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 privati. 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 sono soldi per lasciare il lavoro. Ve lo dico perché otto mesi fa non avevo mai creato un prodotto SaaS, non sono uno sviluppatore particolarmente dotato e l’intera pila tecnica è essenzialmente uno strato ben progettato attorno all’API di Claude. Se posso farlo io, la barriera all’ingresso è davvero bassa.
Ecco tutto ciò che ho imparato, comprese le errori.
Trovare l’idea (Non pensarci troppo)
Ho perso due mesi cercando “l’idea perfetta di SaaS AI”. Ho letto articoli sulla dimensione del mercato, il TAM e i vantaggi competitivi. Nulla di tutto ciò contava.
Ciò che contava: 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 privati hanno la stessa domanda ma nessuno a cui chiedere?
È tutto qui. Questo è tutto 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 ingegnose. Sono evidenti con il senno di poi. Trova un flusso di lavoro dove qualcuno passa 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 annunci immobiliari a partire da foto di proprietà e specifiche, formattate per Zillow e Realtor.com” è un prodotto. La specificità è il prodotto.
Architettura Tecnica (Rendila 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 vettoriale (ne ho aggiunto uno più tardi quando ho avuto bisogno di RAG per il confronto storico dei depositi, ma il MVP non aveva bisogno di questo). 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, l’orchestrazione di agenti e il tuning dei pipeline. Poi lanciano e scoprono che i loro utenti vogliono semplicemente un’area di testo e un pulsante “Go”.
Costruisci la cosa più semplice che risolve il problema. Puoi aggiungere complessità più tardi quando avrai utenti che ti dicono di cosa hanno davvero bisogno.
Lo strato AI era letteralmente: prendere il testo del deposito SEC, inviarlo a Claude con un prompt attentamente elaborato, diffondere la risposta all’utente. L’ingegneria del prompt ha richiesto due giorni. Il resto del MVP di 12 giorni è stato dedicato all’autenticazione, ai pagamenti e a renderlo più gradevole esteticamente.
Il Prompt È Il Tuo Prodotto
Ecco qualcosa che ho impiegato troppo tempo a realizzare: per la maggior parte dei prodotti SaaS AI, il prompt È il prodotto. Non l’infrastruttura. Non il framework. Non il diagramma del database. Il prompt.
Ho trascorso due giorni a elaborare e testare il mio prompt di riassunto. Ho fatto circa 40 iterazioni. Il prompt finale include istruzioni specifiche su cosa mettere in evidenza (rischi materiali, cambiamenti di fatturato, dichiarazioni prospettiche), quale formato utilizzare (punti chiave per gli aspetti essenziali, narrazione per la panoramica) e quale livello di linguaggio adottare (evitare il gergo, spiegare i termini tecnici).
Questo prompt è ciò che rende il mio prodotto diverso dal “copiare un 10-K in ChatGPT”. L’UX è un bel pacchetto, ma il prompt è dove risiede il valore reale.
Versiona i tuoi prompt. Testali in A/B. Segui quali prompt producono risultati che gli utenti valutano più positivamente. Tratta l’ingegneria dei prompt come sviluppo di prodotto, non come un setup unico.
Prezzi (Fai pagare più di quanto pensi)
Ho lanciato a 9 $/mese. Gli utenti si sono iscritti. Ho alzato a 19 $/mese. Gli utenti si sono iscritti di nuovo, quasi allo stesso ritmo. Avrei dovuto iniziare a 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 dei ricavi.
La lezione: i prodotti AI offrono un valore enorme rispetto al loro costo. Un investitore privato che può comprendere i depositi SEC in 5 minuti invece di 2 ore pagherebbe volentieri 19 $/mese. Molti pagherebbero 49 $/mese. Ho fissato i miei prezzi in base ai miei costi invece che al valore per i miei utenti. Errore classico.
Gli Errori Che Ho Commetti
Costruire funzionalità che nessuno ha richiesto. Ho passato una settimana a creare una funzionalità di “confronto dei depositi” prima del lancio. Nessun utente l’ha utilizzata in otto mesi. Avrei dovuto lanciare una settimana prima.
Non parlare abbastanza presto con gli utenti. Ho costruito per due settimane prima di mostrarlo a qualcuno. Quando finalmente l’ho fatto, le prime tre persone hanno detto “è fantastico, ma può evidenziare specificamente i rischi?” 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 visualizzare 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 pensi.
Non investire abbastanza nell’integrazione. I miei primi utenti arrivavano alla 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%.
Ciò Che Fare Differente
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 ritirassi 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 più grande 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: