Janji aplikasi buatan AI yang dapat dipanggil secara instan dan dibuang ketika tidak lagi dibutuhkan sedang menarik perhatian di seluruh komunitas teknologi. Visi ini menggambarkan masa depan di mana pengguna cukup mendeskripsikan apa yang mereka inginkan dan menyaksikan software khusus terwujud, menghilangkan kebutuhan akan langganan Software-as-a-Service ( SaaS ) tradisional. Namun, developer yang benar-benar telah mencoba membangun pengganti bertenaga AI untuk tools yang sudah ada berbagi pengalaman yang mengkhawatirkan dan menantang pandangan optimis ini.
Kompleksitas Tersembunyi di Balik Ide Sederhana
Ketika developer mencoba menggantikan software komersial dengan alternatif buatan AI, mereka dengan cepat menemukan bahwa produk SaaS yang sudah mapan mengandung kompleksitas yang jauh lebih besar daripada yang terlihat pada awalnya. Apa yang tampak seperti aplikasi sederhana sering kali mengungkapkan lapisan-lapisan fungsionalitas, kasus-kasus khusus, dan pengetahuan domain yang membutuhkan waktu bertahun-tahun untuk dikembangkan dan disempurnakan. Investasi waktu yang diperlukan untuk menciptakan kembali fitur-fitur ini secara efektif dapat jauh melebihi penghematan biaya dari menghindari biaya langganan.
Beban pemeliharaan menjadi tantangan signifikan lainnya. Setelah aplikasi buatan AI dibangun, seseorang harus mengoperasikan, mengamankan, dan memeliharanya selama masih digunakan. Tanggung jawab berkelanjutan ini mengubah apa yang tampak seperti solusi cepat menjadi komitmen jangka panjang yang mungkin tidak membenarkan upaya awal.
Realitas Pengembangan: Membangun pengganti AI untuk alat SaaS yang sudah ada membutuhkan waktu jauh lebih lama dari yang diperkirakan karena kompleksitas tersembunyi dan kedalaman fitur dalam produk-produk yang sudah mapan
Keterbatasan Infrastruktur Masih Ada
Visi pipa terbuka di mana AI dapat terhubung dengan mulus ke sumber data apa pun menghadapi hambatan praktis. Banyak layanan sengaja membatasi akses pihak ketiga melalui penghalang autentikasi, pembatasan tingkat, dan format data proprietari. API perbankan, situs web resep, dan platform media sosial mempertahankan pembatasan ini untuk alasan bisnis dan keamanan yang tidak dapat diatasi oleh generasi AI.
Endpoint API untuk resep di berbagai situs di internet atau aplikasi perbankan Anda tidak terbuka. Mungkin AI bisa merayapinya, tapi apakah itu berfungsi dalam skala besar? Bisakah melakukannya tanpa kesalahan atau diblokir?
Bahkan ketika akses data secara teknis dimungkinkan, menskalakan koneksi ini dengan andal sambil menghindari pemblokiran atau kesalahan tetap bermasalah. Tantangan infrastruktur yang menciptakan kebutuhan akan solusi SaaS terpusat pada awalnya tidak hilang dengan munculnya generasi kode AI.
Paradoks SaaS Bertenaga AI
Kontradiksi ironis muncul dalam narasi SaaS sudah mati: tools yang memungkinkan software buatan AI adalah produk SaaS itu sendiri. Developer membayar biaya bulanan yang substansial untuk akses ke API model bahasa besar, sering kali menghabiskan ratusan dolar Amerika Serikat per bulan untuk endpoint inferensi. Platform yang menghasilkan kode, seperti v0 milik Vercel dan ChatGPT , beroperasi sebagai layanan berlangganan, menunjukkan bahwa SaaS telah berevolusi daripada mati.
Perbandingan Biaya: Para developer melaporkan pengeluaran ratusan dolar USD per bulan untuk token API LLM, yang dapat melebihi biaya beberapa langganan SaaS yang coba mereka gantikan
Efek Jaringan Masih Penting
Untuk aplikasi yang bergantung pada komunitas pengguna dan data bersama, generasi AI tidak dapat menyelesaikan tantangan fundamental efek jaringan. Membuat platform media sosial atau tool kolaboratif secara teknis dapat dilakukan, tetapi menarik pengguna dan membangun komunitas tetap sulit seperti sebelumnya. Nilai dari banyak aplikasi tidak terletak pada kodenya tetapi pada basis pengguna dan data yang terakumulasi.
Antusiasme terhadap software buatan AI mencerminkan peningkatan nyata dalam produktivitas dan aksesibilitas pengembangan. Namun, kesenjangan antara menghasilkan kode fungsional dan menggantikan produk software yang sudah mapan tetap signifikan. Sementara tools AI unggul dalam membuat prototipe dan menangani tugas-tugas spesifik, visi software yang sepenuhnya sementara mungkin lebih terbatas dalam cakupan daripada yang disarankan oleh para pendukungnya.
Masa depan kemungkinan akan menerapkan pendekatan hibrida di mana AI mempercepat pengembangan dan memungkinkan lebih banyak kustomisasi, sementara SaaS tradisional terus melayani skenario kompleks multi-pengguna yang mendapat manfaat dari pemeliharaan dan infrastruktur khusus.
Referensi: SaaS is Dead