Ho lanciato il mio primo prodotto SaaS AI otto mesi fa. È uno strumento che legge i depositi SEC e genera riassunti in inglese semplice per gli investitori individuali. Fatturato: 4.200 $/mese. Utenti: circa 340 abbonati paganti. Tempo per creare il MVP: 12 giorni.
Non vi dico questo per vantarmi — 4.200 $/mese non è una cifra per lasciare il lavoro. Ve lo dico perché otto mesi fa non avevo mai creato un prodotto SaaS, non sono un sviluppatore particolarmente abile e l’intera pila tecnica è essenzialmente uno strato ben progettato attorno all’API di Claude. Se posso farlo io, la barriera d’ingresso è davvero bassa.
Ecco tutto quello che ho imparato, comprese le mie errori.
Trovare l’idea (Non pensarci troppo)
Ho perso due mesi a cercare “l’idea perfetta di SaaS AI”. Ho letto articoli sulla dimensione del mercato, sul TAM e sui vantaggi competitivi. Nulla di tutto ciò aveva importanza.
Ciò che era importante: mio suocero mi ha chiamato un sabato per chiedere cosa significasse un deposito 10-K. Ho passato 30 minuti a spiegarglielo. Poi ho pensato: quanti investitori individuali hanno la stessa domanda ma nessuno a cui chiedere?
È tutto qui. Questo è il processo di ideazione. Qualcuno aveva un problema. Il problema era risolvibile con un LLM. Ho costruito la soluzione.
Le migliori idee di SaaS AI non sono astute. Sono ovvie col senno di poi. Trova un flusso di lavoro nel quale qualcuno spende ore a fare un lavoro cognitivo che un LLM può fare in secondi. Costruisci un prodotto attorno a quel flusso di lavoro. Ecco fatto.
Il tranello da evitare: “[cosa generica] alimentata da AI” non è un prodotto. “Strumento di scrittura AI” è una funzionalità. “Strumento AI che genera descrizioni di immobili a partire da foto della proprietà e specifiche, formattate per Zillow e Realtor.com” è un prodotto. La specificità è il prodotto.
Architettura Tecnica (Tenetela noiosa)
La mia pila tecnica: frontend Next.js, backend Node.js, database PostgreSQL, API Claude per l’AI, Stripe per i pagamenti, Vercel per l’hosting. Costo totale dell’infrastruttura mensile: 87 $.
È tutto qui. Niente microservizi. Niente Kubernetes. Niente database vettoriali (ne ho aggiunto uno più tardi quando ho avuto bisogno di RAG per il confronto storico dei depositi, ma il MVP non ne aveva). Niente framework di orchestrazione sofisticato.
Vedo fondatori costruire architetture AI complesse prima di avere il loro primo utente. Passano mesi su flussi di lavoro LangChain, orchestrazione di agenti e tuning dei pipeline. Poi lanciano e scoprono che i loro utenti vogliono semplicemente un’area di testo e un pulsante “Go”.
Costruite la cosa più semplice che risolve il problema. Potete aggiungere complessità più tardi quando avrete utenti che vi dicono di cosa hanno davvero bisogno.
Lo strato AI era letteralmente: prendi il testo del deposito SEC, invialo a Claude con un prompt accuratamente elaborato, invia la risposta all’utente. L’ingegneria del prompt ha preso due giorni. Il resto del MVP di 12 giorni era l’autenticazione, i pagamenti, e il renderlo più gradevole visivamente.
Il Prompt È Il Vostro Prodotto
Ecco qualcosa su cui ho impiegato troppo tempo a riflettere: per la maggior parte dei prodotti SaaS AI, il prompt È il prodotto. Non l’infrastruttura. Non il framework. Non lo schema del database. Il prompt.
Ho passato due giorni a elaborare e testare il mio prompt di riassunto. Ho realizzato circa 40 iterazioni. Il prompt finale include istruzioni specifiche su cosa mettere in evidenza (rischi materiali, cambiamenti delle entrate, dichiarazioni prospettiche), quale formato utilizzare (punti chiave per gli elementi essenziali, narrazione per l’overview) e quale livello di linguaggio mirare (evitare il gergo, spiegare i termini tecnici).
Questo prompt è ciò che rende il mio prodotto diverso dal “incollare un 10-K in ChatGPT”. L’UX è un bel pacchetto, ma il prompt è dove risiede il vero valore.
Versionate i vostri prompt. Testateli in A/B. Monitorate quali prompt producono risultati che gli utenti valutano più positivamente. Trattate l’ingegneria dei prompt come lo sviluppo del prodotto, non come un’impostazione unica.
Prezzi (Fate pagare più di quanto pensiate)
Ho lanciato a 9 $/mese. Gli utenti si sono registrati. Ho alzato il prezzo a 19 $/mese. Gli utenti si sono registrati di nuovo, quasi allo stesso ritmo. Avrei dovuto partire da 19 $.
Il mio costo per utente al mese è di circa 2,50 $ in chiamate API (l’utente medio riassume circa 8 depositi al mese). A 9 $/mese, il mio margine era del 72%. A 19 $/mese, è dell’87%. Stesso sforzo, stesso prodotto, quasi il doppio delle entrate.
La lezione: i prodotti AI offrono un valore enorme rispetto al loro costo. Un investitore individuale che può comprendere i depositi SEC in 5 minuti invece di 2 ore sarebbe disposto a pagare 19 $/mese. Molti sarebbero disposti a pagare 49 $/mese. Fissavo i miei prezzi in base ai miei costi invece che al valore per i miei utenti. Errore classico.
Gli Errori Che Ho Compiuto
Costruire funzionalità che nessuno ha chiesto. Ho passato una settimana a creare una funzionalità di “confronto dei depositi” prima del lancio. Nessun utente l’ha usata in otto mesi. Avrei dovuto lanciare una settimana prima invece.
Non parlare abbastanza presto con gli utenti. Ho costruito per due settimane prima di mostrarlo a chiunque. Quando finalmente l’ho fatto, le prime tre persone hanno detto “è fantastico, ma può evidenziare i rischi in particolare?” Questo è diventato la funzionalità più popolare — e avrei potuto saperlo fin dal primo giorno se avessi chiesto.
Ignorare la latenza. La mia prima versione inviava l’intero deposito a Claude e aspettava la risposta completa prima di mostrare qualsiasi cosa. Gli utenti guardavano un cursore di caricamento per 30-45 secondi. Passare a risposte in streaming (mostrando il riassunto man mano che veniva generato) ha migliorato notevolmente l’esperienza percepita. La latenza conta più di quanto pensiate.
Non investire abbastanza nell’integrazione. I miei primi utenti sono atterrati sulla dashboard e non sapevano cosa fare. Aggiungere un semplice prompt “incolla un simbolo azionario per iniziare” con un deposito di esempio ha aumentato l’attivazione dal 40% al 78%.
Cosa Farei Diversamente
Iniziare con 10 utenti beta paganti prima di costruire qualsiasi cosa. Farli pagare 29 $/mese. Utilizzare le conversazioni per modellare il prodotto. Costruire solo ciò di cui queste 10 persone hanno bisogno. Lanciare pubblicamente quando 8 su 10 dicono che sarebbero contrari se rimuoveste il prodotto.
Questo approccio mi avrebbe fatto risparmiare due settimane a costruire funzionalità che nessuno voleva e mi avrebbe dato un prodotto più precisamente mirato fin dal primo giorno.
Il SaaS AI è la maggiore opportunità commerciale accessibile nel settore tecnologico in questo momento. Gli strumenti sono maturi, i costi sono bassi e la domanda è reale. La parte difficile non è la tecnologia — è trovare un problema specifico e avere la disciplina di risolverlo in modo semplice.
🕒 Published: