Почему ИИ-агенты не заменят SaaS, а создадут для него новый рынок

Bain делает акцент на том, что почти каждая компания работает не внутри одной системы, а между несколькими цифровыми контурами. Бюджеты лежат в ERP, клиенты — в CRM, документы — в почте и облаке, заявки — в тикетинге, часть операционной информации — в таблицах, а значимая часть контекста находится в свободном тексте.

Именно эта ручная связка между системами образует большой слой дорогой повседневной работы. В статье Bain этот слой назван cross-system coordination work. Это ситуации, когда сотрудник вытаскивает данные из ERP, сверяет их с таблицей, читает письмо поставщика, смотрит статус клиента в CRM, решает, нужно ли эскалировать задачу, и только после этого двигает процесс дальше.

Такая работа трудоёмка, дорога и плохо автоматизируется классическими правилами. Поэтому именно между системами, а не вместо них, появляется новый рынок для agentic AI.

Правил и RPA хватало там, где процесс линейный и предсказуемый. Если нужно переложить данные из поля A в поле B, бот справляется. Но если в цепочке появляются неоднозначность, разный контекст, разрозненные источники и необходимость принимать решение по ситуации, классическая автоматизация начинает ломаться.

На этом месте и появляется пространство для agentic AI. Bain подчёркивает, что агенты могут интерпретировать информацию из разных источников, учитывать контекст, координировать действия между системами и работать не только по жёстким правилам, но и по политике, ограничениям и логике процесса.

Именно это отличает агентный ИИ от прежних сценариев автоматизации. Он не просто выполняет заранее описанное действие, а помогает связать несколько систем и поддержать процесс там, где раньше требовалось участие сотрудника.

Ключевая мысль здесь проста: ИИ-агенты не отменяют ERP, CRM, биллинг, тикетинг и другие корпоративные системы. Они работают поверх них.

Многие SaaS-системы по-прежнему остаются основой учёта, хранения данных и выполнения операционных процессов. Именно там находятся данные, статусы, документы, транзакции и история действий. Агентный слой не заменяет эту основу, а соединяет её в более цельный рабочий контур.

Поэтому корректнее говорить не о замене SaaS, а о смещении ценности. Если раньше конкурентное преимущество часто строилось вокруг глубины одной системы, теперь всё большую роль получает способность видеть несколько процессов сразу, интерпретировать их связь и выполнять действия между ними.

Bain называет это cross-workflow decision context — контекст принятия решений, который не принадлежит ни одной отдельной системе записи.

Для бизнеса главный смысл не в том, что ИИ-агенты заменят привычные сервисы. Важнее другое: они могут убрать часть ручной работы, которая возникает между этими сервисами каждый день.

Во многих компаниях сотрудники тратят время не только на работу в CRM, ERP, почте или таблицах, но и на постоянное переключение между ними. Нужно найти данные в одной системе, сверить их с другой, проверить письмо, обновить статус, передать информацию дальше. Формально это не всегда выглядит как отдельный процесс, но именно на такую координацию уходит много времени и денег.

ИИ-агенты могут взять на себя часть этой связующей работы. Они не заменяют весь IT-стек компании, а помогают эффективнее использовать уже внедрённые инструменты: быстрее собирать данные, передавать контекст между системами и запускать следующие действия в процессе.

Поэтому на первый план выходят решения, которые связаны с процессами, данными и автоматизацией. Например, в разделе ИИ для бизнеса собраны инструменты, которые помогают автоматизировать процессы, ускорять принятие решений и снижать издержки. Это хорошо совпадает с логикой Bain: ценность агентного ИИ не в красивом интерфейсе, а в том, что он помогает выполнять работу поверх существующих операций.

Похожая логика и в автоматизации бизнес-процессов. Здесь важны не только отдельные функции, но и способность связывать CRM, ERP, корпоративную почту, облачные хранилища, системы учёта и другие инструменты в один рабочий контур.

Именно этот слой между системами становится одной из главных зон роста для agentic AI. Чем больше в компании ручных переходов, согласований и проверок между разными сервисами, тем выше практическая ценность ИИ-агентов.

Больше всего от развития agentic AI выиграют не все SaaS-сервисы подряд, а те решения, которые уже встроены в реальные процессы компании. В первую очередь это системы, через которые проходят деньги, клиенты, документы, заявки, согласования и операционные данные.

К таким категориям можно отнести ERP системы, CRM, биллинг, helpdesk, сервисы для работы с документами и инструменты для внутренних согласований. Чем больше процесс зависит от нескольких систем одновременно, тем выше вероятность, что над ним появится агентный слой.

Например, сотруднику может быть нужно проверить данные клиента в CRM, сверить оплату в биллинге, найти договор в облачном хранилище, уточнить переписку в почте и передать задачу в поддержку. Сейчас такая работа часто выполняется вручную. ИИ-агенты могут взять на себя часть этой координации: собрать данные, сопоставить контекст и помочь запустить следующий шаг в процессе.

Отдельное значение получают сервисы интеграции. Когда бизнесу нужно связать между собой сайт, CRM, формы, рассылки, аналитику, таблицы, мессенджеры и другие инструменты, сама связность становится отдельной ценностью. Без неё даже хорошие SaaS-продукты остаются разрозненными системами, между которыми сотрудникам приходится постоянно переключаться.

В этой части рынка особенно важны сервисы, которые помогают не просто хранить данные, а передавать их между разными инструментами. Если заявка приходит с сайта, дальше попадает в CRM, затем используется в рассылке, аналитике или мессенджере, бизнесу нужна понятная связка между этими этапами. Без неё сотрудники снова возвращаются к ручной работе: копируют данные, проверяют статусы и контролируют, дошла ли информация до нужной системы. Поэтому интеграционные решения, включая Api Monster, становятся частью инфраструктуры, на которую может опираться agentic AI. Чем лучше связаны сервисы, тем проще ИИ-агенту работать с контекстом и помогать в выполнении следующих действий.

При этом ИИ-агенты не стоит воспринимать как универсальное решение для любой задачи. Bain отдельно подчёркивает, что не все процессы одинаково хорошо подходят для автоматизации. В одних случаях агент действительно может взять на себя значительную часть работы, в других — ожидания будут выше, чем реальный эффект.

Лучше всего agentic AI работает там, где уже есть понятные данные, повторяемая логика действий и накопленный контекст. Например, если сотрудник каждый день проверяет одни и те же статусы, сверяет информацию между системами, готовит похожие ответы или передаёт задачи по понятным правилам, такой участок проще автоматизировать.

Сложнее будет там, где процесс плохо описан, постоянно меняется или держится только на личном опыте конкретных сотрудников. Если данные разбросаны, правила принятия решений не зафиксированы, а каждый случай приходится разбирать с нуля, ИИ-агенту будет труднее дать быстрый и стабильный результат.

Поэтому бизнесу не стоит ждать, что агентный ИИ сразу закроет всю межсистемную координацию. Более реалистичный путь — начинать с тех участков, где ручная работа уже заметно тормозит процесс, но при этом сама логика действий достаточно понятна.

Итоговый результат будет зависеть не только от выбранного ИИ-инструмента. Важны качество данных, интеграция между системами, прозрачные правила работы и готовность компании пересматривать процессы. Если просто добавить ИИ поверх старой хаотичной операционной логики, эффект может оказаться слабее ожидаемого.

Роль SaaS в ближайшие годы будет меняться. Раньше ценность сервиса часто определялась тем, насколько хорошо он закрывает один конкретный участок работы: CRM помогает управлять клиентами, ERP — финансами и ресурсами, helpdesk — обращениями и поддержкой.

Теперь этого становится недостаточно. Для бизнеса всё важнее не просто иметь отдельные удобные системы, а понимать, как они работают вместе. Если данные о клиенте находятся в CRM, счёт — в биллинге, договор — в облаке, а переписка — в почте, ценность появляется не только внутри каждой системы, но и на стыке между ними.

Именно здесь agentic AI может изменить роль SaaS. ИИ-агенты не заменяют сами сервисы, а помогают связать их в более цельный рабочий процесс: собрать данные из разных источников, учесть контекст, подсказать следующий шаг или запустить действие в нужной системе.

Поэтому тезис «ИИ-агенты заменят SaaS» выглядит слишком упрощённым. Точнее сказать иначе: agentic AI создаёт для SaaS новый слой ценности. Выигрывать будут не только сервисы, которые хранят данные или закрывают отдельную функцию, но и решения, которые помогают автоматизировать работу между системами.

Именно в этой межсистемной работе Bain видит рыночную возможность примерно на $100 млрд. Для SaaS это не угроза исчезновения, а переход к более связанной и умной модели, где ценность создаётся не только внутри продукта, но и между продуктами.

ИИ-агенты не делают SaaS ненужным. Скорее они меняют его роль в бизнес-архитектуре. Корпоративные сервисы по-прежнему остаются основой для учёта, операций, хранения данных и управления процессами. Но над ними постепенно появляется новый слой автоматизации, который помогает связывать ERP, CRM, таблицы, письма, биллинг, поддержку и другие инструменты в единый рабочий контур.

Для бизнеса это означает не выбор между «старым SaaS» и «новыми агентами», а переход к более связанной модели работы. Компании будут получать больше пользы не только от отдельных сервисов, но и от того, насколько хорошо эти сервисы взаимодействуют между собой.

Поэтому растёт значение решений, которые помогают автоматизировать процессы и работу с данными: ИИ для бизнеса, автоматизация бизнес-процессов, ERP системы и интеграционные сервисы вроде Api Monster.

Agentic AI не заменяет этот рынок, а делает его шире. Чем больше в компании разрозненных систем, ручных переходов и повторяющихся согласований, тем выше ценность инструментов, которые могут связать всё это в понятный и управляемый процесс.