Wanneer AI het werk doet: Hoe SaaS‑businessmodellen moeten veranderen

De SaaS‑industrie is gebouwd op de eenvoudige veronderstelling dat software mensen helpt hun werk te doen. Elk prijsmodel, productroadmap en verkoopstrategie van de afgelopen twee decennia is rond die aanname georganiseerd. Een seat is een persoon, een licentie is een gebruiker, en een renewal is wat er gebeurt wanneer die gebruiker besluit dat de tool nog steeds de moeite waard is.

AI ondermijnt die veronderstelling in de kern. Software helpt mensen niet langer alleen hun werk te doen. In veel gevallen doet het het werk zelf. Dat heeft consequenties voor het SaaS‑businessmodel. Het verhoogt bovendien de norm voor wat gespecialiseerde software waardevol en verdedigbaar maakt.

De race om functies is al beslist

AI heeft de ontwikkeling van software‑features gecommodificeerd in een tempo waarvoor de industrie niet klaar was. Begin 2024 heeft het Chinese laboratorium DeepSeek een model gebouwd dat concurrerend is met het beste van OpenAI voor ongeveer $5 million, een fractie van de geschatte $100 million die OpenAI heeft uitgegeven. Binnen een jaar hebben onderzoekers van UC Berkeley de kernredeneringsmogelijkheden van DeepSeek gerepliceerd voor ongeveer $30. De kostencurve voor AI‑ontwikkeling daalt steil. Een team met de juiste API‑toegang en prompt‑engineering kan nu functies benaderen die vroeger jaren kostten om te bouwen.

De strategische implicatie is dat, als elke functie binnen enkele maanden kan worden gerepliceerd, functies niet langer een duurzame bron van concurrentievoordeel zijn. Het organiseren van je productstrategie rond feature‑differentiatie laat je concurreren op terrein dat actief aan het afnemen is. Hetzelfde geldt voor het simpelweg toevoegen van een AI‑laag aan een bestaand product. Naarmate de toegang tot de onderliggende modellen meer verspreid raakt, moeten softwarebedrijven meer waarde inbouwen in hun domeinexpertise, workflows en omringende systemen.

Pak het prijsprobleem aan

Seat‑gebaseerde prijsstelling is het meest zichtbare slachtoffer van de verschuiving naar AI‑gedreven werk. Het model leek logisch toen software een hulpmiddel was. Eén persoon, één licentie en één seat. Wanneer AI‑agents taken autonoom afhandelen, werkt die logica niet meer. Je kunt niet per seat in rekening brengen wanneer de seat een bot is, of wanneer één implementatie de werklast van tientallen gebruikers verwerkt.

Analisten van Gartner voorspellen dat minstens 40 % van de enterprise‑SaaS‑uitgaven tegen 2030 zullen verschuiven naar gebruiks‑gebaseerde, agent‑gebaseerde of resultaat‑gebaseerde modellen, waarbij het aandeel van seat‑gebaseerde inkomsten daalt van 21 % naar 15 %. De markt beweegt zich al in die richting. Zendesk introduceerde resultaat‑gebaseerde prijsstelling in augustus 2024, met facturering per opgeloste klantinteractie in plaats van per gebruiker. Salesforce volgde met Agentforce voor $2 per AI‑gesprek.

De grootste spelers in de sector hebben geaccepteerd dat het oude model niet past bij de nieuwe realiteit. Als je wacht tot de markt de verandering afdwingt, erft je de voorwaarden die zijn vastgesteld door degenen die als eerste de stap maakten.

Er is ook een probleem aan de kostenzijde. Traditionele SaaS profiteerde van bijna nul marginale kosten. Zodra een software was gebouwd, was het bedienen van een extra klant vrijwel gratis. AI‑gedreven producten hebben aanzienlijke variabele rekencosts die schalen met het gebruik. Seat‑prijsstelling was nooit ontworpen voor dat niveau van variabiliteit. Elk bedrijf dat nog steeds een seat‑model bovenop een AI‑gedreven product hanteert, beheert een structurele mismatch die uiteindelijk moet worden opgelost.

Workflow‑eigendom als de nieuwe productstrategie

Als features geen vesting meer zijn en seats niet de juiste waardeenheid, wat is dan wel? Terwijl bedrijven deze transitie doelbewust doorkruisen, ontdekken ze dat het antwoord workflow‑eigendom is. Workflow‑eigendom is de mate waarin een platform een reeks acties ondersteunt en verbindt binnen het operationele proces van een klant, in plaats van slechts één stap op zichzelf te behandelen.

Voor productstrategie maakt deze herformulering een verschil. Terwijl een tool een specifieke taak aanpakt, behandelt een workflow‑platform de volledige reeks: intake, verwerking, besluitvorming, opvolging en meting. Hoe meer van die reeks een platform bezit, hoe moeilijker het wordt om te vervangen, omdat de overstapkosten een heel operationeel proces omvatten, niet slechts één functie. Dat betekent niet dat elke component intern moet worden gebouwd. In veel gevallen is de sterkere aanpak om een kerncompetentie te versterken en deze te verbinden met bedrijven die sterk zijn in aangrenzende delen van de workflow.

Denk aan leasing. Een AI‑agent die huurdersvragen beantwoordt, wordt steeds makkelijker te bouwen. Maar een huurder van aanvraag naar bezichtiging brengen hangt af van meerdere systemen die samenwerken, van vastgoeddata en planning tot toegang. Geen enkele feature creëert die ervaring. De waarde komt voort uit hoe gespecialiseerde mogelijkheden zich verbinden over het hele proces.

Volgens Gartner is integratiemogelijkheid nu de #3 meest belangrijke factor voor wereldwijde softwarekopers. Alleen features zijn niet genoeg om kopers te overtuigen. Ze willen ook weten of het integreert met de systemen waar hun teams al afhankelijk van zijn, en of die integraties diep genoeg gaan om frictie gedurende de volledige workflow te elimineren.

Dit verandert hoe softwarebedrijven hun eigen productroadmaps moeten evalueren. De vraag is minder “wat moeten we hierna bouwen” en meer “welke delen van de workflow van de klant raken we nog niet, en wat is er nodig om ze te bezitten.” Partnerschappen met aangrenzende platforms, dataleveranciers en servicelaag‑componenten worden net zo strategisch belangrijk als interne ontwikkeling. Fragmentatie kon ooit dienen als een vorm van verdedigbaarheid, waarbij elke leverancier zijn eigen deel van de technologische stack beschermde. Naarmate individuele mogelijkheden makkelijker te reproduceren zijn, kan die benadering bedrijven juist benadelen.

Eigendomsspecifieke Context Is de Nieuwe Vergrendeling

In het traditionele SaaS‑model kwam vergrendeling voort uit overstapkosten. Het migreren van gegevens, het opnieuw trainen van gebruikers en het heropzetten van integraties vergen allemaal aanzienlijke tijd en inspanning. In een AI‑gedreven model ontstaat een diepere en minder zichtbare vorm van vergrendeling: eigendomsspecifieke klantcontext.

AI‑systemen zijn slechts zo nuttig als de gegevens waarop ze werken. Een algemeen AI‑model kan algemene vragen beantwoorden. Een AI‑systeem dat is ingebed in een platform dat jarenlange workflowgeschiedenis, gedrags­patronen, configuratie‑beslissingen en relatiegegevens van een klant heeft verzameld, kan handelen met contextuele intelligentie die specifiek is voor de situatie van die klant. Algemene modellen kunnen dat niet, en dit maakt eigendomsspecifieke context tot een solide concurrentievoordeel in software.

RSM US bevestigt deze richting, wijzend op het feit dat bedrijven die eigendomsspecifieke data succesvol benutten, winst zullen zien in klantretentie die pure functie‑concurrenten niet kunnen evenaren. Softwarebedrijven zouden moeten investeren in het verzamelen en structureren van klant‑specifieke context even agressief als ze in elke andere capaciteit investeren. Die context wordt waardevoller wanneer deze gekoppeld is aan gespecialiseerde expertise, gevestigde workflows en de andere systemen die betrokken zijn bij het voltooien van het werk. Een concurrent kan wellicht een individuele functie snel kopiëren, maar alles eromheen reproduceren is een veel grotere onderneming.

Dit heeft ook implicaties voor hoe softwarebedrijven denken over datagovernance en auditabiliteit. Wanneer AI handelt op basis van klantcontext om belangrijke taken uit te voeren, hebben zowel leverancier als klant inzicht nodig in wat de AI doet en waarom. Governance moet deel uitmaken van de architectuur die AI‑gedreven workflow‑eigendom geloofwaardig maakt.

Wat gebeurt er wanneer uitkomsten het product zijn

Als klanten resultaten kopen in plaats van tools, moeten productteams fundamenteel anders nadenken over wat ze bouwen en hoe ze succes meten. Een roadmap die is georganiseerd rond te leveren functies is het verkeerde instrument voor een product dat is georganiseerd rond te leveren uitkomsten. Ontwikkelaars zouden zich minder moeten richten op wat ze in een kwartaal uitbrengen en meer op wat ze voor hun klanten hebben gerealiseerd, en of die uitkomsten meetbaar, toerekenbaar en herhaalbaar zijn.

Productmanagers die hun loopbaan hebben besteed aan denken in termen van functiespecificaties en release‑cycli, moeten vaardigheid ontwikkelen in operationele metrics. Hoe ziet een succesvolle uitkomst eruit, hoe weten we wanneer we die hebben bereikt, en hoe zorgt het productontwerp ervoor dat AI‑gedrag consistent genoeg is om verantwoordelijk te zijn voor de resultaten? Dat is een andere discipline dan het bouwen van software voor menselijke gebruikers.

We kunnen deze verandering al zien in hoe kopers leveranciers evalueren. G2’s beoordelingsgegevens tonen aan dat AI‑mogelijkheden nu alleen van belang zijn wanneer ze gekoppeld zijn aan meetbare operationele waarde. Nieuwe functies verliezen gewicht in aankoopbeslissingen, terwijl aangetoonde uitkomsten aan belang winnen. Leveranciers die nog steeds voornamelijk op capaciteit verkopen en de uitkomstvraag aan de klant overlaten, staan steeds vaker aan de verkeerde kant van de verwachtingen van kopers.

De Koper Is Al Veranderd

Enterprise‑ en mid‑market‑operators wachten niet tot leveranciers bijbenen. De evaluatiecriteria zijn al veranderd, en kopers willen weten wat een platform oplevert, hoe het presteert binnen hun bestaande workflow, en hoe diep het aansluit op de systemen waarvan ze al afhankelijk zijn. Inkoopgesprekken die ooit draaiden om functiedemonstraties en roadmap‑presentaties, richten zich steeds meer op integratie‑architectuur, uitkomstmeting en operationele verantwoordelijkheid.

Het risico voor SaaS‑platformen met een zware enterprise‑per‑seat‑exposure is dat omzet‑multiples kunnen krimpen ten opzichte van bedrijven die zijn overgestapt op consumptie‑ of uitkomst‑gebaseerde modellen. Investeerders nemen het risico mee in de prijsstelling dat de netto‑omzet‑retentie zal verslechteren naarmate klanten menselijke seats vervangen door AI‑agenten.

Dit is een kortstondige kans voor leveranciers. Kopers vormen verwachtingen over hoe AI‑native software‑verantwoordelijkheid eruitziet. Vooruitstrevende leveranciers reageren door prijsstructuren te creëren, integratiediepte op te bouwen en meer bereid te zijn om op uitkomsten gemeten te worden, waardoor ze een voordeel krijgen bij verlengingen en uitbreidingen. Leveranciers die blijven focussen op hun functieverzameling zullen merken dat dit gesprek steeds minder relevant wordt voor wat kopers daadwerkelijk willen weten.

Herdenken van de Standaard voor Waarde

AI verandert wat software waard is, voor wie, en onder welke voorwaarden. Het gehele systeem van SaaS‑waardering is gebouwd voor een wereld waarin software alleen mensen hielp bij het werk. Die wereld loopt ten einde.

De nieuwe era vereist dat bedrijven dit benaderen als een vraag vanuit de eerste principes. Als AI het werk doet, waarvoor moet een klant betalen, en waarom? Het antwoord is een geheel nieuw model dat draait om resultaten, eigenaarschap van de workflow en eigendom van context. Het vraagt om een andere manier van denken over prijsstelling, productstrategie, partnerschappen en hoe succes wordt gemeten.

Het functie‑tijdperk van SaaS beloont het meest capabele hulpmiddel. Het AI‑tijdperk zal de bedrijven belonen wiens specialisatie en connecties het moeilijkst te reproduceren zijn. Vandaag nog reorganiseren rond die realiteit stelt je in staat om de vesting voor het volgende decennium van enterprise‑software op te bouwen.