Agenti AI e SaaS: cosa cambia per chi paga abbonamenti

In breve: un agente AI è un software che, collegato ai tuoi sistemi tramite API, decide da solo quali passaggi eseguire per completare un compito. Non sostituisce CRM, ERP o piattaforma e-commerce, che restano gli archivi dei dati, ma può rendere superflui i tool che servono solo a consultare, spostare o ricopiare quei dati.

Punti chiave

Il sell-off del software di inizio 2026 ha colpito anche i grandi nomi, ma nel lungo periodo rischiano soprattutto i SaaS facili da replicare, non le piattaforme che custodiscono dati e processi.
Gli agenti lavorano sopra i sistemi esistenti: senza API aperte e dati ordinati non producono valore.
Il prezzo del software si sta spostando dalla licenza per utente al pagamento per conversazione, azione o risultato.
Sostituire un abbonamento conviene solo quando il compito è ripetitivo, misurabile e con errori facili da correggere.
Per le PMI il primo passo spesso non è l'agente, ma avere dati ordinati in un gestionale o in un CRM su cui l'agente possa lavorare.

Tra la fine di gennaio e l'inizio di febbraio 2026 l'indice S&P 500 dei software e servizi ha perso circa mille miliardi di dollari di capitalizzazione. Secondo la ricostruzione di Information Age, la testata dell'Australian Computer Society, la scintilla è stata la presentazione di plugin settoriali (finanza, legale, marketing, analisi dati) per Claude Cowork, l'agente di Anthropic. Al 10 febbraio l'indice risultava sotto di circa il 25% rispetto al picco di ottobre 2025. Qualcuno l'ha chiamata "SaaSpocalypse": se un agente usa i software al posto delle persone, potrebbero servire meno licenze per utente.

Per chi compra software la domanda è più concreta: quali abbonamenti posso ridurre, quali devo tenere e dove un agente collegato ai miei dati lavora meglio di un tool in più? Secondo Istat, nel 2025 il 16,4% delle imprese con almeno 10 addetti usa almeno una tecnologia di intelligenza artificiale, il doppio del 2024, e il 68,1% acquista servizi cloud di livello intermedio o avanzato.

Che cos'è un agente AI e in cosa è diverso da un SaaS?

Un SaaS ti dà uno strumento da usare; un agente AI usa gli strumenti al posto tuo, entro i limiti che gli assegni.

Un SaaS (software as a service) è un'applicazione che usi via browser pagando un abbonamento, di solito per utente o per volume: Shopify, HubSpot, un helpdesk, un gestionale in cloud.

Un agente AI è un sistema in cui un modello linguistico decide in autonomia quali passaggi eseguire e quali strumenti chiamare per raggiungere un obiettivo. Nella sua guida Building effective agents, Anthropic distingue i workflow, dove modello e strumenti seguono percorsi definiti nel codice, dagli agenti, dove è il modello a dirigere il processo. La stessa guida consiglia di partire dalla soluzione più semplice: spesso un workflow basta.

Per collegare un agente ai sistemi aziendali servono connettori. Il Model Context Protocol (MCP) è uno standard open source che permette alle applicazioni AI di accedere a database, file e strumenti esterni in modo uniforme; la documentazione ufficiale lo paragona a una porta USB-C per l'AI. In pratica lo stesso agente può leggere un ordine dalla piattaforma e-commerce, aggiornare un contatto nel CRM e scrivere al cliente, se ha i permessi per farlo.

Una distinzione torna utile in tutto l'articolo. Il sistema di registrazione (system of record) è il software in cui vivono i dati ufficiali: ERP, CRM, piattaforma e-commerce. Lo strato di interfaccia è tutto ciò che serve a leggere, spostare o presentare quei dati. Gli agenti mettono sotto pressione il secondo, molto meno il primo.

Un equivoco frequente è che un agente «impari da solo» con l'uso. In un progetto aziendale memoria e miglioramenti si progettano: lo storico delle richieste va salvato in un database, gli errori si correggono aggiornando istruzioni, esempi e regole, e ogni modifica si verifica sui log prima di estenderla. Senza questo lavoro i miglioramenti non arrivano da soli.

Gli agenti AI stanno uccidendo il SaaS?

No, ma stanno cambiando quale SaaS vale la pena pagare. I software che custodiscono dati e processi critici restano; quelli che offrono una sola funzione sopra i dati di altri diventano facili da sostituire.

È anche la lettura di Omdia riportata da Information Age: l'analista prevede una correzione di lungo periodo per i SaaS costruiti attorno a singole funzioni o facili da replicare, mentre le piattaforme di qualità con integrazioni profonde possono perfino trarre vantaggio dall'AI. Il rischio, in altre parole, non è la fine del software, ma la fine del software che non possiede né i dati né il processo.

Le voci più radicali non mancano. Nel dicembre 2024 il CEO di Microsoft, Satya Nadella, ha descritto le applicazioni aziendali come database con sopra una logica di business destinata a spostarsi negli agenti; nello stesso podcast, ricostruito da Computerworld, ha però aggiunto che gli agenti affiancheranno le applicazioni più che eliminarle. Più di recente il CEO di Vercel, Guillermo Rauch, ha scritto che quasi tutte le app SaaS usate internamente erano state sostituite da applicazioni generate o da interfacce ad agenti. Nordic APIs, che riporta il caso, ricorda però che chi paga un SaaS non compra solo un'interfaccia: compra comodità, sicurezza, facilità d'uso, livelli di servizio garantiti (SLA), manutenzione e assistenza. Sono esattamente le voci che un'alternativa costruita in casa deve coprire.

Lo stesso discorso vale per i micro SaaS, piccoli software verticali venduti in abbonamento per risolvere un solo problema: generare descrizioni prodotto, tradurre schede, sincronizzare due app. Oggi molte di queste funzioni si ottengono con un modello linguistico e un'automazione costruita su misura. Resiste il micro SaaS che ha dati proprietari, un'integrazione difficile da rifare o una responsabilità normativa che l'azienda non vuole portarsi in casa.

Per un'azienda il punto non è scommettere sul titolo in Borsa di un fornitore, ma capire quanta parte della spesa software paga funzioni che un agente può svolgere sopra i sistemi che già possiede. Il valore, come spiego parlando di AI in azienda e contesto operativo, sta nei dati e nei processi, non nel modello.

Quale impatto hanno gli agenti AI sull'industria del software?

Tre effetti sono già visibili: cambiano il prezzo, l'utente e il valore delle integrazioni.

Il prezzo passa dall'utente al consumo o al risultato

Il modello per utente funziona finché a usare il software sono persone. Quando il lavoro lo fa un agente, i fornitori fanno pagare l'attività. Il listino pubblico di Salesforce Agentforce prevede, accanto alle licenze per utente, un prezzo per conversazione (2 dollari) e crediti a consumo per singola azione. Intercom affianca alla licenza per operatore del suo helpdesk l'agente Fin a 0,99 dollari per "outcome", cioè per richiesta risolta, e non addebita nulla se il cliente chiede di parlare con una persona.

L'utente diventa un agente

Se a usare il software è un agente, contano meno le schermate e più API, permessi e log. I fornitori con API chiuse diventano un ostacolo.

Le integrazioni valgono più dei singoli tool

Il vantaggio si sposta su chi collega i sistemi e governa il flusso tra un modello, un CRM e un gestionale. È il tema delle intelligenze da orchestrare: più strumenti AI ci sono, più serve qualcuno che decida chi fa cosa e con quali dati.

Per chi compra, i costi diventano più variabili: un canone si mette a budget, un costo per conversazione segue volumi e stagionalità.

Dal Software as a Service al «Service as a Software»

In un'analisi pubblicata su Agenda Digitale, Mauro Colopi, partner di Bain & Company, descrive il passaggio dal Software as a Service al «Service as a Software»: il valore non sta più nell'aiutare una persona a usare dati e processi, ma nel lavoro svolto direttamente dal software. All'AI vanno i compiti ripetitivi, regolati e prevedibili; alle persone restano quelli strategici e decisionali.

Lo stesso articolo distingue tre livelli, utili anche a chi compra:

Sistemi di record: le fonti di verità che custodiscono i dati, regolano gli accessi e garantiscono la conformità.
Sistemi che orchestrano gli agenti: decidono cosa fare, in che ordine e con quali strumenti, e tengono traccia del contesto.
Interfacce di risultato: gli strumenti con cui l'utente chiede, riceve aggiornamenti e controlla l'esito.

Gli esempi dell'articolo aiutano a capire dove passa il confine. Gestire una lista marketing, classificare un ticket o preparare una risposta standard a un'email sono attività che un agente può riprodurre. Sistemi come la contabilità di commessa in settori complessi, per esempio edilizia o farmaceutica, hanno regole intricate e responsabilità alte: lì l'AI potenzia il software ma difficilmente lo sostituisce.

Quando un agente AI può sostituire un abbonamento software?

Quando il tool svolge un compito ripetitivo, con regole chiare, su dati che stanno già in un altro sistema, e un errore costa poco o si corregge facilmente. Negli altri casi l'agente affianca il software, non lo sostituisce.

Tipo di software	Esempio di compito	Cosa fare	Perché
ERP, CRM, piattaforma e-commerce	Ordini, anagrafiche, fatture, magazzino	Tenere	Sono il sistema di registrazione: l'agente ci lavora sopra via API
Helpdesk e chat di primo livello	Stato ordine, resi, domande sul prodotto	Affiancare, poi ridurre le licenze	L'agente risolve le richieste ripetitive, le persone gestiscono le eccezioni
Reportistica semplice	Riepilogo settimanale di vendite e campagne	Valutare la sostituzione	Un agente interroga i dati e scrive il riepilogo; i numeri ufficiali restano nel cruscotto
Micro SaaS per contenuti	Descrizioni prodotto, traduzioni, meta tag	Sostituire con un flusso su misura	Il compito è standard e il risultato si controlla a campione
Tool "ponte" tra app e data entry	Lead dal form al CRM, ordini B2B da email al gestionale	Sostituire con automazione e agente	È lo strato di interfaccia più esposto
Software regolati	Paghe, contabilità, adempimenti	Tenere	Responsabilità legale, aggiornamenti normativi, rischio alto

E se il tool che ti serve non ha API? Esistono agenti che usano il browser come farebbe una persona, cliccando e compilando moduli: ne parlo nell'articolo sull'automazione del browser con l'IA. Sono più lenti e fragili di un collegamento via API, perché basta un cambio di schermata per fermarli: li userei come soluzione ponte, non come architettura definitiva.

Quanto costa un agente AI rispetto a un abbonamento SaaS?

Un agente non è gratis solo perché non ha un canone: costa in modo diverso. Va confrontato con il costo totale del tool che sostituisce, ore di lavoro comprese, non con il prezzo della licenza.

Voce	Abbonamento SaaS	Agente AI su misura
Avvio	Basso: configurazione e formazione	Progettazione, integrazioni, test, formazione di chi supervisiona
Costo ricorrente	Canone fisso per utente o per volume	Consumo del modello, hosting dell'automazione, eventuali licenze della piattaforma
Manutenzione	A carico del fornitore	A carico tuo o di chi lo costruisce: istruzioni, connettori, cambi delle API
Supervisione	Minima	Controlli a campione, gestione delle eccezioni, lettura dei log
Prevedibilità	Alta	Media: segue i volumi
Uscita	Dipende dall'esportazione dei dati	Dipende da quanto il flusso è documentato e portabile

Il conto da fare è semplice da scrivere: licenze che puoi togliere più ore di lavoro risparmiate, meno costo di costruzione ripartito sui mesi, consumo mensile e ore di supervisione. In uno scenario ipotetico, un e-commerce in cui metà dei ticket riguarda stato dell'ordine e resi può lavorare con meno licenze dell'helpdesk; se i ticket sono pochi e tutti diversi, l'agente costa più di quanto fa risparmiare. Per misurarlo servono indicatori decisi prima, come spiego nell'articolo sui KPI per misurare il valore dell'AI.

Meglio l'agente incluso nel tuo SaaS o uno costruito su misura?

Dipende da quanti sistemi deve toccare il compito. Se il lavoro avviene tutto dentro un software, l'agente del fornitore è di solito la strada più rapida; se il flusso attraversa e-commerce, CRM, gestionale ed email, serve uno strato di orchestrazione che controlli tu.

I grandi fornitori si stanno muovendo in questa direzione: secondo Computerworld, Salesforce e ServiceNow stanno costruendo piattaforme no-code per creare agenti AI che automatizzano parti dei flussi di lavoro. Il listino di Agentforce e l'agente Fin di Intercom, citati sopra, sono esempi di agenti venduti dal fornitore del software.

Opzione	Quando ha senso	A cosa fare attenzione
Agente incluso nel SaaS che già usi	Il compito vive in un solo sistema (helpdesk, CRM) e il fornitore ha già i tuoi dati	Prezzo a consumo, dipendenza dal fornitore, poca visibilità su ciò che succede fuori da quel software
Workflow o agente su misura sopra le API	Il flusso attraversa più sistemi o richiede regole specifiche dell'azienda	Manutenzione dei connettori, documentazione, un responsabile interno
Nessun agente	Volumi bassi, richieste tutte diverse, errori costosi	Rivalutare quando cambiano volumi o processi

Le domande da fare al fornitore

Azioni: quali operazioni esegue l'agente, su quali sistemi, e quali richiedono un'approvazione?
Integrazioni: quali API o connettori sono disponibili, anche verso software di altri fornitori?
Permessi: si possono separare lettura e scrittura e limitare l'accesso per tipo di dato?
Log: ogni azione è registrata, consultabile ed esportabile?
Prezzo: si paga per utente, per conversazione o per risultato? Si possono impostare tetti di spesa?
Dati: dove vengono trattati, c'è un accordo sul trattamento (DPA) e i tuoi dati vengono usati per addestrare modelli?
Uscita: se cambi fornitore, puoi portare via istruzioni, dati e storico?

Esempi concreti per e-commerce e aziende B2B

Gli agenti rendono di più dove qualcuno copia dati tra schermate o risponde sempre alle stesse domande.

E-commerce

Assistenza post-vendita: l'agente legge lo stato dell'ordine dalla piattaforma e dal corriere, risponde al cliente, apre il reso secondo la policy e passa a una persona i casi fuori regola.
Catalogo: schede prodotto, traduzioni e attributi generati dai dati del fornitore, con revisione prima della pubblicazione. Sulle traduzioni vedi anche la panoramica dei software di traduzione AI.

Aziende B2B

Qualifica dei lead: la richiesta dal sito arriva a un agente che arricchisce i dati dell'azienda con informazioni pubbliche, assegna una priorità e crea il contatto nel CRM con una nota per il commerciale.
Supporto al commerciale: prima di una chiamata l'agente riassume dal CRM storico ordini, ticket aperti e ultime email e propone il passo successivo; la decisione resta al commerciale.
Preventivi: le richieste via email diventano una bozza di offerta con listino e condizioni presi dall'ERP; il commerciale controlla e invia.
Account based marketing: ricerca sugli account target e bozze di messaggi personalizzati, da rivedere prima dell'invio. Ne parlo nella guida all'account based marketing.
Logistica: l'agente legge le email di corrieri e clienti, aggiorna lo stato delle spedizioni nel gestionale e avvisa il cliente solo quando c'è un ritardo. Sul tema vedi la digitalizzazione della logistica nelle PMI.

In tutti questi casi CRM, ERP e piattaforma restano dove sono. Sparisce il lavoro di copia e incolla e, a volte, il tool che serviva solo a farlo. Flussi così si costruiscono con strumenti come n8n o Make per l'orchestrazione, un modello di OpenAI per la parte di ragionamento e un database come Supabase per log e memoria: è lo stack con cui progetto le automazioni aziendali.

Quali rischi ci sono a mettere un agente al posto di un software?

I rischi principali sono errori, accessi troppo ampi ai dati e costi fuori controllo. Si gestiscono con permessi minimi, approvazioni umane e limiti di spesa, dentro una governance dell'AI chiara.

Errori: un modello può sbagliare con tono convinto. Le azioni con impatto economico, come rimborsi, sconti od ordini ai fornitori, vanno approvate da una persona.
Dati e privacy: l'agente legge dati di clienti e fornitori. Serve una base giuridica GDPR, un accordo sul trattamento con ogni fornitore coinvolto e l'accesso solo ai dati necessari.
Sicurezza: un testo malevolo dentro un'email o una pagina web può spingere l'agente a fare azioni non previste (prompt injection). Separa i permessi di lettura da quelli di scrittura.
Costi variabili: con il prezzo a consumo un picco di richieste diventa un picco in fattura. Imposta tetti di spesa e avvisi.
Dipendenza dal fornitore: tieni istruzioni e log in sistemi tuoi.
Normativa: secondo la Commissione europea, l'AI Act è in vigore dal 1° agosto 2024 ed è applicabile dal 2 agosto 2026; per i sistemi ad alto rischio in aree come la selezione del personale le regole si applicano dal 2 dicembre 2027. Per i chatbot vale l'obbligo di trasparenza: l'utente deve sapere che parla con una macchina.

Le PMI possono approfittarne o è una partita per grandi aziende?

Le PMI possono approfittarne, ma partono da più lontano. Secondo Istat, nel 2025 usa almeno una tecnologia di intelligenza artificiale il 15,7% delle PMI (era il 7,7% nel 2024) contro il 53,1% delle grandi imprese, e il divario è salito a 37 punti percentuali. Lo stesso rapporto rileva che usa un ERP il 48,8% delle PMI contro l'85,9% delle grandi imprese, e un CRM il 21,1% contro il 56,5%.

Per il tema di questo articolo è il dato che conta: un agente lavora sopra un sistema di registrazione. Se clienti, ordini e preventivi stanno in fogli di calcolo e caselle email, il primo investimento è ordinare quei dati in un gestionale o in un CRM, non comprare un agente.

Istat indica anche che la mancanza di competenze frena l'adozione dell'AI in quasi il 60% delle imprese che avevano valutato un investimento senza poi farlo, e che gli ambiti in cui l'AI è più usata sono marketing e vendite (33,1%) e organizzazione dei processi amministrativi (25,7%). Per una PMI significa tre cose pratiche:

partire da un processo di vendita o amministrativo, dove gli esempi e gli strumenti sono più maturi;
nominare una persona interna responsabile del flusso, anche se a costruirlo è un partner esterno;
verificare se esistono contributi per l'adozione dell'AI: ne parlo nell'articolo sulla finanza agevolata per l'intelligenza artificiale.

Sul quadro più ampio vedi anche il futuro dell'IA nelle piccole imprese.

E se sei tu a vendere software in abbonamento?

Per chi produce un gestionale, una piattaforma verticale o un servizio SaaS per altre aziende, gli agenti sono insieme un rischio e un'occasione per far evolvere l'offerta. Nordic APIs sostiene che API solide diventano lo strato di esecuzione degli agenti e che i fornitori con API ben progettate saranno avvantaggiati. L'analisi su Agenda Digitale aggiunge che l'AI deve diventare parte del prodotto e non un accessorio, e che i prezzi legati al numero di utenti perdono senso quando a lavorare è una macchina.

In pratica, le domande da porsi sono:

quali funzioni del prodotto un agente del cliente può già svolgere da solo, e quali richiedono i tuoi dati o la tua competenza;
se le tue API permettono a un agente esterno di leggere, scrivere e rispettare i permessi senza passare dall'interfaccia;
se il listino può includere una componente a consumo o a risultato accanto alle licenze;
quale funzione semplice e ripetitiva automatizzare per prima, per provare il modello sui clienti attuali.

Ne parlo più in generale nell'articolo su come l'AI cambia i modelli di business del software.

Come applicarlo nella tua azienda: i primi passi

Fai l'inventario degli abbonamenti. Per ogni tool annota costo annuo, utenti attivi, dati che contiene e se offre API.
Classifica ogni tool con la tabella di questo articolo: sistema di registrazione da tenere, strumento da affiancare, compito sostituibile.
Scegli un solo processo pilota, ripetitivo e misurabile, come le risposte sullo stato degli ordini o la qualifica dei lead, e fissa 2-3 indicatori di partenza: tempo di risposta, ore a settimana, tasso di errore.
Costruisci prima un workflow, poi un agente solo dove serve. Regole fisse dove possibile, decisione del modello dove le richieste cambiano, approvazione umana per le azioni con impatto economico.
Dopo 60-90 giorni confronta gli indicatori e decidi se ridurre le licenze, estendere il progetto ad altri processi o fermarti. Per allargare il perimetro serve una mappa dei processi: ne parlo in automazione dei processi aziendali.

Errori da evitare

Disdire il software prima della prova: tieni i due sistemi in parallelo finché l'agente non ha dimostrato i risultati sui tuoi dati.
Comprare chatbot rinominati "agenti": chiedi al fornitore quali azioni esegue, su quali sistemi e con quali log.
Dare permessi di scrittura ovunque: l'agente deve poter modificare solo ciò che serve al suo compito.
Confrontare l'agente con il solo canone: nel conto vanno manutenzione, supervisione e consumo.
Partire senza un responsabile interno: qualcuno deve leggere i log, gestire le eccezioni e decidere quando cambiare le istruzioni.
Collegare un agente a dati in disordine: se anagrafiche e listini sono incoerenti, l'agente moltiplica gli errori invece di ridurli.

Domande frequenti (FAQ)

Gli agenti AI sostituiranno completamente il SaaS?

No. I software che custodiscono i dati ufficiali, come ERP, CRM e piattaforme e-commerce, restano necessari perché l'agente lavora sopra di loro tramite API. A perdere terreno sono i tool che fanno solo da interfaccia o da ponte tra un sistema e l'altro.

Quali abbonamenti software si possono sostituire con un agente AI?

Di solito quelli che svolgono un compito ripetitivo con regole chiare su dati che stanno già altrove: data entry tra app, report semplici, generazione di descrizioni prodotto o traduzioni, risposte di primo livello. Paghe, contabilità e software regolati vanno tenuti.

Quanto costa implementare un agente AI in azienda?

Dipende dal numero di sistemi da collegare e dai volumi. Le voci sono la progettazione e le integrazioni iniziali, il consumo del modello linguistico, l'hosting dell'automazione, la manutenzione e il tempo di supervisione. Il confronto va fatto con il costo totale del tool che sostituisci.

Un agente AI può lavorare con Shopify, WooCommerce o il mio CRM?

Sì, se il software espone API o connettori e se all'agente si danno permessi limitati al compito. Standard come il Model Context Protocol rendono questi collegamenti più uniformi. Un tool senza API è il primo candidato alla sostituzione.

Che differenza c'è tra un'automazione e un agente AI?

Un'automazione, o workflow, esegue sempre gli stessi passaggi definiti in anticipo, per esempio con n8n o Make. Un agente decide da solo quali passaggi fare e quali strumenti usare in base alla richiesta. Per i compiti ben definiti il workflow è più prevedibile ed economico.

Gli agenti AI sono compatibili con GDPR e AI Act?

Possono esserlo, se tratti i dati con una base giuridica, scegli fornitori con accordi sul trattamento e limiti l'accesso al minimo indispensabile. L'AI Act chiede trasparenza: chi parla con un chatbot deve sapere che interagisce con una macchina. Un agente di assistenza clienti in genere non è ad alto rischio; uno usato nella selezione del personale sì.

Un agente AI conviene anche a una piccola o media impresa?

Sì, se c'è un processo ripetitivo con volumi sufficienti e i dati stanno già in un gestionale o in un CRM. Secondo Istat nel 2025 usa l'AI il 15,7% delle PMI, contro il 53,1% delle grandi imprese: conviene partire da un solo processo pilota, misurato, con un responsabile interno.

Fonti

Se vuoi capire quali abbonamenti del tuo stack possono lavorare meglio con un agente e quali conviene lasciare dove sono, parti da una diagnosi gratuita.