A narrativa de que “a IA vai matar o SaaS” me parece simplista demais. O que os movimentos reais da indústria começam a mostrar é algo muito mais complexo. O SaaS provavelmente não desaparece, mas o modelo clássico de monetização está entrando numa transformação profunda.

Durante anos, o padrão dominante foi relativamente simples: cobrar por usuário. O famoso “seat-based pricing” fazia sentido em um mundo em que software era essencialmente uma ferramenta operada diretamente por humanos. Quanto mais pessoas usando o sistema, maior o valor entregue e maior a receita do fornecedor.

A IA começa a tensionar exatamente essa lógica. Se um agente permite que uma pessoa execute o trabalho que antes exigia cinco, o software passa a enfrentar um paradoxo econômico: quanto mais eficiente ele se torna, menos licenças o cliente talvez precise comprar.

Não por acaso, cresce a percepção de que cobrar apenas por assento já não reflete necessariamente o valor efetivamente gerado. Mas isso não significa o fim do SaaS.

O que parece emergir é um ambiente muito mais híbrido e fragmentado.

Em vez de um único padrão de monetização, começam a coexistir múltiplos modelos como assinatura fixa, cobrança por uso, créditos de IA, consumo computacional, cobrança por workflow executado, por automação realizada e até por resultado entregue.

E isso acontece porque diferentes categorias de software possuem naturezas econômicas muito distintas.

Sistemas de registro, como ERP, CRM, RH, financeiro, provavelmente continuarão mantendo forte componente de assinatura previsível. Empresas precisam de orçamento estável, contratos claros, compliance, governança e previsibilidade operacional.

O CFO não quer descobrir no fim do mês que uma explosão de uso de agentes autônomos dobrou inesperadamente a conta.

Já sistemas fortemente orientados a automação tendem a migrar para outra lógica com cobrança por tickets resolvidos, contratos analisados, campanhas geradas, workflows concluídos, leads processados ou transações executadas.

Na teoria parece fácil. Na prática, é muito mais complicado.

Modelos baseados em resultado enfrentam enormes problemas de atribuição. Por exemplo, como medir exatamente o impacto da IA? Quem define se o resultado veio do sistema? Como lidar com qualidade variável? Como calcular risco jurídico? Como evitar disputas sobre métricas?

Além disso, existe um fator que muita gente subestima: empresas gostam de previsibilidade. Compradores corporativos frequentemente preferem modelos parcialmente fixos porque precisam controlar orçamento e reduzir incerteza financeira.

Por isso, o cenário mais provável talvez não seja o fim do SaaS tradicional, mas a criação de uma pilha híbrida de monetização com uma combinação de assinatura base com componentes variáveis ligados a consumo, automação, performance e uso de IA.

E existe outra transformação importante acontecendo ao mesmo tempo.

A IA reduz parte do custo marginal de desenvolvimento de software, mas aumenta significativamente a complexidade operacional do negócio. Inferência, GPUs, roteamento de modelos, monitoramento, telemetria, auditoria, governança e controle de custos criam uma estrutura econômica cada vez mais próxima de utilities e telecom do que do SaaS clássico de margens extremamente altas.

Isso provavelmente criará três grandes grupos de empresas. O primeiro será o SaaS tradicional com IA embutida. O segundo, as plataformas AI-native cuja economia depende diretamente de processamento computacional e automação intensiva. E o terceiro talvez seja o mais interessante: empresas que praticamente deixam de vender software e passam a vender resultados operacionais. Algo próximo de “Outcome-as-a-Service”.

Durante décadas, a indústria tentou transformar serviços humanos em software padronizado. Agora, a IA talvez esteja fazendo o software voltar a se parecer com serviços, só que executados parcialmente por agentes autônomos.

*Cezar Taurion é advisor de IA com mais de 4 décadas de experiência no mercado de TI. Investidor e mentor de startups de IA e membro do conselho de inovação de diversas empresas e associações. Foi Diretor de Novas Tecnologias Aplicadas e Chief Evangelist da IBM Brasil, sócio-diretor e líder da prática de IT Strategy da PwC, além de passar por Shell e Chase Manhattan Bank. Escreve sobre TI em publicações especializadas e apresenta palestras em eventos e conferências. É autor de 14 livros e e-books. Membro notável do I2AI. Professor convidado da FDC, da PUC-RJ e PUC-RS, nas cadeiras de MBA “IA aplicada aos negócios” e “Transformação Digital”. Publisher da Intelligent Automation Magazine. Top Voice Linkedin.