Το email ήταν σύντομο και σχεδόν απολογητικό. «We’re sunsetting the service.»
Την πρώτη φορά που είδα ένα τέτοιο μήνυμα ήταν πριν από περίπου έξι χρόνια, όταν δούλευα σε ένα ψηφιακό περιβάλλον όπου μικρές τεχνολογικές εταιρείες εμφανίζονταν και εξαφανίζονταν με τον ίδιο αθόρυβο τρόπο. Χωρίς μεγάλες ανακοινώσεις και εξηγήσεις, μόνο μια ημερομηνία απόσυρσης και ένα σύντομο χρονικό διάστημα πρόσβασης πριν το σύστημα σβήσει.
Το μοτίβο έγινε ιδιαίτερα εμφανές την περίοδο 2020 έως 2022. Η πανδημία συμπύκνωσε χρόνια ψηφιακού μετασχηματισμού μέσα σε λίγους μήνες, σύμφωνα με ανάλυση της McKinsey. Νέα SaaS εργαλεία δημιουργήθηκαν γρήγορα για να καλύψουν επείγουσες ανάγκες και εξαφανίστηκαν εξίσου γρήγορα όταν η αγορά άλλαξε κατεύθυνση. Οι εφαρμογές σταμάτησαν να ανοίγουν, τα links έπαψαν να λειτουργούν, τα software αποσύρθηκαν. Οι εταιρείες προχώρησαν παρακάτω. Τα δεδομένα όμως όχι.
Σε ένα οικοσύστημα όπου το software έχει κύκλο ζωής και το AI αντλεί αξία από ιστορικό βάθος, αυτή η απουσία ίσως αποδειχθεί το πιο κρίσιμο κενό διακυβέρνησης της επόμενης δεκαετίας.
Σε περιπτώσεις πτώχευσης ή εκκαθάρισης εταιρειών, τα σύνολα δεδομένων συχνά παραμένουν αντικείμενο διαχείρισης και νομικής ευθύνης, όπως αναλύει η Harvard Law Review. Αρχεία, logs, μεταδεδομένα και ιστορικά χρήσης σπάνια ακολουθούν το ίδιο καθαρό τέλος με το λογισμικό που τα δημιούργησε. Συχνά αποκτούν δεύτερες χρήσεις, σε νεφελώδες καθεστώς διακυβέρνησης.
Τι πραγματικά συμβαίνει σε όλα όσα αφήνουν πίσω τους αυτές οι εταιρείες αφού δύσει ο ήλιος τους; Σε μια εποχή όπου η τεχνητή νοημοσύνη αναζητά όλο και πιο έντονα παλιά και ξεχασμένα σύνολα δεδομένων, η δεύτερη ζωή των εταιρικών δεδομένων αρχίζει να αποκτά ιδιαίτερη σημασία.
Το χρονολόγιο ενός shutdown: πώς κλείνει μια εταιρεία SaaS
Για τις περισσότερες μικρές τεχνολογικές εταιρείες το κλείσιμο δεν έρχεται ξαφνικά, αλλά εξελίσσεται προοδευτικά. Πρώτα το runway τελειώνει, έπειτα οι ιδρυτές παγώνουν προσλήψεις, καθυστερούν πληρωμές, περιορίζουν υποδομές και προσπαθούν να παρατείνουν τη ζωή του προϊόντος όσο γίνεται. Προς τα έξω, η υπηρεσία συνεχίζει να λειτουργεί κανονικά, αλλά στο παρασκήνιο η εταιρεία αναζητά εξαγορά, συγχώνευση ή απλώς χρόνο.
Η ενδιάμεση φάση μπορεί να κρατήσει μήνες. Το προϊόν παραμένει online, οι χρήστες συνεχίζουν να το χρησιμοποιούν και νέα αρχεία συσσωρεύονται, παρότι η εταιρεία έχει ήδη μπει σε τροχιά εξόδου. Όταν οι επιλογές εξαντληθούν, η υπηρεσία μπαίνει πια σε καθεστώς σταδιακής απόσυρσης και οι ομάδες διαλύονται. Οι χρήστες ενημερώνονται ότι έχουν περιορισμένο χρονικό διάστημα για να κατεβάσουν τα ψηφιακά αποτυπώματά τους.
Παρά το σύντομο προσδόκιμο ζωής τους, ωστόσο, οι εταιρείες SaaS συγκεντρώνουν συχνά δυσανάλογα μεγάλο όγκο ευαίσθητων δεδομένων. Εργαλεία HR αποθηκεύουν προσωπικά αρχεία εργαζομένων, productivity εφαρμογές καταγράφουν λεπτομερή μοτίβα χρήσης, ενώ B2B πλατφόρμες φιλοξενούν συμβάσεις, logs και επιχειρησιακά μεταδεδομένα. Όλα αυτά δημιουργούνται γρήγορα, σε περιβάλλοντα όπου η ανάπτυξη προηγείται της μακροπρόθεσμης διαχείρισης.
Στο τέλος αυτού του κύκλου ζωής, το προϊόν παύει να υπάρχει. Τα δεδομένα όμως, παρότι ευαίσθητα, δεν ακολουθούν την ίδια πορεία.
Όταν τα δεδομένα γίνονται asset
Όταν μια εταιρεία μπει σε τροχιά εξόδου, η χρήση των δεδομένων της αλλάζει. Η πληροφορία παύει να είναι λειτουργικό στοιχείο και μετατρέπεται σε περιουσιακό στοιχείο. Σε εξαγορές, συγχωνεύσεις ή διαδικασίες εκκαθάρισης μπορεί να εμφανιστεί δίπλα σε domain names, κώδικα και συμβάσεις ως γραμμή σε asset schedules, αποτιμώμενη όχι για τη χρήση που κάποτε υποστήριζε, αλλά για τη μελλοντική της αξιοποίηση.
Δεν είναι πάντα σαφές ποιος τη διαχειρίζεται ενεργά, ποιος φέρει την ευθύνη ή ποιοι περιορισμοί εξακολουθούν να ισχύουν στην πράξη.
Η μετάβαση είναι συχνά διακριτική. Με την απόσυρση του προϊόντος μειώνεται η ορατότητα και χαλαρώνει η εποπτεία. Μεγάλα σύνολα δεδομένων συνεχίζουν να υπάρχουν εκτός του πλαισίου στο οποίο δημιουργήθηκαν. Δεν είναι πλέον ενεργά ούτε και νεκρά, κάτι σαν αποθηκευμένη μνήμη χωρίς ιδιοκτήτη. Βρίσκονται σε μια ενδιάμεση κατάσταση, έτοιμα να επαναχρησιμοποιηθούν, να μεταπωληθούν ή να παραμείνουν διαθέσιμα, περιμένοντας έναν νέο σκοπό που δεν είχε προβλεφθεί όταν γράφτηκε η πρώτη γραμμή κώδικα.
***
Quiz
Ποια είναι η μέση χρέωση (service fee) ανά συναλλαγή στην ελληνική αγορά;
➜ 1% – 2%
➜ 5% – 7%
➜ 15% – 20%
Βρες την απάντηση εδώ ή στο τέλος του κειμένου.
***
Όταν ο πάροχος πεθαίνει, ο πελάτης μένει
Για τους πελάτες, το shutdown μιας υπηρεσίας είναι άμεσο, πρακτικό πρόβλημα. Το είδα ξεκάθαρα σε μια περίπτωση όπου ένας mid-sized οργανισμός βασιζόταν σε ένα SaaS εργαλείο για κρίσιμες εσωτερικές λειτουργίες. Η ανακοίνωση του παρόχου ήταν λιτή και τυπική, και έφτασε λίγες εβδομάδες πριν η πλατφόρμα αποσυρθεί. Η αντίδραση του πελάτη, όμως, ήταν άμεση και αγχωμένη. Δεν υπήρχε χρόνος για στρατηγική, παρά μόνο η ανάγκη να σωθούν όσα μπορούσαν να σωθούν.
Συμβάσεις, αρχεία, logs και εσωτερικά δεδομένα έπρεπε να εξαχθούν γρήγορα και να μεταφερθούν αλλού. Στην πράξη, αυτή η διαδικασία σπάνια είναι ομαλή. Τα δεδομένα μπορεί να βρίσκονται διασκορπισμένα σε διαφορετικά συστήματα, formats που δεν είναι εύκολα μεταφέρσιμα ή χωρίς πλήρη τεκμηρίωση.
Σε ορισμένες περιπτώσεις, η πίεση του χρόνου οδηγεί ακόμη και σε απώλεια δεδομένων, όπως για παράδειγμα στο shutdown της InfluxData, όπου πελάτες έχασαν πρόσβαση στα δεδομένα τους όταν η υπηρεσία τερμάτισε τη λειτουργία της.
Για οργανισμούς που βασίζονται σε SaaS εργαλεία ως υποδομή, το πρόβλημα δεν είναι μόνο τεχνικό. Υπάρχει και μια ψευδαίσθηση ελέγχου. Όσο η υπηρεσία λειτουργεί, μοιάζει αυτονόητο ότι τα δεδομένα είναι εκεί, διαθέσιμα όποτε χρειαστούν, παρότι η υποδομή τους βρισκόταν εξαρχής εκτός του άμεσου ελέγχου του πελάτη. Όταν ο πάροχος εξαφανίζεται, η ευθύνη μεταφέρεται πλήρως στον πελάτη, ανεξάρτητα από το πόσο έλεγχο είχε προηγουμένως πάνω στο σύστημα.
Το αποτέλεσμα είναι ένας αγώνας δρόμου που σπάνια γίνεται ορατός εκτός των οργανισμών που τον βιώνουν.
Η δεύτερη ζωή των δεδομένων και το AI
Στο ενδιάμεσο στάδιο μιας εταιρείας SaaS που βαδίζει προς το κλείσιμο, τα αρχεία χρηστών μετατρέπονται σε ορφανά δεδομένα, αποκομμένα από χρήστες, εταιρείες και αρχικούς σκοπούς, αλλά παραμένουν τεχνικά αξιοποιήσιμα.
Γύρω από αυτά τα σύνολα έχει διαμορφωθεί μια λιγότερο ορατή δευτερογενής κυκλοφορία. Σε διαδικασίες εκκαθάρισης, εξαγορών ή μεταβιβάσεων περιουσιακών στοιχείων, legacy datasets συχνά περιλαμβάνονται σε πακέτα intangible assets που περνούν σε τρίτους.
Για εταιρείες ανάλυσης ή startups που αναζητούν έτοιμα corpora, τέτοια σύνολα είναι ελκυστικά επειδή προσφέρουν πυκνή συμπεριφορική πληροφορία με χαμηλό κόστος απόκτησης. Δεν πρόκειται πάντα για άμεσες πωλήσεις. Μπορεί να είναι ενσωμάτωση σε ευρύτερα data portfolios, συγχωνεύσεις αποθετηρίων ή απλή επαναχρησιμοποίηση δεδομένων που δεν παρακολουθούνται πλέον ενεργά.
Εδώ παρεμβαίνει η τεχνητή νοημοσύνη. Τα σύγχρονα μοντέλα δεν τρέφονται μόνο με φρέσκα δεδομένα, αλλά με όγκο, ποικιλία και ιστορικό βάθος, κάτι που επιβεβαιώνει και η έρευνα της DeepMind για compute optimal training, δείχνοντας ότι η απόδοση βελτιώνεται όταν τα μοντέλα εκπαιδεύονται σε πολύ περισσότερα tokens. Ξεχασμένα datasets, που κάποτε εξυπηρετούσαν ένα μικρό SaaS ή ένα εξειδικευμένο εργαλείο, αποκτούν νέα αξία ως υλικό εκπαίδευσης, benchmarking ή fine-tuning. Αυτό που κάποτε θεωρούνταν υποπροϊόν μιας αποτυχημένης επιχείρησης μετατρέπεται σε πρώτη ύλη.
Η μετάβαση αυτή αποκαλύπτει ένα βαθύτερο επίπεδο του ψηφιακού οικοσυστήματος: ένα afterlife layer που συνεχίζει να επηρεάζει το μέλλον, παρότι οι αρχικοί δημιουργοί του έχουν εξαφανιστεί. Συχνά δεν είναι σαφές ποιος φέρει την ευθύνη του όταν ο αρχικός data controller δεν υπάρχει πια.
Ποιος αποφασίζει πότε ένα σύστημα τελειώνει
Αν η τεχνητή νοημοσύνη εκπαιδεύεται πάνω στο παρελθόν, τότε το παρελθόν που τη διαμορφώνει δεν αποτελείται μόνο από επιτυχημένες πλατφόρμες και μεγάλα προϊόντα, αλλά και από χιλιάδες μικρές εταιρείες που αποσύρθηκαν από την αγορά. Πίσω τους άφησαν ψηφιακά κατάλοιπα, σύνολα δεδομένων που συνεχίζουν να κυκλοφορούν, να ενσωματώνονται σε νέα περιβάλλοντα και να τροφοδοτούν συστήματα που θα επηρεάσουν ανθρώπους χωρίς καμία σχέση με το αρχικό προϊόν.
Το ζήτημα δεν είναι τεχνικό και δεν αφορά μόνο την καινοτομία. Είναι ζήτημα διακυβέρνησης. Σε ποιο σημείο ένα σύστημα θεωρείται πραγματικά λήξαν; Όταν σταματά να λειτουργεί; Όταν διαγράφεται ο κώδικας; Ή όταν παύει να υπάρχει νομική ευθύνη για τα δεδομένα που παρήγαγε;
Σήμερα δεν υπάρχει σαφής μηχανισμός που να αποφασίζει πότε τα δεδομένα ενός συστήματος πρέπει να αποσυρθούν οριστικά. Σε ένα οικοσύστημα όπου το software έχει κύκλο ζωής και το AI αντλεί αξία από ιστορικό βάθος, αυτή η απουσία ίσως αποδειχθεί το πιο κρίσιμο κενό διακυβέρνησης της επόμενης δεκαετίας.
***
Απάντηση
Ποια είναι η μέση χρέωση (service fee) ανά συναλλαγή στην ελληνική αγορά;
Σήμερα στην Ελλάδα δραστηριοποιούνται περίπου επτά εταιρείες που προσφέρουν υπηρεσίες online ticketing. Το μεγαλύτερο μέρος της αγοράς συγκεντρώνεται σε τρεις βασικούς παίκτες: More, Ticketmaster και Ticket Services. Σύμφωνα με την έρευνά μας, η μέση χρέωση ανά συναλλαγή κυμαίνεται μεταξύ 5%-7% στις περισσότερες πλατφόρμες. Παρά τις διαφορές στο μέγεθος, τη δομή και την εταιρική τους οργάνωση, τα στοιχεία δείχνουν ένα επαναλαμβανόμενο μοτίβο: υψηλά περιθώρια κερδοφορίας, ισχυρές ταμειακές ροές και χαμηλό πάγιο κόστος λειτουργίας.
Για να μάθεις πόσα ακριβώς χρήματα παρακρατούν οι υπηρεσίες online ticketing, μπορείς να επισκεφτείς το αναλυτικό άρθρο μας.
