Post di Silvano Joly, Director – Strategic Business Advisory di Deloitte.

Immagine di starline su Freepik

Negli ultimi decenni un enorme cambiamento è avvenuto nel modello di commercializzazione del software enterprise. Da licenze perpetue con manutenzione annuale si è passati a offerte in abbonamento (Software as a Service, SaaS) trasformando non soltanto il modo con cui si acquista tecnologia, ma anche la struttura finanziaria e operativa degli editori software house. Oggi, la spinta dell’intelligenza artificiale (AI) e degli agenti autonomi, hanno messo un’enorme pressione a questo modello: per la tecnologia stessa, per le dinamiche di mercato, per le aspettative dei clienti. Un cambiamento che è già costato centinaia di miliardi in Borsa alle società più interessate. Ecco una mia personale analisi su quanto è accaduto, sta accadendo e – forse – accadrà.

La “SaaSpocalypse”: segnali dai mercati

Da mesi ormai i mercati finanziari lanciano segnali di tensione. Alcuni osservatori hanno parlato di SaaSpocalypse, le azioni del comparto software e servizi hanno subito consistenti ribassi. L’S&P 500 Software & Services Index è sceso oltre il 25% rispetto all’ottobre 2025, l’indice globale delle software stocks ha perso centinaia di miliardi di capitalizzazione in poche sedute. Un’ondata di vendite non limitata a titoli singoli o marginali: Salesforce, Adobe, ServiceNow, SAP e da ultima Dassault Systemes hanno vissuto pressioni significative in un contesto in cui gli investitori rivedono attese di crescita e capacità di monetizzare l’AI nelle offerte SaaS. Il fenomeno emerge in parallelo a tensioni operative: anche se i risultati finanziari sono solidi, le società vedono i titoli sotto pressione a causa della percezione di una trasformazione radicale dei modelli di business (dal prezzo per utente al prezzo per risultato).

Dal licensing perpetuo al SaaS: come siamo arrivati qui?

Nei modelli tradizionali di vendita software, il vendor incassava una licenza una tantum e poi un canone di manutenzione annuale — ciò garantiva al cliente controllo nel lungo periodo e al fornitore stabilità di cash flow. Con il SaaS, il modello cambia: Ricavi ricorrenti: annual recurring revenue (ARR); Fidelizzazione (Retention) sono i KPI chiave: il cliente deve restare abbonato e attivo; Flessibilità per il cliente: l’abbonamento si può sospendere, modificare, rinegoziare.

Il passaggio è stato percepito come un miglioramento del modello di business: maggior prevedibilità, maggiore penetrazione di mercato, maggiore accessibilità per le imprese di ogni dimensione, abbonandosi anche una start up può avere il più grande software. In pratica però il passaggio dal modello CapEx (Capital Expenditure) all’OpEx (Operating Expenditure) ha segnato in modo diverso clienti, mercati e vendor.

I Clienti: la sfida della gestione dei costi

Il passaggio all’OpEx non è sempre accolto con favore, poiché “sposta” il costo del software verso l’alto nel conto economico, andando a pesare direttamente sull’EBITDA. Inoltre, il modello a consumo introduce incertezze legate al controllo e al rispetto del budget allocato. Il SaaS doveva garantire benefici in termini di flessibilità (scalabilità del consumo) e una relazione più equilibrata con il fornitore (basata sul principio: se non lo uso, non rinnovo), ma la realtà si è rivelata differente. Vendor lock-in e contratti con soglie minime garantite (committed) finiscono spesso per erodere i vantaggi, limitando la reale libertà di manovra del cliente.

I Mercati Finanziari: oltre i classici indicatori

I mercati apprezzano la stabilizzazione delle entrate dei contratti pluriennali, che rendono più prevedibili i flussi di cassa. Tuttavia, il tradizionale modello basato sul P/E (Price-to-Earnings) è in crisi da tempo. Le valutazioni delle aziende tecnologiche non sono più ancorate esclusivamente a indicatori patrimoniali; sono vere e proprie scommesse sulla capacità “disruptive” di trasformare interi settori, proiettando il valore su flussi di cassa futuri potenzialmente immensi, ma non sempre immediati.

I Vendor: dalla vendita “mordi e fuggi” al Customer Success

Per i vendor, rinnovo ed estensione delle subscription dipendono ora esclusivamente dalla soddisfazione del cliente. Questo ha imposto di creare di figure dedicate come i Customer Success Manager e di trasformare l’approccio commerciale. Il tempo delle “vendite di fine quarter” è finito: oggi il successo del fornitore è legato a una relazione di valore nel lungo periodo, dove il cliente deve percepire un ritorno costante sull’investimento.

Qualche anno dopo che succede dal punto di vista finanziario? ARR sotto stress?

Il valore di una società SaaS è legato alla crescita dell’ARR e alla stabilità del churn (la percentuale di clienti che abbandonano). Ma da un paio di anni, per investitori e analisti, non è più sufficiente prevedere un ARR crescente: occorre valutare come AI e automazione influenzeranno la domanda di software, le tariffe per utente, e la capacità di spingere vendite aggiuntive.

E dal punto di vista del cliente finale, tra desiderio di efficienza e controllo dei costi!

Le imprese affrontano crescenti vincoli di budget e richiedono una correlazione molto più stretta tra spesa e valore reale generato: il costo ricorrente di molte sottoscrizioni può essere percepito come un peso se non è misurato da metriche di business impact; la proliferazione di SaaS nelle organizzazioni — spesso definita “app sprawl” — aumenta la complessità di governance e il rischio di duplicazione funzionale; l’integrazione di agenti IA introduce opportunità di automazione, ma impone monitoraggio dei risultati e affidabilità degli output.

L’effetto AI e l’emergere degli agenti: flessibilità sì, ma con complessità

Non è un’apocalisse, il cliente non vuole “meno software” ma software più intelligente, più modulare e più legato a risultati tangibili.

L’introduzione di AI agentica richiede un ripensamento architetturale: non più suite monolitiche, ma ecosistemi di componenti interoperabili, con API, event stream e piattaforme di orchestrazione che portano vantaggi in termini di adattabilità, ma creano anche complessità: governance dei dati, compatibilità, responsabilità degli output generati da agenti. La sfida non è soltanto tecnologica ma organizzativa.

Non si tratta più solo di portare l’intelligenza nei moduli software esistenti, ma di sfruttare agenti intelligenti che possono automatizzare compiti e processi che prima richiedevano l’uso di applicazioni multiple o multiple interazioni umane e digitali e tre implicazioni principali: 1) Riduzione dei costi per il cliente, delegando processi ripetitivi ad agenti AI si diminuisce potenzialmente la dipendenza da licenze seat-based; 2) Pressione sui margini dei vendor SaaS: strumenti di AI possono cannibalizzare ARR e new revenue; 3) Transizione verso modelli di pricing basati sul valore generato (outcome-based pricing), anziché su funzionalità o numero di utenti.

Focus sullo sviluppo prodotto: la svolta dell’Agentic Workflow Automation

Come sapete, la mia specialità è il PLM, lo Sviluppo Prodotto, quel processo che va dall’Idea fino al ritiro di un prodotto nella logica del Digital Twin e Digital Thread. In questo ambito a vera rivoluzione non è l’IA generativa che risponde a una domanda, ma l’Agentic Workflow Automation. In questo paradigma, il Large Language Model (LLM) non è più solo un generatore di contenuti, ma il motore di ragionamento (reasoning engine) di agenti autonomi capaci di comprendere obiettivi complessi, pianificare azioni e orchestrare sistemi enterprise.

Questa tecnologia permette di automatizzare task ripetitivi: gli agenti possono gestire workflow che prima richiedevano l’interazione umana tra diverse applicazioni. Inoltre, permette più produttività e governance: con controlli granulari, limiti operativi e una costante supervisione umana (human-in-the-loop), gli agenti riducono il rischio di errore pur operando a velocità non umane. Infine, integrazione di PLM e ERP: fine delle frontiera tra il ciclo di vita del prodotto (PLM) e la pianificazione delle risorse (ERP) e degli storici silos informativi.

AI e LLM come “Reasoning Engine” di Archiviazione e Conoscenza: La Nuova Architettura del PLM

I grandi player del software industriale non sono rimasti a guardare e stanno integrando l’AI agentica per ridefinire il concetto di “Digital Twin”: nel mondo del PLM inizialmente il problema era il workflow, in seguito la Engineering Collaboration, dal 2015 circa la parola d’ordine divenne “Digital Thread”. Ma nel 2026, con le GPU e la Gen-AI, forse possiamo bypassare il vero collo di bottiglia: creare e diffondere un adeguato livello di “conoscenza del prodotto” con un Product Knowledge Layer. Infatti, la maggior parte delle aziende manifatturiere opera ancora in uno stato di frammentazione “cronica”: il CAD; le BOM (distinta base); le modifiche (Changes) disperse altrove; i requisiti in file Excel; la qualità in un QMS; i dati dei fornitori confinati nell’ERP; i feedback dei clienti in un tool di ticketing.

L’Enterprise Search può aiutare indicizzando i documenti e migliorandone la navigazione. Da poco più di un anno l’intelligenza artificiale sta portando il tema al pettine. Se chiediamo a un Copilot IA: “Perché è stata rilasciata la Revisione 3.1?” oppure “Che impatto avrà questo ECO (Engineering Change Order) su questa famiglia di prodotti?” il nostro algoritmo fa una ricerca per parole chiave. Ha bisogno di: a) modello semantico che contenga parti, modifiche, requisiti ed effettività; b) Knowledge Graph che mostri le relazioni tra i sistemi; un RAG che unisca keyword, metadati e vettori;

Questa non è semplicemente una “super query” nel PLM” ma diventa una Product Knowledge Architecture che impatta e pesca dati da PLM, ERP, MES, CPQ, After Sales ecc.; che usa Ontologie che normalizzano i concetti di prodotto; con Agenti che non si limitano a rispondere, ma redigono report, documenti di sintesi delle modifiche, clusterizzano i difetti riscontrati sul campo, identificano opportunità di riutilizzo o sostituzione di componenti.

La “battaglia dei perimetri funzionali” – “Qui finisce l’ERP e comincia il PLM che va fino a lì e poi c’è il CRM” sembra ormai inutile, né si può andare verso un unico sistema monolitico “FACCIO TUTTO IN SAP”. Questa è la vera evoluzione della “Product Intelligence” che non riguarderà la gestione dei file ma l’operazionalizzazione della conoscenza. Basta percorsi rigidi: “Se succede A, fai B”, un Agentic Workflow, ha un obiettivo “Trova un’alternativa a questo componente che costi il 15% in meno ma mantenga la certificazione ISO”) e autonomamente compara specifiche tecniche, costi e fornitori con “Guardrails” digital che lasciano la decisione finale di modifica o rilascio di un prodotto tassativamente in mano all’uomo.

Conclusione: SaaS-apocalisse o Rin-AI-scimento? L’unione sintetica di PLM ed ERP

Il tramonto del modello SaaS “puro” basato sui “posti di lavoro” e le licenze perpetue non è la temuta SaaS-apocalypse per chi ha costruito imperi sulla vendita di canoni d’affitto passivi, ma forse un Rin-AI-scimento che abbatte i muri tra lo sviluppo prodotto (PLM) e l’esecuzione operativa (ERP). Non siamo di fronte a una semplice evoluzione del licensing, ma a una metamorfosi dell’intelligenza aziendale. Solo le software house che continueranno a vendere nei vecchi “perimetri” sono destinate alla SaaSpocalypse. Al contrario, i leader che sapranno trasformare il software in un motore di ragionamento orchestrato — dove PLM ed ERP sono finalmente due organi dello stesso corpo — guideranno il Rin-AI-scimento della manifattura moderna.

Io ci credo e ci sto lavorando con i miei colleghi e clienti, e voi?