“Kursi” SaaS Terancam? Tujuh Lompatan AI yang Mulai Mengubah Cara Perusahaan Membeli Software

Gelombang kemajuan kecerdasan buatan (AI) dalam beberapa pekan terakhir memicu pertanyaan baru di industri perangkat lunak: apakah model software-as-a-service (SaaS) yang bergantung pada penjualan per “kursi” (seat) masih relevan ketika pekerjaan dapat dijalankan oleh agen AI secara otomatis.

Kekhawatiran itu tercermin di pasar. Saham software dan layanan global sempat terkoreksi tajam pada awal Februari, dengan kapitalisasi pasar sektor yang dilaporkan menyusut ratusan miliar dolar dalam hitungan hari, di tengah perdebatan investor tentang seberapa cepat AI akan menggerus keunggulan bisnis perusahaan SaaS. (Reuters)

Di sisi produk, serangkaian rilis—mulai dari aplikasi orkestrasi agen, model coding baru, hingga “world model” untuk simulasi—menunjukkan satu arah yang sama: AI tidak hanya membantu menulis kode, tetapi mulai menjalankan alur kerja end-to-end yang sebelumnya menuntut banyak lisensi software, banyak pengguna, dan banyak jam kerja manusia.

Berikut tujuh perkembangan AI yang paling sering disebut sebagai penanda perubahan itu, beserta implikasinya terhadap industri SaaS.

1. OpenAI Codex untuk macOS: “command center” agen yang mendorong kerja paralel

OpenAI meluncurkan aplikasi Codex untuk macOS yang mereka gambarkan sebagai “command center” untuk mengelola banyak agen sekaligus, menjalankan pekerjaan paralel, dan meninjau perubahan kode secara terstruktur. (OpenAI)

Dalam pengumumannya, OpenAI menekankan bahwa tantangan bergeser dari “apa yang bisa dilakukan agen” menjadi “bagaimana manusia mengarahkan dan mengawasi agen dalam skala.” (OpenAI)

Sejumlah laporan media teknologi menyebut aplikasi ini cepat diadopsi, dengan angka unduhan yang menembus jutaan dalam waktu singkat—meski detailnya bergantung pada pernyataan dan peliputan masing-masing media. (TechRadar)

Implikasi untuk SaaS: ketika orkestrasi agen menjadi mudah, perusahaan dapat memindahkan sebagian pekerjaan yang sebelumnya dikerjakan lewat tumpukan tool (issue tracker, doc tool, QA tool, ops tool) ke alur otomatis berbasis agen. Ini berpotensi mengurangi kebutuhan lisensi per pengguna—terutama untuk pekerjaan repetitif.

2. GPT-5.3-Codex: model coding untuk tugas panjang dan multi-agen

Aplikasi itu berjalan seiring rilis model yang disebut dalam peliputan sebagai GPT-5.3-Codex, yang diposisikan untuk kebutuhan coding “agentic”—bukan sekadar auto-complete. (Venturebeat)

Implikasi untuk SaaS: jika model semakin mampu mengerjakan tugas panjang (misalnya membuka isu, membuat branch, menulis PR, memperbaiki bug, dan menjalankan tes), maka unit pembelian software bisa bergeser dari “berapa orang yang memakai” menjadi “berapa banyak pekerjaan yang diselesaikan.” Model harga pun terdorong menuju usage berbasis output atau hasil (outcome-based), bukan seat.

3. Claude Opus 4.6: ekspansi kemampuan ke analisis legal dan finansial

Anthropic meluncurkan Claude Opus 4.6 dan mempromosikannya sebagai model yang unggul dalam analisis multi-sumber di ranah legal, finansial, dan teknis—wilayah yang selama ini menjadi benteng banyak SaaS enterprise berharga mahal. (Anthropic)

Peliputan media keuangan juga mengaitkan kemunculan kemampuan ini dengan kegelisahan investor terhadap bisnis software yang menjual “akses” ke workflow profesional, karena sebagian fungsi dapat dipindahkan ke model AI yang mampu membaca dokumen panjang dan menyusun analisis. (Bloomberg.com)

Implikasi untuk SaaS: SaaS yang menjual dashboard atau laporan sebagai produk utama berisiko terdorong ke komoditisasi bila pelanggan merasa cukup “meminta” agen AI membangun laporan dan keputusan dari data internal mereka. Pertahanan bergeser ke data eksklusif, integrasi, kepatuhan, dan kontrol.

4. Qwen3-Coder-Next: opsi open-weight yang mengurangi ketergantungan vendor

Alibaba merilis Qwen3-Coder-Next, model open-weight yang dirancang untuk coding agent dan pengembangan lokal. (Qwen)

Di saat bersamaan, Reuters melaporkan Alibaba juga mendorong lini model baru Qwen untuk era “agentic AI,” menekankan efisiensi dan biaya yang lebih rendah. (Reuters)

Implikasi untuk SaaS: open-weight memperlemah salah satu keunggulan tradisional SaaS: vendor lock-in. Perusahaan yang sensitif terhadap data dapat memilih self-hosted “developer brain” di balik firewall, lalu membangun fitur internal yang meniru sebagian tool SaaS.

5. GLM-5: fokus pada “agentic engineering” dan pekerjaan jangka panjang

Z.ai memperkenalkan GLM-5 yang mereka posisikan untuk complex systems engineering dan long-horizon agentic tasks—dari “vibe coding” menuju “agentic engineering.” (Z.ai)

Dokumentasi platform pihak ketiga juga menempatkan GLM-5 sebagai model yang mendukung fungsi seperti structured output dan function calling untuk kebutuhan agentic. (Google Cloud Documentation)

Implikasi untuk SaaS: kemampuan mengerjakan pekerjaan panjang memperbesar peluang “software tanpa UI,” di mana pengguna tidak perlu lagi mengklik banyak menu. Mereka cukup menetapkan tujuan, lalu agen mengerjakan lintas sistem—mengurangi nilai SaaS yang selama ini bertumpu pada antarmuka kompleks.

6. MiniMax M2.5: tekanan harga yang membuat “reasoning kelas atas” makin murah

MiniMax memperkenalkan M2.5 dengan narasi efisiensi biaya yang agresif, menekankan bahwa model dapat berjalan cepat dengan biaya rendah untuk skenario produksi. (MiniMax)

Situs pemantau model dan peliputan teknologi menyorot kombinasi harga/token dan performa coding/agentic, yang berpotensi menekan harga layanan AI premium. (Artificial Analysis)

Implikasi untuk SaaS: jika “otak” agentic menjadi murah, maka biaya marjinal otomatisasi turun drastis. Ini mempercepat pergeseran dari “membeli tool untuk tiap tim” ke “menjalankan agen yang melakukan tugas lintas tim.”

7. GitHub Agent HQ dan Waymo World Model: platform orkestrasi dan lompatan simulasi

Perubahan besar bukan hanya soal model, tetapi juga platform orkestrasi.

GitHub memperkenalkan konsep Agent HQ sebagai pusat untuk mengorkestrasi armada agen yang bekerja paralel dalam ekosistem GitHub. (The GitHub Blog)

Sementara itu, Waymo memperkenalkan Waymo World Model, sistem generatif untuk simulasi mengemudi skala besar yang ditujukan untuk skenario langka dan kompleks. (Waymo)

Implikasi untuk SaaS: dua rilis ini menandai pergeseran ke “platformisasi” agen. Dalam skenario bisnis, orkestrasi yang baik memungkinkan agen membuka tiket, mengubah repo, menjalankan tes, menyusun laporan, hingga mengambil tindakan—mendorong SaaS untuk membuktikan nilai di luar UI, seperti governance, audit trail, dan integrasi enterprise.

Mengapa ini mengganggu model “seat”: ketika intelligence melimpah, tagihan per manusia dipertanyakan

SaaS konvensional mengunci margin melalui langganan berulang dan lisensi per pengguna. Ketika agen AI bisa menyelesaikan pekerjaan banyak orang, perusahaan dapat bertanya: perlukah membeli puluhan “seat” jika output bisa dicapai dengan lebih sedikit operator dan lebih banyak agen?

Kegelisahan ini ikut memicu volatilitas pasar. Reuters mencatat penyusutan nilai pasar yang besar pada saham software dan layanan saat investor mencoba menghitung dampak AI terhadap prospek pendapatan jangka panjang. (Reuters)

Namun, arah akhirnya belum pasti. Dalam beberapa kasus, perusahaan SaaS justru dapat bertahan bila berhasil mengubah produk menjadi “sistem operasi kerja” yang mengelola agen—dengan kontrol akses, kepatuhan, keamanan, dan integrasi data yang sulit ditiru cepat oleh tim internal.

Apa yang kemungkinan terjadi berikutnya

1. Perubahan metrik penjualan: dari “jumlah seat” ke jumlah tugas (ticket resolved, PR merged, laporan dibuat) atau nilai hasil (waktu hemat, risiko turun).
2. SaaS menjadi “agent-enabled”: vendor besar akan menambah agen dan orkestrasi, atau membeli pemain yang punya platform agen.
3. Tekanan harga dan komoditisasi: model murah mendorong kompetisi, memaksa vendor fokus pada diferensiasi non-model: data, workflow, compliance, dan integrasi.
4. Kebutuhan governance meningkat: audit trail, kebijakan keamanan, dan kontrol perubahan menjadi kunci ketika agen bisa menulis dan men-deploy kode.

Di tengah transisi ini, pemenang jangka pendek mungkin bukan hanya pembuat aplikasi bisnis, melainkan penyedia infrastruktur dan platform orkestrasi yang membuat agen bisa dipakai aman di perusahaan.