Sztuczna inteligencja odebrała Landingi część najmniejszych klientów. Jednocześnie przyciągnęła do firmy większe organizacje, które nie chcą samodzielnie utrzymywać rozwiązań opartych na AI. Błażej Abel opowiada, jak przebudować produkt, znaleźć nową wartość i przygotować SaaS na rok lub półtora niepewności.
Błażej Abel jest założycielem Landingi, platformy do tworzenia i zarządzania landing page’ami. Firma działa od około 15 lat, a jej infrastruktura obsługuje blisko 400 tys. aktywnych stron, które generują kilkadziesiąt milionów wizyt miesięcznie. W rozmowie z nami wyjaśnia, dlaczego firma przestała rozwijać swój stary kreator, jak AI zmienia cenniki SaaS-ów i czemu właściciel zagrożonego biznesu nie powinien rzucać się do nerwowego budowania nowych funkcji.
Z tego wywiadu dowiesz się:
- jak rozpoznać moment, w którym AI zaczyna podgryzać podstawowy biznes firmy;
- dlaczego Landingi straciło od 10 do 15 proc. najmniejszych klientów;
- jak przebudować produkt, gdy stara technologia ogranicza możliwości AI;
- za co klienci nadal będą płacić firmom SaaS;
- jak obronić biznes, gdy duży gracz kopiuje jego najważniejszą funkcję.
Kiedy po raz pierwszy zobaczyłeś, że AI może nie tylko ulepszyć Landingi, lecz także podważyć sens dotychczasowego sposobu tworzenia landing page’y?
Trzeba rozdzielić dwa etapy. W latach 2017-2022 cały rynek zachłysnął się machine learningiem. My również uznaliśmy, że duża baza landing page’y pozwoli nam automatycznie oceniać ich jakość i podpowiadać klientom, które elementy warto poprawić.
Szybko przekonaliśmy się, że Big Data naprawdę musi być „big”. Mieliśmy dużo danych, ale wciąż za mało, aby podzielić strony na odpowiednie kategorie i tworzyć wiarygodne rekomendacje. Realna wartość okazała się trudniejsza do zbudowania, niż zakładaliśmy.
Później pojawiło się AI w dzisiejszej formie. Zrozumieliśmy, że nie ma sensu budować wszystkiego samodzielnie, bo za chwilę podobne możliwości staną się powszechnie dostępne. Początkowo widzieliśmy w AI zestaw narzędzi, które pomogą tworzyć lepsze strony i skrócą czas pracy. Poczucie zagrożenia przyszło dopiero wtedy, gdy modele zaczęły generować proste, ale całkiem dobre projekty. Wtedy dotarło do nas, że nie konkurujemy już tylko z kreatorami stron. Konkurujemy również z Claude’em, Gemini, GPT i kolejnymi modelami.
Jak ta zmiana przełożyła się na wasz biznes? Widać ją już w liczbach?
Najmocniej odczuliśmy ją w segmencie klientów, którzy potrzebują jednego albo dwóch landing page’y. Takie strony zwykle pozostają niezmienne, nie przechodzą regularnej optymalizacji i często pełnią funkcję prostej wizytówki. Dla tej grupy wyspecjalizowana platforma daje mniej wartości niż firmie zarządzającej dziesiątkami stron.
W powodach rezygnacji klienci wprost piszą, że tworzą strony w Gemini albo Claude. Intensywniejsza migracja zaczęła się mniej więcej na przełomie września i października 2025 roku. Musiałbym sprawdzić dokładne dane, ale szacuję, że wśród najmniejszych klientów kosztowała nas od 10 do 15 proc. bazy.
W tym samym czasie widzimy większe zainteresowanie ze strony średnich i dużych firm. Te organizacje rozumieją potencjał AI, ale znają też koszty prób, błędów i utrzymania rozwiązania. Szukają dostawcy, który bierze odpowiedzialność za produkt i stale go rozwija. Dlatego przebudowujemy portfolio klientów. Prawdopodobnie będziemy obsługiwać mniej firm, ale wartość nowych kontraktów i rozmów jest znacznie większa.
Dlaczego większa firma ma płacić za Landingi, skoro może wygenerować stronę w ogólnym narzędziu AI?
Ponieważ samo wygenerowanie landing page’a stanowi tylko początek. Stronę trzeba umieścić na hostingu, podłączyć domenę i certyfikat SSL, zabezpieczyć dane oraz zadbać o ich prawidłowe przetwarzanie. Później dochodzą analityka, analiza mikrokonwersji, testy A/B i optymalizacja wyników.
Przy jednej stronie można próbować zrobić to samodzielnie. Gdy firma ma ich kilkanaście, kilkadziesiąt albo kilkaset, potrzebuje infrastruktury i systemu zarządzania. Wtedy zaczyna liczyć czas, ryzyko oraz koszt utrzymania całości.
Dlatego chcemy być agnostyczni wobec sposobu tworzenia landing page’y. Klient może użyć naszego klasycznego buildera, wygenerować stronę za pomocą agenta, wkleić kod HTML, wgrać projekt z Figmy albo przenieść efekt pracy z Claude’a, Gemini czy GPT przez serwer MCP Landingi. Nie musimy wygrywać walki o samo generowanie. Platforma ma przejąć kolejne etapy i zapewnić skalę, stabilność oraz kontrolę nad całą grupą stron.
Jak wyglądało wdrażanie AI do produktu? Od razu postawiliście na rozwiązanie w pełni generatywne?
Nie. Przeszliśmy przez trzy etapy. Pierwszy przypominał początki startupów, gdy angielska wersja strony miała świadczyć o globalności firmy. My po prostu dokleiliśmy AI do istniejącego produktu. AI Assistant pomagał tworzyć teksty i upraszczał kilka elementów tradycyjnego procesu budowy strony.
Podeszliśmy do tego ostrożnie. Landingi ma około 15 lat historii, a my kilka razy zachłysnęliśmy się technologią. Zdarzało nam się wdrożyć framework, który szybko tracił wsparcie, a problem zostawał z nami. Tym razem daliśmy rynkowi trzy lub cztery miesiące na wypracowanie pierwszych standardów.
Drugim krokiem był AI Composer. Użytkownik odpowiadał na pytania na czacie, a system budował stronę z komponentów starego buildera. Szybko zobaczyliśmy ograniczenie: AI mogło korzystać wyłącznie z klocków, które wcześniej przygotowaliśmy. Nie uwalnialiśmy jego generatywnego potencjału.
W końcu uznaliśmy, że pełna zgodność wsteczna nie pozwoli nam wykorzystać AI w stu procentach. Przestaliśmy rozwijać stary builder i wyznaczyliśmy dwie ścieżki: Classic Builder dla klientów, którzy potrzebują pełnej kontroli oraz zgodności z identyfikacją marki, i Lunara dla użytkowników gotowych budować stronę poprzez rozmowę z agentem.
Co w tej zmianie okazało się najtrudniejsze dla użytkowników?
Nie sama technologia, lecz zmiana nawyku. W tradycyjnym edytorze użytkownik wybiera szablon i ustawia element dokładnie tam, gdzie chce. Ten model dobrze działa w firmach, dla których landing page musi odpowiadać projektowi piksel w piksel.
Lunar działa inaczej. Użytkownik rozmawia z agentem przed stworzeniem strony, a my nie wiemy z góry, jaki projekt powstanie. Później może edytować lub wymieniać istniejące elementy. Gdy potrzebuje czegoś nowego, prosi Lunara, aby to dodał.
Widzimy, że klienci czasem nadal szukają przycisku albo gotowego komponentu. Nie zawsze od razu rozumieją, że mogą opisać potrzebę własnymi słowami i zadać agentowi niemal każde pytanie. Dlatego wdrożenie AI nie kończy się na uruchomieniu funkcji. Trzeba jeszcze nauczyć ludzi nowego sposobu pracy.
Sam proces produktowy pozostał podobny. Nadal obserwujemy rynek, rozmawiamy z klientami, budujemy MVP i testujemy. Równolegle uczymy się wykorzystywać AI wewnątrz firmy, aby usprawniać jej działanie.
Rozwijacie Orbit, czyli serwer MCP. Klient może korzystać z Landingi przez Claude’a i w ogóle nie otwierać waszej aplikacji. Nie oddajecie w ten sposób relacji z użytkownikiem?
Nie patrzę na to jak na zagrożenie. Tego kierunku nie da się już odwrócić. Przypomina mi to początki Zapiera. W pewnym momencie SaaS musiał mieć integrację z Zapierem, ponieważ jedno połączenie otwierało dostęp do wielu innych narzędzi.
Z MCP może być podobnie. Użytkownik zna interfejs Claude’a. Nie musi uczyć się każdej aplikacji ani klikać przez kilka ekranów. Cała praca może odbyć się w tle.
Wyobrażam sobie, że marketer w poniedziałek pisze do Claude’a: „Wskaż pięć najlepiej i pięć najsłabiej konwertujących landing page’y z poprzedniego tygodnia. Następnie przygotuj warianty do testów A/B tam, gdzie możemy poprawić wynik”. Na tym kończy się jego praca, choć ręczna analiza zajęłaby wiele godzin.
Klient nadal potrzebuje abonamentu Landingi, aby korzystać z naszego serwera MCP. Nie zarabiamy na reklamach ani czasie spędzonym w aplikacji, więc nie zależy nam na samym logowaniu. Liczy się to, czy użytkownik szybciej osiąga cel.
Gdzie SaaS może dziś zbudować przewagę, skoro modele potrafią kopiować kolejne funkcje?
Nie mam jednej recepty i nie sądzę, aby ktokolwiek już ją miał. Same dane nie wystarczą. W wielu platformach klient może je wyeksportować, przenieść do własnej hurtowni i wykorzystać gdzie indziej. To fosa, ale rzadko nie do przejścia.
Moim zdaniem z czasem wrócą pytania o całkowity koszt rozwiązania. Dziś ktoś cieszy się, że zbudował w Claude piękny landing page, CRM albo system e-mail marketingowy. Później może odkryć, że generowanie kosztuje 50 lub 60 dolarów, rozwiązanie bywa niestabilne, a ktoś musi nim zarządzać. Po doliczeniu czasu, tokenów i ryzyka gotowe oprogramowanie może okazać się tańsze.
Znaczenie ma też odpowiedzialność. Firmę dostarczającą software można rozliczyć z działania produktu. Dba ona o reputację i nie chce jej stracić. Trudno natomiast pozwać Claude’a, ponieważ źle zrozumiał polecenie i zniknęła połowa bazy danych. Dziś sentyment sprzyja AI, ale stabilność, infrastruktura i odpowiedzialność mogą ponownie wzmocnić SaaS-y.
Na rynku pojawia się jednak masa nowych produktów. Jak ocenić, które z nich stanowią realne zagrożenie?
To dziś bardzo trudne. Niedawno sprawdzałem, z kim konkurujemy w aukcjach Google Ads. Uważam, że dobrze znam rynek landing page’y, a mimo to około 90 proc. firm, które zobaczyłem, było mi wcześniej nieznanych. Wszystkie w jakimś stopniu zajmowały się generowaniem stron.
Vibe coding mocno obniżył próg wejścia. Uruchomienie produktu wydaje się banalne, ale prawdziwy test przychodzi podczas skalowania. Landingi ma około 400 tys. landing page’y dostępnych online. Generują one kilkadziesiąt milionów wizyt miesięcznie. Nie wiemy jeszcze, ile nowych narzędzi udźwignie podobne obciążenie i zapewni klientom stabilność.
Dojrzałe SaaS-y ciągną za sobą legacy, dlatego nie zmienią stosu technologicznego w kilka tygodni. Nowe firmy nie mają tego ciężaru i mogą poruszać się szybciej. Z drugiej strony nie przeszły jeszcze testu skali, czasu ani odpowiedzialności. Dopiero z czasem zobaczymy, które przewagi okażą się trwałe.
Czy AI zmieni też sposób, w jaki SaaS-y pobierają opłaty?
Tak. Model oparty wyłącznie na liczbie użytkowników traci sens, bo użytkownik użytkownikowi nie jest równy, a agent może wykonać pracę kilku osób. Landingi nigdy nie opierało cennika na liczbie stanowisk, ale rynek wyraźnie zmierza w stronę opłat za wykorzystanie produktu.
Nowy cennik uruchomiliśmy w kwietniu 2026 roku. Musieliśmy uwzględnić produkty zużywające tokeny, ale nie mogliśmy po prostu powiedzieć klientowi, że dostaje trzy, dziesięć albo sto tysięcy kredytów. Taka liczba niewiele mu mówi.
Problem polega na tym, że tysiąc tokenów w Claude nie odpowiada tysiącowi tokenów w Gemini, Landingi czy HubSpocie. Każda firma tworzy własną walutę, ale nie istnieje kantor, który pokazuje jej realną wartość. Małe i średnie firmy nie są jeszcze gotowe na taki sposób rozliczeń.
Dlatego spodziewam się modelu mieszanego: stosunkowo niskiej opłaty stałej za podstawowe funkcje i dodatkowej opłaty za zużycie. Klient dostanie przewidywalną bazę, ale zapłaci więcej, gdy agent wykona dla niego więcej pracy.
Załóżmy, że właściciel SaaS-u widzi, że OpenAI albo inna firma wprowadza funkcję podobną do najważniejszej funkcji jego produktu. Co powinien zrobić najpierw?
Przygotowałbym firmę na rok albo półtora trudniejszego okresu. Założyłbym wolniejszy wzrost, trudniejsze pozyskiwanie użytkowników, a może także kurczenie się bazy. Nie wiemy, jakie narzędzie pojawi się za trzy miesiące, dlatego nerwowe dopisywanie funkcji albo wejście w obszary, które nie należą do DNA firmy, uważam za ryzykowne.
Najpierw obroniłbym działający biznes. Zadbałbym o stabilność platformy, bo każda wpadka może dać klientowi ostateczny impuls do odejścia. Rozmawiałbym z najważniejszymi użytkownikami, poznał ich plany i skupił dużą część pracy na retencji. Pokazywałbym też klientom, jak mogą korzystać z AI wewnątrz produktu.
Otworzyłbym platformę przez MCP, zamiast walczyć z nowym sposobem używania oprogramowania. Przeanalizowałbym również cennik i policzył, ile klienta kosztuje samodzielne odtworzenie narzędzia: ile zużyje tokenów, czasu i dodatkowych zasobów oraz jakie poniesie ryzyko.
Dopiero gdy firma stabilnie stoi na dwóch nogach, może spokojniej obserwować rynek. Podszedłbym defensywnie, ale zachował czujność. Anthropic, OpenAI i Google będą tworzyć nie tylko zagrożenia. Będą też otwierać możliwości, które zwiększą wartość tego, co SaaS już zbudował.
