Rocketlane-CEO: AI vergt structurele reset van professionele SaaS

AI zorgt voor een structurele verschuiving in de technologie. Maar het is een verschuiving die het sterkst voelbaar is bij professionele SaaS-diensten. Deze revolutie gaat verder dan productiviteitsverbeteringen. Sommige experts zeggen dat het de verhoudingen tussen waarde en risico, de manier waarop teams zijn georganiseerd en de snelheid en impact van de diensten zelf herdefinieert. Wat gebeurt hier precies? Wat bedoelen we met professionele SaaS-diensten en wat zijn onze volgende stappen?

SaaS kun je platslaan tot cloud computing in zijn geheel. Professionele SaaS-diensten zijn consultancy-gedreven services voor de cloud. Deze vergen maatwerk voor de implementatie, integratie, configuratie, vaardigheidstraining en verdere analyse. Software engineering-teams worden hierbij geholpen om de waarde van een bepaald softwareplatform of set tools te maximaliseren.

Als we kijken naar hoe technologische leiders de kansen hiervan kunnen benutten, moeten ze begrijpen dat de weg vooruit ligt in nieuwe definitie. Denk aan het herdefeniëren van niet alleen modellen rondom dienstverlening, maar ook de soorten diensten zelf. Zo hebben ze een radicale impact op het succes van klantrelaties.

Srikrishnan Ganesan, medeoprichter en CEO van Rocketlane, een bedrijf dat bekend staat om zijn platform voor het automatiseren van customer onboarding, implementatie en professionele diensten, wil dit onderwerp graag uitleggen.

Hoe de laatste 30 procent strategisch wordt

Ganesan stelt dat de meeste SaaS-producten ongeveer 70 procent van de klantbehoeften out-of-the-box oplossen. De resterende 30 procent betreft domeinspecifieke workflows, complexe integraties en complaince-nuances. Dit is waar professionele diensten traditioneel in beeld komen.

Het probleem is dat het leveren van professionele diensten gewoonlijk senior software-engineers, lange scoping-cycli en aangepaste uitbreidingen vereist. Deze zijn moeilijk te onderhouden. Het werk is noodzakelijk, maar schaalbaar is het zelden.

Kan AI nu deze grens verleggen?

“Met generatieve AI-developmenttools en interfaces in gebruikelijke taal kunnen teams nu binnen enkele uren in plaats van weken van concept naar een functioneel prototype gaan. Iteratiecycli worden verkort en vereisten kunnen in realtime met klanten worden gevalideerd. Uitbreidingen of aangepaste apps kunnen binnen de implementatiestroom worden gebouwd en verfijnd in plaats van te worden doorgegeven aan verschillende teams,” aldus Ganesan.

Hij denkt dat dit het verschil maakt tussen een ervaring waarbij een product aan 70 procent van de behoefte voldoet en de rest vastzit in trage ontwikkeling van maatwerkoplossingen of featureverzoeken die wachten op productteams, versus een ervaring waarbij we snel tot een 90 procent-fit komen met op maat gemaakte apps die snel zijn ontwikkeld door het eigen team van de klant of de leverancier en die ook gemakkelijk te onderhouden of te evolueren zijn.

“Deze versnelling van de build-cyclus verandert de economische aspecten en de risico’s van de laatste fase fundamenteel. Wat vroeger de groei vertraagde, kan nu een onderscheidende factor worden. De beperking verschuift van programmeercapaciteit naar duidelijkheid over de resultaten en de kracht van het beheer, waardoor de laatste 20-30 procent een concurrentievoordeel wordt in plaats van een onderhoudsnachtmerrie”, aldus Ganesan.

Van levering tot coördinatie

Agentic AI kan uiteraard veel van de kernactiviteiten van een technisch SaaS-team voor professionele diensten automatiseren. Denk daarbij aan documentatiewerk, configuratiewerk, het bedenken van oplossingen, datatransformatie, validatie, testen, planning, projectmanagement, enz.

Daarom wijst Ganesan erop dat naarmate de uitvoering steeds meer geautomatiseerd wordt, het zwaartepunt in professionele dienstverlening verschuift naar orkestratie. Hij zegt dat serviceteams die AI voor klanten inzetten hierdoor steeds meer verantwoordelijk worden voor:

• Het vertalen van AI-mogelijkheden naar meetbare bedrijfsresultaten.
• Het interpreteren van modeloutputs en het oplossen van afwegingen.
• Het waarborgen van betrouwbaarheid, compliance en risico’s.
• Het continu aanpassen van oplossingen naarmate modellen en data evolueren.
  

“Implementatievaardigheden zoals configuratie, integratie en workflowontwerp blijven belangrijk. De activiteiten waarvoor die vaardigheden nodig zijn, worden echter vaker gedelegeerd aan AI, waardoor menselijke betrokkenheid meer van het ‘in-the-loop’-type wordt”, aldus Ganesan. “De menselijke verantwoordelijkheid reikt verder dan het voltooien van afgebakende taken en strekt zich uit tot het waarborgen van duurzame prestaties, ROI en resultaten in dynamische omgevingen.”

Deze verandering vereist een systeemgerichte mindset. Teams moeten inzicht hebben in observeerbaarheid, evaluatiekaders, vangrails en levenscyclusbeheer. Het werk verschuift van het bouwen van statische artefacten naar het sturen van adaptieve systemen naar voorspelbare resultaten.

“Als je bijvoorbeeld denkt aan de implementatie van een supply chain-systeem, ligt de focus voor de mens op het begrijpen waar de meeste ROI kan worden gerealiseerd, het koppelen van klanten aan de juiste agent-use cases voor hen en vervolgens itereren om ervoor te zorgen dat de beloofde ROI daadwerkelijk wordt geleverd en erkend, terwijl toezicht wordt gehouden op de AI-agenten die het daadwerkelijke configuratiewerk, de samenvattingen en de datamigratieactiviteiten uitvoeren,” legt Ganesan uit.

Hybride rollen op de grens tussen producten en diensten

Naarmate de grens tussen producten en diensten verschuift, ontstaan er volgens de topman van Rocketlane nieuwe rollen die praktijkgerichtheid combineren met technische diepgang.

• Agentbouwers richten zich op het ontwerpen en beheren van AI-agenten die workflows coördineren, beslissingen automatiseren en communiceren met andere systemen. Hun taak is ervoor te zorgen dat deze agenten betrouwbaar en observeerbaar zijn en aansluiten bij de bedrijfsbeperkingen.
• Customer engineers gebruiken natuurlijke-taaltools en samenstelbare platforms om UI-uitbreidingen, lichtgewicht apps en integraties te bouwen zonder een full-stack engineeringachtergrond. Ze zitten dicht bij de klant en vertalen behoeften naar werkende artefacten aan de rand van het product.
• Forward-deployed engineers werken in het veld met key accounts, maken snel prototypes van oplossingen in de omgeving van de klant, valideren deze met echte gebruikers en voeren patronen terug in de kernroadmap.
  

Volgens Ganesan zorgen deze rollen voor een herverdeling van innovatie. Productteams hebben niet langer het exclusieve eigendom van uitbreidbaarheid. De forward deployed engineers (FDE’s) van serviceorganisaties dragen bij aan de evolutie van het platform. Patronen die in het veld worden ontdekt, kunnen hergebruikbare mogelijkheden binnen het kernproduct opleveren.

“In de praktijk ziet dit eruit als een customer success manager (CSM) of implementatieconsultant die met behulp van AI-ondersteunde builders binnen enkele dagen een klantspecifiek dashboard of portaal opzet, in plaats van te wachten op de productbacklog. Lichtgewicht integraties met systemen als ServiceNow of Zendesk kunnen door serviceteams worden gebouwd en, zodra ze bij een aantal klanten succesvol zijn gebleken, worden opgeschaald tot een ondersteund patroon dat door product en engineering wordt gestandaardiseerd voor het bredere klantenbestand,” aldus Ganesan.

Een meer gedisciplineerd model voor AI-implementatie

De suggestie hier is dat AI-initiatieven vaak vastlopen omdat ze beginnen met brede mandaten in plaats van zich te richten op specifieke pijnpunten of verbeterpunten. Een meer pragmatische aanpak voor serviceorganisaties volgt een vijfstappenplan:

1. Identificeer punten van marge-erosie, vertraging of herwerk binnen actieve opdrachten.

2. Kwantificeer de kosten van die beperkingen in tijd, omzet of risico.

3. Definieer resultaatgerichte succesmetriek die gekoppeld is aan die beperkingen.

4. Voer pilotprojecten uit met een strak afgebakende scope en duidelijke evaluatiecriteria.

5. Zet gevalideerde aanpakken om in herhaalbare draaiboeken.

Ganesan zegt dat dit ook duidelijkheid biedt voor serviceteams waarvan de rollen aan het veranderen zijn. Het doel is om de meest pijnlijke, tijdrovende en foutgevoelige onderdelen van het werk te verbeteren. Sommige serviceteams beginnen bijvoorbeeld met het automatiseren van statusupdates en samenvattingen, bewijzen dat dit tijdwinst en een betere afstemming met belanghebbenden oplevert, en breiden pas daarna uit naar prognoses en risicovoorspellingen.

Wanneer werk dat voorheen 1.000 uur kostte, nu in een fractie van de tijd kan worden geleverd, raakt de op inspanning gebaseerde prijsstelling niet meer in lijn met de geleverde waarde. Een grotere voorspelbaarheid ondersteunt modellen met vaste vergoedingen en modellen die gekoppeld zijn aan resultaten. Lagere leveringskosten vergroten de adresseerbare markt. Opdrachten die voorheen een budget van zes cijfers vereisten, kunnen nu binnen een bereik vallen dat nieuwe segmenten en use cases ontsluit.

De strategische beslissing voor leveranciers en systeemintegrators draait om de vraag hoe efficiëntiewinst wordt ingezet: behouden als marge, herinvesteren in schaalbaarheid, of gebruiken om het bereik en de marktpenetratie uit te breiden.

Ganesan adviseert dat organisaties die AI uitsluitend als een instrument voor kostenoptimalisatie beschouwen, slechts incrementele winsten zullen zien. Degenen die hun servicemodel herontwerpen rond waarde, snelheid en uitbreidbaarheid, zullen het volgende bedrijfsmodel definiëren. Bij de implementatie realiseerden teams die begonnen met het verkorten van de leveringstijd met AI zich al snel dat ze in plaats daarvan nieuwe, goedkopere niveaus en rijkere “white-glove”-ervaringen konden lanceren met hetzelfde personeelsbestand, waardoor zowel de marges als de marktdekking verbeterden.

De structurele reset

AI heroriënteert professionele SaaS-diensten rond waardecreatie in plaats van arbeidsintensiteit. De laatste mijl wordt strategisch nu serviceteams evolueren naar coördinatoren van intelligente systemen en de prijsstelling nu resultaten weerspiegelt in plaats van gewerkte uren.

Tot slot vertelt Ganesan ons dat de weg vooruit voor senior technologieleiders duidelijk is: ontwerp serviceorganisaties rond continu geoptimaliseerde resultaten, stem de uitbreidbaarheid van producten af op de uitvoering in het veld en integreer governance en observability in elke laag. Wanneer diensten zich richten op waarde in plaats van inspanning, wordt de laatste mijl een bron van concurrentievoordeel.

Lees ook: Kwartaalcijfers SaaS-spelers spreken AI-twijfels tegen