Summary & Insights
The most powerful software transformation in decades isn’t about creating new tools, but about teaching our existing “filing cabinets”—the systems that store our data—to do the work itself. In a conversation with Atlassian co-founder Mike Cannon-Brookes, this core idea frames a deep dive into how artificial intelligence is forcing a fundamental re-evaluation of the entire software industry. The discussion moves beyond simple hype to analyze which types of companies will survive the transition, how the very logic of software pricing must change, and what it truly takes to build AI that humans can actually trust and use effectively.
A central theme is the impending “SaaSpocalypse” or “SaaS-catastrophe,” a shakeout in the software market driven by AI. The analysis argues that not all SaaS companies are equally threatened. The key differentiator lies in their pricing model’s relationship to work. Companies like Zendesk, where “seats” (user licenses) are tied to discrete tasks that AI can now automate, face existential risk. In contrast, companies like Workday, where per-seat pricing is more a “fair-feeling” proxy for company size and complexity than a direct meter for labor, may actually benefit. Their software acts as the essential system of record and process, a platform upon which new AI agents can be built to perform work, making the core product more valuable and sticky.
Successfully navigating this shift requires far more than bolting on an AI feature. The most significant challenge is redesigning the collaboration between humans and software. This involves solving complex design and trust issues: determining when an AI agent should act autonomously versus asking for permission, how to make its reasoning transparent without being overwhelming, and how to integrate it seamlessly into existing human workflows. The history of technological adoption, from web to mobile, shows that the winning paradigms will be those that move beyond simply mimicking old forms (like a chat box that can do “anything”) and instead create intuitive, new patterns of interaction that leverage AI’s unique capabilities.
Surprising Insights
- Pricing Fairness Over Rationality: The per-seat pricing model that built the SaaS fortune wasn’t just about economics; it succeeded because it felt fair to customers that a larger company should pay more, even if the marginal cost of an extra seat was near zero.
- The “Filing Cabinet” Can Now Work: The history of software from 1960 to 2022 was digitizing filing cabinets into databases. The breakthrough with AI is that these systems are transitioning from passive storage to active participants that can execute tasks, like an accounting system collecting receivables.
- AI’s Greatest Barrier is Design, Not Capability: A core bottleneck to delivering value with advanced AI models is user experience and design—figuring out how to move beyond an intimidating, all-powerful chat box and integrate AI into trustworthy, understandable loops within existing human workflows.
- The “Vibe Coding” Threat is Overblown for Complex Systems: While AI can help users build custom extensions, the idea that companies will replace core, complex systems like Workday or Salesforce with internally “vibe-coded” versions is deemed “terrifying” and impractical due to the decades of embedded business logic, edge cases, and compliance rules.
- Consumption-Based Pricing is Often Hated: Despite being trendy, usage- or outcome-based pricing (like AI credits) is frequently disliked by customers because it’s unpredictable and feels outside their control, unlike the predictable cost of a per-seat license.
Practical Takeaways
- Analyze Your Software’s Pricing Relationship to Work: To assess AI risk or opportunity, categorize your software: are seats tied to tasks AI can do (high risk), are they a pricing proxy for company size (potential upside), or somewhere in between? This clarifies your strategic position.
- Focus on “Human-in-the-Loop” Design: When implementing AI, prioritize designs that build trust through transparency and appropriate levels of human oversight. Start by using AI to make existing workflows faster and better (e.g., summarizing a support ticket) before attempting fully autonomous agentic workflows.
- Treat Your Software as a Process Platform, Not Just a Database: Shift the mindset from your product being a “system of record” to being a platform of encoded business processes and rules. This is your defensible moat, enabling AI agents to act reliably and safely on your customer’s behalf.
- Enable Customization, Not Replacement: Invest in making your platform highly extensible with AI (e.g., allowing users to “vibe code” custom apps for specific teams). This increases stickiness and value, as users build unique solutions atop your stable, governed core system.
Sự chuyển đổi phần mềm mạnh mẽ nhất trong nhiều thập kỷ không phải là tạo ra công cụ mới, mà là dạy cho những “tủ hồ sơ” hiện có của chúng ta — các hệ thống lưu trữ dữ liệu — tự động thực hiện công việc. Trong cuộc trò chuyện với đồng sáng lập Atlassian Mike Cannon-Brookes, ý tưởng cốt lõi này định hình một cuộc khám phá sâu về cách trí tuệ nhân tạo (AI) đang buộc ngành công nghiệp phần mềm phải đánh giá lại một cách căn bản. Cuộc thảo luận vượt ra ngoài những cơn sốt đơn thuần để phân tích loại hình công ty nào sẽ sống sót qua cuộc chuyển đổi, logic định giá phần mềm phải thay đổi ra sao, và điều gì thực sự cần thiết để xây dựng AI mà con người có thể thực sự tin tưởng và sử dụng hiệu quả.
Một chủ đề trọng tâm là “Ngày tận thế của SaaS” (SaaSpocalypse) sắp xảy ra, một cuộc sàng lọc trong thị trường phần mềm được thúc đẩy bởi AI. Phân tích cho rằng không phải tất cả các công ty SaaS đều bị đe dọa như nhau. Yếu tố khác biệt chính nằm ở mối quan hệ giữa mô hình định giá của họ với công việc. Các công ty như Zendesk, nơi “ghế” (giấy phép người dùng) gắn liền với các nhiệm vụ riêng biệt mà giờ đây AI có thể tự động hóa, đối mặt với rủi ro sống còn. Ngược lại, các công ty như Workday, nơi định giá theo ghế thực chất là một đại diện “cảm thấy công bằng” cho quy mô và độ phức tạp của công ty hơn là một thước đo trực tiếp cho lao động, thực tế có thể được hưởng lợi. Phần mềm của họ đóng vai trò là hệ thống lưu trữ và quy trình thiết yếu, một nền tảng để xây dựng các tác nhân AI mới thực hiện công việc, khiến sản phẩm cốt lõi trở nên có giá trị và bám sâu hơn.
Để vượt qua thành công sự thay đổi này, cần nhiều hơn việc chỉ gắn thêm một tính năng AI. Thách thức quan trọng nhất là thiết kế lại sự hợp tác giữa con người và phần mềm. Điều này liên quan đến việc giải quyết các vấn đề phức tạp về thiết kế và sự tin cậy: xác định khi nào một tác nhân AI nên hành động tự chủ so với việc xin phép, làm thế nào để làm rõ lập luận của nó mà không quá tải, và làm thế nào để tích hợp nó liền mạch vào các quy trình làm việc hiện có của con người. Lịch sử ứng dụng công nghệ, từ web đến di động, cho thấy những mô hình chiến thắng sẽ là những mô hình vượt ra ngoài việc bắt chước đơn thuần các hình thức cũ (như một hộp chat có thể làm “bất cứ điều gì”) và thay vào đó tạo ra những khuôn mẫu tương tác mới, trực quan, tận dụng khả năng độc đáo của AI.
Những Góc Nhìn Bất Ngờ
- Sự Công Bằng trong Định Giá Hơn là Lý Trí: Mô hình định giá theo ghế đã xây dựng nên khối tài sản SaaS không chỉ là về kinh tế; nó thành công vì khiến khách hàng cảm thấy công bằng khi một công ty lớn hơn phải trả nhiều tiền hơn, ngay cả khi chi phí biên cho một ghế bổ sung gần như bằng không.
- “Tủ Hồ Sơ” Giờ Đã Có Thể Làm Việc: Lịch sử phần mềm từ năm 1960 đến 2022 là quá trình số hóa tủ hồ sơ thành cơ sở dữ liệu. Đột phá với AI là việc các hệ thống này đang chuyển từ lưu trữ thụ động sang các thành viên tham gia tích cực có thể thực hiện nhiệm vụ, giống như một hệ thống kế toán tự động thu các khoản phải thu.
- Rào Cản Lớn Nhất của AI là Thiết Kế, Không Phải Năng Lực: Một nút thắt cốt lõi để mang lại giá trị với các mô hình AI tiên tiến là trải nghiệm người dùng và thiết kế — tìm ra cách vượt ra ngoài một hộp chat đa năng đáng sợ và tích hợp AI vào các vòng lặp đáng tin cậy, dễ hiểu bên trong các quy trình làm việc hiện có của con người.
- Mối Đe Dọa “Lập Trình Cảm Tính” Bị Phóng Đại Quá Mức với Hệ Thống Phức Tạp: Trong khi AI có thể giúp người dùng xây dựng các phần mở rộng tùy chỉnh, ý tưởng rằng các công ty sẽ thay thế các hệ thống cốt lõi phức tạp như Workday hay Salesforce bằng các phiên bản “lập trình cảm tính” nội bộ được coi là “đáng sợ” và không thực tế do hàng thập kỷ tích lũy logic kinh doanh, các trường hợp đặc biệt và quy tắc tuân thủ.
- Định Giá Dựa trên Mức Độ Sử Dụng Thường Bị Ghét: Mặc dù là xu hướng, định giá dựa trên mức sử dụng hoặc kết quả (như tín dụng AI) thường bị khách hàng không thích vì nó khó dự đoán và cảm giác nằm ngoài tầm kiểm soát của họ, không như chi phí có thể dự đoán được của giấy phép theo ghế.
Điểm Cốt Lõi Thực Tiễn
- Phân Tích Mối Quan Hệ Định Giá Phần Mềm của Bạn với Công Việc: Để đánh giá rủi ro hoặc cơ hội từ AI, hãy phân loại phần mềm của bạn: các ghế có gắn với nhiệm vụ mà AI có thể làm không (rủi ro cao), chúng có phải là đại diện định giá cho quy mô công ty không (tiềm năng tăng trưởng), hay ở đâu đó ở giữa? Điều này làm rõ vị thế chiến lược của bạn.
- Tập Trung vào Thiết Kế “Con Người Trong Vòng Lặp”: Khi triển khai AI, hãy ưu tiên các thiết kế xây dựng niềm tin thông qua tính minh bạch và mức độ giám sát của con người phù hợp. Bắt đầu bằng cách sử dụng AI để làm cho các quy trình làm việc hiện có nhanh hơn và tốt hơn (ví dụ: tóm tắt một phiếu hỗ trợ) trước khi thử các quy trình làm việc tự chủ hoàn toàn.
- Xem Phần Mềm Như Một Nền Tảng Quy Trình, Không Chỉ Là Cơ Sở Dữ Liệu: Chuyển đổi tư duy từ việc sản phẩm của bạn là một “hệ thống lưu trữ” sang là một nền tảng của các quy trình và quy tắc kinh doanh được mã hóa. Đây là hào phòng thủ vững chắc của bạn, cho phép các tác nhân AI hành động đáng tin cậy và an toàn thay mặt khách hàng của bạn.
- Tạo Điều Kiện Tùy Chỉnh, Không Thay Thế: Đầu tư vào việc làm cho nền tảng của bạn có khả năng mở rộng cao với AI (ví dụ: cho phép người dùng “lập trình cảm tính” các ứng dụng tùy chỉnh cho nhóm cụ thể). Điều này làm tăng độ bám và giá trị, vì người dùng xây dựng các giải pháp độc đáo trên hệ thống cốt lõi ổn định và được quản lý của bạn.
數十年來最強大的軟體變革，並非在於創造新工具，而是教會我們現有的「檔案櫃」——那些儲存數據的系統——自行完成工作。在與 Atlassian 聯合創始人 Mike Cannon-Brookes 的對談中，這一核心思想引領我們深入探討人工智慧如何迫使整個軟體產業進行根本性的重新評估。討論超越單純的炒作，分析哪些類型的公司能在轉型中存活、軟體定價的基本邏輯必須如何改變，以及建立人類真正能信任並有效使用的人工智慧所需條件。
一個核心主題是即將到來的「SaaSpocalypse」或「SaaS 災難」，這是由人工智慧驅動的軟體市場震盪。分析指出，並非所有 SaaS 公司都受到同等威脅。關鍵差異在於其定價模式與「工作」的關聯性。像 Zendesk 這類公司，其「席位」（用戶授權）與離散性任務綁定，而這些任務如今可由人工智慧自動化，因此面臨生存危機。相反地，像 Workday 這類公司，其按席位定價更像是公司規模與複雜度的「感覺公平」代理指標，而非直接計量勞動力，反而可能受益。它們的軟體作為重要的記錄與流程系統，成為構建新型人工智慧代理以執行工作的平台，使核心產品更具價值與黏著度。
成功駕馭這一轉型遠非簡單添加人工智慧功能即可。最重大的挑戰在於重新設計人類與軟體間的協作模式。這涉及解決複雜的設計與信任問題：決定何時該讓人工智慧代理自主行動、何時需徵求許可；如何使其推理過程透明化而不致令人難以負荷；以及如何將其無縫整合至現有人類工作流程中。從網路到行動裝置的技術採納歷史表明，獲勝的範式將超越單純模仿舊形式（如一個能處理「任何事」的聊天框），轉而創造直覺、新型的互動模式，以發揮人工智慧的獨特能力。
令人驚奇的洞察
- 定價的公平感勝於理性： 締造 SaaS 財富的按席位定價模式不僅關乎經濟學；它之所以成功，是因為讓客戶「感覺公平」——規模較大的公司理應支付更多費用，即便增加一個席位的邊際成本近乎為零。
- 「檔案櫃」如今能工作了： 從 1960 年到 2022 年的軟體發展史，是將檔案櫃數位化為資料庫的歷程。人工智慧的突破在於，這些系統正從被動儲存轉變為能執行任務的主動參與者，例如會計系統自動收取應收帳款。
- 人工智慧的最大障礙在於設計，而非能力： 運用先進人工智慧模型實現價值的核心瓶頸是用戶體驗與設計——如何超越令人生畏、無所不能的聊天框模式，將人工智慧整合至現有人類工作流程中，成為可信賴、可理解的循環環節。
- 「氛圍編碼」對複雜系統的威脅被誇大了： 儘管人工智慧能協助用戶構建自訂擴充功能，但認為公司將以內部「氛圍編碼」版本取代 Workday 或 Salesforce 等核心複雜系統的想法，被視為「令人恐懼」且不切實際，因為這些系統內嵌了數十年的商業邏輯、邊界案例與合規規則。
- 按使用量定價常遭厭惡： 儘管按使用量或結果定價（如人工智慧點數）成為趨勢，卻常不受客戶青睞，因為其成本難以預測且感覺不受控制，不若按席位授權的可預測費用。
實用要點
- 分析您軟體的定價與工作的關聯性： 為評估人工智慧帶來的風險或機會，請將軟體分類：席位是否與人工智慧可執行的任務綁定（高風險）？抑或是公司規模的定價代理指標（潛在優勢）？或介於兩者之間？這有助釐清您的戰略定位。
- 聚焦「人機協作循環」設計： 實施人工智慧時，優先考慮透過透明化與適當程度的人工監督來建立信任的設計。先運用人工智慧使現有工作流程更快更好（例如總結客服工單），再嘗試完全自主的代理工作流程。
- 將軟體視為流程平台，而非僅是資料庫： 轉變思維，從將產品視為「記錄系統」轉變為編碼商業流程與規則的平台。這是您可防禦的護城河，能讓人工智慧代理可靠且安全地代表客戶行事。
- 支持自訂，而非取代： 投資讓您的平台高度可擴展，兼容人工智慧（例如允許用戶為特定團隊「氛圍編碼」自訂應用）。這能增加黏著度與價值，因用戶能在您穩定、受監管的核心系統上構建獨特解決方案。
La transformación de software más poderosa en décadas no se trata de crear nuevas herramientas, sino de enseñar a nuestros “archivadores” existentes—los sistemas que almacenan nuestros datos—a hacer el trabajo por sí mismos. En una conversación con el cofundador de Atlassian, Mike Cannon-Brookes, esta idea central enmarca un análisis profundo sobre cómo la inteligencia artificial está forzando una reevaluación fundamental de toda la industria del software. La discusión va más allá del simple bombo para analizar qué tipos de empresas sobrevivirán a la transición, cómo debe cambiar la lógica misma de los precios del software y qué se necesita realmente para construir una IA en la que los humanos puedan confiar y usar de manera efectiva.
Un tema central es el inminente “SaaSpocalipsis” o “SaaS-catástrofe”, una sacudida en el mercado del software impulsada por la IA. El análisis argumenta que no todas las empresas SaaS están igualmente amenazadas. El diferenciador clave radica en la relación de su modelo de precios con el trabajo. Empresas como Zendesk, donde las “licencias de usuario” están vinculadas a tareas discretas que la IA ahora puede automatizar, enfrentan un riesgo existencial. En contraste, empresas como Workday, donde el precio por usuario es más un proxy de “sensación de justicia” por el tamaño y la complejidad de la empresa que un medidor directo del trabajo, podrían beneficiarse. Su software actúa como el sistema esencial de registro y proceso, una plataforma sobre la cual se pueden construir nuevos agentes de IA para realizar trabajo, haciendo que el producto central sea más valioso y retenedor.
Navegar con éxito este cambio requiere mucho más que agregar una funcionalidad de IA. El desafío más significativo es rediseñar la colaboración entre humanos y software. Esto implica resolver problemas complejos de diseño y confianza: determinar cuándo un agente de IA debe actuar de forma autónoma frente a pedir permiso, cómo hacer que su razonamiento sea transparente sin ser abrumador y cómo integrarlo de manera fluida en los flujos de trabajo humanos existentes. La historia de la adopción tecnológica, desde la web hasta el móvil, muestra que los paradigmas ganadores serán aquellos que vayan más allá de simplemente imitar formas antiguas (como un cuadro de chat que puede hacer “cualquier cosa”) y, en su lugar, creen nuevos patrones de interacción intuitivos que aprovechen las capacidades únicas de la IA.
Ideas Sorprendentes
- La Equidad en los Precios por Encima de la Racionalidad: El modelo de precios por usuario que construyó la fortuna SaaS no solo trataba de economía; tuvo éxito porque se sentía justo para los clientes que una empresa más grande pagara más, incluso si el coste marginal de una licencia adicional era casi cero.
- El “Archivador” Ahora Puede Trabajar: La historia del software desde 1960 hasta 2022 consistió en digitalizar archivadores en bases de datos. El avance con la IA es que estos sistemas están pasando de un almacenamiento pasivo a participantes activos que pueden ejecutar tareas, como un sistema de contabilidad que gestiona las cuentas por cobrar.
- La Mayor Barrera de la IA es el Diseño, no la Capacidad: Un cuello de botella principal para entregar valor con modelos avanzados de IA es la experiencia del usuario y el diseño—averiguar cómo ir más allá de un cuadro de chat intimidante y todopoderoso e integrar la IA en bucles confiables y comprensibles dentro de los flujos de trabajo humanos existentes.
- La Amenaza de la “Programación por Vibración” Está Exagerada para Sistemas Complejos: Si bien la IA puede ayudar a los usuarios a construir extensiones personalizadas, la idea de que las empresas reemplazarán sistemas centrales complejos como Workday o Salesforce con versiones internas “programadas por vibración” se considera “aterradora” e impracticable debido a las décadas de lógica empresarial incorporada, casos extremos y reglas de cumplimiento.
- Los Precios Basados en el Consumo son Frecuentemente Odiados: A pesar de estar de moda, los precios basados en el uso o en resultados (como créditos de IA) son frecuentemente desagradables para los clientes porque son impredecibles y se sienten fuera de su control, a diferencia del costo predecible de una licencia por usuario.
Conclusiones Prácticas
- Analiza la Relación de Precios de tu Software con el Trabajo: Para evaluar el riesgo o la oportunidad de la IA, clasifica tu software: ¿están las licencias vinculadas a tareas que la IA puede hacer (alto riesgo), son un proxy de precio por el tamaño de la empresa (potencial ventaja), o están en un punto intermedio? Esto clarifica tu posición estratégica.
- Enfócate en el Diseño de “Humano en el Bucle”: Al implementar IA, prioriza diseños que construyan confianza a través de la transparencia y niveles apropiados de supervisión humana. Comienza usando la IA para hacer que los flujos de trabajo existentes sean más rápidos y mejores (por ejemplo, resumiendo un ticket de soporte) antes de intentar flujos de trabajo completamente autónomos y agentes.
- Trata tu Software como una Plataforma de Procesos, no Solo una Base de Datos: Cambia la mentalidad de que tu producto es un “sistema de registro” a que es una plataforma de procesos y reglas empresariales codificadas. Esta es tu barrera defensiva, permitiendo que los agentes de IA actúen de manera confiable y segura en nombre de tus clientes.
- Habilita la Personalización, no el Reemplazo: Invierte en hacer que tu plataforma sea altamente extensible con IA (por ejemplo, permitiendo a los usuarios “programar por vibración” aplicaciones personalizadas para equipos específicos). Esto aumenta la retención y el valor, ya que los usuarios construyen soluciones únicas sobre tu sistema central estable y gobernado.
Um tema central é o iminente “SaaSpocalipse” ou “catástrofe do SaaS”, um ajuste no mercado de software impulsionado pela IA. A análise argumenta que nem todas as empresas de SaaS estão igualmente ameaçadas. O diferencial-chave está na relação do seu modelo de preços com o trabalho. Empresas como a Zendesk, onde as “posições” (licenças de usuário) estão vinculadas a tarefas específicas que a IA agora pode automatizar, enfrentam risco existencial. Em contraste, empresas como a Workday, onde o preço por posição funciona mais como um representante “que parece justo” para o tamanho e a complexidade da empresa do que como um medidor direto da mão de obra, podem realmente se beneficiar. O seu software atua como o sistema essencial de registro e processo, uma plataforma sobre a qual novos agentes de IA podem ser construídos para realizar o trabalho, tornando o produto central mais valioso e atrativo.
Navegar com sucesso nesta mudança requer muito mais do que simplesmente adicionar um recurso de IA. O desafio mais significativo é redesenhar a colaboração entre humanos e software. Isso envolve resolver questões complexas de design e confiança: determinar quando um agente de IA deve agir de forma autônoma versus pedir permissão, como tornar o seu raciocínio transparente sem ser esmagador e como integrá-lo perfeitamente aos fluxos de trabalho humanos existentes. A história da adoção tecnológica, da web ao mobile, mostra que os paradigmas vencedores serão aqueles que vão além de simplesmente imitar formas antigas (como uma caixa de chat que pode fazer “qualquer coisa”) e, em vez disso, criam novos padrões intuitivos de interação que aproveitam as capacidades únicas da IA.
### Insights Surpreendentes
* **Justiça de Preços Acima da Racionalidade:** O modelo de preços por posição que construiu a fortuna do SaaS não era apenas sobre economia; ele teve sucesso porque *parecia justo* para os clientes que uma empresa maior pagasse mais, mesmo que o custo marginal de uma posição adicional fosse quase zero.
* **O “Arquivo” Agora Pode Trabalhar:** A história do software de 1960 a 2022 foi a de digitalizar arquivos em bancos de dados. O avanço com a IA é que esses sistemas estão passando de armazenamento passivo para participantes ativos que podem executar tarefas, como um sistema de contabilidade cobrando contas a receber.
* **A Maior Barreira da IA é o Design, Não a Capacidade:** Um gargalo central para entregar valor com modelos avançados de IA é a experiência do usuário e o design – descobrir como ir além de uma caixa de chat intimidante e onipotente e integrar a IA em ciclos confiáveis e compreensíveis dentro dos fluxos de trabalho humanos existentes.
* **A Ameaça da “Programação por Vibração” é Exagerada para Sistemas Complexos:** Embora a IA possa ajudar os usuários a construir extensões personalizadas, a ideia de que as empresas substituirão sistemas principais e complexos como Workday ou Salesforce por versões internas “programadas por vibração” é considerada “aterrorizante” e impraticável devido às décadas de lógica de negócios incorporada, casos extremos e regras de conformidade.
* **A Precificação Baseada no Consumo é Frequentemente Odiada:** Apesar de estar na moda, a precificação baseada no uso ou resultado (como créditos de IA) é frequentemente desgostada pelos clientes porque é imprevisível e parece fora de seu controle, ao contrário do custo previsível de uma licença por posição.
### Conclusões Práticas
* **Analise a Relação de Preços do Seu Software com o Trabalho:** Para avaliar o risco ou oportunidade da IA, categorize seu software: as posições estão vinculadas a tarefas que a IA pode fazer (alto risco), são um representante de preços para o tamanho da empresa (potencial vantagem) ou algo intermediário? Isso esclarece sua posição estratégica.
* **Foque no Design “Com Humano no Ciclo”:** Ao implementar IA, priorize designs que construam confiança através da transparência e níveis apropriados de supervisão humana. Comece usando a IA para tornar os fluxos de trabalho existentes mais rápidos e melhores (por exemplo, resumindo um ticket de suporte) antes de tentar fluxos de trabalho agentes totalmente autônomos.
* **Trate Seu Software como uma Plataforma de Processo, Não Apenas um Banco de Dados:** Mude a mentalidade de seu produto ser um “sistema de registro” para ser uma plataforma de processos e regras de negócios codificadas. Este é o seu fosso defensável, permitindo que agentes de IA ajam de forma confiável e segura em nome do seu cliente.
* **Permita Customização, Não Substituição:** Invista em tornar sua plataforma altamente extensível com IA (por exemplo, permitindo que os usuários “programem por vibração” aplicativos personalizados para equipes específicas). Isso aumenta a atratividade e o valor, pois os usuários constroem soluções únicas sobre seu sistema central estável e governado.
Alex Rampell and Erik Torenberg speak with Mike Cannon-Brookes, cofounder and CEO of Atlassian, about how to make sense of the SaaS selloff, why not all software companies face the same AI-driven risks, and how Atlassian is thinking about the shift from records to processes. They also examine the real design challenge of getting everyday users to trust and benefit from AI agents in enterprise workflows.
Resources:
Follow Alex Rampell on X: https://twitter.com/arampell
Follow Erik Torenberg on X: https://twitter.com/eriktorenberg
Follow Mike Cannon-Brookes on X: https://twitter.com/mcannonbrookes
Stay Updated:
Find a16z on YouTube: YouTube
Find a16z on X
Find a16z on LinkedIn
Listen to the a16z Show on Spotify
Listen to the a16z Show on Apple Podcasts
Follow our host: https://twitter.com/eriktorenberg
Please note that the content here is for informational purposes only; should NOT be taken as legal, business, tax, or investment advice or be used to evaluate any investment or security; and is not directed at any investors or potential investors in any a16z fund. a16z and its affiliates may maintain investments in the companies discussed. For more details please see a16z.com/disclosures.
Hosted by Simplecast, an AdsWizz company. See pcm.adswizz.com for information about our collection and use of personal data for advertising.
Leave a Reply
You must be logged in to post a comment.