AI-agenten versus het SaaS-bedrijfsmodel: waarom de SaaS-apocalyps onjuist is

Als u de markten de afgelopen week in de gaten hebt gehouden, hebt u waarschijnlijk de slachting gezien. Grote spelers in de SaaS-sector (Software as a Service), zoals Salesforce, ServiceNow en grote IT-consultancybureaus, hebben enorme klappen gekregen. Het verhaal achter deze uitverkoop is pakkend, angstaanjagend en lijkt onvermijdelijk: de "Saa-apocalyps" is eindelijk aangebroken.

De aanleiding voor deze paniek is de snelle ontwikkeling van 'agentische' mogelijkheden binnen de kunstmatige intelligentie. Met name de lancering van Anthropics nieuwste Cowork Features, die agents introduceert die in staat zijn om samen met mensen in gedeelde omgevingen te werken, heeft investeerders angst aangejaagd.

De logica lijkt op het eerste gezicht logisch: als een AI-agent de complexe menu's van SAP, Infor LNof Salesforce beter, sneller en goedkoper kan bedienen dan een mens, waarom zou een bedrijf dan nog betalen voor dure per gebruiker ?
Waarom een ​​junior consultant inhuren om op knoppen te klikken en tabellen te configureren, als een agent dat voor een fractie van een cent per token kan doen?

De markt houdt rekening met een toekomst waarin de softwareomzet instort omdat AI het gebruikersbestand opslokt. Maar als iemand die meer dan tien jaar ERP-systemen heeft geïmplementeerd en in complexe, multinationale omgevingen zoals Infor LN heeft gewerkt, zie ik een enorme, gevaarlijke kloof tussen financiële paniek en technische realiteit.

Economische angst versus technische realiteit

Om te begrijpen waarom de markt het mis heeft, moeten we eerst begrijpen waar ze bang voor zijn. Het SaaS-bedrijfsmodel is gebaseerd op gebruikerslicenties, waarbij je een maandelijks bedrag in rekening brengt voor elke persoon die toegang tot het systeem nodig heeft.
Als een AI-agent kan inloggen als één enkele 'supergebruiker' en het werk van 50 klantenservicemedewerkers of 10 supply chain planners kan uitvoeren, verdwijnt het verdienmodel van deze softwaregiganten als sneeuw voor de zon.

Deze angst berust echter op één cruciale aanname: dat de AI-agenten daadwerkelijk werken.

Het gaat niet alleen om "werken" in een demo waarin ze een vlucht boeken of een pdf samenvatten. Ik bedoel werken in de rommelige, risicovolle omgeving van enterprise resource planning, waar één verkeerde klik miljoenen kan kosten.

Terwijl Wall Street aandelen verkocht, gaf de wetenschappelijke gemeenschap ernstige waarschuwingen af.
Het nieuwste internationale wetenschappelijke rapport over de veiligheid van geavanceerde AI, dat enkele dagen geleden werd gepubliceerd door het AI Safety Institute van de Britse overheid, trekt een grimmige conclusie die elke CTO zou moeten uitprinten en aan de muur zou moeten hangen:

"Betrouwbare automatisering van lange of complexe taken blijft onhaalbaar." (Bron: Internationaal wetenschappelijk rapport over de veiligheid van geavanceerde AI)

Dit is het "vuile geheimpje" van de huidige AI-hype. Een agent die 90% van de tijd goed werkt, is een wonder voor creatieve taken. Als je ChatGPT vraagt ​​een gedicht te schrijven en er gaat een rijmfout, dan is daar niemand aan dood. Maar in mijn wereld van ERP-implementaties en bedrijfskritische processen is een nauwkeurigheid van 90% een ramp.

De bestuurskloof: een race zonder remmen

Naast de technische betrouwbaarheid wijst het rapport op een structureel risico dat in de oppervlakkige marktanalyse volledig over het hoofd wordt gezien. Het concludeert dat er een groeiende kloof bestaat tussen het tempo van de AI-ontwikkeling en het vermogen van de samenleving om effectieve veiligheids- en bestuursmaatregelen te creëren.

In het bedrijfsleven is deze kloof fataal. ERP-systemen vormen de ruggengraat van compliance, belastingen en financiële rapportage. Je kunt geen technologie die snel veranderingen teweegbrengt en problemen veroorzaakt, inzetten in systemen die ontworpen zijn voor stabiliteit en controleerbaarheid. De hype gaat ervan uit dat we vandaag de dag autonome systemen kunnen inzetten; de realiteit is dat we de governancekaders missen om zelfs maar te monitoren wat ze doen, laat staan ​​om ze te controleren.

Het verborgen risico: de ondergang van het leerlingstelsel

Er is een dieperliggende, structurele reden waarom met name consultancybureaus zo hard worden afgestraft voor hun aandelen. Het probleem reikt veel verder dan softwarelicenties en heeft ook te maken met de vernietiging van de talentenpool.

Het consultancybedrijfmodel is al decennialang gebaseerd op een 'piramide': legioenen junior consultants voeren de configuratie- en data-invoerwerkzaamheden op laag niveau uit (die aan de klant worden gefactureerd) terwijl ze het vak leren. Ze 'lopen mee' met de senior consultants om de complexe logica van bedrijfsprocessen te begrijpen.

Als we deze junior ontwikkelaars vandaag vervangen door AI-agenten om geld te besparen, creëren we morgen een kennisvacuüm . Een recente analyse van de crisis rond junior ontwikkelaars werpt een angstaanjagende vraag op: als niemand het zware werk doet, hoe kan iemand dan senior worden?

Je kunt in Infor LN niet leren omgaan met een complexe crisis in de toeleveringsketen als je niet jarenlang de basisprocessen hebt bestudeerd die eraan ten grondslag liggen.
De markt vreest terecht dat we door de automatisering van instapniveaus de aanvoer van toekomstige experts afsnijden, waardoor bedrijven weliswaar beschikken over snelle AI-agenten, maar geen mensen meer hebben die kunnen beoordelen of de agent gelijk of ongelijk heeft.

De doe-het-zelf-drogreden

Een andere gevaarlijke mythe die bijdraagt ​​aan deze marktvolatiliteit is het idee dat tools zoals Project Genie of Claude elk bedrijf in staat zullen stellen om simpelweg "hun eigen ERP-systeem" intern te bouwen, waardoor dure SaaS-leveranciers volledig overbodig worden.

Deze opvatting miskent fundamenteel wat software is.

Het schrijven van code is niet hetzelfde als het bouwen van een systeem.

Denk aan de videogame-industrie. Generatieve AI kan 3D-modellen maken en scripts schrijven, maar dat betekent niet dat een tiener in zijn slaapkamer 's als Elden Ring of Grand Theft Auto . Een meesterwerk vereist leveldesign, een goede verhaalstructuur, geavanceerde physics-engines en optimalisatie. Een complexe structuur waarin code slechts één bouwsteen is.

Hetzelfde geldt voor ERP- en CRM-systemen.
Een ERP-systeem is niet zomaar een verzameling Python-scripts; het is een gekristalliseerde structuur van internationale belastingwetgeving, naleving van regelgeving in de toeleveringsketen, beveiligingsprotocollen en de beste boekhoudpraktijken. Denken dat een bedrijf SAP of Salesforce zomaar aan de kant kan schuiven om een ​​"zelfgemaakt" AI-CRM-systeem te bouwen, is waanzin. Het onderschat de complexiteit van de processen die in deze tools zijn ingebed.

Recente rapporten van SupplyChainBrain (februari 2026) bevestigen dit: leiders realiseren zich al dat het onderhouden van op maat gemaakte AI-agents een nachtmerrie is en keren terug naar gevestigde leveranciers.

Bovendien mogen we de menselijke traagheid. Ik heb een groot deel van mijn carrière besteed aan het migreren van bedrijven van on-premise naar de cloud. Technisch gezien zou deze overgang maanden moeten duren, maar in de hele sector duurt het al decennia en is het proces nog steeds gaande. Waarom? Omdat mensen en organisaties langzaam veranderen. De illusie dat bedrijfsgewoonten van de ene op de andere dag zullen veranderen, simpelweg omdat er een nieuw AI-model is uitgebracht, negeert de realiteit van hoe bedrijven daadwerkelijk functioneren.

De agent-waan

Dit leidt ons tot een cruciaal misverstand in de branche. We geven vaak de AI de schuld van deze mislukkingen, maar het probleem ligt dieper.
Zoals ik in mijn recente artikel ' De agentillusie: waarom uw ERP (nog) niet klaar is voor de automatische piloot', bestaat er een harde realiteit die tot wel 85% van de AI-projecten de nek omdraait voordat ze zelfs maar beginnen.

De illusie is dat je een autonome intelligentie uit de 21e eeuw kunt toevoegen aan statische, onzuivere datastructuren uit de 20e eeuw en dan wonderen kunt verwachten. Je kunt geen Ferrari-motor (de AI-agent) bouwen en die in een verroest chassis (je verouderde ERP-data) plaatsen en verwachten dat je de race wint. De agent hoeft niet alleen slim te zijn; de omgeving waarin hij opereert moet ook klaar voor intelligentie. De meeste ERP-systemen zijn dat simpelweg niet.

Het tijdperk van agentische engineering

Betekent dit dan dat de Saaspocalyps een mythe is? Nee. Het betekent dat de timing en de aard van de verandering verkeerd worden begrepen. We stevenen niet af op een wereld waarin software morgen al volledig zelfbeheersbaar is.
We stevenen af ​​op een wereld waarin de rol van de mens drastisch verandert.

Andrej Karpathy, een van de meest vooraanstaande denkers op het gebied van AI (voorheen werkzaam bij OpenAI en Tesla), merkte onlangs op dat het tijdperk van 'Vibe Coding', waarbij je een AI simpelweg vraagt ​​om code te schrijven en hoopt op het beste, voorbij is.
We betreden het tijdperk van 'Agentic Engineering'.

Voor professionals zoals wij, waaronder consultants, ontwikkelaars en systeemarchitecten, verdwijnt de baan niet, maar wordt deze juist aanzienlijk moeilijker.
We worden de architecten en toezichthouders van AI-agenten.

"Agentic Engineering" betekent het bouwen van het raamwerk dat deze agenten veilig houdt. Het omvat:

1. Evaluatiekaders: uitgebreide testsuites om ervoor te zorgen dat de agent geen onjuiste voorraadcijfers weergeeft.
2. Beveiligingsmechanismen: Vastgelegde limieten (bijv. "De AI kan een inkooporder van meer dan 10.000 euro niet goedkeuren zonder menselijke goedkeuring").
3. Workflows met menselijke tussenkomst: het ontwerpen van processen waarbij de AI het zware werk van gegevensinvoer doet, maar een menselijke expert (de "piloot") de cruciale beslissingsmomenten valideert.

De verschuiving van "zetels" naar "resultaten"

Het bedrijfsmodel zal veranderen. Het waarbij per gebruiker wordt betaald , wordt inderdaad bedreigd, maar niet omdat niemand de software meer zal gebruiken. Het wordt bedreigd omdat de waardemaatstaf verschuift.

We zien nu al de eerste concrete tekenen van deze koerswijziging. Salesforce is zich al aan deze realiteit gaan aanpassen met de lancering van Agentforce, waarbij een prijsmodel van $2 per gesprek in plaats van alleen gebruikerslicenties. Ze realiseerden zich dat het verkopen van inloglicenties voor autonome bots geen zin heeft; ze moeten het resultaat van het werk verkopen.

Dit sluit aan bij wat Bessemer Venture Partners definieert als de opkomst van "Service-as-a-Software". In dit nieuwe paradigma verkopen leveranciers je niet alleen een tool (een CRM of ERP), maar ook de digitale arbeid zelf.

In de toekomst zullen Infor of SAP waarschijnlijk niet alleen kosten in rekening brengen voor het aantal gebruikers dat inlogt, maar waarschijnlijk ook voor de resultaten.

• “Kosten per verwerkte factuur.”
• "Kosten per succesvolle oplossing van klantproblemen."
• "Kosten per geoptimaliseerd supply chain-plan."

Deze verschuiving is eigenlijk gunstig voor de aanbieders als ze de betrouwbaarheid kunnen garanderen. Maar tot die tijd blijft de afhankelijkheid van menselijke expertise absoluut.

Waarom ervaring belangrijker is dan ooit

Er bestaat de vrees dat AI het speelveld gelijk trekt, waardoor een junior consultant met ChatGPT gelijkwaardig wordt aan een senior expert. Ik betoog het tegenovergestelde.

Als je een instrument gebruikt dat zonder enige twijfel liegt, heb je juist meer expertise nodig om de leugen te ontmaskeren, niet minder.

Een junior consultant zou de suggestie van de AI om een ​​grootboekkoppeling te wijzigen wellicht accepteren omdat "het er goed uitziet". Een senior consultant weet echter dat het wijzigen van die koppeling het jaarverslag zal verstoren vanwege een lokale belastingregeling waar de trainingsdata van de AI (voornamelijk gericht op de VS) niets van afweten.

Hoewel het Jobpocalypse- verhaal ervan uitgaat dat onze waarde ligt in typsnelheid of geheugen, ligt onze ware waarde in ons beoordelingsvermogen.

Mijn conclusie

De markt waardeert bedrijven op basis van het potentieel van AI, waarbij de technische realiteit van de implementatie wordt genegeerd.

Echte engineering houdt zich bezig met uitzonderlijke gevallen. Echte engineering heeft te maken met onzuivere data, verouderde integraties en tegenstrijdige bedrijfsregels. Totdat AI-agenten op grote schaal betrouwbaarheid zonder constante menselijke begeleiding – wat volgens de wetenschappelijke gemeenschap nog ver weg is – staat het SaaS-model onder druk om te evolueren in plaats van te verdwijnen.

De toekomst ligt in het aansturen van agenten door mensen, in plaats van een strijd tussen AI en mensen.

Geschreven door Andrea Guaccio 

9 februari 2026