mengganti semuanya secara menyeluruh

Perubahan struktur ekonomi SaaS

• Nilai SaaS didasarkan pada kecepatan pertumbuhan pelanggan dan NRR (net revenue retention) yang tinggi
  • Dengan menurunnya permintaan dari pelanggan baru, biaya penjualan dan pemasaran diperkirakan meningkat
• Penurunan NRR adalah ancaman yang lebih besar
  • Pelanggan mengganti sebagian fungsi dengan alat internal mereka sendiri, atau mengambil data lewat API lalu beralih ke dashboard internal
  • Akibatnya, terjadi penurunan jumlah lisensi pengguna dan penghindaran upgrade
• Struktur ekspansi bermargin tinggi yang menjadi inti model SaaS lama berpotensi melemah

Area SaaS yang masih kuat

• Sistem yang membutuhkan high availability dan high reliability (SLA) sulit digantikan
  • Contoh: pemrosesan pembayaran dan infrastruktur inti masih lebih unggul jika memakai SaaS spesialis seperti Stripe
• Pemrosesan data skala besar atau layanan berbasis network effect juga sulit digantikan
  • Slack, data lake skala besar, dan sejenisnya tidak efisien jika dibangun internal
• Perusahaan yang memiliki data proprietari justru dapat memperkuat daya saing dengan memanfaatkan agen
  • Data keuangan dan penjualan tetap mempertahankan nilai yang tinggi
• Industri dengan persyaratan regulasi dan compliance akan terus bergantung pada SaaS
• Permintaan untuk tenaga SRE dan DevOps guna mengelola aplikasi internal diperkirakan meningkat
  • Sebagian organisasi mungkin akan membentuk tim khusus

Kelompok paling berisiko dan fragmentasi pasar

• SaaS back-office berbasis CRUD sederhana akan menerima dampak paling besar
  • Kelompok produk yang menyediakan dashboard atau fitur analitik sederhana di atas data pelanggan
  • Pelanggan dapat mendokumentasikannya sendiri lalu mengimplementasikannya ulang dengan agen
• Pasar SaaS diperkirakan akan terbelah antara perusahaan yang punya kapabilitas teknis dan yang tidak
  • Kelompok pertama dapat menekan biaya dan memperkuat daya saing dengan membangun sendiri
  • Kelompok kedua lebih rentan terhadap kenaikan harga SaaS
• SaaS tidak akan hilang, tetapi produk tanpa diferensiasi yang jelas dan tanpa pengetahuan proprietari akan sulit bertahan
• Seberapa cepat agen berkembang hingga mampu mengelola sistem yang kompleks akan menjadi variabel penting ke depan

[GN⁺]

Opini Hacker News

• Saya adalah CTO dari perusahaan SaaS yang fokus pada vertical industri tertentu
  Pelanggan kami tidak punya kemampuan untuk membuat tool sendiri, dan sebagian besar “sistem” mereka adalah Excel
  Dua perusahaan besar pernah mencoba menyalin produk kami untuk dipakai internal; satu menyerah, dan yang lain dinilai “kurang bagus” oleh penggunanya
  Kami aktif memanfaatkan agen AI untuk mempercepat pengembangan, tetapi bottleneck-nya tetap pada “mengetahui apa yang harus dibuat”.
  Nilai produk ada pada banyak sekali keputusan domain yang tidak disadari pengguna. Wawasan seperti ini bukan sesuatu yang bisa direplikasi pengembang internal dalam sehari

  • Saya setuju bahwa “mengetahui apa yang harus dibuat adalah bottleneck”. Berkat LLM, banyak pengembang kini merasakan sendiri realitas ini
  • Tim sales sering mendengar “kami bisa bikin sendiri secara internal” atau “tinggal masukkan ke LLM, kan”
    Tapi yang dibayar pelanggan bukan wrapper LLM, melainkan 99% bagian rumit lainnya — teknologi yang sulit, pekerjaan berulang, SLA, dan sistem dukungan
  • Keahlian domain + loop umpan balik yang cepat adalah kunci keberhasilan B2B SaaS
    Ambil contoh aplikasi LOB di perbankan: tanpa bertukar umpan balik harian dengan pelanggan, kita akan tertinggal dalam persaingan
    Saat pelanggan tidak bisa mengikuti kecepatannya, staf kami kadang masuk sementara ke perusahaan pelanggan untuk bekerja bersama mereka
  • Daya tarik HN adalah sering kali komentarnya lebih bernilai daripada artikel utamanya
  • Nilai sejati AI ada pada solo developer atau indie hacker
    Kini mereka bisa membuat aplikasi dengan kualitas tinggi tanpa proses tim atau batasan anggaran
    Namun, pasar tampaknya akan menjadi jauh lebih padat dan beragam

• Saya adalah pendiri SaaS manajemen inventaris komponen elektronik bernama PartsBox
  Saya memang khawatir soal AI, tapi tetap bisa tidur nyenyak
  Saya khawatir pelanggan yang tidak memahami kedalaman masalah akan membuat aplikasi sendiri dengan AI, tetapi mereka sebenarnya sudah melakukan hal serupa dengan spreadsheet
  Bagian yang benar-benar sulit bukan coding, melainkan pemodelan domain. Yaitu memahami proses kompleks di dunia nyata, dan menjaga keseimbangan antara usability dan kompleksitas
  Namun bahkan jika model seperti itu dibuat dengan baik, tiruannya bisa segera menyusul

  • “Kemampuan memahami dan memodelkan dunia” adalah bagian yang tidak mudah digantikan AI
    Pengetahuan domain per industri kebanyakan terkunci di dalam perusahaan dan tidak masuk dalam data pelatihan
    Karena itu, justru pengembang di industri seperti ini berada di posisi yang lebih stabil
  • Kami meng-host sendiri alternatif open-source bernama Inventree
    Dengan AI, kami memodifikasi backend dan sebagian frontend, lalu menyelesaikan masalah workflow dalam dua hari
    Solusi AI yang sepenuhnya otomatis memang tidak realistis, tetapi jika AI ditumpangkan di atas basis open-source, kita bisa membuat solusi khusus berbiaya rendah
  • Ada kemungkinan besar Microsoft akan menargetkan pekerjaan yang “hampir terotomatisasi” seperti ini dengan mengintegrasikan AI ke Excel, Word, Access, dan lainnya
  • Ada juga pertanyaan teknis — mengapa memakai Clojure, dan apakah alasan tidak memilih Common Lisp terkait fitur SaaS
  • Seseorang menunjukkan bahwa “jika AI menjadi assistant yang mengoperasikan UI sebagai gantinya, SaaS bisa turun derajat menjadi sekadar tool call”
    Ini berisiko menghilangkan kanal iklan SaaS dan mengkomoditisasi produk

• Saya justru melihat AI sedang meledakkan permintaan akan solusi integrasi kustom
  Khususnya di industri seperti manufaktur yang nyaris tidak berubah selama puluhan tahun, perubahan mulai terjadi
  Berkat AI, kini jauh lebih banyak software baru yang menjadi mungkin, dan dalam beberapa tahun ke depan akan dibuat secara eksplosif
  Namun pengetahuan domain tetap penting, dan untuk memakai AI, Anda harus tahu apa yang perlu diminta
  Sebagian besar pelanggan masih berada pada level menangani spreadsheet dan ERP

  • Manufaktur cenderung konservatif terhadap perubahan, dan kurangnya keandalan AI adalah risiko besar
    Karena itu, perubahan hanya terjadi secara bertahap, atau saat manfaatnya benar-benar luar biasa

• Pada awal 2000-an, perusahaan besar membuat aplikasi LOB lewat tim IT internal, tetapi setelah itu SaaS menguasai pasar karena efisiensi biaya
  Sekarang tampaknya kita kembali ke era pengembangan internal

  • Tetapi layanan outsourcing SaaS kustom berbasis AI juga bisa saja muncul sebagai hal baru
    Tidak perlu merekrut kembali staf IT internal yang sudah diberhentikan

• Saya tidak paham argumen tulisan ini. Gagasan bahwa AI menggantikan SaaS hanya masuk akal jika AI bisa melakukan pekerjaan sendiri
  Bahkan jika AI menghasilkan kode, tetap dibutuhkan engineering, security, dan operasi. Itu mahal
  Jauh lebih murah membayar langganan SaaS

  • Ini argumen yang salah paham soal economies of scale
    Aplikasi internal menanggung 100% biaya maintenance, sedangkan SaaS hanya menanggung 1/N sesuai jumlah pelanggan
    Yang bisa digantikan kode AI hanyalah hal-hal yang sejak awal memang tidak layak dijadikan SaaS
    Misalnya produk seperti Retool lebih mirip tool yang sudah ketinggalan zaman daripada SaaS
  • Meski begitu, SaaS untuk developer bisa jadi pengecualian
    Misalnya jika dengan Claude dashboard bisa dibuat dalam 5 menit, apakah orang masih mau memakai SaaS berbayar?

• Saya membuat internal app builder seperti UI Bakery
  Beberapa pelanggan ingin membatalkan langganan SaaS senilai lebih dari 100 ribu dolar per tahun
  Sebagian besar SaaS dipertahankan hanya karena satu fitur saja
  Tetapi jika beralih ke tool kustom, deployment dan lifecycle management menjadi tantangan baru
  Sebaliknya, SaaS yang punya hak akses ke data unik tetap kuat
  Misalnya akuisisi Clearbit oleh HubSpot sangat masuk akal sebagai strategi retensi pelanggan

• Saya sedang mengembangkan ERP kustom secara internal untuk industri tertentu
  Berkat AI, tim kecil pun bisa dengan cepat membuat software kustom
  Saya rasa kini kita memasuki era “software butik”
  AI telah meningkatkan produktivitas saya setidaknya 4x.
  Jika bisa membuat produk yang “cukup bagus dalam 2 minggu”, mengapa harus memakai SaaS yang mahal?

  • Namun perusahaan yang dulu sepenuhnya mengadopsi pengembangan internal pada akhirnya jatuh ke neraka maintenance
    Di awal memang cepat, tetapi lama-lama berubah menjadi sistem yang rapuh dan kompleks
    Jika memperhitungkan SDM, operasi, dan pengganti saat cuti, total biaya pengembangan internal jauh lebih tinggi daripada SaaS
  • Jika AI meningkatkan jumlah kode yang diproduksi, maka beban maintenance juga ikut naik
    Security, infrastruktur, dan DevOps semuanya harus diskalakan
    SaaS punya network effect, sedangkan tool internal tidak. Pada akhirnya SaaS lebih murah
  • Berkat AI, keekonomian pengembangan internal memang sedikit membaik, tetapi tetap saja tujuan SaaS bukan penghematan biaya
    Sebagian besar perusahaan tetap lebih memilih memakai layanan
  • ERP internal bersifat kustom sehingga onboarding dan maintenance memakan waktu lebih lama
    Permintaan penambahan fitur datang tanpa henti, dan agen AI berguna untuk sebagian pekerjaan tertentu seperti perancangan model, tetapi masih terlalu sering salah untuk pekerjaan inti perusahaan
  • Ada juga pertanyaan soal tech stack dan pendekatan yang dipakai

• Belakangan ini banyak perusahaan mulai meragukan penawaran perpanjangan Enterprise SaaS
  Tetapi gagasan bahwa “AI akan menggantikan Workday atau Salesforce” adalah pemikiran yang nyaris magis
  Secara realistis, Claude Code tidak bisa menyelesaikan sistem besar seperti itu
  Siapa pun yang benar-benar pernah memakainya akan tahu batasannya

• Tulisan Clouded Judgement: Long Live Systems of Record oleh Jamin Ball jauh lebih realistis

  • Inilah inti sebenarnya. Maintenance software itu menyakitkan
    Namun, perusahaan kecil kini bisa mendapatkan peningkatan produktivitas hanya dengan skrip sederhana
  • Setuju. Ini perspektif yang jauh lebih akurat
  • Tulisan yang bagus

• Nilai SaaS bertumpu pada kecepatan pertumbuhan pelanggan dan NRR yang tinggi, serta margin 80~90%
  Tetapi jika biaya token AI ikut masuk, ada kemungkinan struktur margin itu terguncang