SaaSpocalypse: navigare la crisi e scoprire il futuro del SaaS
Negli ultimi mesi, il settore del software ha attraversato una fase di forte correzione, tanto che negli Stati Uniti si è iniziato a parlare di "SaaSpocalypse". Questo termine descrive un periodo di calo significativo del valore di mercato per le aziende SaaS. Non si tratta di un evento isolato o legato a singoli report finanziari, ma sembra indicare un cambiamento più profondo nel modo in cui il mercato valuta queste aziende. Circa 300 miliardi di dollari di valore di mercato sono svaniti in un solo giorno per le società di software e dati, un segnale che qualcosa di strutturale è cambiato..
Una delle ragioni principali di questa inversione di tendenza è l'ascesa dell'intelligenza artificiale generativa, in particolare degli agenti AI. Questi nuovi strumenti stanno iniziando a erodere intere categorie di software orizzontale. Piattaforme che un tempo erano considerate uniche e difficili da replicare, ora rischiano di diventare semplici funzionalità che possono essere riprodotte internamente con sforzi e costi relativamente contenuti. Questo fenomeno trasforma ciò che era un vantaggio competitivo difendibile in una caratteristica facilmente imitabile.
Il modello di business del software come servizio (SaaS) è stato per anni un porto sicuro per gli investimenti. Tuttavia, la percezione sta cambiando. L'idea che un'azienda di software possa essere facilmente replicata da un modello AI sta portando a una rivalutazione delle sue difese competitive. Questo non significa che il software sia morto, ma che i criteri di valutazione del suo valore stanno subendo una trasformazione radicale. Le aziende che offrono servizi, specialmente quelli che possono essere trasformati in piattaforme abilitate dall'AI, stanno guadagnando nuova attrattiva. La distinzione tra ciò che è difendibile e ciò che è replicabile sta diventando sempre più importante per capire dove si trova il vero valore nel mercato tecnologico attuale.
Nuovi paradigmi strategici: dai fondi di investimento
Il framework di Sequoia Capital: software company travestite da società di servizi
Negli ultimi mesi, l’attenzione dei grandi fondi si è spostata su una nuova interpretazione del business software. L'idea centrale, avanzata da Sequoia Capital, è che il prossimo gigante del settore potrebbe non sembrare affatto una classica software house, ma piuttosto una società di servizi con un cuore tecnologico fortissimo. In sostanza, il vero vantaggio competitivo nasce nel momento in cui il software non è più solo una piattaforma da vendere, ma il motore silenzioso che permette ai servizi di diventare più veloci, precisi e difficili da copiare. Oggi, chi offre solo strumenti rischia di essere superato da chi riesce a integrare questi stessi strumenti nel processo operativo che porta valore diretto al cliente. Questo approccio cambia il modo in cui si guarda alle aziende e costringe a rivedere le priorità immateriali: la differenziazione non è più soltanto tecnologia, ma soprattutto capacità di trasformare quella tecnologia in servizio concreto.
Distinguere tra attività a prevalente contenuto di intelligence e judgement
Un aspetto chiave di questa trasformazione riguarda la natura delle attività che una società svolge. Si fa oggi una chiara distinzione tra ciò che è fondato su regole, calcoli e automazione (intelligence), e ciò che, invece, richiede esperienza personale, sensibilità e decisione (judgement). Dove dominano le attività di intelligence, l’automatizzazione tramite AI avanza rapidamente, rendendo quei ruoli più esposti a essere sostituiti. Dall’altro lato, le mansioni che richiedono judgement restano ancora nelle mani di persone con un vissuto e una capacità di scelta che le macchine non replicano. Questo nuovo modo di segmentare le attività suggerisce quali business saranno più protetti dai cambiamenti in arrivo, con le piattaforme che combinano dati e competenze umane messe meglio rispetto ai modelli del passato.
Il valore operativo della distinzione per la valutazione degli asset
Per chi si occupa di valutare azienda, questa nuova prospettiva impone cambiamenti importanti. Raccontare un business solo attraverso numeri o benchmark tradizionali non basta più: serve mostrare in modo concreto quanto un’attività sia resistente all’automazione, quanta parte del suo valore dipenda da dati unici o workflow verticali difficilmente replicabili. I fondi di investimento sono molto più attenti a queste distinzioni rispetto al passato. Il metro di paragone, persino per le PMI che guardano a modelli esteri in evoluzione, diventa la capacità di produrre valore difficilmente sostituibile. Anche per chi opera nel nostro contesto nazionale, come in Ungheria dove i cambiamenti economici stanno creando nuove aperture per le aziende italiane, sta diventando centrale capire quali asset reggono l’urto delle novità e quali, invece, rischiano di essere superati rapidamente opportunità per le imprese italiane.
La ridefinizione del valore nel software
La segmentazione del mercato: software orizzontale vs piattaforme verticali
Il mercato del software sta cambiando faccia, e non è più così semplice come una volta definire cosa vale davvero. Quello che prima era considerato un settore solido, il software orizzontale, ora si trova a fare i conti con l'intelligenza artificiale generativa. Piattaforme che sembravano intoccabili, capaci di servire un po' tutti, ora rischiano di essere superate da soluzioni AI che fanno cose simili, ma in modo più mirato. La vera differenza la fanno oggi le piattaforme verticali, quelle costruite per settori specifici, che hanno imparato a integrare regole complesse e a gestire processi che richiedono molta attenzione ai dettagli.
L'importanza dei dati proprietari e della logica di compliance
In questo nuovo scenario, i dati che un'azienda possiede e come li gestisce diventano oro. Non si tratta solo di avere tanti dati, ma di avere dati unici e di saperli usare per rispettare le normative. Le piattaforme che riescono a incorporare la logica di compliance direttamente nel loro funzionamento, pensiamo a settori come la sanità o la finanza, acquisiscono un vantaggio notevole. Questo rende il loro servizio più sicuro e difficile da copiare, creando una barriera naturale contro la concorrenza. Il mercato del software sta mostrando chiaramente questa tendenza.
La polarizzazione dei numeri di mercato e le sue conseguenze
Quello che vediamo è una divisione sempre più netta nei risultati economici. Da una parte, le aziende software orizzontali che non si adattano rischiano di vedere i loro numeri peggiorare. Dall'altra, le piattaforme verticali, con dati solidi e processi conformi, tendono a performare meglio, attirando investimenti e mantenendo valutazioni più alte. Per chi si occupa di valutare aziende o di gestire fusioni e acquisizioni, ignorare questa divisione significa rischiare di fare stime sbagliate. È fondamentale capire se un'azienda è esposta al rischio di essere sostituita dall'AI o se ha costruito difese solide, come dati proprietari difendibili.
L'evoluzione della due diligence nell'era dell'AI
La necessità di una AI due diligence
La due diligence tradizionale, quella che guardava principalmente ai numeri e alla struttura del business, non basta più. Con l'avvento dell'intelligenza artificiale, specialmente quella agentic, il modo in cui valutiamo le aziende deve cambiare. Dobbiamo iniziare a chiederci se un software, un tempo considerato solido, possa essere facilmente replicato o superato da un sistema AI. Questo significa che gli acquirenti ora eseguono una vera e propria "due diligence sull'intelligenza artificiale" come parte strutturata del processo di acquisizione. Si tratta di capire se l'asset in questione è resistente all'automazione o se possiede dati proprietari che lo rendono unico e difficile da copiare. È un passaggio fondamentale per capire il valore reale di un'azienda oggi.
Verificare la resistenza all'automazione e la difendibilità dei dati proprietari
Quando si valuta un'azienda, è importante capire quanto sia difficile per un'intelligenza artificiale replicare ciò che fa. Se un software si basa su processi molto standardizzati e facilmente codificabili, potrebbe essere a rischio. D'altra parte, se un'azienda ha raccolto dati unici e li usa per offrire un servizio personalizzato o per rispettare normative specifiche, questi dati diventano un vero e proprio scudo protettivo. La vera difesa oggi risiede nella capacità di dimostrare che l'azienda ha costruito attivamente dati proprietari e ha codificato i suoi processi in modo tale da renderli misurabili e difficili da replicare. Questo non è più solo un optional, ma un fattore chiave che influenza direttamente la valutazione di un'azienda. È un po' come costruire un fossato attorno al proprio castello digitale.
L'integrazione della due diligence sull'intelligenza artificiale nei processi M&A
Integrare questa nuova forma di due diligence nei processi di fusione e acquisizione (M&A) è diventato essenziale. Non si tratta più di un controllo superficiale, ma di un'analisi approfondita che deve iniziare fin dalle prime fasi di preparazione di un'operazione. Per le aziende che sono più esposte al rischio di sostituzione da parte dell'AI, è necessario presentare un piano concreto e misurabile per la trasformazione. Non basta promettere investimenti futuri in AI; bisogna dimostrare che si sta già lavorando attivamente per integrare queste tecnologie e costruire dati proprietari. La finestra temporale per posizionarsi come un'azienda "AI-native" e ottenere un premio di valutazione è limitata, stimata tra i 12 e i 24 mesi dagli operatori internazionali. Dopo questo periodo, l'adozione dell'AI diventerà una condizione necessaria, non più un elemento distintivo, e le aziende che non si saranno adattate potrebbero subire una svalutazione. Per gli imprenditori che pensano a una cessione o a un'apertura del capitale, pianificare questo timing diventa una leva strategica per massimizzare il valore. Inoltre, l'uso acritico di multipli di mercato aggregati, senza considerare il grado di integrazione dell'AI e la qualità dei dati proprietari, può portare a valutazioni distorte, sia in eccesso che in difetto. Valutare le aziende richiede oggi una visione più sfumata.
I servizi tornano attrattivi: quali e perché
I servizi trasformabili in piattaforme AI-enabled
Si sente dire che i servizi stiano tornando in auge, e in effetti c'è del vero. Ma non tutti i servizi sono uguali agli occhi degli investitori oggi. Quelli che stanno davvero attirando l'attenzione sono quelli che possono essere trasformati in vere e proprie piattaforme basate sull'intelligenza artificiale. Pensiamo a servizi che hanno già una distribuzione consolidata, canali di outsourcing ben avviati e budget di spesa già definiti come costi esterni. È un po' quello che suggerisce il framework di Sequoia Capital: sostituire un contratto di outsourcing con un fornitore che usa l'AI in modo nativo è un semplice cambio di fornitore, non una rivoluzione interna. Il ritorno sull'investimento è immediato.
La distinzione tra asset con moat strutturale e asset replicabili
Il vero nodo della questione, però, è che lo stesso fenomeno che rende i servizi più interessanti sta penalizzando quelli che non si adattano. Studi di consulenza basati su attività ripetitive, come la conformità di base, la ricerca legale o la contabilità per piccole imprese, vengono visti con più cautela. Il motivo è semplice: il rischio che l'AI possa replicare queste attività è già prezzato dagli acquirenti, portando a una valutazione più bassa. La linea di demarcazione non è più tra software e servizi, ma tra asset che hanno una protezione forte, come dati proprietari o requisiti normativi specifici, e asset che invece possono essere facilmente copiati da un sistema di intelligenza artificiale.
L'impatto sulle PMI italiane e il contesto nazionale
Per le piccole e medie imprese italiane, che costituiscono la maggior parte del tessuto economico, questa distinzione è fondamentale. L'Italia, con una crescita della produttività che non è stata eccezionale negli ultimi anni, diventa un caso di studio interessante per osservare come l'intelligenza artificiale influenzerà la produttività, i profitti e la struttura del lavoro. Le analisi più recenti, come quelle pubblicate dalla Banca d'Italia, forniscono dati concreti sul contesto nazionale. Il mercato italiano potrebbe avere dinamiche proprie, ma il trend generale è chiaro e va tenuto d'occhio strategici per il futuro.
Navigare la transizione: implicazioni operative per le imprese
Dimostrare l'integrazione dell'AI e la costruzione di dati proprietari
Per chiunque gestisca un'azienda, specialmente in vista di operazioni straordinarie come cessioni o aperture di capitale, è fondamentale capire che il valore di mercato oggi si misura in modo diverso. Non basta più parlare di quanto sia innovativo il proprio software; bisogna dimostrare concretamente come l'intelligenza artificiale sia già parte integrante dei processi aziendali. Questo significa mostrare quali set di dati unici sono stati raccolti e come i flussi di lavoro sono stati riorganizzati. L'obiettivo è spostare l'attenzione da ciò che è facilmente automatizzabile a ciò che richiede un giudizio umano, rendendo l'azienda più resistente ai cambiamenti tecnologici. La capacità di quantificare l'impatto dell'AI sui risultati economici diventa un fattore chiave per ottenere valutazioni migliori. Questo approccio è essenziale per chiunque voglia capire l'impatto della trasformazione digitale sulle strutture aziendali.
La finestra temporale per il posizionamento AI-native
C'è una finestra temporale limitata, stimata tra i 12 e i 24 mesi, durante la quale essere posizionati come un'azienda AI-native offre un vantaggio competitivo significativo. Superato questo periodo, l'integrazione dell'AI diventerà una condizione necessaria per operare, piuttosto che un elemento distintivo che fa aumentare il valore. Per gli imprenditori, pianificare strategicamente quando e come implementare queste tecnologie può diventare una leva di valore importante. Ignorare questa finestra temporale significa rischiare di vedere il valore della propria azienda sottovalutato rispetto ai concorrenti più agili. L'integrazione dell'AI sta infatti ridisegnando il panorama del software, con impatti diretti su come le aziende operano e gestiscono i propri asset software.
La disciplina valutativa e l'uso critico dei multipli
L'uso indiscriminato di multipli di valutazione aggregati, senza considerare il grado di integrazione dell'AI, il rischio di sostituzione o la qualità dei dati proprietari, può portare a stime errate. È necessario adottare una disciplina valutativa più rigorosa, segmentando il mercato e scegliendo con attenzione i comparabili. Non si tratta di abbandonare i metodi tradizionali, ma di integrarli con una riflessione profonda sulla difendibilità del modello di business nell'attuale contesto tecnologico. Chi accompagna le imprese in queste fasi deve essere in grado di rendere intellegibile questa nuova griglia di valore, aiutando gli imprenditori a costruire e misurare la resilienza del proprio business.
Il mercato del lavoro tecnologico si sta ridisegnando
La crescente domanda per figure altamente specializzate
Il panorama lavorativo nel settore tecnologico sta subendo una trasformazione notevole. Non si tratta più di una semplice espansione generalizzata, ma di una vera e propria riorganizzazione. Stiamo assistendo a un aumento significativo della richiesta di professionisti con competenze molto specifiche, soprattutto in ambiti legati all'intelligenza artificiale, alla sicurezza informatica e all'analisi avanzata dei dati. Questo trend indica che le aziende cercano attivamente talenti capaci di gestire e sviluppare tecnologie complesse, piuttosto che profili con una preparazione più generica. Il mercato italiano, pur con le sue specificità, segue questa tendenza globale, con un settore digitale che ha superato i 54 miliardi di euro nel 2023, mostrando una crescita costante.
La minore centralità dei profili junior generalisti
Di pari passo con l'ascesa delle figure specializzate, si osserva una diminuzione dell'importanza dei ruoli junior e generalisti. Le aziende tendono a investire meno in posizioni che richiedono competenze di base e più ampie, preferendo concentrarsi su professionisti in grado di apportare un valore aggiunto immediato e profondo. Questo non significa una contrazione assoluta delle opportunità per i neolaureati, ma piuttosto una ridefinizione delle aspettative e delle competenze richieste per accedere a ruoli di rilievo. La curva di rarità delle competenze si sta spostando, valorizzando l'esperienza e la specializzazione.
La ridefinizione della curva di rarità delle competenze
In sintesi, il mercato del lavoro tecnologico si sta polarizzando. Da un lato, c'è una forte domanda per esperti in AI, data science e cybersecurity, figure che diventano sempre più rare e, di conseguenza, più richieste. Dall'altro, i ruoli che possono essere facilmente automatizzati o che richiedono competenze meno specifiche vedono diminuire la propria centralità e potere negoziale. Le aziende che sapranno adattarsi a questa nuova realtà, investendo nella formazione continua e nell'acquisizione di talenti specializzati, saranno quelle meglio posizionate per affrontare le sfide future e cogliere le opportunità emergenti in un settore in rapida evoluzione.
Domande Frequenti
Cos'è la 'SaaSpocalypse' di cui si parla tanto?
Immagina che il mondo del software, quello che usiamo tutti i giorni per lavorare, abbia avuto un periodo un po' difficile. La 'SaaSpocalypse' è un termine inventato per descrivere un momento in cui le aziende che vendono questi programmi via internet (i SaaS) hanno visto il loro valore diminuire molto velocemente. È successo perché si è capito che l'intelligenza artificiale (AI) potrebbe rendere superati molti di questi programmi, trasformandoli da cose uniche e preziose in strumenti facili da copiare.
Perché l'intelligenza artificiale sta cambiando il mondo del software?
Pensa all'AI come a un assistente super intelligente. Prima, per fare certe cose con un computer, avevi bisogno di un programma speciale. Ora, l'AI è così brava che può imparare a fare quelle stesse cose, a volte anche meglio e più velocemente. Questo significa che i programmi che prima erano considerati 'speciali' e costosi, potrebbero diventare meno importanti perché l'AI può fare un lavoro simile, o addirittura integrarsi in altri strumenti in modo molto più semplice.
Cosa sono i 'servizi AI-enabled' e perché sono tornati di moda?
I 'servizi AI-enabled' sono lavori o attività che usano l'intelligenza artificiale per essere fatti meglio. Ad esempio, invece di pagare qualcuno per scrivere un testo, potresti usare un servizio che, grazie all'AI, scrive testi velocemente e bene. Questi servizi sono tornati interessanti perché, proprio come l'AI migliora il servizio, rendono l'azienda che lo offre più forte e difficile da battere. È come se l'AI desse una marcia in più a questi lavori.
Cosa significa che il mercato del lavoro tecnologico sta cambiando?
Significa che non tutte le figure professionali nel campo della tecnologia sono più richieste allo stesso modo. C'è molta più richiesta per persone super esperte, che sanno usare bene l'AI, gestire dati complessi o creare sistemi avanzati. Invece, i lavori più semplici o generici, che non richiedono competenze molto specifiche, potrebbero essere meno ricercati perché l'AI può svolgerli. È un po' come se il mercato cercasse sempre più 'specialisti' e meno 'tuttofare'.
Come possono le aziende prepararsi a questi cambiamenti?
Le aziende devono dimostrare di saper usare l'AI e di avere dati importanti che le rendono uniche. Non basta dire 'usiamo l'AI', bisogna far vedere come la si usa concretamente per migliorare i propri servizi e prodotti. Inoltre, è importante capire che c'è una finestra di tempo limitata, forse un anno o due, per posizionarsi come aziende 'nativi AI', cioè che nascono già con l'AI nel loro DNA. Chi non si muove in fretta rischia di rimanere indietro.
Cosa sono i 'dati proprietari' e perché sono così importanti ora?
I 'dati proprietari' sono tutte quelle informazioni uniche che un'azienda raccoglie e possiede, e che nessun altro ha. Pensa ai dati dei clienti di un negozio, o ai risultati di esperimenti di una casa farmaceutica. Questi dati sono diventati importantissimi perché l'AI impara e migliora grazie ai dati. Se un'azienda ha dati unici e sa usarli bene con l'AI, crea un vantaggio competitivo enorme, rendendo i suoi servizi più efficaci e difficili da copiare per i concorrenti.