Większość organizacji nie ma problemu z danymi geoprzestrzennymi. Problemem jest dostęp do nich. Dane są dostępne, a pytania biznesowe jasno określone. Często brakuje natomiast praktycznego sposobu, aby udostępnić analitykę przestrzenną zespołom, które każdego dnia podejmują decyzje.
Zbyt często ta luka powstaje w wyniku stosowania modeli cenowych zaprojektowanych z myślą o zupełnie innej generacji oprogramowania GIS.
Przez większość swojej historii oprogramowanie geoprzestrzenne i rozwiązania z obszaru Location Intelligence, które większość ludzi nadal nazywa GIS-em, były sprzedawane w ten sam sposób: w modelu licencji na użytkownika lub licencji współdzielonej. Najwięksi dostawcy na rynku zbudowali swoje modele biznesowe na licencjach imiennych i współbieżnych, gdzie pojedyncza licencja na oprogramowanie GIS może kosztować od około 1 000 do ponad 10 000 dolarów rocznie, a dostęp do dodatkowych funkcji jest uzależniony od rodzaju użytkownika, rozszerzeń oraz systemów kredytowych.
Taki model miał sens w czasach, gdy technologie geoprzestrzenne były specjalistyczną dziedziną wykorzystywaną przez niewielką grupę odpowiednio przeszkolonych ekspertów pracujących na dedykowanych stanowiskach. Ten świat jednak już nie istnieje, a model cenowy, który dobrze sprawdzał się w tamtych warunkach, obecnie aktywnie działa wbrew sposobowi, w jaki współczesne organizacje chcą korzystać z danych przestrzennych.Co ważniejsze, modele oparte na liczbie użytkowników sprawiają, że wartość Location Intelligence pozostaje zamknięta w mapach wklejanych do prezentacji PowerPoint, plików PDF, arkuszy kalkulacyjnych i wiadomości e-mail. Zamiast wspierać podejmowanie decyzji w całej organizacji, analityka przestrzenna staje się usługą świadczoną przez niewielki zespół na rzecz wszystkich pozostałych.
„...modele oparte na liczbie użytkowników zmuszają organizacje do ,,zamknięcia” rzeczywistego wkładu biznesowego analityki geoprzestrzennej w mapach wklejanych do prezentacji lub plików PDF, które są udostępniane wewnętrznie za pośrednictwem poczty elektronicznej”
Największym problemem związanym z licencjonowaniem na użytkownika jest sposób, w jaki ten model wpływa na zachowania organizacji.
Gdy każdy dodatkowy użytkownik wiąże się ze znaczącymi kosztami, organizacje w naturalny sposób zaczynają ograniczać dostęp. GIS staje się narzędziem wykorzystywanym przez niewielką grupę specjalistów działających w imieniu pozostałych zespołów. Zespoły biznesowe zgłaszają zapotrzebowanie, a analitycy przygotowują mapy i raporty. Wyniki są eksportowane i udostępniane, po czym cały proces zaczyna się od nowa. Z czasem Location Intelligence zostaje zamknięte w modelu usługowym, zamiast stać się integralną częścią codziennego procesu podejmowania decyzji.
Gdy liczba licencji jest ograniczona, firmy ograniczają dostęp, a platforma, która powinna być infrastrukturą obejmującą całe przedsiębiorstwo, kurczy się do narzędzia przeznaczonego dla małego zespołu ( SoftwareSeni ).
Dla organizacji, które poważnie podchodzą do demokratyzacji i skalowania analityki geoprzestrzennej, jest to istotne ograniczenie. Hamuje ono adopcję, spowalnia wpływ i uniemożliwia dotarcie Location Intelligence do osób, które jej najbardziej potrzebują. Przy ocenie platform geoprzestrzennych warto więc zrozumieć, w jaki sposób poszczególne modele podchodzą do kwestii dostępu i skalowania.
Jednocześnie zapotrzebowanie na analizy przestrzenne wykracza dziś daleko poza zespoły GIS. Obejmuje między innymi operacje, marketing, łańcuch dostaw i planowanie. Gdy jednak dostęp jest powiązany ze stałą liczbą licencji, osoby zarządzające są zmuszone ograniczać dostęp do informacji zamiast skalować ich wykorzystanie. Mówiąc prościej, muszą decydować, kto otrzyma odpowiedzi od razu, a kto będzie musiał poczekać.
W rezultacie podejmowanie decyzji jest wolniejsze, opóźnienia są dłuższe, dane są rozdrobnione, a wartość tworzona z danych, którymi już dysponujemy, jest mniejsza.
Licencjonowanie na użytkownika to tylko jedna pozycja na znacznie większym rachunku. Aby zobaczyć, jak ukryte koszty sumują się w obszarach licencjonowania, infrastruktury, inżynierii danych i zatrudnienia, zapoznaj się z naszym modelem obliczania całkowitego kosztu posiadania starszego systemu GIS .
Na chwilę odejdźmy od tematyki geoprzestrzennej, ponieważ zmiany zachodzące na naszym rynku są częścią znacznie szerszego trendu. Cały sektor oprogramowania zmierza w kierunku cen konsumpcyjnych, a nie marginalnych. Ten sposób rozliczania stał się rynkowym standardem.
Na początku 2025 roku około 85% firm zajmujących się oprogramowaniem korzystało z jakiejś formy rozliczeń opartych na użytkowaniu, podczas gdy w 2020 roku odsetek ten wynosił zaledwie 35%. Eksperci branżowi, w tym Gartner, przewidują, że w ciągu następnej dekady modele cenowe oparte na użytkowaniu, agentach i osiąganych wynikach będą miały rosnący udział w wydatkach przedsiębiorstw na oprogramowanie, ponieważ tradycyjne licencje na użytkownika będą nadal traciły na popularności.
Największe firmy programistyczne i najszybciej rozwijające się startupy zmierzają w stronę tego samego modelu cenowego, co wskazuje na zmianę cen na rynku. Powód tkwi w spójności: licencja na użytkownika to stały koszt, który istnieje niezależnie od tego, czy oprogramowanie jest używane, czy nie. Jeśli licencja kosztuje 1000 dolarów rocznie, płacisz te 1000 dolarów niezależnie od tego, czy użytkownik loguje się codziennie, czy dwa razy na kwartał.
Koszt nie jest więc powiązany z generowaną wartością . Ceny konsumpcyjne odwracają tę relację. Podążają za rzeczywistym zużyciem. Lekkie zużycie kosztuje niewiele, a intensywne – więcej. Wydatki rosną i maleją wraz z dostarczaną wartością.
„łacisz te 1000 dolarów niezależnie od tego, czy osoba loguje się codziennie, czy dwa razy na kwartał. Koszt jest oderwany od wartości. Model oparty na zużyciu odwraca tę zależność. Odzwierciedla rzeczywistą krzywą popytu wynikającą z wpływu oprogramowania na biznes…”
Z perspektywy klientów jest to znacznie bardziej uczciwy model. Przestajesz płacić za gotowe oprogramowanie, kupować licencje z kilkuletnim wyprzedzeniem i ograniczać dostęp wyłącznie po to, aby kontrolować koszty. Zamiast tego wydatki na oprogramowanie są lepiej dopasowane do rzeczywiście uzyskiwanej wartości, a nie do umowy wynegocjowanej kilka lat wcześniej dla zespołu, zakresu pracy i organizacji, które od tamtej pory zdążyły się zmienić.
Dwie siły szczególnie przyspieszają tę zmianę w branży geoprzestrzennej: platformy danych w chmurze oraz sztuczna inteligencja.
Obecnie ponad 90% przedsiębiorstw korzysta z jakiejś formy magazynowania danych, a platformy, na których się standaryzują (Snowflake, BigQuery, Databricks, Redshift i inne), opierają się w swojej istocie na konsumpcji. Organizacje już dziś płacą za moc obliczeniową, pamięć masową i wykonywanie zapytania w zależności od wykorzystania. Ponieważ analityka przestrzenna jest coraz częściej realizowana bezpośrednio w tych środowiskach, jej model ekonomiczny w naturalny sposób podąża w tym samym kierunku.
Pytanie nie dotyczy już tego, ilu analityków GIS potrzebuje dostępu, ale tego, ile analiz przestrzennych jest przeprowadzanych w danej organizacji.
Pojawienie się agentów AI całkowicie podważa założenia, na których opiera się licencjonowanie na użytkownika.
Historycznie oprogramowanie kupowano z myślą o ludziach. Imienny użytkownik logował się do systemu, wykonywał określone zadania, a następnie się wylogowywał. Liczenie użytkowników miało sens, ponieważ to oni byli głównymi odbiorcami platformy. Sztuczna inteligencja zmienia jednak tę zależność.
Agent kodujący może tworzyć przepływy pracy, przeprowadzać analizy, wzbogacać zbiory danych, generować mapy i odpowiadać na pytania, nie zajmując przy tym tradycyjnej licencji na oprogramowanie. Jednego analityka może wspierać wielu agentów. Pojedynczy przepływ pracy może automatycznie wykonywać tysiące operacji przestrzennych. Aplikacja może generować wykorzystanie AI i zapytań SQL w tle, bez konieczności otwierania interfejsu GIS przez człowieka.
Wartość wynika dziś z wykonywanej pracy , a nie z liczby użytkowników posiadających dane logowania. Wraz z wdrażaniem analityki wspieranej przez AI organizacje przestają więc pytać:
„Ile osób potrzebuje dostępu?”
i zaczynają pytać:
„Ile analiz przeprowadzamy?”
Model oparty na zużyciu jest naturalnie dopasowany do tej przyszłości, ponieważ mierzy rzeczywiste wykorzystanie, a nie liczbę użytkowników. Mówiąc prościej, pojęcie „licencji na użytkownika” traci znaczenie, gdy agenci AI mogą generować wnioski na skalę maszynową i uruchamiać zautomatyzowane przepływy pracy przez całą dobę . W świecie, w którym ludzie i sztuczna inteligencja pracują obok siebie, wartość powstaje dzięki osiąganym wynikom i rzeczywistemu wykorzystaniu, a nie liczbie licencjonowanych użytkowników.
Tradycyjny model oparty na liczbie użytkowników nie został zaprojektowany z myślą o tym nowym sposobie pracy.
Właśnie dlatego CARTO przechodzi na model licencjonowania oparty na zużyciu. Odzwierciedla on sposób, w jaki analityka przestrzenna jest obecnie tworzona i wykorzystywana. Dziś analizy przestrzenne są realizowane w chmurze, bezpośrednio w chmurowych magazynach danych, za pośrednictwem interfejsów API i agentów AI, oraz w skali obejmującej całą organizację, a nie wyłącznie niewielką grupę licencjonowanych użytkowników.
W tym modelu organizacje mogą zapewnić szeroki dostęp do Agentic GIS bez konieczności zakupu kosztownej licencji dla każdego użytkownika. Zespoły, które wcześniej musiały ograniczać dostęp ze względu na liczbę dostępnych licencji, mogą teraz umożliwić znacznie większej liczbie pracowników samodzielne analizowanie danych przestrzennych, odkrywanie wniosków i podejmowanie na ich podstawie działań. W wielu organizacjach użytkownicy, którzy wcześniej potrzebowali licencji GIS kosztującej tysiące dolarów, mogą dziś korzystać z funkcji przestrzennych za ułamek tej kwoty.
Z myślą o organizacjach oczekujących większej elastyczności wprowadziliśmy również elastyczną opcję płatności za rzeczywiste wykorzystanie . Pozwala ona zespołom szybko rozpocząć pracę, testować nowe zastosowanie i skalować je we własnym tempie, bez konieczności zawierania z góry dużych, wieloletnich umów. Zamiast płacić za przewidywane zapotrzebowanie, klienci mogą zacząć od małych inwestycji i rozwijać je wraz z faktycznym zużyciem oraz osiąganą wartością.
Co najważniejsze, wraz z rozwojem adopcji, koszty rosną proporcjonalnie do wartości generowanej dla firmy, a nie do arbitralnie ustalonej liczby licencji. To model lepiej dopasowany do platform chmurowych, sztucznej inteligencji, a przede wszystkim do potrzeb klientów.
Dla klientów CARTO model rozliczeń oparty na zużyciu rozszerza możliwość zaangażowania większej liczbie osób.
Zamiast ograniczać dostęp do określonej liczby użytkowników, organizacje mogą udostępniać analitykę przestrzenną wielu zespołom. Analitycy mogą jednorazowo tworzyć workflow lub narzędzia MCP przeznaczone dla agentów AI, a następnie szeroko je udostępniać. Użytkownicy biznesowi mogą korzystać z map, dashboardów i rozwiązań wspieranych przez AI bez konieczności zdobywania specjalistycznej wiedzy technicznej. Deweloperzy mogą osadzać analitykę geoprzestrzenną bezpośrednio w aplikacjach internetowych. Agenci AI mogą natomiast wykonywać zatwierdzone procesy geoprzestrzenne i zarządzać platformą CARTO na dużą skalę.
Co najważniejsze, organizacje mogą rozpocząć od niewielkiej skali i rozwijać wykorzystanie platformy na podstawie rzeczywistego zużycia, zamiast prognozować liczbę potrzebnych licencji z kilkuletnim wyprzedzeniem.
W rezultacie powstał prostszy model:
Przyszłość branży geoprzestrzennej nie polega na zwiększaniu liczby licencji. Polega na tym, aby coraz więcej osób, aplikacji i agentów korzystało z Agentic GIS każdego dnia. Model rozliczeń oparty na zużyciu usuwa bariery, które przez lata ograniczały dostęp do GIS i dostosowują koszty do generowanej wartości. Wraz z rosnącą rolą technologii geoprzestrzennych w nowoczesnych platformach chmurowych i przepływach pracy wykorzystujących AI modele cenowe również muszą ewoluować.
Branża geoprzestrzenna poświęciła dekady na optymalizację sposobu przeprowadzania analiz przestrzennych. Teraz nadszedł czas na modernizację sposobu ich wykorzystania. Rynek geoprzestrzenny czekał na model cenowy, który odzwierciedlałby sposób działania reszty nowoczesnego oprogramowania.
W CARTO wierzymy, że Location Intelligence powinno być dostępne dla wszystkich, którzy mogą czerpać z niego korzyści, nie tylko dla osób posiadających licencję. Model oparty na zużyciu pozwala urzeczywistnić tę wizję.
Aby dowiedzieć się więcej, umów się na spotkanie z naszym zespołem i poznaj nowy, elastyczny model płacenia za zużycie .
Autor: Leo Rodriguez
Tłumaczenie: Nela Sasak
OPGK RZESZÓW S.A.
Geodetów 1
Rzeszów 35-328
Polska
