AI-agenter kontra SaaS-affärsmodell: Varför SaaS-apokalypsen är fel

Om du har följt marknaderna förra veckan har du förmodligen bevittnat blodbadet. Stora aktörer inom SaaS-landskapet (Software as a Service), som Salesforce, ServiceNow och stora IT-konsultföretag, har drabbats hårt. Berättelsen bakom denna utförsäljning är fängslande, skrämmande och till synes oundviklig: "Saaspokalypsen" är äntligen här.

Katalysatorn för denna panik är den snabba utvecklingen av "agentiska" förmågor inom artificiell intelligens. Mer specifikt har lanseringen av Anthropics senaste Cowork- funktioner, som introducerar agenter som kan arbeta tillsammans med människor i delade miljöer, skrämt investerare.

Logiken verkar sund vid första anblicken: Om en AI-agent kan navigera i de komplexa menyerna i SAP, Infor LN eller Salesforce bättre, snabbare och billigare än en människa, varför skulle något företag fortsätta att betala för dyra licenser per användare ? Varför anlita en juniorkonsult för att klicka på knappar och konfigurera tabeller när en agent kan göra det för en bråkdels cent per token?

Marknaden prisar in en framtid där mjukvaruintäkterna kollapsar eftersom AI kannibaliserar användarbasen. Men som någon som har ägnat över ett decennium åt att implementera ERP-system och arbetat i komplexa multinationella miljöer som Infor LN, ser jag ett enormt, farligt gap mellan ekonomisk panik och teknisk verklighet.

Den ekonomiska rädslan kontra den tekniska verkligheten

För att förstå varför marknaden har fel måste vi först förstå vad de är rädda för. SaaS-affärsmodellen bygger på seats, där man tar ut en månadsavgift för varje människa som behöver åtkomst till systemet.
Om en AI-agent kan logga in som en enda "superanvändare" och utföra arbetet som 50 kundtjänstrepresentanter eller 10 leveranskedjeplanerare gör, försvinner intäktsmodellen för dessa mjukvarujättar.

Denna rädsla förutsätter dock en avgörande sak: att AI-agenterna faktiskt fungerar.

Inte bara "jobba" i en demo där de bokar en flygresa eller sammanfattar en PDF. Jag menar arbete i den röriga och riskfyllda miljön inom ERP ( enterprise resource planning, där ett enda felklick kan kosta miljoner.

Medan Wall Street sålde, utfärdade forskarsamhället allvarliga varningar.
Den senaste internationella vetenskapliga rapporten om säkerheten hos avancerad AI, som släpptes för bara några dagar sedan av den brittiska regeringens AI Safety Institute, drar en skarp slutsats att varje CTO bör skriva ut och tejpa på väggen:

”Tillförlitlig automatisering av långa eller komplexa uppgifter är fortfarande ogenomförbar.” (Källa: Internationell vetenskaplig rapport om säkerheten hos avancerad AI)

Detta är den "smutsiga lilla hemligheten" i den nuvarande AI-hypecykeln. En agent som arbetar 90 % av tiden är ett mirakel för kreativa uppgifter. Om du ber ChatGPT att skriva en dikt och den förstör en rim, dör ingen. Men i min värld av ERP-implementering och affärskritiska affärsprocesser är 90 % noggrannhet en katastrof.

Styrelsesklyftan: En kapplöpning utan bromsar

Utöver teknisk tillförlitlighet belyser rapporten en strukturell risk som marknadens ytliga analys helt ignorerar. Den drar slutsatsen att det finns ett växande gap mellan takten i AI-utvecklingen och samhällets förmåga att skapa effektiva säkerhets- och styrningsåtgärder.

I företagsvärlden är denna klyfta ödesdiger. ERP-system är ryggraden i regelefterlevnad, beskattning och finansiell rapportering. Man kan inte implementera teknik som "rör sig snabbt och bryter ner saker" i system som är utformade för stabilitet och granskningsbarhet. Hypen antar att vi kan släppa lös autonoma agenter idag; verkligheten är att vi saknar styrningsramverk för att ens övervaka vad de gör, än mindre kontrollera dem.

Den dolda risken: Lärlingsmodellens död

Det finns en mörkare, mer strukturell anledning till varför just konsultföretag ser sina aktier straffas. Problemet sträcker sig långt bortom mjukvarulicenser till att även förstöra talangpipelinen.

I årtionden har konsultbranschens affärsmodell förlitat sig på en "pyramid": arméer av juniora konsulter utför konfigurations- och datainmatningsarbetet på låg nivå (faktureras till kunden) samtidigt som de lär sig yrket. De "skuggar" de seniora konsulterna för att förstå den komplexa logiken i affärsprocesser.

Om vi ​​ersätter dessa juniorer med AI-agenter för att spara pengar idag, skapar vi ett kunskapsvakuum imorgon.
En färsk analys av krisen för juniorutvecklare belyser en skrämmande fråga: Om ingen gör det stora arbetet, hur blir någon senior?

Man kan inte lära sig att hantera en komplex leveranskedjekris i Infor LN om man inte har ägnat år åt att förstå de grundläggande transaktioner som orsakade den.
Marknaden är med rätta rädd för att vi genom att automatisera instegsnivån stänger av tillgången på framtida experter, vilket lämnar företag med snabba AI-agenter men inga människor som kan förstå om agenten har rätt eller fel.

Bygg-det-själv-felslutet

En annan farlig myt som underblåser denna marknadsvolatilitet är idén att verktyg som Project Genie eller Claude kommer att tillåta alla företag att helt enkelt "bygga sitt eget ERP-system" internt och helt kringgå dyra SaaS-leverantörer.

Denna uppfattning missförstår i grunden vad programvara är.

Att skriva kod är inte samma sak som att bygga ett system.

Tänk på videospelsindustrin. Generativ AI kan skapa 3D-modeller och skriva manus, men det betyder inte att en tonåring i sitt sovrum kan generera Elden Ring eller Grand Theft Auto över en natt. Ett mästerverksspel kräver nivådesign, narrativ tempo, fysikmotorer och optimering. En komplex struktur där kod bara är en enda tegelsten.

Detsamma gäller för ERP- och CRM-system.
Ett ERP-system är inte bara en samling Python-skript; det är en kristalliserad struktur av internationella skattelagar, efterlevnad av leveranskedjor, säkerhetsprotokoll och bästa redovisningspraxis. Att tro att ett företag kommer att kasta bort SAP eller Salesforce för att bygga ett "hemlagat" AI-CRM är vansinne. Det underskattar komplexiteten i de processer som är inbäddade i dessa verktyg.

Nyligen genomförda rapporter från SupplyChainBrain (feb 2026) bekräftar detta: ledare inser redan att det är en mardröm att underhålla anpassade AI-agenter och vänder sig tillbaka till etablerade leverantörer.

Dessutom får vi inte glömma den mänskliga trögheten. Jag har tillbringat en stor del av min nuvarande karriär med att migrera företag från lokala lösningar till molnet. Det är en övergång som tekniskt sett borde ta månader, men som branschövergripande har tagit årtionden och pågår fortfarande. Varför? För att människor och organisationer förändras långsamt. Fantasin om att företagsvanor kommer att förändras över en natt bara för att en ny AI-modell släpptes ignorerar verkligheten om hur företag faktiskt fungerar.

Agentvillfarelsen

Detta leder oss till ett kritiskt missförstånd i branschen. Vi skyller ofta på AI:n för dessa misslyckanden, men problemet ligger djupare.
Som jag utforskade i min senaste artikel, The Agent Delusion: Why Your ERP Isn't Ready for Autopilot (Yet), finns det en brutal verklighet som dödar upp till 85 % av AI-projekt innan de ens har startat.

Vanföreställningen är att tro att man kan lägga en autonom intelligens från 2000-talet ovanpå statiska, smutsiga datastrukturer från 1900-talet och förvänta sig magi. Man kan inte bygga en Ferrari-motor (AI-agenten) och placera den i ett rostigt chassi (dina äldre ERP-data) och förvänta sig att vinna loppet. Agenten behöver inte bara vara smart; miljön den verkar i måste vara redo för intelligens. De flesta ERP-system är helt enkelt inte det.

Agentteknikens era

Så, betyder det att Saapokalypsen är en myt? Nej. Det betyder att tidslinjen och förändringens natur är missförstådda. Vi är inte på väg mot en värld där mjukvaran styrs av sig själv imorgon.
Vi är på väg mot en värld där människans roll förändras dramatiskt.

Andrej Karpathy, en av de ledande hjärnorna inom AI (tidigare från OpenAI och Tesla), noterade nyligen att eran med Vibe Coding, där man bara ber en AI att skriva kod och hoppas på det bästa, är över.
Vi går in i eran med Agentic Engineering.

För yrkesverksamma som oss, inklusive konsulter, utvecklare och systemarkitekter, försvinner inte jobbet, utan blir snarare betydligt svårare.
Vi blir arkitekter och handledare för AI-agenter.

”Agentic Engineering” innebär att bygga den ställning som håller dessa agenter säkra. Det innebär:

1. Utvärderingsramverk: djupgående testsviter för att säkerställa att agenten inte hallucinerar lagersiffror.
2. Skyddsräcken: Hårdkodade gränser (t.ex. ”AI:n kan inte godkänna en inköpsorder över 10 000 euro utan mänsklig signatur”).
3. Human-in-the-Loop-arbetsflöden: Utforma processer där AI:n gör det tunga arbetet med datainmatning, men en mänsklig expert ("piloten") validerar de kritiska beslutspunkterna.

Skiftet från "platser" till "resultat"

Affärsmodellen kommer att förändras. per plats är visserligen hotad, men inte för att ingen kommer att använda programvaran. Den är hotad eftersom värdemåttet förändras.

Vi ser redan de första konkreta tecknen på denna vändning. Salesforce har börjat anpassa sig till denna verklighet med lanseringen av Agentforce, som introducerar en prismodell baserad på 2 dollar per konversation snarare än bara användarplatser. De insåg att det inte är meningsfullt att sälja inloggningslicenser för autonoma robotar; de måste sälja resultatet av arbetet.

Detta stämmer överens med vad Bessemer Venture Partners definierar som uppkomsten av ”tjänst som programvara”. I detta nya paradigm säljer leverantörer inte bara ett verktyg (ett CRM eller ERP) till dig; de säljer själva den digitala arbetskraften.

I framtiden är det troligt att Infor eller SAP inte bara kommer att debitera dig för hur många som loggar in. De kommer sannolikt att debitera dig för resultat:

• "Kostnad per behandlad faktura."
• "Kostnad per lyckad kundsupportlösning."
• "Kostnad per optimerad leveranskedjeplan."

Denna förändring är faktiskt fördelaktig för leverantörerna om de kan knäcka tillförlitlighetskoden. Men tills de gör det förblir beroendet av mänsklig expertis absolut.

Varför erfarenhet är viktigare än någonsin

Det finns en rädsla för att AI skapar lika villkor och gör en juniorkonsult hos ChatGPT likvärdig med en seniorexpert. Jag menar tvärtom.

När du använder ett verktyg som ljuger med säkerhet behöver du mer expertis för att upptäcka lögnen, inte mindre.

En juniorkonsult kan acceptera AI:ns förslag att ändra en huvudboksmappning eftersom "det ser rätt ut". En seniorkonsult vet att en ändring av mappningen kommer att förstöra årsslutsrapporten på grund av en lokal skattereglering som AI:ns träningsdata (mestadels USA-centrerade) inte känner till.

Medan Jobpocalypse- berättelsen antar att vårt värde ligger i skrivhastighet eller minne, ligger vårt verkliga värde i omdöme.

Min slutsats

Marknaden prissätter företag baserat på potential och ignorerar den tekniska verkligheten kring implementeringen.

Verklig ingenjörskonst handlar om edge-fall. Verklig ingenjörskonst handlar om smutsig data, äldre integrationer och motsägelsefulla affärsregler. Tills AI-agenter kan bevisa tillförlitlighet i stor skala utan konstant mänsklig hjälp, vilket forskarsamhället säger fortfarande är långt ifrån, är SaaS-modellen under press att utvecklas snarare än att riskera att utrotas.

Framtiden ligger i att människor hanterar agenter, snarare än en kamp mellan AI och människor.

Skriven av Andrea Guaccio 

9 februari 2026