SaaS मरा नहीं है

1. "SaaS मर गया" इस दावे की पृष्ठभूमि

• हाल में Claude Code, Copilot, Codex जैसे AI coding tools तेज़ी से आगे बढ़े हैं, और इसके साथ यह तर्क भी मज़बूत हुआ है कि “अब software कुछ prompt lines से बनाया जा सकता है, तो क्या SaaS का अंत नहीं हो गया?”
• वास्तव में Reid Hoffman ने कहा कि Claude Code से जुड़ी एक tweet भर से SaaS stocks लगभग 5% तक गिर गए, जो दिखाता है कि बाज़ार इस narrative पर कितना संवेदनशील है.
• लेकिन उनका मानना है कि यहाँ बाज़ार घटना का अतिव्याख्यान कर रहा है. AI software बनाने के तरीके को बड़े स्तर पर बदल रहा है, यह सही है, लेकिन इसका मतलब यह नहीं कि पूरा SaaS industry ही मर रहा है.
• यानी शुरुआती बिंदु यह नहीं है कि “AI कोई खतरा नहीं है”, बल्कि यह कि “खतरे की दिशा को गलत पढ़ा जा रहा है”.
• उनकी समस्या-चेतना साफ़ है: अभी जो टूट रहा है, वह SaaS खुद नहीं, बल्कि पिछले 20 साल से काम कर रही SaaS की पुरानी playbook है.

2. पुराने SaaS moat का कमजोर होना

• Hoffman के अनुसार, पहले SaaS कंपनियाँ इसलिए high margin ले पाती थीं क्योंकि stable product बनाना और उसे scale करने वाली engineering organization खुद एक मजबूत entry barrier थी.
• दूसरे शब्दों में, “हमारे पास ऐसा team है जो इस स्तर की functionality को reliably implement और operate कर सकती है” — यही moat था, और इसी वजह से 40~50% margin भी उचित ठहराया जा सकता था.
• लेकिन AI implementation की speed बढ़ा रहा है, इसलिए सिर्फ engineering labor से आने वाली defensive strength अब साफ़ तौर पर कमजोर हो रही है.
• इसलिए वे मानते हैं कि पिछले 20 साल से SaaS को परिभाषित करने वाला business model अब उसी रूप में कायम रहना मुश्किल है.
• लेकिन यहाँ अहम बात यह है कि margin गिरना और moat कमजोर होना, मौत के बराबर नहीं है.
• “पुराना SaaS model टूट रहा है” इस diagnosis और “अब कोई software के लिए पैसा नहीं देगा” इस conclusion के बीच बड़ा logical jump है, और Hoffman इसी jump को समस्या मानते हैं.
• यानी AI SaaS की economics को फिर से गढ़ रहा है, लेकिन यह सीधे software business को मिटा देने की दिशा में नहीं जाता.

3. software business के बारे में बुनियादी गलतफहमी

• Hoffman के अनुसार, बहुत से लोग software को “एक बार बना दिया, और काम खत्म” जैसी code bundle के रूप में गलत समझते हैं.
• लेकिन असली enterprise software कोई साधारण code output नहीं, बल्कि maintenance, validation, security, compliance, operational stability और continuous improvement की ज़रूरत वाला जीवित system है.
• उदाहरण के लिए कोई कह सकता है, “हमारी company का CRM या payroll system भी बस vibe coding से बना सकते हैं, है न?” लेकिन वास्तविक enterprise environment में security और regulatory risk इतने गंभीर होते हैं कि उसे इतनी आसानी से replace नहीं किया जा सकता.
• खासकर HR, payroll, accounts payable, accounting, enterprise CRM जैसे core business systems में, ‘चल रहा है’ और ‘operate करने लायक स्तर पर है’ — इन दोनों के बीच बहुत बड़ी दूरी होती है.
• इसलिए सिर्फ prompt से feature demo बनाना और ऐसा system चलाना जिस पर कोई company भरोसा करे और पैसे दे — ये पूरी तरह अलग समस्याएँ हैं.
• Hoffman मानते हैं कि इस बिंदु पर AI optimists code generation की आसानी और product operation की कठिनाई को आपस में मिला रहे हैं.
• निष्कर्षतः AI software बनाना आसान करता है, लेकिन software business की responsibility structure को खत्म नहीं करता.

4. नया competitive moat: AI Generativity

• Hoffman के अनुसार असली बदलाव “SaaS का अंत” नहीं, बल्कि competitive moat का केंद्र बदलना है.
• आगे चलकर मजबूत SaaS कंपनियाँ सिर्फ features देने वाली कंपनियाँ नहीं होंगी, बल्कि वे होंगी जो उस category के काम को AI से बेहतर तरीके से करवाने के लिए design किए गए systems दें.
• वे इसे AI Generativity कहते हैं. यानी product के भीतर मौजूद AI उस domain की खास ज़रूरतों को कितनी अच्छी तरह समझता है, और बार-बार बेहतर परिणाम पैदा कर सकता है या नहीं — यही मुख्य competitive strength बनेगी.
• उदाहरण के तौर पर किसी CRM कंपनी को देखें: सिर्फ customer data store और retrieve करने वाली functionality अब काफी कमजोर पड़ सकती है.
• इसके बजाय, मजबूत CRM में वे निम्न तत्व होने की बात करते हैं:
  • ऐसे intelligent agents का set जो sales workflow को बार-बार refine करे
  • ऐसा system जो pipeline को human analyst से भी अधिक व्यापक रूप से समझे
  • उस domain के लिए खास तौर पर design की गई मजबूत backend libraries और operational structure
• ऐसे products साधारण CRUD SaaS की तुलना में कहीं अधिक मजबूत moat रख सकते हैं.
• आखिरकार आगे की प्रतिस्पर्धा इस पर नहीं होगी कि “AI अपनाया या नहीं”, बल्कि इस पर होगी कि domain के भीतर गहराई से फिट होने वाला AI system product का मूल हिस्सा बनाया गया या नहीं.
• Hoffman मानते हैं कि जो मौजूदा players इस बदलाव को समझेंगे, वे evolve करेंगे; जो नहीं समझेंगे, वे वास्तव में decline करेंगे या मरेंगे.
• लेकिन वे यह भी जोड़ते हैं कि वह decline भी बाज़ार की कल्पना की तरह अचानक नहीं होगा, बल्कि संभवतः अपेक्षा से कहीं धीमा होगा.

5. business model का परिवर्तन

• अगर product structure बदलता है, तो economic model भी साथ बदलने की संभावना बहुत अधिक है.
• Hoffman मानते हैं कि पारंपरिक seat-based subscription model ही सब कुछ नहीं रहेगा; आगे चलकर ऐसे utility-style models बढ़ सकते हैं जिनमें customer token budget या compute consumption के लिए पहले से भुगतान करें.
• उदाहरण के लिए AI-native CRM में, सिर्फ “कितने users login करते हैं” से अधिक महत्वपूर्ण यह हो सकता है कि system ने वास्तव में कितना computation और automation किया.
• यानी subscription software गायब नहीं होगा, बल्कि compute consumption आधारित economic model में reorganize हो सकता है.
• वे कहते हैं कि यह बदलाव भले नया लगे, लेकिन यह पहली बार नहीं हो रहा.
• जब पहले on-premise software से cloud SaaS की ओर बदलाव हुआ था, तब भी पुराने business model के टूटने का डर बहुत था, लेकिन अंत में बाज़ार खत्म नहीं हुआ; बल्कि और बड़ा हुआ.
• आज भी कुछ वैसा ही है: हम “cloud SaaS → AI-native software” जैसे एक समान परिवर्तन की शुरुआती अवस्था में हैं.
• इसलिए असली सवाल “क्या SaaS मर जाएगा?” नहीं, बल्कि यह है कि नई unit economics और value measurement का ढांचा क्या होगा.

6. मौजूदा moat अब भी वैध हैं

• Hoffman ज़ोर देकर कहते हैं कि AI युग आने पर भी पुराने moat पूरी तरह गायब नहीं हो जाते.
• खास तौर पर network effects, customer relationships, और data advantage जैसे तत्व अब भी महत्वपूर्ण हैं, और कुछ मामलों में और भी अधिक शक्तिशाली हो सकते हैं.
• विशेष रूप से unique data sources की value तब पहले से अधिक हो जाती है जब AI उसी data पर train और tune किया जा सके.
• जब AI systems किसी enterprise के खास workflows और operational context के अनुसार वर्षों से जमा data पर tune होते हैं, तब customer lock-in का अर्थ पहले से बिल्कुल अलग स्तर पर पहुँच जाता है.
• यानी AI जिस चीज़ को commoditize करता है, वह “तेज़ी से code बनाने की क्षमता” है, पूरा customer relationship, operational data, और domain context नहीं.
• इसी वजह से मौजूदा SaaS कंपनियों के पास पहले से मौजूद customer base और data assets, AI युग में भी एक मजबूत शुरुआती आधार बन सकते हैं.
• वे Jevons’ Paradox का भी उल्लेख करते हैं और कहते हैं कि यदि software बनाने की लागत तेज़ी से गिरती है, तो software की demand उलटे और बढ़ सकती है.
• जब बनाने की लागत घटती है, तो और अधिक समस्याओं को software से हल करने की कोशिश होती है; नतीजतन पूरा बाज़ार सिकुड़ने के बजाय फैल भी सकता है.

अंतिम निष्कर्ष

• Hoffman का निष्कर्ष बहुत स्पष्ट है. SaaS मरा नहीं है.
• बल्कि जो मर रहा है, वह “features को product बनाकर high margin बनाए रखने वाली पुरानी SaaS playbook” के अधिक करीब है.
• आगे जीवित रहने वाली कंपनियाँ वे होंगी जो AI को सिर्फ tool की तरह जोड़ने से आगे बढ़कर, अपनी category के core work को AI Generativity के केंद्र में रखकर फिर से design करेंगी.
• इसके विपरीत, जो कंपनियाँ पुराने सफलता-सूत्र पर अटकी रहेंगी और AI युग में moat के इस बदलाव को नहीं समझेंगी, वे धीरे-धीरे decline कर सकती हैं.
• यानी इस लेख का मुख्य संदेश “software industry का अंत” नहीं, बल्कि software business का पुनर्गठन है.
• एक पंक्ति में कहें तो: SaaS अंतिम संस्कार से नहीं, बल्कि पीढ़ीगत बदलाव से गुजर रहा है. मर रहा है उद्योग नहीं, बल्कि वे players जो समय के बदलाव के साथ खुद को ढाल नहीं पाते.