McKinsey: AI dwingt softwarebedrijven tot nieuwe betaalmodellen

Volgens McKinsey transformeert AI software van een hulpmiddel dat werk mogelijk maakt naar een platform dat werk actief uitvoert en orkestreert.

Trage monetaire groei ondanks potentieel

Hoewel GenAI naar verwachting tot wel 4,4 biljoen dollar aan incrementeel economisch potentieel kan genereren en 46 procent van de bedrijven in 2025 al financiële impact van AI rapporteert, verloopt de monetaire groei van AI-software trager dan verwacht. De wereldwijde zakelijke uitgaven aan AI-applicaties zijn het afgelopen jaar weliswaar acht keer zo hoog geworden, maar vertegenwoordigen nog steeds minder dan 1 procent van de totale software-uitgaven.

McKinsey identificeert drie cruciale uitdagingen voor de langzamere groei in het te gelde maken van AI-software:

1. Waardecommunicatie en Realisatie: Slechts 30 procent van de bedrijven publiceert kwantificeerbare ROI van AI in dollars op basis van echte klantimplementaties. Klanten ervaren een stijging in IT-kosten (soms 60 tot 80 procent meer), maar kunnen de corresponderende arbeidskosten nog niet verlagen.
2. Prijspredictie: Veel huidige AI-prijsmodellen zijn complex en ondoorzichtig, waardoor klanten niet kunnen voorspellen wat de kosten zullen zijn naarmate het gebruik toeneemt.
3. Duurzame Adoptie (Na Pilots): Zelfs succesvolle pilots schalen vaak niet op door onderinvestering in verandermanagement. Volgens McKinsey is een vuistregel dat organisaties voor elke 1 dollar die wordt besteed aan modelontwikkeling, 3 dollar moeten reserveren voor zaken als training van werknemers en prestatiebewaking.

De opkomst van consumptiemodellen

Omdat AI+SaaS-producten steeds meer taken uitvoeren in plaats van alleen ondersteunen, pleiten de McKinsey-analisten voor een businessmodel dat de waarde voor de klant koppelt aan de eenheden werk die voltooid zijn.

Consumptiegebaseerde modellen zijn hiervoor een natuurlijke pasvorm. Deze modellen worden flexibeler en eerlijker geacht, vooral omdat de groei in menselijke gebruikers (‘subscription user seats’) kan vertragen, terwijl AI een groter deel van het werk op zich neemt. Bovendien zetten goed gefinancierde AI-native start-ups de toon met dynamische, op gebruik afgestemde prijzen.

Veel softwarebedrijven starten met hybride modellen, waarbij het traditionele per-gebruiker abonnement blijft bestaan, maar extra AI-gebruik boven een bepaalde capaciteit wordt verrekend via 'buckets' (zoals credits, bijvoorbeeld bij HubSpot) of 'metered throughput' (waarbij de verwerkingscapaciteit, zoals tokens, wordt beperkt bij overschrijding, vergelijkbaar met ChatGPT Enterprise).

De juiste prijsmeter vinden

De transitie naar een consumptiemodel vereist een cruciale keuze: wat is de juiste 'prijsmeter'? De meter moet de inspanning en de gegenereerde waarde van elke AI-actie zo goed mogelijk weerspiegelen.

Activiteitsgebaseerde meters (bijvoorbeeld per workflow voltooid) zijn momenteel het meest gangbaar. Hoewel 'outcome-based' (op resultaat gebaseerde) prijzen (bijvoorbeeld per gekwalificeerde lead) ideaal klinken, zijn ze lastig uit te voeren vanwege de noodzaak om succes automatisch te bevestigen en de definitie van 'succes' die per klant kan variëren. Bedrijven als ServiceNow en Salesforce (met hun Flex Credits of Assists) zijn voorbeelden van leveranciers die al overstappen op consumption-gebaseerde aanbiedingen voor hun AI-producten.

Het McKinsey-rapport, gebaseerd op een analyse van 150 wereldwijde leveranciers, benadrukt dat het traditionele per-gebruiker abonnementsmodel niet volledig zal verdwijnen, maar dat het incorporeren van een consumptie-element cruciaal is om het volledige groeipotentieel van het AI-tijdperk te benutten.