Czy budowa SaaS w dobie AI ma jeszcze sens?

Szybkość rozwoju AI w zakresie zastępowania elementów ludzkiej pracy rośnie w sposób wykładniczy. To, co jeszcze dwa lata temu traktowałem jako wsparcie w pisaniu i refaktoryzacji kodu czy też kreowaniu inspiracji do projektów wizualnych, obecnie stało się autonomicznym narzędziem, które wykonuje te zadania w zaskakująco dobry sposób. Czy w dobie tak bardzo rozwiniętych narzędzi AI budowa SaaS ma jeszcze jakikolwiek sens?

Obecnie stworzenie aplikacji nie wymaga już niemalże żadnej wiedzy programistycznej. Każda logicznie myśląca osoba, która poświęci kilka dni na analizę technologii, procesu budowania aplikacji i postara się nieco bardziej zgłębić temat, jest w stanie za pomocą narzędzi AI stworzyć w pełni funkcjonalny produkt. I jasne, może nie od razu laik będzie w stanie zbudować rozbudowany komercyjny produkt, jednak z pewnością spora część zainteresowanych tym tematem osób będzie umiała rozwiązać za pomocą oprogramowania bieżące problemy, ułatwiając sobie tym samym codzienną pracę.

Zwróćmy też uwagę na to, że w obecnej chwili mamy najgorszą możliwą wersję LLM-ów, jaka kiedykolwiek będzie dostępna. A już nawet na tym etapie dają one możliwość kopiowania niemalże dowolnych produktów cyfrowych w zależności od zasobności portfela osoby, która będzie chciała zbudować swoją wersję jakiejś aplikacji.

Postaram się, aby artykuł był maksymalnie zwięzły i przedstawiał podstawowe zagadnienia w tym obszarze, a jako podsumowanie przedstawię swoje produkty w celu zobrazowania przykładów. Zaczniemy od wariantu pesymistycznego. A może jednak optymistycznego w zależności od punktu siedzenia. Bo przecież hipotetycznie to, jaką możliwość daje AI w budowie aplikacji osobom nieprogramistycznym, to utopijna wizja, która jeszcze kilka lat temu była czymś abstrakcyjnym.

Śmierć aplikacji dostępnych w modelu subskrypcyjnym

Za tą tezą moim zdaniem stoi kilka głównych powodów. Pierwszy, najbardziej oczywisty, to rozwój modeli LLM. I to w tym przypadku nie chodzi jedynie o zaawansowane użytkowanie w terminalu, na Linuksie, przez jakiegoś nerda, w piwnicy, który chce zbudować nowy superinteligentny model, iterując w nieskończonej pętli. Jasne, sam fakt tworzenia coraz lepszych modeli wykorzystywanych przez specjalistów jest istotny, jednak chodzi mi bardziej o to, jak wygląda całe środowisko dookoła tego przedsięwzięcia. Aplikacje desktopowe, a nawet mobilne, największych potentatów tej branży (Claude, ChatGPT, Gemini) są dziecinnie proste w obsłudze. Nie wymagają kompletnie żadnej wiedzy informatycznej. Nawet jeżeli budujemy bardziej złożony produkt w postaci gry, aplikacji albo systemu do analizy konkretnych danych, zostaniemy poprowadzeni za rękę. Dostęp modeli do obsługiwania naszego komputera czy też przekazanie im kluczy API, umożliwiając tym samym edycję i zarządzanie konkretnymi narzędziami, które subskrybujemy, umożliwia im całkowitą autonomię w wykonywaniu naszych poleceń i realizowaniu konkretnych decyzji projektowych. Już sam ten fakt pozwala na niespotykaną dotąd samowystarczalność LLM-ów.

Dodatkowo samo środowisko konkretnych modeli rozwija się w zatrważającym tempie. Aplikacje obsługujące możliwość korzystania z modeli otrzymują cały czas nowe dedykowane funkcje: design, wielozadaniową pracę przy projektach, kodowanie, generowanie filmów lub grafik, zastępując tym samym z powodzeniem takie narzędzia jak pakiet Adobe, Figma, Notion, VS Code, a raczej w tym ostatnim przypadku ogólna umiejętność posługiwania się językami programowania.

Głos sceptyków

I teraz z pewnością znajdzie się wielu seniorów z 20-letnim doświadczeniem w każdej z tych dziedzin, którzy podważą powyższy akapit stwierdzeniem, że rzeczy generowane językiem naturalnym nigdy nie będą tak dobre jak to, co stworzy doświadczony architekt oprogramowania. Albo nawet jeżeli będą, to prędzej czy później dojdzie do ich awarii, której nikt nie będzie umiał naprawić, albo że one po prostu nie mają duszy i czegoś im brakuje. Jasne, z wieloma z tych argumentów się zgodzę, jednak często ego osób, które poświęciły lwią część swojego życia na naukę konkretnej umiejętności, przesłania im pełen obraz. Z pragmatycznego punktu widzenia nie każdy potrzebuje doskonałego narzędzia, które jest dopracowane w każdym detalu i działa jak szwajcarski scyzoryk. Często potrzebujemy po prostu narzędzia, które rozwiąże jakiś konkretny drobny problem w jak najkrótszym czasie. Odkładamy na bok piekło perfekcjonizmu z założeniem, że stopniowo będziemy dopracowywać nasze narzędzie, ale najbardziej zależy nam na tym, żeby najzwyczajniej w świecie coś działało i pomagało nam w codziennej pracy.

Od wyszukiwarki do AI

Myślę, że właśnie tu jest pies pogrzebany. Jeszcze kilka lat temu mieliśmy problem do rozwiązania. Wpisywaliśmy go w Google i często otrzymywaliśmy kilka aplikacji w chmurze (SaaS), które były w stanie go rozwiązać. Liczyliśmy, czy to się kalkuluje i rzeczywiście wartość subskrypcji zostanie zamortyzowana w procesie przyspieszenia naszej pracy, i po sprawie. Dzisiaj to samo wpisujemy w AI. Często w obszarze aplikacji obsługującej model dostaniemy gotowy plik Excel z konkretną formułą albo prosty HTML z JS, który bez problemu poradzi sobie z wygenerowaniem interesującego nas efektu. Jeżeli okno aplikacji nie jest w stanie wygenerować jakiegoś rezultatu albo pliku lub wychodzi to poza zakres dedykowanych narzędzi w konkretnej aplikacji, dostajemy konkretną instrukcję, przenosimy się do terminala i w przeciągu kilku godzin możemy zbudować własny prosty CRM czy inną aplikację do analizy danych.

Mamy tutaj do czynienia z dwoma fundamentalnymi aspektami działającymi na niekorzyść SaaS. Pierwszy to poziom rozwoju aplikacji obsługujących LLM, które są w stanie bezpośrednio w oknie przeglądarki wyświetlić nam gotowe rozwiązania naszych problemów w postaci mikroaplikacji, wizualizacji czy innego gotowego narzędzia. Drugi to wygenerowanie konkretnego narzędzia dla nas, jeżeli zakres konkretnej aplikacji obsługującej model nie jest w stanie bezpośrednio rozwiązać naszego problemu. Dzieje się dokładnie to, co przewidziałem już kilka lat temu. W niedalekiej przyszłości każdy będzie mógł podać modelowi kilka zdań, czego dokładnie potrzebuje, a materiałem wyjściowym promptu wejściowego będzie gotowy produkt, z którego będziemy mogli korzystać tylko my albo wąskie grono osób, np. nasz kilkuosobowy zespół.

Oprogramowanie skrojone na miarę

Dodatkowo pojawia się tu jeszcze aspekt laserowego dopasowania rozwiązania pod nasze konkretne zapotrzebowanie. Większość aplikacji webowych rozwiązuje jakiś problem w stopniu ogólnym, w skali makro. Nieraz zdarzało mi się przebudowywać jakiś kombajn typu CRM konkretnie pod danego klienta, ponieważ założenia systemu spełniały wstępne oczekiwania klienta, jednak w bardziej precyzyjnym stopniu musieliśmy zamienić np. sztuki na kartony, przeformatować sposób obliczania kosztów w systemie albo zmienić jakąś konkretną logikę. W dzisiejszych czasach LLM-y z dostępem do naszych konkretnych danych tworzą aplikacje skrojone na miarę, rozwiązujące problemy bardzo wąskich nisz, o których programista budujący produkt dla konkretnej branży może nie mieć zielonego pojęcia.

Czyli w tym przypadku nie dość, że klient sam jest w stanie rozwiązać swój problem za pomocą oprogramowania, to na dodatek wygenerowany przez model produkt będzie bardziej precyzyjnie dopasowany do jego potrzeb. Przy okazji zostanie stworzony za drobny ułamek ceny produkcji oprogramowania zbudowanego przez grupę projektantów i programistów. Smutne, lecz prawdziwe. Jeżeli ktoś neguje taki obraz rzeczywistości, to prawdopodobnie jest nie tyle sceptykiem, co raczej przeciwnikiem korzystania z modeli lub pracuje w tak wąskiej i zaawansowanej technologicznie niszy, że rzeczywiście musi jeszcze upłynąć trochę wody w Wiśle, zanim i te problemy będą efektywnie rozwiązywane przez LLM, ale o tym nieco później.

Reasumując segment poświęcony rychłemu schyłkowi budowania SaaS przez duże firmy IT, sytuacja wygląda dość ponuro, jednak każdy kij ma dwa końce i postaram się przybliżyć w dalszej części jasną stronę obecnego stanu rzeczy.

Renesans budowania oprogramowania?

W pierwszej części przedstawiłem dość utopijną wizję, zakładając, że raczej żyjemy w społeczeństwie inteligentów, gdzie każdy posiada umiejętność sprawnego posługiwania się logiką pragmatyczną, a napisanie pseudokodu nowego produktu cyfrowego będzie dla niego poranną rozgrzewką przed oddaniem się lekturze Hegla. Niestety, a może na szczęście, świat tak nie wygląda. Oczywiście bariera wejścia w tworzenie oprogramowania została drastycznie zredukowana. Osoba, która nigdy nie miała kontaktu ze światem IT, a zrozumienie kodu binarnego na lekcjach informatyki w liceum graniczyło dla niej z cudem, nadal może stworzyć coś, co rozwiąże pewien problem, ale czy na pewno?

Myślę, że takich ludzi nie będzie aż tylu, ilu nam się wydaje. Oczywiście zwiększy się ilość budowanego softu. Spora część z tego to będzie totalny crap, AI slop, zwał jak zwał, możemy tutaj zastosować sporo anglicyzmów, ubierając wygenerowane metodą prób i błędów aplikacje w kolejne epitety. Ale nadal pozostaje sam fakt chęci, determinacji w realizacji celu oraz umiejętność analitycznego myślenia.

Kto wie, „co tam wpisać”?

Pewien ogląd na tę sprawę dało mi stwierdzenie jednego z moich klientów, który jest już dosyć leciwą, jednak nadal bardzo pomysłową i w moim odczuciu wyjątkowo kreatywną osobą potrafiącą jak nikt inny doprowadzać pewne sprawy do końca. Powiedział mniej więcej tak: „Michał, mamy to AI, to już robi prawie wszystko, ale ja nawet czasami nie wiem, co tam wpisać”. I właśnie dokładnie o to chodzi. Przewagę w wyścigu technologicznym, czy też umiejętność wdrażania pewnych pomysłów, będą miały osoby, które będą wiedziały, „co tam wpisać”. Ludzie, którzy choć trochę zainteresują się pewnym tematem i ze skupieniem oddadzą się procesowi tworzenia, planowania, analizowania, aby móc w kilku iteracjach otrzymać dokładnie to, o co poprosili AI.

Szansa dla ambitnych

Tutaj właśnie pojawia się duża szansa dla pewnej ambitnej grupy osób. Dla pomysłowej i inteligentnej części społeczeństwa, która zawsze miała jakiś świetny pomysł na aplikację, grę, animację, cokolwiek. Jednak zawsze brakowało im czasu z powodu, dajmy na to, pracy na etacie, a bariera wejścia w pewne branże była syzyfową pracą, w której po dotoczeniu kamienia na szczyt nagle zza wierzchołka wyłaniała się nowa, jeszcze większa formacja skalna, która błyskawicznie studziła ich zapały i pokazywała, jak daleka droga dzieli ich jeszcze od gotowego produktu.

Mogę podać swój przykład, pozostając w kanonie naszego głównego wątku, czyli SaaS. UX/UI, Figma, HTML/CSS/SCSS, później JS, już myślę, że jestem w domu, bo potrafię zbudować na studiach gotową aplikację, jednak okazuje się, że nie, bo sam front nie wystarczy. Rozpoczyna się żmudna nauka kolejnych technologii: MySQL, PHP, WP – bo może trochę przyspieszy pracę. Uff, nareszcie front działa, łączy się z backendem, coś zapisuje się w bazie danych i jesteśmy w domu. Ale jednak nie, bo lepiej może korzystać z bardziej nowoczesnych technologii? TS, Next, Angular, React, Node, Supabase... i tak można w nieskończoność. I właśnie tutaj pojawia się pewne okno.

Osoby, które mają pewien warsztat i zakres wiedzy, mogą jak nigdy wcześniej bardzo skutecznie, w zdecydowanie szybszy sposób realizować swoje pomysły bez wielkiego zespołu programistów. Wybitne jednostki są obecnie w stanie tworzyć niespotykane jak dotąd narzędzia, aplikacje, systemy w zdecydowanie krótszym czasie. O tym, czy jest tak w rzeczywistości i czy zawsze wygląda to tak kolorowo, napiszę w oddzielnym artykule. Jednak w wyidealizowanym świecie możemy hipotetycznie założyć, że rzeczywiście współczesne modele AI dają nam taką szansę.

Pomysł ważniejszy niż technologia

Chcemy coś stworzyć, nie musimy poświęcać dziesiątek, a raczej setek, godzin na naukę C, Javy, Unity, Blendera, aby stworzyć prostą grę typu Flappy Bird. AI stworzy to za nas albo poprowadzi nas za rękę etap po etapie. Możemy wygenerować gotowy produkt, a później na zasadzie reverse engineering poznać jego szczegóły i krok po kroku edytować oraz dopasowywać, aby spełniał on precyzyjnie nasze wszystkie oczekiwania. Daje to niesamowitą możliwość tworzenia rzeczy, które jeszcze kilka lat temu były zarówno czasowo, jak i technologicznie poza naszym zasięgiem.

Tak samo wygląda sprawa w świecie SaaS. Wszystkie technologie, o których pisałem kilka akapitów wcześniej, mogą mieć zdecydowanie mniejsze znaczenie niż innowacyjny pomysł i bardzo dobre zrozumienie problemu występującego w danej branży. W moim odczuciu modele AI przeniosły wagę odpowiedzialności z aspektu technologicznego na część problemową i logiczną. Oznacza to, że sam pomysł oraz założenia aplikacji są obecnie zdecydowanie bardziej ważne i kluczowe w realizacji projektów niż design czy sama technologia, w której lwią część pracy jest w stanie wykonać LLM.

Odpowiedź na pytanie „Czy budowa SaaS w dobie AI ma jeszcze sens?”

Uważam, że tutaj również, w zależności od branży, produktu, rozwiązywanego problemu i jego skali, odpowiedzi mogą być różne, jednak mimo wszystko sądzę, że tak, i postaram się to podać na kilku konkretnych przykładach:

1. Produkty, które już istnieją, ale zawsze można zrobić to lepiej albo taniej. Daje to ogromną możliwość dla ludzi pracujących w konkretnej branży. Znając ją bardzo dobrze i wiedząc, jakie usługi SaaS są dostępne dla konkretnego segmentu rynku, mogą stworzyć lepszą aplikację rozwiązującą dany problem. Coś tańszego, lepiej dopasowanego do potrzeb użytkownika lub po prostu prostszego i bardziej intuicyjnego w obsłudze. Daje to możliwość przejęcia pewnej części konkretnego rynku, jeżeli chodzi o obsługę w zakresie oprogramowania. Ewentualnie hobbystycznie można zostać ekspertem w jakiejś dziedzinie lub stworzyć dedykowany produkt dla firmy, w której sami pracujemy, dzięki czemu pełnimy w ten sposób bardziej odpowiedzialną funkcję w konkretnej organizacji, zwiększając zyski naszego przedsiębiorstwa albo upraszczając obsługę procesów biznesowych. I tak dla przykładu pomimo tego, że istnieje wiele świetnych design systemów, z pomocą AI od pewnego czasu tworzę swój własny – https://www.prfct.dev/. Nie jest to może nic przełomowego, ale stanowi to dla mnie fajny hobbystyczny projekt, którym za jakiś czas będę mógł podzielić się ze społecznością.

2. Tworzenie złożonych narzędzi, które nie są jedynie nakładkami na modele AI. Spotykam się z tym, że wiele aplikacji, które są usilnie promowane za pomocą reklam albo przy użyciu spamu zalewającego fora i grupy dyskusyjne, to jedynie ładne pod kątem UX/UI nakładki na LLM. To samo wpisane w dowolny „czat” pozwoliłoby na osiągnięcie podobnego rezultatu. Producent aplikacji kupuje tokeny, podpina API, narzuca własną marżę i ma prostą maszynkę do drukowania pieniędzy. Czasami wyposaży ją w jakiś SKILL lub obszerny prompt moderujący dane wejściowe użytkownika i voilà, mamy haczyk na nieświadomych użytkowników.

   Sytuacja zmienia się, kiedy jakaś osoba tworząca produkt rzeczywiście zna się na rzeczy. Zbudowanie odpowiednich promptów nie jest proste. Aplikacja czerpie pełnymi garściami z serwerów MCP, często łączy wiele modeli AI dedykowanych do konkretnych zadań, a odpowiednio ustawieni agenci pracują niezależnie od siebie, dając nieporównywalnie lepszy rezultat niż wpisanie naszej potrzeby w ChatGPT lub Claude. Z tej właśnie pobudki powstaje moja aplikacja brandmaker.studio, która ma na celu zastąpienie agencji reklamowej w zakresie budowania marki i jej kompleksowego brandingu. Opiszę pracę nad nią w kolejnym dedykowanym artykule.

3. Tworzenie innowacyjnych narzędzi w czasie rzeczywistym. Rewolucja AI spowoduje tworzenie nie tylko nowych metod, technologii czy też całych branż i nowych dziedzin, ale również wygeneruje nowe problemy do rozwiązania. W dużej mierze problemy te będą rozwiązywały LLM-y, jednak z pewnością nie wszystkie. Twórca będzie w stanie odkryć konkretne zagadnienie wymagające ułatwienia lub problem, na który przydałoby się wymyślenie jakiegoś rozwiązania, i w przeciągu niedługiego czasu będzie mógł stworzyć aplikację lub narzędzie rozwiązujące ten problem. W takich przypadkach będzie liczyła się bardzo precyzyjna i zaawansowana znajomość branży oraz czas – konkurencja nie śpi, a jak pokazywała nam historia, bycie w czymś jako pierwszy często jest ważniejsze niż bycie lepszym, ale jednak drugim.

Podsumowanie

Są to jedynie moje dywagacje i pewne przemyślenia. W świecie twórców, programistów, projektantów, wynalazców i innych ludzi, dla których tworzenie produktów jest zdecydowanie ważniejsze od ich konsumpcji, znajdzie się pewnie tyle samo zwolenników co przeciwników moich skromnych subiektywnych teorii. Prawda jest taka, że w rzeczywistości to rynek weryfikuje pewne hipotezy, a spekulacje na temat przyszłości były już nieraz brutalnie surowo oceniane przez czas.

Nie zmienia to jednak faktu, że żyjemy w czasach, w których dochodzi do pewnego technologicznego przełomu na niespotykaną dotychczas skalę, w szczególności pod kątem postępu w kontekście czasu. Ludzki mózg nie jest w stanie za tym nadążyć, a pewnego rodzaju zagubienie i chaos towarzyszą coraz większej grupie twórców.

Konkluzją jest jednak to, że nie można rezygnować z konstruktywnego innowacyjnego myślenia. Jeżeli nie SaaS, to może coś innego. Może dedykowane małe produkty dla pojedynczych firm. Może rozwiązywanie złożonych procesów i problemów w jeszcze inny sposób, który dopiero nadejdzie. Czas pokaże. Nie zmienia to faktu, że ciągły rozwój i dążenie do innowacji może okazać się kluczem do stworzenia czegoś, co w ostatecznym rozrachunku stanie się przełomowym rozwiązaniem, dając nam upragnioną satysfakcję ze zbudowania czegoś, co będzie miało pozytywny wpływ na otaczający nas świat.