SaaStr: как AI-агенты переписывают экономику программного стека

Джейсон Лемкин, основатель SaaStr, опубликовал этот анализ в июне 2026 года, обнаружив противоречие в счетах за программное обеспечение своей компании. SaaStr работает с тремя людьми и более чем двадцатью AI-агентами, и экономика программного стека компании раскололась по единой оси: нужен ли AI-агентам тот или иной инструмент для выполнения своей работы?

Случай Salesforce — наиболее наглядный. SaaStr сократила число человеческих лицензий Salesforce с более чем десяти до двух. Несмотря на это, годовой счёт вырос на 83% — примерно с 12 000 до 22 000 долларов. Причина: AI-агенты обращаются к Salesforce примерно в 100 раз чаще, чем это делали люди, используя платформу как центральный операционный узел через API и consumption-based pricing. Меньше людей, значительно больше использования, выше счёт.

История с Notion — противоположная. Компания активно использовала Notion и ценила продукт. После развёртывания AI-агентов команда полностью перестала его использовать. Агенты строили дашборды и интерфейсы в других местах. Ориентированный на людей дизайн Notion не предоставлял агентам точки входа, и когда агенты перестали нуждаться в нём, люди последовали за ними.

Лемкин формулирует это как структурный вопрос для каждой B2B SaaS-компании: нужен ли AI-агентам ваш продукт, чтобы успешно выполнять свою работу? Если да, платформа скорее всего увидит рост использования и более высокое удержание по мере распространения AI. Если нет, платформа рискует быть вытесненной — не конкурирующим продуктом, а кастомной автоматизацией, которую агенты строят самостоятельно, или другими инструментами, которые они предпочитают.

Для product manager’ов, создающих B2B-инструменты, этот кейс вводит вопросы, которых не существовало два года назад. Как AI-агенты взаимодействуют с продуктом? Могут ли они напрямую обращаться к API или застревают за UI, разработанным для людей? Что происходит с ценообразованием и удержанием, когда соотношение агентов к людям у клиента переворачивается? Команда, ориентированная на daily active users и длительность сессий, рискует пропустить этот сдвиг.

Пример SaaStr не обобщается автоматически. Разные продуктовые категории имеют разную степень уязвимости перед заменой агентами. Но фреймворк, который он предлагает — «нужен ли агентам этот продукт для успеха?» — стоит применить к своему roadmap командам, работающим в B2B-контексте. Ответы не всегда будут удобными, что, вероятно, и объясняет, почему большинство команд ещё не задали себе этот вопрос.

Статья полезна для product manager’ов в B2B SaaS, для основателей, оценивающих устойчивость своей GTM-модели, и для всех, кто отвечает за pricing-стратегию в условиях ускоряющегося AI-внедрения у клиентов.