บทวิเคราะห์
ในพอดแคสต์ Decoder ของ The Verge ชื่อตอน “The SaaSpocalypse that wasn’t” Mike Cannon-Brookes ผู้ร่วมก่อตั้งและซีอีโอของ Atlassian พูดถึงความกลัวที่แพร่ในวงการซอฟต์แวร์ว่า AI agent จะเข้าถึงข้อมูลองค์กรได้โดยตรง จนไม่ต้องพึ่งแอปพลิเคชันแบบเดิมอีกต่อไป
เขาไม่เห็นด้วยกับสมมติฐานนี้ และหยิบข้อมูลการใช้งานจริงของ Atlassian มายืนยันว่า AI agent กำลังทำให้ลูกค้าใช้งานเครื่องมืออย่าง Jira และ Confluence มากขึ้น ไม่ใช่น้อยลง

ต้นตอของคำว่า SaaSpocalypse
คำว่า “SaaSpocalypse” มาจากความกังวลของนักลงทุนและผู้บริหารสาย SaaS ว่า AI agent ที่ฉลาดพอจะอ่านและเขียนข้อมูลในฐานข้อมูลองค์กรได้โดยตรง จะทำให้ไม่จำเป็นต้องมีหน้าจอซอฟต์แวร์ที่มนุษย์คลิกใช้งานอีกต่อไป เมื่อไม่มีคนนั่งหน้าจอ โมเดลธุรกิจแบบเก็บค่าสมาชิกรายที่นั่ง (per-seat) ก็จะพังไปด้วย
ความกังวลนี้เคยทำให้หุ้นกลุ่มซอฟต์แวร์องค์กรผันผวนหนักในปีนี้ เพราะตลาดกลัวว่าเครื่องมืออย่าง Jira, Confluence หรือ Salesforce จะกลายเป็นแค่ฐานข้อมูลที่ agent เข้าไปจัดการเอง โดยไม่มีใครต้องเปิดแอปเหล่านี้อีก
มุมมองของ Cannon-Brookes: “headless is brainless”
Cannon-Brookes ใช้วลี “headless is brainless” เพื่อโต้แย้งแนวคิดที่ว่าซอฟต์แวร์ควรตัดส่วนหน้าจอทิ้งแล้วปล่อยให้ agent ทำงานแทนทั้งหมด เขามองว่าคนในทีมยังต้องเห็นภาพรวม ตรวจสอบงาน และตัดสินใจร่วมกัน ซึ่งเป็นสิ่งที่หน้าจอและ workflow ที่ออกแบบมาอย่างดียังทำได้ดีกว่าการให้ agent ทำงานเงียบ ๆ อยู่เบื้องหลังเพียงลำพัง
เขาเชื่อว่า AI agent ควรเป็นผู้ช่วยที่ทำงานร่วมกับระบบเดิม ไม่ใช่ตัวแทนที่เข้ามาแทนที่ระบบทั้งหมด

หลักฐานที่ Atlassian หยิบมาสนับสนุน
เพื่อสนับสนุนมุมมองนี้ Cannon-Brookes อ้างอิงข้อมูลการใช้งานของ Atlassian เองว่า ลูกค้าที่เชื่อมต่อผ่าน MCP server และ CLI ของ Atlassian มีอัตราการเติบโตของ ARR (รายได้ประจำปีแบบต่อเนื่อง) เร็วกว่าลูกค้าที่ไม่ได้ใช้ช่องทางเหล่านี้ถึงสองเท่า และที่สำคัญกว่านั้นคือ ลูกค้ากลุ่มที่ใช้ MCP server มากกว่า 98% ยังคงกลับมาใช้หน้าจอ Jira และ Confluence ตามปกติ ไม่ได้ตัดขาดจากอินเทอร์เฟซไปเลย
ตัวเลขนี้คือแกนหลักที่เขาใช้ตอบโต้กระแส SaaSpocalypse เพราะมันชี้ว่า AI agent เข้ามาเสริมการทำงานให้เร็วขึ้น มากกว่าจะมาแทนที่ซอฟต์แวร์ทั้งระบบ
จากขายเครื่องมือแยกชิ้น สู่แพลตฟอร์มที่รวมงานและ AI เข้าด้วยกัน
Atlassian วางตัวเป็นผู้ให้บริการเครื่องมือทำงานร่วมกัน โดยมี Jira สำหรับติดตามงาน Confluence สำหรับเก็บความรู้ และ Loom สำหรับสื่อสารผ่านวิดีโอ แนวทางของบริษัทไม่ใช่การขายแอปแยกชิ้น แต่พยายามเชื่อมเครื่องมือเหล่านี้ให้ทำงานต่อกันได้ตั้งแต่ไอเดียจนถึงการส่งมอบงาน แล้วให้ AI agent เข้ามาช่วยเร่งแต่ละขั้นตอนโดยไม่ตัดมนุษย์ออกจากสมการ
| Factor | ซอฟต์แวร์แบบเดิม | แนวทางของ Atlassian ตามที่ Cannon-Brookes อธิบาย |
|---|---|---|
| บทบาทของ AI agent | แทนที่หน้าจอและผู้ใช้งาน | ทำงานร่วมกับหน้าจอเดิม |
| วิธีวัดผล | จำนวนฟีเจอร์ | ความเร็วในการเติบโตของ ARR |
| การเข้าถึงข้อมูล | agent อ่าน-เขียนข้อมูลตรงเบื้องหลัง | agent ทำงานผ่าน MCP/CLI แล้วคนยังกลับมาดูหน้าจอ |
| ความเสี่ยงต่อธุรกิจ SaaS | สูญเสียเหตุผลให้มีหน้าจอ | หน้าจอยังจำเป็นสำหรับการตัดสินใจร่วมกัน |
ถ้าไม่ใช่ Atlassian บริษัทจะเลือกอะไรแทน
ถ้าโจทย์หลักคือการทำงานข้ามทีมระหว่างฝ่ายพัฒนาและฝ่ายธุรกิจ Atlassian ยังเด่นที่เวิร์กโฟลว์ลึกและเชื่อมงานสองฝั่งได้ดี แต่บริษัทที่มีระบบเดิมอยู่แล้วอาจเลือกเครื่องมือที่เข้ากับ ecosystem ของตัวเองมากกว่า
| Factor | Atlassian | Microsoft 365 และ Copilot | ServiceNow |
|---|---|---|---|
| กลุ่มลูกค้า | ทีมพัฒนาและองค์กรข้ามสายงาน | องค์กรที่ใช้ Microsoft อยู่แล้ว | องค์กรขนาดใหญ่ที่เน้น IT และงานบริการ |
| ความลึกของเวิร์กโฟลว์ | ลึกและปรับตามทีมได้ | กว้าง แต่กระจายตามแอป | ลึกด้าน IT และการบริการ |
| แนวทางรับมือ AI agent | เปิด MCP/CLI ให้ agent ทำงานคู่กับหน้าจอ | ผูก Copilot เข้ากับแอป Microsoft | ใช้ agent จัดการคำขอบริการอัตโนมัติ |
| เหมาะกับองค์กร | ทีมผลิตภัณฑ์ที่ทำงานร่วมกัน | องค์กรที่ใช้ Microsoft เป็นหลัก | องค์กรใหญ่ที่มีขั้นตอนบริการชัดเจน |
จุดแข็งและความเสี่ยงของแนวทางนี้
จุดแข็งของมุมมอง Cannon-Brookes คือมีข้อมูลจริงรองรับ ไม่ใช่แค่การคาดเดา และสะท้อนว่า Atlassian เลือกเปิดทาง MCP/CLI ให้ agent เข้าถึงระบบได้อย่างเป็นทางการ แทนที่จะปิดกั้นแล้วเสี่ยงถูก agent ภายนอกข้ามหัวไปเอง
ความเสี่ยงคือข้อมูลที่เขาอ้างถึงเป็นข้อมูลจากลูกค้า Atlassian เอง ยังต้องรอดูว่าพฤติกรรมนี้จะเหมือนกันในซอฟต์แวร์องค์กรค่ายอื่นหรือไม่ และเมื่อ agent ฉลาดขึ้นเรื่อย ๆ แรงกดดันให้ตัดหน้าจอทิ้งอาจกลับมาอีกในอนาคต
ข้อดี
- +มีข้อมูล ARR และการใช้งาน MCP รองรับข้อโต้แย้ง
- +เปิดทางให้ agent ทำงานผ่าน MCP/CLI อย่างเป็นทางการ
- +ยังคงให้ความสำคัญกับการตัดสินใจร่วมกันของทีม
ข้อเสีย
- −อ้างอิงจากข้อมูลลูกค้าของ Atlassian เองเป็นหลัก
- −ยังไม่รู้ว่าเทรนด์นี้จะเปลี่ยนเมื่อ agent ฉลาดขึ้นอีกหรือไม่

ลูกค้าไม่ได้เลิกซื้อซอฟต์แวร์ แต่กำลังเลือกอย่างเข้มงวดขึ้น
ราคาสมาชิกเป็นแค่จุดเริ่มต้น ยังมีค่าโยกย้ายข้อมูล ค่าอบรมพนักงาน และเวลาที่ต้องปรับกระบวนการทำงานให้เข้ากับระบบใหม่ เมื่อ AI agent เข้ามาเป็นอีกปัจจัยในการตัดสินใจ ลูกค้าจึงเริ่มถามหาหลักฐานการใช้งานจริงมากกว่าคำสัญญาเรื่องฟีเจอร์ AI เพียงอย่างเดียว
สรุป: SaaSpocalypse ที่ยังไม่มาถึง บอกอะไรกับธุรกิจซอฟต์แวร์
บทสัมภาษณ์นี้ไม่ได้บอกว่า AI agent ไม่มีวันแทนที่ซอฟต์แวร์องค์กรได้เลย แต่ชี้ว่าในวันนี้ยังไม่มีหลักฐานว่ากำลังเกิดขึ้นจริงกับ Atlassian คำถามที่ควรติดตามต่อคือ เมื่อ agent ฉลาดขึ้นและเข้าถึงข้อมูลได้กว้างขึ้นเรื่อย ๆ ตัวเลขอย่าง ARR ที่โตเร็วขึ้นจากผู้ใช้ MCP จะยังเป็นเหตุผลให้คงหน้าจอไว้ได้อีกนานแค่ไหน