हर SaaS व्यवसाय एक मॉडल के चारों ओर एक harness बन जाएगा
यह दावा कि भविष्य की SaaS कंपनियाँ ज़्यादातर बड़े AI models के चारों ओर “harnesses” होंगी, इस पर तीखी असहमति पैदा करता है कि AI software businesses को कितनी दूर और कितनी तेज़ी से बदलेगा। समर्थक तर्क देते हैं कि agentic “software factories” और in-house AI orchestration पारंपरिक SaaS को commoditize करेंगे, data moats को कमजोर करेंगे, और advantage उन लोगों को देंगे जिनके harnesses और compute सबसे बेहतर हैं। आलोचक जवाब देते हैं कि अधिकांश कंपनियाँ reliability, risk management, trust, और human judgment के लिए भुगतान करती हैं—सिर्फ code के लिए नहीं—और उनका अनुमान है कि SaaS बना रहेगा, जहाँ AI एक internal tool के रूप में उपयोग होगा, न कि पूरे businesses के core runtime के रूप में।
“harness” की अवधारणा
- एक “harness” को एक stateless LLM के चारों ओर मौजूद सभी infra, interfaces, context, और state के रूप में वर्णित किया गया है।
- कई टिप्पणीकारों का तर्क है कि यह मूलतः वही है जो SaaS या कोई भी application पहले से है, इसलिए यह framing एक नए concept से ज़्यादा एक rebranding जैसी लगती है।
- कुछ लोग process knowledge और org structure को औपचारिक बनाकर LLMs में pump करने योग्य चीज़ के रूप में explicitly देखने में मूल्य देखते हैं।
harness का स्वामित्व बनाम SaaS खरीदना
- कुछ लोगों का तर्क है कि AI-native कंपनियों को model और harness दोनों का ownership रखना होगा, वरना उनका कोई moat नहीं रहेगा।
- दूसरे लोग बताते हैं कि अधिकांश businesses अपने खुद के “agent swarms” चलाना नहीं चाहते; वे समस्याएँ, जोखिम, और operational overhead हटाने के लिए SaaS के पैसे देते हैं।
- Slack बनाम self-hosted chat (Mattermost/Zulip) और GitHub बनाम Gitea जैसे उदाहरण यह दिखाने के लिए दिए जाते हैं कि “आप इसे clone कर सकते हैं” ने SaaS को खत्म नहीं किया, क्योंकि reliability, polish, support, और इसे maintain न करना महत्वपूर्ण है।
“Software factories” और vibe coding
- उत्साही लोग दावा करते हैं कि LLM-powered “software factories” one-shot prompts के जरिए internal tools या यहाँ तक कि पूरे SaaS clones (जैसे Jira, e‑commerce sites, mobile apps) जल्दी generate कर सकती हैं।
- आलोचक इसे snake oil कहते हैं, और latency, bugs, UX issues, तथा लंबे समय में जमा होने वाले “context rot” की ओर इशारा करते हैं जो technical debt बढ़ाता है।
- इस बात पर व्यापक संदेह है कि Jira जैसे complex, mature products को “two weeks of vibe coding” में पूरी तरह replicate किया जा सकता है।
Moats, commoditization, और data
- harness समर्थक software के बड़े पैमाने पर commoditization की भविष्यवाणी करते हैं: AI पारंपरिक feature moats का मूल्य कम करता है; synthetic data कुछ data moats को कमज़ोर करती है; अगर LLMs data को transform और migrate कर सकते हैं तो platform lock-in सिकुड़ जाता है।
- दूसरे लोग जवाब देते हैं कि science/biology जैसे domains में real-world data एक stronger moat बनती जा रही है, क्योंकि इसे generate करना महंगा और समय लेने वाला है और इसे भरोसेमंद तरीके से fake नहीं किया जा सकता।
- बताए गए remaining moats में capital, network effects, relationships, research talent, proprietary sensors/data, और विशेष रूप से trust/brand शामिल हैं।
Org structure, management, और workers
- कुछ लोगों का अनुमान है कि harnesses software और लोगों दोनों को orchestrate करेंगे, decision-making को automate करेंगे और management की layers को replace करेंगे।
- दूसरे लोग चिंता करते हैं कि इससे surveillance, non-deterministic behavior, और opaque models द्वारा evaluated या driven किए जाने वाले stressed employees पैदा होंगे।
- एक recurring theme: AI middle managers से power हटाकर executives और उन लोगों की ओर शिफ्ट कर सकता है जो models और tokens को control करते हैं।
Costs, practicality, और SaaS का भविष्य
- चिंताएँ: LLM calls महँगी, धीमी, और unreliable हैं; “सब कुछ” को model के through चलाना wasteful और risky लगता है।
- कई लोग उम्मीद करते हैं कि SaaS जीवित रहेगा लेकिन AI द्वारा आंतरिक रूप से reshape होगा, जहाँ कुछ products commoditized हो जाएँगे और profit margins पर दबाव पड़ेगा, बजाय इसके कि SaaS पूरी तरह गायब हो जाए।