Teori Matinya SaaS Itu Salah — 5 Kesalahpahaman di Balik Anjloknya Harga Saham dan Vertical AI

• Fenomena "SaaSpocalypse", di mana saham SaaS turun 32% dan valuasi perusahaan merosot hampir setengahnya, digunakan sebagai bahan untuk menilai masa depan perangkat lunak lapisan aplikasi di era AI
• Anggapan umum bahwa "Vertical SaaS melemah karena pertumbuhannya berhenti" adalah keliru; hasil analisis atas 130 saham menunjukkan tingkat pertumbuhan vertikal (14,1%) dan horizontal (14,7%) hampir sama, dan kinerja bisnis serta harga saham bergerak terpisah
• Yang dihargai pasar hanyalah model penagihan berbasis penggunaan dan "infrastruktur yang dilalui agen AI", sementara parit pertahanan (moat) yang kurang terlihat seperti penguasaan workflow, data eksklusif, dan regulasi justru diabaikan
• Bahkan di sesama perusahaan vertikal, nasibnya terbelah menurut jenis moat; hanya perusahaan dengan data eksklusif yang mampu mempertahankan premi 72%, sedangkan perusahaan yang hanya mengandalkan hambatan regulasi atau narasi "menguasai pasar vertikal" justru jatuh ke level diskon
• Pasar saat ini baru memasukkan harga untuk fase disrupsi yang sedang berlangsung, tetapi masih melewatkan kebangkitan perangkat lunak AI-native generasi berikutnya; perusahaan yang memegang data domain yang hanya ada di kepala para ahli diperkirakan menjadi penerima manfaat terbesar

---

Apa yang terjadi — Kejatuhan besar saham SaaS

• Saham SaaS publik mengalami repricing tajam dengan median turun 32%
  • Kelipatan valuasi perusahaan terhadap pendapatan menyusut 42%, dari 9,1x menjadi 4,8x, dan 86% dari seluruh saham mengalami penurunan kelipatan ini
• Namun, sulit menarik kesimpulan masa depan hanya dari pergerakan harga saham — penurunan yang sama bisa menjadi sinyal buruk bahwa "lapisan aplikasi sedang mati", atau justru sinyal baik bahwa "generasi berikutnya sedang berganti lebih cepat"
• Terutama di masa penuh ketidakpastian, pasar lebih mirip "mesin pemungutan suara" yang mudah digerakkan emosi, sehingga bagi investor dengan horizon 10–20 tahun, ini bisa menjadi noise yang malah mengganggu
• Tulisan ini bertujuan membantah satu per satu anggapan umum yang menyebar setelah kejatuhan ini dan cenderung meremehkan potensi perangkat lunak AI-native

Anggapan umum 1 — "Perangkat lunak vertical sudah tidak tumbuh lagi"

• Tom Tunguz mendiagnosis penyebab lemahnya Vertical SaaS sebagai "pertumbuhannya lambat"
  • Klaimnya, bahkan perusahaan seperti Veeva, AppFolio, dan Procore yang punya moat nyata berupa hambatan regulasi, integrasi setingkat sistem operasi industri, dan akumulasi data domain, tetap didiskon paling besar karena tidak bisa tumbuh cepat
• Memang, perusahaan vertical rata-rata banyak yang merupakan bisnis lama sekitar 10 tahun lebih tua dibanding perusahaan horizontal
  • Generasi pra-internet seperti Dye & Durham (berdiri 1874), FICO (1956), Agilysys (1963), dan Tyler (1966) mengangkat rata-rata usia perusahaan (persentil ke-75: vertikal 42 tahun vs horizontal 27 tahun)
• Namun penjelasan "karena lambat" itu tidak benar
  • Dari 130 saham yang dilihat, median pertumbuhan setahun terakhir hampir sama: vertikal 14,1%, horizontal 14,7%
  • Kinerja bisnis dan harga saham berjalan terpisah — korelasi antara pertumbuhan pendapatan dan harga saham hanya 0,07, sedangkan EBITDA margin -0,03, praktis tidak berkaitan
  • Bahkan di dalam kelompok vertical, 15 perusahaan dengan harga saham terburuk justru punya margin dan pertumbuhan lebih tinggi daripada 15 perusahaan terbaik

Anggapan umum 2 — "Vertical punya moat AI yang lemah"

• Ringkasan Tom: "Tahun ini vertical turun 43%, sementara DevTools hanya turun 21% — jurang ini menunjukkan isi hati pasar"
  • Secara permukaan ini benar, tetapi masalahnya kesimpulan itu meluas menjadi "perangkat lunak khusus industri mudah ditiru dengan LLM"
• Kesimpulan ini tidak sesuai dengan dua kenyataan

  • Kenyataannya, hanya segelintir perusahaan horizontal yang diperlakukan sebagai 'pick and shovel' AI

    • Sebagian besar jurang itu muncul karena segelintir perusahaan horizontal yang dicap sebagai "infrastruktur penghasil uang di era AI" justru naik lebih dari 50%
      • Bandwidth (API komunikasi), Datadog (monitoring), MongoDB (DB), Twilio (API komunikasi), Fastly·Akamai (CDN), JFrog (rantai pasok perangkat lunak), Innodata (data pelatihan AI)

  • Vertical masih diperdagangkan lebih mahal daripada horizontal

    • Bahkan setelah memperhitungkan kinerja, Vertical SaaS masih diperdagangkan dengan premi dibanding horizontal
    • Penurunan kali ini hanya menghapus "premi naratif" yang sebelumnya menempel — karena sejak awal terbang lebih tinggi, saat jatuh pun jatuh lebih keras
    • Yang dipotong nilainya adalah moat yang tidak langsung terlihat di laporan laba rugi
• Jadi, bukan berarti daya tahan vertical melemah, melainkan pasar tidak lagi memberi bonus valuasi sebesar dulu dan sekarang hanya memberi nilai pada angin pendorong AI yang langsung terlihat

Anggapan umum 3 — "Pasar sudah menilai ulang nilai jangka panjang dengan benar"

• Variabel paling jelas yang membedakan harga saham beberapa bulan terakhir adalah model penagihan yang menghasilkan uang sesuai penggunaan
  • Kesimpulan ini diambil dari penilaian buta atas 130 saham berdasarkan 6 faktor inti
  • Sebaliknya, moat yang kurang terlihat seperti penguasaan workflow, data eksklusif, dan kompleksitas regulasi tidak dihargai
• Moat yang dilihat pasar pada dasarnya diringkas menjadi satu pertanyaan: "Apakah Anda infrastruktur yang dilalui agen AI?"

• Perbandingan kasus — Bandwidth vs Doximity

  • Bandwidth adalah perusahaan horizontal yang melonjak 280% meskipun skor R40-nya hanya 6
    • Sebagai CPaaS pesaing Twilio, perusahaan ini menjual API suara dan pesan yang digunakan RingCentral dan Zoom
    • Setiap kali agen suara AI melakukan panggilan, struktur bisnisnya menghasilkan pendapatan sesuai pemakaian
    • Seperti kata Tom, ini adalah "angin pendorong struktural di mana saat AI meningkat, query, embedding, dan komputasi vektor ikut meningkat"
  • Doximity adalah perusahaan vertical yang turun 65% ("LinkedIn untuk dokter")
    • Karena modelnya berbasis langganan dari perusahaan farmasi dan rumah sakit untuk pemasaran ke dokter, belum terlihat jelas bagaimana ia langsung diuntungkan di era agen AI
  • Namun sudut pandang sederhana ini melewatkan moat nyata Doximity
    • Efek jaringan — lebih dari 80% dokter sudah bergabung, dan banyak rumah sakit mewajibkan keikutsertaan
    • Gravitasi data — mengumpulkan data klinis eksklusif seperti PeerCheck dan Pathway Medical untuk langsung memberi nilai pada pelanggan yang ada
    • Organisasi yang kuat dalam AI — tim R&D berjumlah 380 orang sedang menciptakan pendapatan baru dari rumah sakit lewat alat seperti Scribe dan DoxGPT
    • Workflow yang terhubung erat dengan telemedisin, faks, dan dokumen klinis, serta moat regulasi dari lingkungan HIPAA
• Pada akhirnya, yang bertahan di pasar jatuh hanyalah perusahaan yang "langsung terlihat pendapatannya", sedangkan manfaat AI yang sedikit lebih kompleks daripada "pick and shovel yang langsung menghasilkan uang besok" diabaikan sepenuhnya
• Ben Thompson (Stratechery): "Disrupsi dan penciptaan nilai tidak datang bersamaan" — pasar saat ini hanya memasukkan disrupsi dan percepatan yang terlihat di depan mata, sementara penciptaan nilai jangka panjang yang membutuhkan waktu justru dikeluarkan

Anggapan umum 4 — "Semua moat vertical runtuh dengan cara yang sama"

• Jika 57 perusahaan Vertical SaaS publik dibagi berdasarkan sumber daya tahannya, hasilnya terpecah menjadi tiga kelompok

  • ① Tipe data eksklusif

    • 20 perusahaan seperti Verisk, FICO, Cadence, Veeva, dan CCC
    • Ini adalah perusahaan yang duduk di atas data yang tidak bisa dibangun ulang oleh pihak lain — setahun lalu diperdagangkan 220% lebih mahal daripada perusahaan horizontal setara, kini turun menjadi 72%
    • Meski begitu, 18 dari 20 perusahaan tersebut masih diperdagangkan lebih mahal daripada horizontal

  • ② Tipe hambatan regulasi murni tanpa data

    • 16 perusahaan seperti Tyler Technologies, ADP, Constellation, nCino, dan Q2
    • Tipe yang menghalangi masuk lewat hukum dan prosedur, bukan data — preminya hampir lenyap dari 120% menjadi 15%

  • ③ Tipe 'vertical halo'

    • 15 perusahaan seperti ServiceTitan, Par Technology, Toast, Lightspeed, dan MNTN
    • Setahun lalu mendapat premi 41% berkat cerita tentang "penguasaan pasar vertikal, tingkat pembelian ulang tinggi, dan skalabilitas", tetapi kini diperdagangkan 40% lebih murah daripada horizontal
• Moat data yang terlihat jelas masih mendapat nilai tinggi bahkan setelah memperhitungkan kinerja, tetapi bahkan gravitasi data yang sangat kuat pun dalam penurunan ini hampir dinilai nol
• Pertanyaan untuk memeriksa daya tahan yang diajukan tulisan ini: "Apakah datanya eksklusif? Apakah terikat regulasi? Apakah perangkat lunaknya tertanam dalam transaksi itu sendiri?"
  • Jika dua atau lebih jawabannya "ya", umumnya cukup aman; namun pasar saat ini hanya mengakui yang pertama (data eksklusif, premi 72%) dan hampir tidak memberi nilai pada dua lainnya

Anggapan umum 5 — "Lapisan aplikasi sedang sekarat"

• Pasar sudah memasukkan harga untuk guncangan yang muncul ketika AI menyebar (turunnya biaya pengembangan, penggantian pekerjaan oleh agen)
  • Tetapi kemunculan perangkat lunak AI-native generasi berikutnya yang datang setelah itu masih belum dimasukkan
  • Karena itu, hanya pipeline yang langsung memasok pendapatan ke AI yang terlindungi, sementara perangkat lunak lain secara umum didiskon dan kelangsungan hidupnya dipertanyakan
  • Kondisi keseimbangan setelah AI benar-benar tertanam, ketika data dan workflow menjadi lebih berharga dari sebelumnya, sama sekali belum tercermin dalam harga
• Berbeda dengan kepanikan, saat ini kita masih berada di awal fase disrupsi
  • Mengutip The Verticalist: sebagian perangkat lunak vertical memang akan hilang, tetapi umurnya akan jauh lebih panjang daripada horizontal, dan Vertical AI generasi berikutnya sebagian akan dibangun di atas reruntuhan, tetapi sebagian besar akan lahir di atas lahan kosong (green field) — karena sekadar mengganti vendor lama tidak akan memperbesar pasar itu sendiri
• LLM membuktikan nilai dari memperbesar data pelatihan dan fakta bahwa agen menjadi lebih pintar lewat reinforcement learning
  • Namun untuk melampaui bahasa, AI membutuhkan data domain dan konteks pengambilan keputusan, dan ini tidak ada di internet publik, tidak bisa diperjualbelikan, dan sering kali hanya ada di kepala para ahli
  • Posisi terbaik untuk menangkap data ini sejak lama selalu dipegang oleh platform vertical
• Kaum pesimis melihat bahwa "AI memperkecil pasar vertical", tetapi tulisan ini justru berargumen sebaliknya: AI akan memperbesar pasar secara signifikan
  • Sejumlah perusahaan incumbent dengan moat kuat dan keberanian untuk merombak produknya sendiri demi AI akan bertahan dan berkembang
  • Namun pemenang terbesar adalah perusahaan AI-native generasi berikutnya yang akan dibangun bukan hanya di atas reruntuhan legacy, tetapi juga di atas use case, anggaran, dan vertical baru yang bahkan belum dibayangkan pasar publik saat ini

Lampiran — 6 kriteria yang dipakai untuk penilaian

• ① Proprietary Data Flywheel (roda gila data eksklusif)

  • Apakah data yang terkumpul mustahil ditiru dalam waktu satu tahun — puluhan tahun catatan klaim asuransi milik Verisk bernilai 5 poin, sementara repositori Dropbox yang datanya dimiliki pelanggan hanya 1 poin

• ② Pricing Alignment (keselarasan penagihan)

  • Apakah pendapatan naik ketika agen AI meningkatkan aktivitas — Bandwidth, MongoDB, dan Datadog berbasis penggunaan mendapat nilai tertinggi, sementara model seat-based seperti Asana, Monday.com, dan Workday yang AI-nya justru mengurangi lisensi manusia mendapat nilai terendah

• ③ Workflow Replaceability (kemudahan mengganti workflow)

  • Seberapa dalam produk tertanam dalam pekerjaan pelanggan (semakin sulit dicabut, nilainya semakin tinggi) — Oracle ERP dan payroll ADP bernilai 5, sedangkan Dropbox dan Amplitude yang bisa diganti dalam seminggu bernilai 1

• ④ AI Credibility (kredibilitas AI)

  • Apakah perusahaan punya tim, investasi, dan DNA untuk membangun AI sungguhan, bukan sekadar menempelkan chatbot (berdasarkan porsi R&D, latar belakang CEO, akuisisi AI, dan produk yang benar-benar digunakan) — Palantir dan Datadog bernilai 5, Tyler dan Constellation bernilai 2

• ⑤ Domain Complexity (kompleksitas domain)

  • Seberapa kuat lingkungan pelanggan terikat regulasi dan keahlian — pengajuan uji klinis FDA milik Veeva, sertifikasi CJIS milik Tyler, dan regulasi penilaian kredit FICO bernilai 5, sementara pasar horizontal tanpa hambatan bernilai 1

• ⑥ Agent Ecosystem (ekosistem agen)

  • Apakah produk akan lebih banyak atau lebih sedikit digunakan di dunia tempat agen AI memimpin pekerjaan — DB, API komunikasi, keamanan, dan monitoring yang dilalui agen bernilai 5, sedangkan task management, dashboard, dan penyimpanan file yang tidak dipakai agen bernilai 1
• R40 (Rule of 40) = pertumbuhan pendapatan + EBITDA margin