Labor as a Service: la presunta morte del SaaS e cosa sta davvero succedendo

Il titolo che tutti fraintendono

Apri qualsiasi pubblicazione tecnologica nel 2026 e troverai un ritornello familiare: "Il SaaS è morto." I venture capitalist lo twittano. I founder pivotano per questo. Le keynote delle conferenze ruotano attorno a questo. La narrazione ha raggiunto la velocità di fuga; a questo punto sembra quasi un fatto consolidato.

Tranne che non è così.

Sostenere che il Software as a Service sia giunto al termine non è solo prematuro — fraintende ciò che sta accadendo nel settore. Non si tratta della morte di un modello di erogazione. È la nascita di una relazione del tutto nuova tra intelligenza e infrastruttura. Se interpretate male questo momento, prenderete decisioni che vi costeranno anni.

Ecco la verità, detta chiaramente: il SaaS non sta morendo. Sta per essere consumato su una scala che supera qualsiasi cosa nella storia della tecnologia enterprise. Ma i consumatori non saranno esseri umani seduti a una scrivania, a cliccare dashboard ed esportare file CSV. I consumatori saranno agenti AI autonomi — instancabili, paralleli, operativi 24 ore su 24 — che tratteranno le applicazioni SaaS allo stesso modo in cui i robot di fabbrica trattano le macchine utensili: come strumenti di produzione, impiegati a velocità sovrumana.

This shift has a name. We call it Labor as a Service — LAAS — e rappresenta la trasformazione più significativa nel modo in cui le aziende acquistano, distribuiscono e ricavano valore dalla tecnologia da quando Marc Benioff ha messo un CRM nel cloud.

"Le applicazioni aziendali come le conosciamo crolleranno nell'era degli agenti."

— Satya Nadella, CEO di Microsoft

Nadella non sbaglia sul crollo. Sta solo parlando del livello di interfaccia. Le applicazioni stesse — database, API, logica di business, motori di workflow — non stanno andando da nessuna parte. Si moltiplicheranno. A crollare è l’idea che un essere umano debba stare tra il problema aziendale e il software che lo risolve.

Prima dell'esistenza del SaaS: una storia che la maggior parte non conosce

Per capire perché Labor as a Service è l’evoluzione naturale dell’industria del software, bisogna tornare molto più indietro della fondazione di Salesforce nel 1999. L’impulso a offrire capacità di calcolo come servizio on-demand — anziché come prodotto da installare — è antico quanto l’informatica commerciale stessa.

L’era dei service bureau (anni Trenta–Sessanta)

L’albero decisionale era semplice anche allora. Se il volume di transazioni era abbastanza alto, compravi il mainframe. Altrimenti usavi un service bureau. Lo stesso calcolo — costruire versus comprare, possedere versus noleggiare — ha guidato ogni grande transizione di piattaforma da allora.

L’esperimento Application Service Provider (anni ’90)

Il modello ASP fallì per ragioni istruttive. La banda era insufficiente. La latenza era inaccettabile per applicazioni interattive. La sicurezza era dubbia. E soprattutto, molti ASP ospitavano solo lo stesso software monolitico on‑premise sui propri server — senza riprogettare nulla per multi‑tenant o consegna internet‑native. Volevano vendere un’esperienza cloud con tecnologia pre‑cloud.

Ma l’istinto era giusto. Il mercato voleva software as a service. Mancava solo l’infrastruttura per reggere l’ambizione.

La nascita del SaaS e la fine del software in scatola

L’intuizione centrale del SaaS iniziale era ingannevolmente semplice. Il software è sempre stato costoso da distribuire e mantenere. Eliminando il problema della distribuzione tramite browser e quello della manutenzione centralizzando gli aggiornamenti, si sblocca un modello di business con economia straordinaria: ricavi ricorrenti, minore attrito di acquisizione ed effetti di rete che si amplificano.

Ciò che Benioff intuì — e ciò che il mercato alla fine dimostrò — è che alla maggior parte delle aziende non importa il software. Importano i risultati. Il CRM è solo il meccanismo attraverso cui ottengono relazioni migliori con i clienti. Meno devono pensare al meccanismo, meglio è.

Registra quel punto: è la chiave di tutto ciò che segue.

L'età dell'oro: mille strumenti per ogni attività

Tra il 2008 e il 2024 il SaaS è passato da idea disruptiva al modello di consegna predefinito per quasi tutto il software aziendale. I numeri sono impressionanti.

Ogni funzione aziendale immaginabile ha avuto il proprio livello SaaS. Le relazioni con i clienti hanno avuto Salesforce e HubSpot. La gestione dei progetti ha avuto Asana, Monday.com, Jira e decine di altri. La comunicazione ha avuto Slack, Microsoft Teams e Zoom. La contabilità ha avuto Xero e QuickBooks Online. Il marketing ha avuto Mailchimp, Marketo e Klaviyo. Le risorse umane hanno avuto BambooHR, Workday e Rippling. Perfino funzioni di nicchia — gestione delle liste d’attesa nei ristoranti, prenotazioni odontoiatriche, dispatch HVAC — hanno avuto le proprie applicazioni SaaS dedicate.

L’esplosione del SaaS è stata un vero trionfo della specializzazione. Per la prima volta nella storia, un’azienda di cinque persone poteva accedere allo stesso livello di strumenti prima riservato al Fortune 500. La democratizzazione del software enterprise è stata uno degli sviluppi economici più consequenziali dell’inizio del XXI secolo.

Ma quest’età d’oro portava già in sé il seme di un altro problema.

Il problema di cui nessuno parla: la stanchezza da strumenti

Entro il 2024, la media mid-market girava tra 100 e 300 applicazioni SaaS. Le enterprise spesso oltre mille. Ogni app aveva login, interfaccia, logica, silo dati e curva di apprendimento propri.

La promessa del SaaS era la semplificazione. La realtà è diventata complessità su scala.

Considera com’è una tipica operazione di assistenza clienti nel 2026. Un agente deve controllare il CRM per la cronologia del cliente, consultare la knowledge base per i dettagli delle policy, aggiornare il sistema di ticketing con le note di risoluzione, verificare la piattaforma di fatturazione per lo stato dell’account, inviare un’email di follow-up tramite lo strumento di marketing automation e registrare l’interazione nella piattaforma di analytics. Sono sei applicazioni diverse, sei schede diverse, sei interfacce diverse — per una singola interazione con il cliente.

The software worked. Each individual tool did its job. But the umano Lavorare su tutti questi strumenti è diventato il collo di bottiglia. Cambio di contesto, copia-incolla di dati tra sistemi, ricordare quale strumento contiene quale informazione, navigare interfacce diverse con modelli mentali diversi — questo carico cognitivo consumava una quota enorme della giornata lavorativa.

Gli studi hanno iniziato a mostrare che i knowledge worker dedicavano solo il 40% del tempo al lavoro produttivo vero e proprio. Il resto andava nel carico operativo di gestire gli strumenti che avrebbero dovuto renderli produttivi.

Il settore ha tentato di risolvere il problema con piattaforme di integrazione — Zapier, Workato, MuleSoft —, che hanno aiutato ma hanno aggiunto un altro livello di complessità. Poi è arrivata la «strategia piattaforma», in cui i grandi vendor hanno cercato di consolidare tutto sotto un unico tetto. Ha aiutato per alcuni flussi di lavoro, ma non poteva coprire ogni caso d’uso.

Il vero problema era strutturale. Il SaaS è stato progettato assumendo che gli operatori fossero umani. Ogni dashboard, ogni pulsante, ogni interfaccia drag‑and‑drop è stata costruita per occhi e mani umane. E se l’operatore non fosse umano?

Entra in scena l'agente: il software che usa il software

L’emergere di agenti AI capaci nel 2024 e nel 2025 ha cambiato l’equazione fondamentale del software aziendale. Per la prima volta, è diventato possibile distribuire entità software autonome in grado di:

• Motivo about problems using natural language understanding
• Piano / Piano tariffario multi-step workflows without explicit programming
• Esegui actions through APIs, interfaces, and tool calls
• Scopri from interactions and improve over time
• Orchestrare across multiple systems simultaneously

Non era solo automazione. L’automazione esiste da decenni. La Robotic Process Automation (RPA) poteva cliccare pulsanti e compilare moduli. I motori di workflow potevano instradare documenti. I cron job potevano eseguire script a orari pianificati. Ma tutto questo richiedeva che un essere umano definisse in anticipo ogni passo, ogni ramo e ogni gestore di eccezioni.

Gli agenti IA sono fondamentalmente diversi perché motivo. Dato un obiettivo e accesso agli strumenti, possono capire come per portarlo a termine. Possono gestire situazioni inedite che non hanno mai incontrato. Possono adattarsi quando un approccio non funziona. Possono porre domande di chiarimento quando i requisiti sono ambigui.

E, aspetto cruciale, non hanno bisogno di un'interfaccia grafica. Interagiscono direttamente con API, database e dati strutturati — il meccanismo sotto la dashboard. Ciò che prima richiedeva a una persona di passare tra tre applicazioni copiando dati da una schermata all'altra, un agente lo completa in pochi secondi con chiamate API dirette verso tutti e tre i sistemi in parallelo.

"Le applicazioni sono essenzialmente sistemi CRUD su database. Hanno una logica di business. Quella logica di business migrerà nel livello IA."

— Satya Nadella sul futuro delle applicazioni aziendali

È il momento in cui la narrazione si capovolge. Le applicazioni SaaS sono state costruite come strumenti per le persone. Gli agenti IA trasformano quelle stesse applicazioni in strumenti per worker autonomi. La dashboard diventa superflua — non perché l’applicazione lo sia, ma perché chi opera non ha bisogno di un’interfaccia visiva. L’agente legge e scrive i dati direttamente.

Agenti oggi in produzione

Non è teoria. All’inizio del 2026, il panorama enterprise mostra già prove chiare del cambiamento:

• Experience Cloud di Adobe deploys AI agents that autonomously write, test, and optimize advertising copy across campaigns
• Workday uses agentic AI to prepare journal entries and process financial data without human data entry
• ServiceNow agents handle support ticket triage, categorization, and initial resolution autonomously
• Operazioni di assistenza clienti across industries are deploying AI agents that handle 40-60% of incoming inquiries without human intervention

Rapporto Camunda 2026 sull’agentic orchestration: l’81 % delle imprese interpellate la ritiene essenziale per l’autonomia; il 57 % ha già agenti IA in produzione.

Cos'è il Labor as a Service?

Labor as a Service — LAAS — è il modello di business che emerge quando gli agenti IA diventano i principali consumatori degli strumenti software.

Nel modello SaaS, acquisti l’accesso a uno strumento. Paghi per postazione, al mese, per il diritto di usare il software. L’estrazione di valore dipende interamente da quanto efficacemente il tuo team umano utilizza quello strumento. Un CRM è valido solo quanto i commerciali che lo aggiornano. Uno strumento di project management funziona solo se le persone lo usano davvero. Una piattaforma di analytics è inutile se nessuno legge le dashboard.

Nel modello LAAS, acquisti risultati. Non paghi per una postazione su una piattaforma di assistenza clienti. Paghi per richieste clienti risolte. Non paghi per una licenza di marketing automation. Paghi per lead qualificati generati. Non paghi per l’accesso a un sistema contabile. Paghi per riconciliazioni completate.

The shift is radical not because the software changes, but because the catena del valore cambiamenti. In SaaS, la responsabilità del vendor si ferma al software funzionante. Formazione, adozione, utilizzo e risultati sono problema del cliente. In LAAS, il vendor copre l’intera catena dallo strumento all’outcome. L’agente è il ponte tra capacità software e risultato di business.

L’architettura di LAAS

Un'offerta Labor as a Service si costruisce su tre livelli:

1. Il livello strumenti (SaaS) — Le applicazioni software sottostanti che memorizzano dati, eseguono la logica di business e forniscono API. Questa è l'infrastruttura SaaS esistente: CRM, ERP, piattaforme di comunicazione, database, motori analitici. Questo strato non scompare. Cresce.
2. Il livello agente (intelligenza) — Agenti IA autonomi che ragionano sui problemi di business, decidono entro confini di governance definiti ed eseguono azioni attraverso lo strato degli strumenti. È il nuovo livello intermedio che trasforma gli strumenti in lavoratori.
3. Il livello di governance (fiducia) — Regole, vincoli, audit trail e meccanismi di supervisione umana che assicurano che gli agenti operino entro confini approvati. Questo strato determina cosa un agente può e non può fare, quando deve essere escalato a un essere umano e come ogni azione viene registrata ed è verificabile.

Questa architettura a tre livelli è essenziale. Senza il livello strumenti, gli agenti non hanno nulla su cui lavorare. Senza il livello agenti, gli strumenti richiedono ancora gli esseri umani. Senza il livello di governance, gli agenti sono fuori controllo e inaffidabili.

Ogni implementazione seria del LAAS ha bisogno di tutti e tre.

Il colpo di scena: il SaaS non è morto

È qui che la narrativa dominante sbaglia in modo catastrofico.

Quando la gente dice «il SaaS è morto», immagina un mondo in cui il CRM sparisce, lo strumento di project management si dissolve e il software contabile svanisce. Vede agenti IA che operano nel vuoto, evocando risultati di business con pura intelligenza.

Non è affatto così che funziona.

Gli agenti IA hanno bisogno di strumenti. Hanno bisogno di database da cui leggere e su cui scrivere. Hanno bisogno di logica di business da eseguire. Hanno bisogno di protocolli di comunicazione con cui interfacciarsi. Hanno bisogno di modelli dati da comprendere. Ogni azione di un agente è, in sostanza, una chiamata API a un sistema software.

Gli agenti non sostituiscono il software. Gli agenti consumano software.

E lo consumano a un ritmo e volume che nessuna forza lavoro umana potrebbe avvicinare. Considera le implicazioni:

• Un operatore umano di customer service gestisce forse 40-60 interazioni al giorno. Un agente IA può gestirne migliaia in simultanea.
• Un umano effettua chiamate API tramite browser, una alla volta e con deliberazione. Un agente effettua chiamate API in modo programmatico, in parallelo, in millisecondi.
• Un umano lavora 8-10 ore al giorno, 5 giorni a settimana. Un agente lavora 168 ore a settimana, 52 settimane all'anno — senza pause, senza malattie, senza turnover.

Se sei un’azienda SaaS e il tuo prodotto è prezzato per chiamata API, per transazione o per volume di dati elaborati, l’era del LAAS è la cosa migliore che ti sia mai capitata. Le tue metriche di consumo stanno per impennarsi.

Se il tuo prezzo è per postazione — per utente umano — allora sì, hai un problema. Non perché il tuo software venga sostituito, ma perché il tuo modello di pricing non cattura il valore che viene creato. Il software è più utile che mai. Ma l’utente seduto in quella postazione non è più umano.

I numeri non mentono

La spesa globale per il SaaS si avvicina ai 300 miliardi di dollari nel 2025 e si prevede che acceleri, non che si contragga. Si prevede che la spesa per il software enterprise cresca di oltre il 15% nel 2026, con la maggior parte di questa crescita trainata dalle applicazioni abilitate all’AI. Il mercato SaaS B2B è sulla buona strada per raggiungere 1,58 trilioni di dollari entro il 2031.

Non sono numeri di un settore morente. Sono numeri di un settore potenziato da una nuova classe di consumatori che opera a velocità macchina.

L'economia del LAAS: dal prezzo per utente al prezzo per risultato

La trasformazione economica dal SaaS al LAAS tocca ogni aspetto di come si compra, vende e valuta la tecnologia.

Dimensione	Modello SaaS	Modello LAAS
Cosa acquisti	Accesso agli strumenti software	Risultati di business completati
Unità di conteggio (pricing unit)	Per postazione, al mese	Per esito, per risoluzione, per attività
Il valore dipende da	Competenza umana nell’uso dello strumento	Capacità dell'agente e qualità della governance
Scalare richiede	Assumere più persone, acquistare più seat	Aumenta la capacità lato agente
Tempo al valore	Settimane o mesi (formazione, adozione)	Da ore a giorni (deploy dell’agente)
Utilizzo	Varia in base al coinvolgimento dei dipendenti	Quasi 100% — gli agenti non procrastinano
Orari di apertura	Orari di lavoro (8-10 ore/giorno)	168 ore a settimana, 52 settimane all'anno
Coerenza qualitativa	Varia in base all'individuo	Governato, verificabile, coerente

Il modello di pricing per esito ha implicazioni profonde per acquirenti e venditori. Per gli acquirenti significa pagare solo per il valore ricevuto. Basta «software da scaffale»: licenze acquistate e mai usate. Basta «abbiamo preso il piano enterprise ma usiamo solo tre funzioni». Ogni euro speso corrisponde a un’unità misurabile di lavoro completato.

Per i venditori, questo significa un tipo diverso di relazione. Non siete più nel business degli strumenti. Siete nel business del lavoro. I vostri ricavi sono direttamente correlati al valore che fornite ai clienti, il che significa che i vostri incentivi sono perfettamente allineati con i loro. Questa è una dinamica più sana della tariffazione per posto, in cui il fornitore beneficia del numero di seat indipendentemente dal fatto che producano risultati.

La questione del margine

Gli scettici chiedono subito dei margini. Se consegni risultati anziché accesso al software, i tuoi costi non crescono con la erogazione? Sì — ma la curva dei costi dell’inferenza IA sta crollando più velocemente di quasi ogni costo tecnologico nella storia. I costi dei modelli sono calati di circa l’80 % solo nei primi due mesi del 2025. Man mano che l’inferenza diventa più economica, il margine sul prezzo per risultato migliora nettamente.

Il parallelo è l’infrastruttura cloud. Il pricing AWS per ora di calcolo sembrava rischioso rispetto alle licenze server perpetue. Ma con il calo dei costi infrastrutturali e l’aumento dell’uso, il modello a tariffazione a consumo si è rivelato nettamente superiore per fornitore e cliente.

Come si presenta il LAAS nella pratica

I framework astratti sono utili, ma la comprensione reale arriva vedendo LAAS in funzione. Vediamo tre scenari che illustrano il modello.

Scenario 1: customer service che non dorme mai

Un'azienda di servizi domestici — idraulica, HVAC, elettrico — riceve centinaia di richieste clienti a settimana. Nel modello SaaS acquisterebbe una piattaforma helpdesk (Zendesk, Freshdesk), un CRM (HubSpot, Salesforce), uno strumento di pianificazione (ServiceTitan) e una piattaforma di comunicazione (Twilio). Poi assumerebbe e formerebbe operatori customer service per lavorare su tutti e quattro i sistemi.

Nel modello LAAS, un agente AI opera tutti e quattro i sistemi in autonomia. Quando un cliente chiama alle 2 del mattino per un’emergenza di riscaldamento, l’agente smista la chiamata in base ai criteri di emergenza dell’azienda, controlla il sistema di pianificazione per i tecnici di reperibilità disponibili, consulta la cronologia del cliente nel CRM, invia il tecnico giusto, invia al cliente una conferma e registra tutto nell’helpdesk per la revisione della qualità.

L’azienda non paga quattro posti SaaS più uno stipendio umano. Paga per richiesta risolta. Gli strumenti SaaS restano in esecuzione — l’agente ne ha bisogno — ma il collo di bottiglia umano sparisce.

Scenario 2: marketing operations a velocità macchina

Un'azienda e-commerce mid-market deve gestire campagne marketing multicanale. Approccio tradizionale: assumere un team marketing, abbonarsi a una piattaforma email, uno scheduler social, una suite analytics, uno strumento A/B testing e un CMS. Poi dedicare mesi alla formazione del team, alla costruzione dei workflow e all'ottimizzazione delle performance.

Approccio LAAS: un agente assimila le linee guida del brand, il catalogo prodotti e i dati storici sulle performance dell’azienda. Poi crea autonomamente contenuti per le campagne, pianifica la distribuzione sui canali, monitora le metriche in tempo reale, regola targeting e messaggi in base ai risultati e genera report settimanali per revisione umana. Il direttore marketing passa da operatore a stratega: definisce obiettivi e valuta risultati invece di cliccare tra sei interfacce diverse.

Scenario 3: chiusura finanziaria che gira da sola

A fine mese, i team contabili in tutto il mondo celebrano il rituale della «chiusura»: riconciliazione conti, abbinamento transazioni, registrazioni, analisi scostamenti e report. È un processo intensamente manuale e multi-sistema che richiede in genere 5-10 giorni lavorativi.

In un’implementazione LAAS, gli agenti gestiscono il lavoro meccanico: estraggono le transazioni dall’ERP, le confrontano con i flussi bancari, preparano le scritture contabili standard, segnalano le anomalie per la revisione umana e generano bilanci preliminari. Un processo che impegnava un team di contabili per una settimana ora si completa in poche ore, con gli esseri umani che revisionano l’output invece di produrlo.

Il ruolo umano in un mondo LAAS

L’obiezione più comune al LAAS — e agli agenti di IA in generale — è esistenziale: «Cosa succede alle persone?»

È una domanda legittima e merita una risposta ponderata piuttosto che un techno-ottimismo liquidatorio.

In a LAAS world, human roles shift from operazione a supervisione, da esecuzione a governance, da facendo a decidendo. Non è un eufemismo per eliminazione. È una trasformazione reale nella natura del lavoro.

Considera come è cambiato il ruolo di un operaio durante la Rivoluzione industriale. Prima dell’automazione, una persona modellava personalmente ogni componente. Dopo l’automazione, gli esseri umani progettavano i processi, mantenevano le attrezzature, ispezionavano l’output e gestivano le eccezioni che le macchine non potevano affrontare. Il valore totale prodotto è aumentato enormemente e la natura del lavoro è diventata più complessa e più preziosa, non meno.

La stessa dinamica sta emergendo ora nel lavoro della conoscenza:

• Agenti del servizio clienti diventano strategisti dell’esperienza cliente che progettano policy di interazione, valutano le prestazioni dell’agente, gestiscono i casi escalation che richiedono empatia e giudizio, e affinano continuamente le regole di governance che vincolano il comportamento dell’IA.
• Coordinatori marketing diventano direttori marketing che definiscono la strategia di campagna, revisionano i contenuti generati dall’IA per allineamento al brand, analizzano le performance a livello più alto e prendono decisioni creative che richiedono contesto culturale e intuizione umana.
• Contabili diventano analisti finanziari che rivedono bilanci preparati dall’IA, indagano le anomalie, forniscono orientamento finanziario strategico e gestiscono decisioni che richiedono giudizio e comprensione del contesto aziendale oltre ciò che i numeri possono dire.

Il filo comune: gli esseri umani salgono nella catena del valore. Il lavoro ripetitivo, guidato dai processi e la navigazione tra più strumenti è gestito dagli agenti. Il lavoro strategico, che richiede giudizio, creatività ed empatia resta alle persone. Spesso il ruolo umano diventa più interessante, non meno.

L’imperativo della governance

C’è un nuovo ruolo umano che l’era LAAS crea dal nulla: governance dell'IA.

Quando gli agenti operano in autonomia, qualcuno deve definire i confini. Cosa può dire l’agente ai clienti? Quale potere sui prezzi ha? Quando deve escalare? Come ne verifichiamo le decisioni? A quali contenuti può fare riferimento? Cosa costituisce un’allucinazione rispetto a un’inferenza valida?

Queste questioni di governance sono in fondo questioni umane. Richiedono giudizio etico, competenza di dominio e responsabilità che non si possono delegare all’IA stessa. Ogni azienda che dispiega LAAS ha bisogno di persone che capiscano abbastanza tecnologia e business da impostare garanzie adeguate.

È uno dei motivi per cui abbiamo costruito Office 168/52 in questo modo. Bob, il nostro agente IA, è progettato da zero con la governance al centro. Ogni risposta è ancorata ai contenuti approvati dal cliente. Quando Bob non sa qualcosa, lo dice. Ogni interazione è registrata, verificabile e rivedibile. L’IA non opera nel vuoto — opera in un quadro di fiducia che gli esseri umani definiscono e mantengono.

Chi vince nell'era LAAS

Non tutte le aziende sono ugualmente posizionate per la transizione da SaaS a LAAS. Ecco come cambia il panorama competitivo:

Vincitori

• aziende SaaS API-first — Se il software è progettato per essere consumato in modo programmatico, gli agenti possono usarlo subito. Le aziende con API robuste e ben documentate diventano infrastruttura essenziale nello stack LAAS.
• Aziende AI orientate al risultato — Le aziende che vendono richieste risolte, lead qualificati o attività completate anziché licenze software operano già nel modello LAAS. Hanno un vantaggio su pricing, consegna e aspettative dei clienti.
• Piattaforme governance-first — La fiducia è la risorsa più scarsa nell'era degli agenti. Le piattaforme che dimostrano auditabilità, risposte fondate su prove e decisioni trasparenti conquisteranno un posizionamento premium.
• Specialisti verticali — Gli agenti che conoscono a fondo un settore — sanità, servizi domestici, legale, servizi finanziari — battono gli agenti generici perché la competenza di dominio si moltiplica. Più un agente capisce emergenze HVAC o la pianificazione degli appuntamenti dentistici, meglio serve quei clienti specifici.
• Piccole imprese — LAAS è il grande livellatore. Un’azienda di cinque persone può distribuire agenti IA che offrono lo stesso livello di assistenza clienti, esecuzione marketing ed efficienza operativa di un’azienda con 500 dipendenti. Il vantaggio di scala sul numero di persone svanisce.

Perdenti

• SaaS solo dashboard — Se il valore principale del prodotto è un’interfaccia gradevole per far vedere i dati alle persone e non offrite accesso API robusto, gli agenti non possono usarvi. Il software diventa uno strato di visualizzazione sopra dati che gli agenti leggono direttamente dalla fonte.
• Attriti sul pricing per postazione (seat). — Le aziende che insistono su prezzi per postazione umana vedranno i modelli di ricavo in tensione quando i clienti spostano gli operatori umani verso workflow basati su agenti. Il numero di postazioni calerà anche se l’uso aumenta.
• Società di staffing indifferenziate — Agenzie e società di staffing che forniscono lavoro umano generico a livello di processo per compiti che gli agenti possono gestire si troveranno in competizione diretta con provider LAAS che conseguono gli stessi risultati a costo inferiore e con maggiore coerenza.

La strada da percorrere: dal 2026 al 2030

Siamo nelle primissime fasi della trasformazione LAAS. In base alle traiettorie attuali e alle tendenze osservabili, ecco cosa probabilmente ci attendono nei prossimi quattro anni:

2026: l'anno del deployment degli agenti

Siamo qui. La tecnologia è dimostrata. Le prime aziende vedono risultati reali. Secondo ricerche G2, il 72% delle aziende usa o sta testando agenti IA. Il MIT's Harvard Data Science Review ha pubblicato risultati che mostrano aumenti di produttività da 2 a 10 volte quando i flussi di lavoro sono ripensati attorno agli agenti anziché limitarsi a sovrapporre l’IA ai processi umani esistenti.

Ma c’è un divario. La ricerca Camunda mostra un disallineamento del 73% tra visione di AI agentica e realtà. Molte organizzazioni sono ancora in pilota. I prossimi 12 mesi serviranno a passare dalla prova alla produzione.

L'84% dei leader aziendali prevede di aumentare quest'anno gli investimenti negli agenti IA. Il capitale si sta muovendo.

2027: la rivoluzione dei prezzi

Con la crescita dell’uso degli agenti, il pricing per posto sarà insostenibile. Le SaaS passeranno a modelli a consumo, a esito o ibridi che tengono conto di consumatori non umani. Chi si muove per primo nel 2026-2027 conquisterà quota sproporzionata rispetto ai ritardatari.

Vedremo anche emergere le «agent marketplaces» — piattaforme in cui le aziende possono abbonarsi ad agenti specializzati per funzioni specifiche, come oggi si abbonano agli strumenti SaaS. Ma invece di abbonarsi al software, si abboneranno alla capacità.

2028: l'ondata di integrazione

Con la proliferazione degli agenti, l’orchestrazione diventa fondamentale. I sistemi multi-agente—agenti specializzati per assistenza clienti, marketing, finanza e operazioni che collaborano e condividono contesto—saranno l’architettura enterprise standard. Ciò crea enorme domanda di integrazione, data governance e standard di comunicazione tra agenti.

Le aziende che risolvono l’orchestrazione multi-agente diventeranno la prossima generazione di fornitori di piattaforme enterprise.

2029 - 2030: LAAS come standard

Entro fine decennio, il LAAS sarà il modello predefinito per come PMI consumano servizi tecnologici. La domanda non sarà «Dovremmo usare agenti IA?» ma «quali agenti, governati da chi, su quale infrastruttura SaaS, con quali risultati?»

Le grandi imprese adotteranno modelli ibridi in cui specialisti umani lavorano accanto a team di agenti, con framework di governance che coprono entrambi. L’organigramma includerà agenti IA come membri riconosciuti dei team funzionali, con capacità, vincoli e metriche di performance definiti.

La spesa SaaS crescerà molto — gli agenti consumano più software degli umani —, ma i ricavi verranno dall’uso API, non dai seat. Il settore sarà più grande che mai, con una base clienti diversa: più macchine che persone.

Dove si colloca Office 168/52

Non ci siamo posti l'obiettivo di creare un'azienda Labor as a Service. Volevamo risolvere un problema specifico: le aziende di servizi perdevano clienti perché non riuscivano a offrire interazioni con livello esperto, 24 ore su 24.

Ma la soluzione che abbiamo costruito — Bob, agente IA che impara autonomamente il business, fonda ogni risposta nei contenuti approvati e opera con intelligenza governata e auditabile — è esattamente ciò che descrive il modello LAAS.

Quando distribuisci Bob sul tuo sito web, non stai acquistando una chatbot. Non ti abboni a un software e poi capisci come usarlo. Stai distribuendo un collega digitale che:

• Impara la tua attività dal primo giorno by analyzing your website, products, services, and policies
• Opera 168 ore a settimana, 52 settimane all’anno — that's where our name comes from
• Risposte solo dai contenuti approvati, rifiuta di speculare quando non ha evidenze
• Migliora continuamente from every customer interaction
• Costa una frazione of the human labor it augments

Bob usa gli strumenti SaaS sottostanti — comunicazione, dati, analytics —, ma non dovete toccarli. Ottenete il risultato: conversazioni esperte, lead acquisiti, domande risposte, emergenze instradate. È Labor as a Service.

E poiché la governance è integrata nell'architettura di Bob fin dalle fondamenta, ottieni qualcosa che la maggior parte delle soluzioni IA non può offrire: fiducia. Ogni risposta è basata su prove. Ogni interazione viene registrata. Quando Bob non sa qualcosa, dice "Non lo so" invece di inventare. In un'epoca in cui le allucinazioni dell'IA sono il principale ostacolo all'adozione enterprise, questa non è una funzionalità: è la base.

Il trucco, il nocciolo e la conclusione

Torniamo al titolo: "Labor as a Service: la morte del SaaS".

Ora conosci la verità: non è una morte. È una metamorfosi.

Il bruco non muore quando diventa farfalla. Si trasforma in qualcosa che opera su un piano del tutto diverso. SaaS — strumenti, API, infrastruttura dati — è il bruco. LAAS — la consegna di lavoro completato guidata dagli agenti, orientata ai risultati e protetta dalla governance — è la farfalla.

Gli strumenti non spariscono. Si moltiplicano. Il consumo di software sta per raggiungere livelli impensabili quando Benioff lanciò Salesforce da quell’appartamento nel 1999. Ma il consumo sarà guidato da agenti intelligenti a velocità macchina, non da umani che cliccano tra dashboard.

Le aziende che capiscono questo — che vedono il livello strumenti e il livello lavoro come complementari anziché in competizione — costruiranno le imprese che definiranno il prossimo decennio.

Le aziende che prendono alla lettera «il SaaS è morto» e abbandonano il livello strumenti si ritroveranno senza l’infrastruttura di cui gli agenti hanno bisogno per operare.

E le aziende che ignorano completamente la rivoluzione degli agenti, restando ancorate all'idea che il software sia qualcosa che gli umani usano con mani e occhi, saranno superate da concorrenti la cui forza lavoro IA non dorme mai, non commette mai due volte lo stesso errore e opera lo stack software con una precisione che nessun team umano può eguagliare.

Benvenuti nell'era del lavoro come servizio (Labor as a Service). Il software non è morto. Sta solo ottenendo il suo primo operatore instancabile.