Labor as a Service: rzekoma śmierć SaaS i co naprawdę się dzieje

Nagłówek, który wszyscy źle interpretują

Otwórz dowolną publikację technologiczną w 2026 roku, a znajdziesz znajomy refren: "SaaS umarł." Venture capitalists tweetują o tym. Założyciele pivotują przez to. Keynote'y konferencyjne są zbudowane wokół tego. Narracja osiągnęła prędkość ucieczki — niemal jak ugruntowany fakt.

Tyle że tak nie jest.

Stwierdzenie, że oprogramowanie jako usługa dotarło do końca, jest nie tylko przedwczesne — fundamentalnie myli to, co naprawdę dzieje się w branży. To nie śmierć modelu dostarczania. To narodziny zupełnie nowej relacji między inteligencją a infrastrukturą. Jeśli źle odczytasz ten moment, podejmiesz decyzje kosztujące cię latami.

Oto prawda, powiedziana wprost: SaaS nie umiera. Za chwilę będzie konsumowany na skalę przyćmiewającą wszystko w historii technologii przedsiębiorstw. Ale konsumentami nie będą ludzie siedzący przy biurkach, klikający po dashboardach i eksportujący pliki CSV. Konsumentami będą autonomiczni agenci AI — niestrudzeni, działający równolegle, pracujący całą dobę — którzy będą traktować aplikacje SaaS tak, jak roboty fabryczne traktują obrabiarki: jako narzędzia produkcji wykorzystywane z nadludzką szybkością.

This shift has a name. We call it Labor as a Service — LAAS — i oznacza największą zmianę w tym, jak firmy kupują, wdrażają i czerpią wartość z technologii od czasu, gdy Marc Benioff umieścił CRM w chmurze.

"Aplikacje biznesowe, jakie znamy, załamią się w erze agentów."

— Satya Nadella, CEO Microsoft

Nadella nie myli się co do załamania. Mówi po prostu o warstwie interfejsu. Same aplikacje — bazy danych, API, logika biznesowa, silniki przepływów pracy — nigdzie nie znikają. Będą się mnożyć. Upada założenie, że człowiek musi siedzieć pomiędzy problemem biznesowym a oprogramowaniem, które go rozwiązuje.

Zanim powstał SaaS: historia, której większość nie zna

Aby zrozumieć, dlaczego Labor as a Service jest naturalną ewolucją branży oprogramowania, trzeba cofnąć się znacznie dalej niż do założenia Salesforce w 1999 roku. Dążenie do dostarczania mocy obliczeniowej jako usługi na żądanie — zamiast produktu, który się instaluje — jest tak stare jak samo komercyjne przetwarzanie danych.

Era biur usługowych (lata 30.–60. XX wieku)

Drzewo decyzyjne było wtedy proste. Jeśli wolumen transakcji był wystarczająco duży, kupowałeś mainframe. Jeśli nie — korzystałeś z biura usługowego. Ta sama kalkulacja — budować czy kupić, posiadać czy wynajmować — napędzała każdą dużą zmianę platformy od tamtej pory.

Eksperyment Application Service Provider (lata 90.)

Model ASP zawiódł z pouczających powodów. Przepustowość była niewystarczająca. Opóźnienie było nie do przyjęcia dla aplikacji interaktywnych. Bezpieczeństwo było wątpliwe. I krytycznie: większość ASP po prostu hostowała ten sam monolityczny software on‑prem na własnych serwerach — bez przebudowy pod multi‑tenant ani internet‑native delivery. Próbowali sprzedawać doświadczenie chmurowe technologią sprzed ery chmury.

Ale instynkt był słuszny. Rynek chciał oprogramowania jako usługi. Brakowało infrastruktury, by dogonić ambicję.

Narodziny SaaS i koniec oprogramowania pudełkowego

Rdzeniem wczesnego SaaS było zwodniczo proste spostrzeżenie. Oprogramowanie zawsze było drogie w dystrybucji i utrzymaniu. Jeśli wyeliminujesz problem dystrybucji przez przeglądarkę i problem utrzymania przez centralne aktualizacje, odblokujesz model o wyjątkowej ekonomice: przychody cykliczne, mniejsze tarcie pozyskania klienta i narastające efekty sieciowe.

To, co Benioff przeczuwał — a co rynek ostatecznie potwierdził — brzmi tak: większości firm nie zależy na oprogramowaniu. Zależy im na wynikach. CRM to tylko mechanizm, dzięki któremu budują lepsze relacje z klientami. Im mniej muszą myśleć o mechanizmie, tym lepiej.

Zapamiętaj ten wniosek — klucz do reszty.

Złota era: tysiąc narzędzi do każdego zadania

Między 2008 a 2024 SaaS przeszedł od innowacyjnego pomysłu do domyślnego modelu dostaw niemal całego oprogramowania biznesowego. Liczby są oszałamiające.

Każda możliwa funkcja biznesowa dostała własną warstwę SaaS. Relacje z klientami dostały Salesforce i HubSpot. Zarządzanie projektami dostało Asanę, Monday.com, Jira i dziesiątki innych. Komunikacja dostała Slack, Microsoft Teams i Zoom. Księgowość dostała Xero i QuickBooks Online. Marketing dostał Mailchimp, Marketo i Klaviyo. HR dostał BambooHR, Workday i Rippling. Nawet niszowe funkcje — zarządzanie listą oczekujących w restauracjach, umawianie wizyt stomatologicznych, dispatch HVAC — dostały własne dedykowane aplikacje SaaS.

Eksplozja SaaS była prawdziwym triumfem specjalizacji. Po raz pierwszy w historii pięcioosobowa firma mogła korzystać z narzędzi tej samej klasy, które wcześniej zarezerwowane były dla Fortune 500. Demokratyzacja oprogramowania klasy enterprise była jednym z najbardziej przełomowych rozwojów gospodarczych wczesnego XXI wieku.

Ale ta złota era nosiła już w sobie ziarno innego problemu.

Problem, o którym nikt nie mówi: zmęczenie narzędziami

Do 2024 typowa firma mid-market używała od 100 do 300 aplikacji SaaS. Enterprise często ponad tysiąc. Każda miała własny login, interfejs, logikę, silos danych i krzywą uczenia się.

Obietnicą SaaS było uproszczenie. Rzeczywistość stała się złożonością na dużą skalę.

Wyobraź sobie, jak wygląda typowa operacja obsługi klienta w 2026 roku. Agent musi sprawdzić CRM, aby zobaczyć historię klienta, odwołać się do bazy wiedzy po szczegóły polityki, zaktualizować system ticketowy notatkami z rozwiązania, sprawdzić platformę billingową pod kątem statusu konta, wysłać e-mail follow-up przez narzędzie do automatyzacji marketingu i zalogować interakcję w platformie analitycznej. To sześć różnych aplikacji, sześć różnych kart, sześć różnych interfejsów — dla jednej interakcji z klientem.

The software worked. Each individual tool did its job. But the ludzki Obsługiwanie wszystkich tych narzędzi stało się wąskim gardłem. Przełączanie kontekstu, kopiowanie danych między systemami, pamiętanie które narzędzie przechowuje jakie informacje, poruszanie się po różnych interfejsach z różnymi modelami mentalnymi — ta poznawcza nadwyżka pochłaniała ogromną część dnia pracy.

Badania zaczęły pokazywać, że pracownicy wiedzy poświęcali zaledwie 40% czasu na faktyczną pracę produktywną. Reszta szła na operacyjny narzut zarządzania narzędziami, które miały ich uczynić bardziej produktywnymi.

Branża próbowała rozwiązać ten problem za pomocą platform integracyjnych — Zapier, Workato, MuleSoft —, co pomogło, ale dodało kolejną warstwę złożoności. Potem przyszła „gra platformowa”, w której duzi dostawcy próbowali scalić wszystko pod jednym dachem. To pomagało w niektórych przepływach pracy, ale nie obejmowało każdego przypadku użycia.

Prawdziwy problem był strukturalny. SaaS zaprojektowano przy założeniu, że operatorami będą ludzie. Każdy pulpit, przycisk, interfejs „przeciągnij i upuść” powstał pod ludzkie oczy i ręce. A jeśli operatorem nie jest człowiek?

Pojawia się agent: oprogramowanie, które używa oprogramowania

Pojawienie się zdolnych agentów AI w 2024 i 2025 roku zmieniło podstawowe równanie oprogramowania dla przedsiębiorstw. Po raz pierwszy możliwe stało się wdrażanie autonomicznych bytów programowych, które mogły:

• Powód about problems using natural language understanding
• Plan multi-step workflows without explicit programming
• Wykonaj actions through APIs, interfaces, and tool calls
• Dowiedz się więcej from interactions and improve over time
• Orkiestruj across multiple systems simultaneously

To nie była zwykła automatyzacja. Automatyzacja istnieje od dziesięcioleci. Robotic Process Automation (RPA) mogła klikać przyciski i wypełniać formularze. Silniki workflow mogły kierować dokumentami. Zadania Cron mogły uruchamiać skrypty wedł harmonogramu. Ale to wszystko wymagało z góry zdefiniowania przez człowieka każdego kroku, gałęzi i obsługi wyjątków.

Agenci AI są zasadniczo inni, ponieważ powód. Mając cel i dostęp do narzędzi, potrafią ustalić jak aby to osiągnąć. Mogą radzić sobie z nowymi sytuacjami, których wcześniej nie spotkali. Mogą dostosować się, gdy jedno podejście nie działa. Mogą zadawać doprecyzowujące pytania, gdy wymagania są niejednoznaczne.

I co kluczowe: nie potrzebują graficznego interfejsu użytkownika. Wchodzą bezpośrednio w interakcję z API, bazami danych i danymi strukturalnymi — mechaniką pod dashboardem. To, co wcześniej wymagało człowieka przechodzącego przez trzy aplikacje i kopiującego informacje między ekranami, agent wykonuje w kilka sekund przez bezpośrednie wywołania API do wszystkich trzech systemów jednocześnie.

"Aplikacje to zasadniczo systemy bazodanowe CRUD. Zawierają logikę biznesową. Ta logika biznesowa przeniesie się do warstwy AI."

— Satya Nadella o przyszłości aplikacji korporacyjnych

To moment, w którym zmienia się narracja. Aplikacje SaaS powstały jako narzędzia dla ludzi. Agenci AI zamieniają te same aplikacje w narzędzia dla autonomicznych „pracowników”. Pulpit przestaje być potrzebny — nie dlatego, że aplikacja jest zbędna, lecz dlatego, że operator nie potrzebuje wizualnego interfejsu. Agent odczytuje i zapisuje dane bezpośrednio.

Agenci w produkcji dziś

To nie jest teoria. Na początku 2026 r. krajobraz enterprise wyraźnie już pokazuje dowody tej zmiany:

• Adobe Experience Cloud 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
• Operacje obsługi klienta across industries are deploying AI agents that handle 40-60% of incoming inquiries without human intervention

Raport Camunda 2026 (agentic orchestration): 81 % firm uznaje ją za kluczową dla autonomii; 57 % ma już agentów AI na produkcji.

Czym jest Labor as a Service?

Labor as a Service — LAAS — to model biznesowy, który powstaje, gdy agenci AI stają się głównymi konsumentami narzędzi programowych.

W modelu SaaS kupujesz dostęp do narzędzia. Płacisz za stanowisko, co miesiąc, za prawo do korzystania z oprogramowania. Uzyskiwana wartość zależy całkowicie od tego, jak skutecznie ludzki zespół obsługuje to narzędzie. CRM jest tylko tak dobry, jak handlowcy, którzy go aktualizują. Narzędzie do zarządzania projektami działa tylko wtedy, gdy ludzie faktycznie z niego korzystają. Platforma analityczna jest bezużyteczna, jeśli nikt nie czyta dashboardów.

W modelu LAAS kupujesz rezultaty. Nie płacisz za stanowisko w platformie obsługi klienta. Płacisz za rozwiązane zapytania klientów. Nie płacisz za licencję na automatyzację marketingu. Płacisz za wygenerowane kwalifikowane leady. Nie płacisz za dostęp do systemu księgowego. Płacisz za zakończone uzgodnienia.

The shift is radical not because the software changes, but because the łańcuch wartości zmiany. W SaaS odpowiedzialność dostawcy kończy się na działającym oprogramowaniu. Szkolenie, adopcja, wykorzystanie i wyniki to problem klienta. W LAAS dostawca przejmuje cały łańcuch od narzędzia do rezultatu. Agent jest mostem między możliwościami oprogramowania a wynikiem biznesowym.

Architektura LAAS

Oferta Labor as a Service opiera się na trzech warstwach:

1. Warstwa narzędzi (SaaS) — Podstawowe aplikacje, które przechowują dane, wykonują logikę biznesową i udostępniają API. To istniejąca infrastruktura SaaS: CRM, ERP, platformy komunikacji, bazy danych, silniki analityczne. Ta warstwa nie znika. Rośnie.
2. Warstwa agentów (inteligencja) — Autonomiczni agenci AI rozumują o problemach biznesowych, podejmują decyzje w ramach określonych granic ładu korporacyjnego i wykonują działania przez warstwę narzędzi. To nowa warstwa pośrednia, która zamienia narzędzia w wykonawców.
3. Warstwa governance (zaufanie) — Zasady, ograniczenia, ślady audytowe i mechanizmy nadzoru ludzkiego, które zapewniają działanie agentów w ramach zatwierdzonych granic. Ta warstwa określa, co agent może i czego nie może, kiedy musi eskalować do człowieka oraz jak każda akcja jest rejestrowana i podlega weryfikacji.

Ta trzywarstwowa architektura jest kluczowa. Bez warstwy narzędzi agenci nie mają czym pracować. Bez warstwy agentów narzędzia wciąż wymagają ludzi. Bez warstwy governance agenci są poza kontrolą i nie są godni zaufania.

Każde poważne wdrożenie LAAS potrzebuje wszystkich trzech warstw.

Zwrot akcji: SaaS nie umarł

To właśnie tutaj popularna narracja dramatycznie się wykoleja.

Gdy ludzie mówią, że „SaaS nie żyje”, wyobrażają sobie świat, w którym CRM znika, narzędzie do zarządzania projektami odparowuje, a oprogramowanie księgowe gaśnie. Widzą agentów AI działających z jakiejś bezkształtnej pustki, wywołujących efekty biznesowe czystą inteligencją.

Tak to wszystko nie działa.

Agenci AI potrzebują narzędzi. Potrzebują baz danych do odczytu i zapisu. Potrzebują logiki biznesowej do wykonania. Potrzebują protokołów komunikacyjnych do integracji. Potrzebują modeli danych do zrozumienia. Każde działanie agenta to w istocie wywołanie API do systemu software'owego.

Agenci nie zastępują oprogramowania. Agenci konsumują oprogramowanie.

I konsumują to w tempie i skali, do których żadna ludzka siła robocza nie jest w stanie się zbliżyć. Rozważ konsekwencje:

• Ludzki agent obsługi klienta obsługuje może 40-60 interakcji dziennie. Agent AI może obsługiwać tysiące jednocześnie.
• Człowiek wykonuje wywołania API przez przeglądarkę, pojedynczo i z namysłem. Agent wykonuje wywołania API programowo, równolegle i w milisekundach.
• Człowiek pracuje 8-10 godzin dziennie, 5 dni w tygodniu. Agent pracuje 168 godzin tygodniowo, 52 tygodnie w roku — bez przerw, bez zwolnień chorobowych, bez rotacji.

Jeśli jesteś firmą SaaS i Twój produkt jest wyceniany za wywołanie API, za transakcję lub za przetworzoną ilość danych, era LAAS jest najlepszą rzeczą, jaka mogła Ci się przydarzyć. Twoje wskaźniki zużycia zaraz wystrzelą w górę.

Jeśli rozliczasz się za stanowisko — za ludzkiego użytkownika — to tak, masz problem. Nie dlatego, że Twoje oprogramowanie jest zastępowane, ale dlatego, że Twój model cenowy nie odzwierciedla tworzonej wartości. Oprogramowanie jest bardziej użyteczne niż kiedykolwiek. Ale użytkownik zajmujący to stanowisko nie jest już człowiekiem.

Liczby nie kłamią

Globalne wydatki na SaaS zbliżają się w 2025 roku do 300 miliardów dolarów i mają przyspieszać, a nie się kurczyć. Oczekuje się, że wydatki na oprogramowanie dla przedsiębiorstw wzrosną w 2026 roku o ponad 15%, a większość tego wzrostu będzie napędzana przez aplikacje wspierane przez AI. Rynek B2B SaaS zmierza do osiągnięcia wartości 1,58 biliona dolarów do 2031 roku.

To nie liczby umierającej branży. To liczby branży napędzanej przez nową klasę konsumentów działających z prędkością maszyny.

Ekonomia LAAS: od ceny za użytkownika do ceny za wynik

Transformacja ekonomiczna z SaaS na LAAS dotyka każdego aspektu tego, jak kupuje się, sprzedaje i wycenia technologię.

Wymiar	Model SaaS	Model LAAS
Co kupujesz	Dostęp do narzędzi programowych	Zrealizowane wyniki biznesowe
Jednostka rozliczeniowa	Za miejsca (seat), na miesiąc	Za rozwiązanie, za wynik, za zadanie
Wartość zależy od	Ludzka umiejętność korzystania z narzędzia	Możliwości agenta i jakość governance
Skalowanie wymaga	Zatrudniać więcej ludzi, kupować więcej seatów	Aprowizuje większą moc agentów
Czas do uzyskania wartości	Tygodnie do miesięcy (szkolenie, wdrożenie)	Od godzin do dni (wdrożenie agenta)
Wykorzystanie	Zależy od zaangażowania pracowników	Prawie 100% — agenci nie odwlekają
Godziny pracy	Godziny pracy (8-10 h/dzień)	168 godzin tygodniowo, 52 tygodnie w roku
Spójność jakości	Zależy od osoby	Zarządzane, audytowalne, spójne

Model cenowy „za efekt” ma głębokie konsekwencje dla kupujących i sprzedających. Dla kupujących oznacza płacenie wyłącznie za otrzymaną wartość. Koniec z „oprogramowaniem na półce” — licencjami kupionymi i nienoszonymi. Koniec z „kupiliśmy enterprise, a korzystamy z trzech funkcji”. Każdy wydukowany dolar odpowiada mierzalnej jednostce wykonanej pracy.

Dla sprzedawców oznacza to inny rodzaj relacji. Nie działasz już w biznesie narzędzi. Działasz w biznesie pracy. Twój przychód jest bezpośrednio skorelowany z wartością, jaką dostarczasz klientom, co oznacza, że Twoje bodźce są idealnie z nimi zbieżne. To zdrowsza dynamika niż ceny per seat, gdzie dostawca korzysta na liczbie miejsc niezależnie od tego, czy te miejsca przynoszą rezultaty.

Pytanie o marżę

Sceptycy od razu pytają o marże. Jeśli dostarczasz efekty zamiast dostępu do oprogramowania, czy Twoje koszty nie rosną wraz z realizacją? Tak — ale krzywa kosztów inferencji AI zapada szybciej niż niemal jakikolwiek koszt technologiczny w historii. Koszty modelów spadły o około 80 % już w pierwszych dwóch miesiącach 2025 roku. W miarę jak inferencja tanieje, marża przy cenach za efekt wyraźnie rośnie.

Tu analogia jest prosta jak chmura obliczeniowa. Cennik AWS za godzinę obliczeń wydawał się ryzykowny w porównaniu z wieczystymi licencjami serwerowymi. Ale gdy koszty infrastruktury spadały, a użycie rosło, model rozliczeń według zużycia okazał się zdecydowanie lepszy dla dostawcy i klienta.

Jak LAAS wygląda w praktyce

Abstrakcyjne frameworki są przydatne, ale prawdziwe zrozumienie bierze się z zobaczenia LAAS w działaniu. Przejdźmy przez trzy scenariusze ilustrujące ten model.

Scenariusz 1: obsługa klienta, która nigdy nie śpi

Firma usług domowych — hydraulika, HVAC, elektryka — otrzymuje setki zapytań klientów tygodniowo. W modelu SaaS kupowałaby platformę helpdesk (Zendesk, Freshdesk), CRM (HubSpot, Salesforce), narzędzie harmonogramowania (ServiceTitan) i platformę komunikacyjną (Twilio). Następnie zatrudniałaby i szkoliła pracowników obsługi klienta do pracy we wszystkich czterech systemach.

W modelu LAAS agent AI autonomicznie obsługuje wszystkie cztery systemy. Gdy klient dzwoni o 2 w nocy z awarią ogrzewania, agent klasyfikuje połączenie według kryteriów awaryjnych firmy, sprawdza w systemie harmonogramów dostępnych techników dyżurnych, przegląda historię klienta w CRM, wysyła właściwego technika, wysyła klientowi potwierdzenie i rejestruje wszystko w helpdesku do przeglądu jakości.

Firma nie płaci za cztery miejsca SaaS plus pensję człowieka. Płaci za rozwiązane zapytanie. Narzędzia SaaS nadal działają — agent ich potrzebuje — ale wąskie gardło po stronie człowieka znika.

Scenariusz 2: operacje marketingowe z prędkością maszyny

Firma e-commerce z segmentu mid-market musi prowadzić kampanie marketingowe wielokanałowo. Tradycyjne podejście: zatrudnić zespół marketingu, wykupić platformę email, harmonogram social media, pakiet analityczny, narzędzie A/B i CMS. Potem miesiące szkolić zespół, budować workflow i iterować wyniki.

Podejście LAAS: agent przyswaja wytyczne marki, katalog produktów i historyczne dane wydajności firmy. Następnie autonomicznie tworzy treści kampanii, planuje dystrybucję w kanałach, monitoruje metryki w czasie rzeczywistym, dostosowuje targetowanie i komunikaty na podstawie wyników oraz generuje tygodniowe raporty do oceny przez człowieka. Dyrektor marketingu przechodzi z roli operatora do stratega — wyznacza cele i ocenia wyniki zamiast klikać przez sześć różnych interfejsów.

Scenariusz 3: zamknięcie finansowe, które działa samo

Pod koniec miesiąca zespoły księgowe na świecie odprawiają rytuał „zamknięcia” — uzgadnianie kont, parowanie transakcji, księgowania, analiza odchyleń i raporty. To intensywnie ręczny, wielosystemowy proces trwający zwykle 5-10 dni roboczych.

W implementacji LAAS agenci wykonują pracę mechaniczną: pobierają transakcje z ERP, dopasowują je do strumieni bankowych, przygotowują standardowe zapisy księgowe, oznaczają anomalie do przeglądu przez człowieka i generują wstępne sprawozdania finansowe. Proces, który angażował zespół księgowych przez tydzień, teraz kończy się w kilka godzin, a ludzie przeglądają wynik zamiast go tworzyć.

Rola człowieka w świecie LAAS

Najczęstszy zarzut wobec LAAS — i ogólnie wobec agentów AI — ma charakter egzystencjalny: „Co dzieje się z ludźmi?”

To uczciwe pytanie i zasługuje na przemyślaną odpowiedź, a nie na protekcjonalny techno-optymizm.

In a LAAS world, human roles shift from operacja do nadzór, z wykonanie do zarządzanie, z robiąc do decydowanie. To nie eufemizm eliminacji. To prawdziwa transformacja natury pracy.

Pomyśl, jak zmieniła się rola pracownika fabryki podczas rewolucji przemysłowej. Przed automatyzacją człowiek osobiście kształtował każdy element. Po automatyzacji ludzie projektowali procesy, utrzymywali sprzęt, kontrolowali wyniki i zajmowali się wyjątkami, których maszyny nie potrafiły obsłużyć. Łączna wytwarzana wartość gwałtownie wzrosła, a charakter pracy stał się bardziej złożony i bardziej wartościowy, a nie mniej.

Ta sama dynamika rozwija się teraz w pracy opartej na wiedzy:

• Agenci obsługi klienta stają się strategami doświadczeń klienta, którzy projektują polityki interakcji, oceniają działanie agenta, obsługują eskalowane przypadki wymagające empatii i osądu oraz stale dopracowują reguły nadzoru ograniczające zachowanie AI.
• Koordynatorzy marketingu stają się dyrektorami marketingu, którzy ustalają strategię kampanii, oceniają treści generowane przez AI pod kątem marki, analizują wyniki na wyższym poziomie i podejmują decyzje kreatywne wymagające kontekstu kulturowego i ludzkiej intuicji.
• Księgowi stają się analitykami finansowymi, którzy sprawdzają zestawienia przygotowane przez AI, badają anomalie, dostarczają strategicznych wskazań finansowych i podejmują decyzje wymagające osądu oraz rozumienia kontekstu biznesowego wykraczającego poza same liczby.

Wspólny wątek: ludzie przesuwają się w górę łańcucha wartości. Powtarzalna praca sterowana procesami i nawigacja między narzędziami trafia do agentów. Praca strategiczna, wymagająca osądu, kreatywności i empatii zostaje u ludzi. W wielu przypadkach rola człowieka staje się ciekawsza, a nie mniejsza.

Imperatyw governance

Jest jedna nowa rola ludzka, którą era LAAS tworzy od zera: ład AI.

Gdy agenci działają autonomicznie, ktoś musi określić granice. Co agent może mówić klientom? Jakie ma uprawnienia cenowe? Kiedy musi eskalować? Jak audytujemy jego decyzje? Do jakich treści może się odwoływać? Co stanowi halucynację, a co prawidłową inferencję?

Te kwestie ładu są w gruncie rzeczy ludzkie. Wymagają osądu etycznego, ekspertyzy domenowej i odpowiedzialności, której nie można przekazać samej AI. Każda firma wdrażająca LAAS potrzebuje ludzi, którzy na tyle rozumieją technologię i biznes, by ustalać właściwe zabezpieczenia.

To jeden z powodów, dla których zbudowaliśmy Office 168/52 w ten sposób. Bob, nasz agent AI, został zaprojektowany od podstaw z naciskiem na governance. Każda odpowiedź opiera się na treściach zatwierdzonych przez klienta. Gdy Bob czegoś nie wie, mówi to wprost. Każda interakcja jest logowana, podlega audytowi i może być przeglądana. AI nie działa w próżni — działa w ramach zaufania definiowanych i utrzymywanych przez ludzi.

Kto wygrywa w erze LAAS

Nie każda firma jest równie dobrze przygotowana do przejścia z SaaS na LAAS. Oto jak zmienia się krajobraz konkurencyjny:

Zwycięzcy

• firmy SaaS API-first — Jeśli oprogramowanie jest zaprojektowane do programistycznego konsumowania, agenci mogą z niego korzystać od razu. Firmy z solidnymi, dobrze udokumentowanymi API stają się kluczową infrastrukturą w stosie LAAS.
• Firmy AI zorientowane na efekt — Firmy sprzedające rozwiązane zapytania, kwalifikowane leady lub ukończone zadania zamiast licencji na oprogramowanie działają już w modelu LAAS. Mają przewagę w cenie, dostawie i oczekiwaniach klientów.
• Platformy stawiające governance na pierwszym miejscu — Zaufanie jest najrzadszym zasobem w erze agentów. Platformy potrafiące wykazać audytowalność, odpowiedzi oparte na dowodach i przejrzyste podejmowanie decyzji zajmą pozycję premium.
• Specjaliści branżowi — Agenci, którzy głęboko rozumieją konkretną branżę — ochrona zdrowia, usługi domowe, prawo, usługi finansowe — prześcigną ogólnych agentów, bo ekspertyza domenowa się kumuluje. Im lepiej agent rozumie awarie HVAC lub harmonogram wizyt stomatologicznych, tym lepiej obsługuje tych konkretnych klientów.
• Małe firmy — LAAS to wielki wyrównywacz. Firma pięcioosobowa może wdrożyć agentów AI, którzy zapewniają ten sam poziom obsługi klienta, realizacji marketingu i efektywności operacyjnej co firma z 500 pracownikami. Przewaga skali liczebności zespołu znika.

Przegrani

• SaaS wyłącznie dashboardowy — Jeśli główną wartością produktu jest ładny interfejs do przeglądania danych przez ludzi, a nie oferujecie solidnego dostępu API, agenci nie mogą z was korzystać. Oprogramowanie staje się warstwą wizualizacji nad danymi, do których agenci sięgają bezpośrednio u źródła.
• Tarcia przy migracji do modelu per seat — Firmy nalegające na wycenę per ludzką licencję odczują presję na modele przychodów, gdy klienci przeniosą ludzkich operatorów do przepływów opartych na agentach. Liczba licencji spadnie, nawet gdy użycie rośnie.
• Nieróżnicujące firmy HR — Agencje i firmy pracy tymczasowej dostarczające ogólną ludzką pracę na poziomie procesów dla zadań, które agenci mogą obsłużyć, napotkają bezpośrednią konkurencję dostawców LAAS, którzy dostarczają te same efekty przy niższym koszcie i wyższej spójności.

Droga przed nami: od 2026 do 2030

Jesteśmy na bardzo wczesnym etapie transformacji LAAS. Na podstawie obecnych trajektorii i obserwowalnych trendów oto, co z dużym prawdopodobieństwem przyniosą najbliższe cztery lata:

2026: Rok wdrażania agentów

Tu jesteśmy teraz. Technologia jest sprawdzona. Wczesni użytkownicy widzą realne efekty. Według badań G2 72% firm korzysta z agentów AI lub testuje ich użycie. MIT's Harvard Data Science Review opublikował wnioski pokazujące wzrost produkcyjności 2–10x, gdy przepływy pracy są przeprojektowane wokół agentów, zamiast jedynie nakładać AI na istniejące ludzkie procesy.

Ale jest luka. Badania Camundy pokazują 73% rozjazd między wizją agentowej AI a rzeczywistością. Większość wciąż w pilotażu. Najbliższe 12 miesięcy to przejście z pilota do produkcji.

84% liderów firm planuje w tym roku zwiększyć inwestycje w agentów AI. Kapitał już się przesuwa.

2027: Rewolucja cenowa

Wraz ze skalowaniem użycia agentów model cenowy per seat będzie pod nie do utrzymania presją. Firmy SaaS przejdą na modele oparte na użyciu, wyniku lub hybrydowe uwzględniające nie-ludzkich konsumentów. Wczesni w 2026-2027 zdobędą nieproporcjonalny udział wobec opornych liderów.

Zobaczymy też pojawienie się „rynku agentów” — platform, na których firmy będą subskrybować wyspecjalizowanych agentów pod konkretne funkcje, podobnie jak dziś narzędzia SaaS. Zamiast jednak subskrybować oprogramowanie, będą subskrybować zdolności.

2028: Fala integracji

Wraz z proliferacją agentów rośnie potrzeba orkiestracji. Systemy wieloagentowe—wyspecjalizowani agenci obsługi, marketingu, finansów i operacji współpracujący i dzielący kontekst—staną się standardową architekturą enterprise. To generuje ogromny popyt na integrację, governance danych i standardy komunikacji między agentami.

Firmy, które opanują orkiestrację wieloagentową, staną się kolejną generacją dostawców platform enterprise.

2029 - 2030: LAAS jako standard

Pod koniec dekady LAAS będzie domyślnym modelem konsumpcji usług technologicznych przez MŚP. Pytanie nie brzmi „czy używać agentów AI?”, lecz „którzy agenci, pod czyją kontrolą, na jakiej infrastrukturze SaaS, z jakimi efektami?“

Duże przedsiębiorstwa będą działać w modelach hybrydowych, w których specjaliści ludzcy współpracują z zespołami agentów, a ramy governance obejmują obie strony. Schemat organizacyjny będzie uwzględniał agentów AI jako uznanych członków zespołów funkcyjnych, z określonymi możliwościami, ograniczeniami i metrykami wydajności.

Wydatki na SaaS mocno rosną — agenci zużywają więcej oprogramowania niż ludzie — ale przychód da konsumpcja API, nie licencje stanowiskowe. Branża będzie większa niż kiedykolwiek, baza odbiorców inna: więcej maszyn niż ludzi.

Gdzie wpasowuje się Office 168/52

Nie zamierzaliśmy budować firmy Labor as a Service. Chcieliśmy rozwiązać konkretny problem: firmy usługowe traciły klientów, bo nie mogły zapewnić interakcji na poziomie eksperta przez całą dobę.

Ale rozwiązanie, które zbudowaliśmy — Bob, agent AI, który autonomicznie uczy się biznesu, kotwiczy każdą odpowiedź w zatwierdzonych treściach i działa inteligencją pod kontrolą i z audytem — to dokładnie to, co opisuje model LAAS.

Wdrażając Boba na swojej stronie, nie kupujesz czatu bota. Nie wykupujesz subskrypcji oprogramowania i dopiero potem nie zgadujesz, jak z niego korzystać. Wdrażasz cyfrowego współpracownika, który:

• Uczy się Twojej firmy od pierwszego dnia by analyzing your website, products, services, and policies
• Działa 168 godzin tygodniowo, 52 tygodnie w roku — that's where our name comes from
• Odpowiedzi wyłącznie z zatwierdzonych treści, odmawia spekulacji, gdy brak dowodów
• Stale się poprawia from every customer interaction
• Kosztuje ułamek tej kwoty of the human labor it augments

Bob korzysta z leżących u podstaw narzędzi SaaS — warstwy komunikacji, danych, analityki —, ale ich nie musisz dotykać. Dostajesz efekt: eksperckie rozmowy z klientami, zebrane leady, odpowiedzi, eskalacja nagłych przypadków. To Labor as a Service.

A ponieważ governance jest wbudowane w architekturę Boba od podstaw, otrzymujesz coś, czego większość rozwiązań AI nie potrafi zapewnić: zaufanie. Każda odpowiedź opiera się na dowodach. Każda interakcja jest rejestrowana. Gdy Bob czegoś nie wie, mówi "nie wiem", zamiast wymyślać. W czasach, gdy halucynacje AI są główną barierą wdrożeń enterprise, to nie jest funkcja — to fundament.

Haczyk, sedno i wniosek

Wróćmy do nagłówka: „Labor as a Service: śmierć SaaS”.

Teraz znasz prawdę: to nie śmierć. To metamorfoza.

Gąsienica nie umiera, gdy staje się motylem. Przekształca się w coś działającego na zupełnie innym poziomie. SaaS — narzędzia, API, infrastruktura danych — to gąsienica. LAAS — dostarczanie ukończonej pracy napędzane agentami, zorientowane na efekt i chronione przez governance — to motyl.

Narzędzia nie znikają — mnożą się. Zużycie oprogramowania zbliża się do poziomów nie do wyobrażenia, gdy Benioff uruchamiał Salesforce z tamtego mieszkania w 1999 r. Ale napędzi je inteligentne agenty w tempie maszynowym, a nie ludzie klikający pulpity.

Firmy, które to rozumieją — widzą warstwę narzędzi i warstwę pracy jako uzupełniające się, a nie rywalizujące — zbudują firmy definiującą następną dekadę.

Firmy, które biorą dosłownie hasło „SaaS jest martwy” i rezygnują z warstwy narzędzi, zostaną bez infrastruktury potrzebnej agentom do działania.

Firmy, które całkowicie zignorują rewolucję agentów i będą trzymać się założenia, że software to coś, czego ludzie używają rękami i oczami, zostaną wyprzedzone przez konkurentów, których „siła robocza” AI nigdy nie śpi, nigdy nie popełnia dwa razy tego samego błędu i obsługuje stos oprogramowania z precyzją nieosiągalną dla ludzkiego zespołu.

Witamy w erze pracy jako usługi (Labor as a Service). Oprogramowanie nie umarło. Właśnie zyskuje swojego pierwszego niezmordowanego operatora.