SaaS apokalypsa. Všechny aplikace jsou mrtvý, všechno si uděláme přes AI. Od začátku mi tohle tvrzení připadá přehnané a pořád mu nevěřím. Část dnešních SaaSů samozřejmě skončí, část funkcí převezmou AI nástroje a u některých věcí se přestane vyplácet kupovat hotový produkt. Z toho mi ale nevychází konec softwaru jako služby. Vychází mi z toho změna toho, jaké služby budeme potřebovat, jak je budeme používat a podle čeho poznáme, že nám stojí za peníze.
U sebe tu změnu vidím už teď. Vím, proč si konkrétní nástroje platím, v čem jsou dobré a proč je potřebuju ve svém stacku. Jejich UI k tomu ale nepotřebuju. Pokud mi služba spolehlivě dodává to, co od ní chci, moje poslední přihlášení přestává být dobrým měřítkem její hodnoty. A myslím si, že právě tady se otevře prostor pro spoustu menších, úzce zaměřených aplikací.
Trh se mění. Zatím nezmizel.
Ve veřejných datech se dá najít dost důvodů, proč nebrat současnou podobu SaaSu jako samozřejmost. Průzkum SaaS Capital zveřejněný v roce 2026 ale u více než tisícovky soukromých B2B SaaS firem uvádí medián růstu za rok 2025 ve výši 22 %. O rok dříve to bylo 25 %. Je to zpomalení, pořád však růst. Ten vzorek není celý trh a už vůbec nedokazuje, že dnešní dodavatelé vyhrají i příští kolo. Nedává mi ale smysl popisovat celou kategorii jako mrtvou, když její část dál vykazuje taková čísla.
Důležitější otázka pro mě proto je, za co budou zákazníci ochotní platit dál. Jestli za obrazovku, ve které každý den stráví hodinu, nebo za schopnost, která jim každý den vyřeší práci. Ty dvě věci se dosud často potkávaly v jednom produktu. S agentem mezi člověkem a aplikací se můžou začít rozcházet: služba bude užitečná, aniž by si její uživatel pamatoval, jak vypadá její dashboard.
To, že agent může, ještě neznamená, že má
V šachu můžu vzít soupeřovu figuru a přesto to může být špatný tah. S AI je to pro mě podobné. Schopnost agenta nějaký úkol zvládnout ještě neříká, jestli je rozumné mu ho svěřovat při každém opakování. Když potřebuju pochopit nejasné zadání, propojit souvislosti nebo rozhodnout, který nástroj použít, model může být výborný pomocník. Když už přesně znám pravidla výpočtu, často mi víc dává smysl obyčejný kód, který je provede rychle a předvídatelně.
Vezměme si třeba zpracování faktur. Agent může z komunikace pochopit, jaký doklad hledám, dohledat ho a předat ho správné službě. Kontrola součtů, odhalení přesné duplicity nebo vytvoření exportu do účetního systému ale nemusí vyžadovat nové uvažování modelu při každém kroku. Taková služba může mít jasné vstupy, kontrolní pravidla a popsané chyby. AI uvnitř klidně použije tam, kde pomáhá, třeba při čtení nestandardního dokumentu. Není důvod ji volat na všechno jen proto, že ji máme k dispozici.
Podobný princip popisuje i Anthropic ve svých doporučeních pro stavbu agentů: začínat nejjednodušším řešením, které úlohu zvládne, a počítat s tím, že agentní přístup může přidávat náklady a latenci. Pro mě je to docela praktický argument pro další existenci specializovaných služeb. Agent rozhodne, co potřebuje udělat, a zavolá software, který daný úkol umí.
Stejně prakticky k tomu přistupuje OpenAI v průvodci stavbou AI agentů. Doporučuje je pro úlohy s nejasným zadáním, složitým rozhodováním nebo nestrukturovanými daty, kde běžná automatizace naráží. Pokud takovou potřebu nemám, může stačit deterministické řešení. Agent je tam zároveň popsaný jako kombinace modelu, nástrojů a instrukcí. Tedy něco, co používá funkce a API existujících systémů. Tohle rozdělení mi dává smysl: schopnější model rozšiřuje okruh práce, kterou můžu delegovat, a kvalitní nástroje mu umožňují ji skutečně dokončit.
Z pohledu nákladů navíc rozlišuju dvě různé věci. Jedna je použít AI k napsání programu. Druhá je potřebovat AI pokaždé, když program běží. Když mi Codex pomůže připravit kontrolu dat, která se pak provádí běžným kódem, využil jsem AI při vývoji, ale nemusím platit za nové rozhodování modelu nad každým řádkem. Právě tahle kombinace mi přijde zajímavá pro menší služby: snížit náklady na jejich vznik a zároveň udržet levný a předvídatelný provoz.
Malá aplikace může řešit těžkou věc
Právě proto čekám boom micro SaaSů. Nemyslím tím, že každý dostane povinnost napsat si deset vlastních aplikací a pak se o ně do konce života starat. Myslím tím větší nabídku služeb s úzkým záběrem, které si člověk nebo firma zaplatí, protože jednu konkrétní věc řeší dobře. Malý rozsah přitom vůbec nemusí znamenat triviální problém. Kontrola dat před účetním exportem, správa oprávnění nebo zpracování citlivého dokumentu můžou být malou částí celého workflow a zároveň místem, kde chyba stojí hodně peněz.
Takový nástroj nemusí budovat prostředí, ve kterém budu chtít trávit celé dopoledne. Potřebuje dobře popsat, co umí, umožnit agentovi bezpečný přístup a vracet výsledky, se kterými se dá dál pracovat. Můj agent do něj zadá práci, upraví nastavení nebo aktualizuje data podle toho, co právě řeším. Ke mně pak dorazí výsledek, upozornění na výjimku nebo požadavek na rozhodnutí. Nemusím kvůli tomu otevírat dalších pět aplikací a přenášet mezi nimi stejný kontext.
Levnější vývoj může vytvořit i hromadu zaměnitelných produktů, za které nikdo platit nebude. Samotná velikost aplikace není výhoda. Hodnotu vidím v kombinaci úzkého problému, znalosti jeho nepříjemných detailů a spolehlivého provozu. Za to se dá platit i ve světě, kde je první verze kódu levná.
Codex mi dává důvod používat další nástroje
Moje vlastní zkušenost s Codexem mě vede trochu jinam než k představě, že jednu aplikaci nahradím jinou. Podstatné pro mě je, že nemusím při každém přechodu mezi nástroji začínat znovu. Dřív jsem musel otevřít správnou aplikaci, najít správné místo a převést to, co chci udělat, do jejího způsobu ovládání. Když tuhle práci převezme agent, můžu zůstat u zadání a výsledku. Služba, kterou použije, přitom dál odvádí svoji část práce.
OpenAI tenhle směr rozvíjí i v pluginech pro Codex, které propojují aplikace, instrukce a pracovní postupy pro různé role. V ukázkách nejde jen o psaní kódu, ale také o práci s firemními podklady, analýzy nebo přípravu materiálů. Pro mě je na tom zajímavé právě propojení s nástroji, které už firma používá. Jejich data a funkce získávají další způsob využití, aniž by se všechno muselo přestěhovat do jedné nové aplikace.
Představme si přípravu na schůzku se zákazníkem. Potřebuju vědět, co jsme mu slíbili, co zůstalo otevřené a jestli se od poslední schůzky něco změnilo. Agent může poskládat podklady z několika služeb a připravit přehled. Po schůzce může navrhnout aktualizaci záznamu a založení navazujících úkolů. CRM přitom pořád drží historii zákazníka, oprávnění a strukturu obchodního případu. Nástroj na úkoly pořád hlídá termíny a stav práce. To, že jsem do nich osobně nevstoupil, neznamená, že se přestaly používat.
Z toho mi vychází i jiný pohled na rozdrobenost softwaru. Dnes je další aplikace často další heslo, další menu a další místo, které musím kontrolovat. Pokud velkou část té obsluhy převezme agent, může pro mě být přijatelnější používat několik specialistů. Pořád zbývá řešit přístupy, propojení a odpovědnost za data, ale odpadá část každodenního přepínání. Právě to může menším službám otevřít prostor, který jim dřív zavírala prostá nechuť lidí učit se další nástroj.
Postavit za večer a provozovat roky jsou různé věci
Proti téhle představě stojí reálný posun k vlastnímu vývoji. V průzkumu McKinsey ze srpna 2026 uvedlo 32 % respondentů, že jejich organizace nekoupila alespoň jeden softwarový produkt nebo funkci, protože je mohla postavit interně s pomocí coding agentů. Je to silný signál, že AI už ovlivňuje rozhodování mezi nákupem a vlastním vývojem.
Část těch rozhodnutí bude dávat výborný smysl. U části podle mě hraje roli i současná AI horečka. Když nám ze všech stran někdo tvrdí, že aplikaci postavíme za večer a SaaS končí, je pochopitelné, že firmy začnou zkoušet, co si můžou udělat samy. Dával bych si ale pozor, abychom z nadšení nad rychlým prototypem rovnou nevyvozovali, jak bude vypadat dlouhodobý provoz.
Postavit aplikaci pro sebe, nasadit ji do firmy a několik let ji udržovat jsou různé úkoly. V prototypu si vystačím s jedním účtem a vzorovými daty. Ve firmě někdo musí řešit odchody lidí, oprávnění, změny napojených systémů, obnovu po chybě a situaci, kdy výstup vypadá správně, ale není. Pravidla pro bezpečnost a práci s osobními údaji mají důvod. AI může výrazně zlevnit i tuhle práci, odpovědnost za výsledek tím ale nezmizí.
Proto pro mě cena předplatného není jen cena za kód, který bych možná dokázal vygenerovat. Platím také za to, že někdo rozumí danému problému, průběžně řeší jeho výjimky a drží službu v provozu. U některých věcí to zvládnu výhodněji sám. U jiných rád zaplatím někomu, kdo je řeší pro více zákazníků a nemusí se je učit znovu jen kvůli mně.
Čím víc práce předáme agentům, tím víc potřebujeme kontrolu
U firem navíc očekávám rostoucí hodnotu auditovatelné vrstvy. Potřebuju se podívat, co se stalo, kdy, kdo nebo co akci spustilo a podle jakých pravidel proběhla. Když agent změní nastavení nebo předá data dál, nemělo by jediné vysvětlení zůstat v historii chatu. Služba má umět uchovat stav a dohledatelný záznam operací, nastavit hranice oprávnění a zastavit požadavek, který nesplňuje její pravidla.
Samotný log samozřejmě správnost nezaručí. Můžu mít dokonale zaznamenanou špatnou operaci. Smysl má až spolu s validacemi, kontrolou přístupu a možností chybu napravit. V tom vidím další důvod, proč nesvěřovat každý detail volnému rozhodování modelu. Pokud určitý krok musí splnit přesně dané podmínky, chci, aby je vynucoval systém. Agent se může postarat o kontext a koordinaci; služba musí umět říct i „tohle neprovedu“.
Rozhraní kvůli tomu nemusí zmizet úplně. Pro kontrolu problému, nastavení pravidel nebo složitější rozhodnutí bude pořád užitečné. OpenAI to ukazuje na aplikacích v ChatGPT a Apps SDK: služba může nabídnout svoje funkce i interaktivní rozhraní přímo v konverzaci a dál pracovat s vlastním backendem. Podobně fungují interaktivní nástroje v Claude. Pro mou tezi ale není podmínkou, aby UI přestalo existovat. Stačí, že do něj kvůli běžné práci nemusím chodit.
Pro tvůrce SaaSů se mění i produkt
Kdybych dnes stavěl takovou specializovanou službu, přemýšlel bych o přístupu pro agenta od začátku. Nestačí někde bokem vystavit API a prohlásit produkt za připravený. Agent potřebuje rozumět tomu, jakou operaci volá, co k ní musí dodat a co přesně dostal zpátky. Když služba odmítne požadavek, měla by umět vysvětlit proč. Když ho přijme, musí být jasné, jestli už práci dokončila, nebo ji teprve zařadila ke zpracování. Jinak agent začne domýšlet stav, který ve skutečnosti nezná.
Třeba u exportu dokladů chci vědět, zda se export skutečně vytvořil, které doklady zahrnuje a které skončily chybou. Pokud se přeruší spojení a agent požadavek zopakuje, neměly by bez kontroly vzniknout dvě stejné operace. To nejsou efektní funkce do produktového videa, ale právě na nich může stát důvod, proč si službu zaplatím. Někdo už promyslel situace, které na první ukázce fungující aplikace nejsou vidět.
Měnit se podle mě bude i způsob, jakým dodavatel ukazuje zákazníkovi hodnotu. Pokud do služby chodí hlavně agent, samotný počet aktivních lidských uživatelů začne popisovat jen část reality. Zajímat mě budou úspěšně dokončené úlohy, rychlost zpracování, množství práce, kterou nemusím opravovat, a náklady na výsledek. Neznamená to, že se všechno musí účtovat za jednotlivou akci. I předplatné může dávat smysl, pokud vím, co mi průběžně zajišťuje.
Za co tedy budu platit?
Až budu příště přemýšlet, jestli nějakou službu zrušit, otázka „kdy jsem ji naposledy otevřel?“ mi nebude stačit. Budu chtít vědět, jakou práci za mě udělala, jak spolehlivě ji zvládá a co bych musel převzít, kdybych ji vypnul. Pro tvůrce SaaSů to znamená prokázat hodnotu i mimo vlastní obrazovky. Přehled dokončených úloh a vyřešených výjimek pro mě může být užitečnější než snaha dostat mě za každou cenu zpátky do dashboardu.
Nevěřím tedy v budoucnost, ve které se dnešním SaaSům nic nestane. Věřím v budoucnost, kde se dost zásadně promění důvod, proč za ně platíme. Některé aplikace zmizí a jiné vzniknou kolem problémů, které dnes nemělo smysl obsluhovat samostatně. Moje sázka je, že mezi nimi bude spousta malých služeb, které budu chtít mít po ruce, i když jejich rozhraní skoro nikdy neuvidím. Budou mi stát za peníze tím, co pro mě udělají.