De 6%-misvatting: Waarom de ‘dood van SaaS’ wiskundig onjuist is

Momenteel circuleert er een slide in de bestuurskamers van Silicon Valley die investeerders lijkt te verontrusten. De grafiek zet de marginale kosten van het genereren van code af tegen de ondernemingswaarde van SaaS-bedrijven. Het verhaal is eenvoudig en verleidelijk: AI drijft de kosten van codegeneratie naar nul, dus moet de waarde van de volledige software-industrie instorten.

Het is een overtuigende redenering. Maar ze is zowel wiskundig als operationeel onjuist. Het huidige sombere scenario voor SaaS berust op een fundamentele fout. Het gaat ervan uit dat klanten softwareleveranciers enkel betalen voor syntaxis. Dat doen ze niet. Ze betalen voor een dienst die een specifiek bedrijfsresultaat garandeert.

Wanneer je de winst- en verliesrekening van een modern SaaS-bedrijf ontleedt, wordt duidelijk dat AI SaaS niet zal vervangen. Het zal simpelweg de winnaars, die architectuur rond intelligentie hebben gebouwd, scheiden van de verliezers die slechts formulieren bovenop databases verkochten. SaaS verdwijnt niet. Het wordt het noodzakelijke schild tussen de klant en de complexiteit van het AI-tijdperk.

1. Service is het concurrentievoordeel

Om te begrijpen waarom SaaS standhoudt, moeten we het acroniem splitsen.

‘Software’ (De implementatie): dit zijn de bits en bytes. De gebruikersinterface, de databaseschema’s en de logica. In een AI-wereld wordt het schrijven van code een commodity.

‘Service’ (De waarde): dit is wat ondernemingen kopen. De service omvat beschikbaarheid (99,99% uptime), beveiligingscompliance (SOC2, HIPAA), data governance en klantenondersteuning.

Weten wat je moet bouwen blijft echter schaars. Domeinkennis, complexe workflowlogica en inzicht in het bedrijf van de klant kunnen niet worden geautomatiseerd. AI kan de stenen leggen, maar er is nog steeds een architect met diepgaande sectorkennis nodig om de blauwdruk te tekenen.

Zelfs als AI de code schrijft, wie staat er om 03:00 uur ’s nachts op wanneer de server uitvalt? Wie draagt de aansprakelijkheid bij een datalek? Wie bepaalt de roadmap wanneer regelgeving verandert?

De ‘service’-laag rond de software beschermt de klant tegen de chaos van ruwe code. Naarmate code goedkoper wordt, wordt het vertrouwen dat de service biedt het grootste goed.

2. De rekensom: waarom AI slechts 6% van de kostenstructuur beïnvloedt

Laten we de cijfers voor zich spreken. Het ‘dood van SaaS’-verhaal veronderstelt dat het schrijven van code 90% van de kostenstructuur van een bedrijf uitmaakt. Dat is niet zo.

Hoewel startups in een vroege fase zwaar investeren in initiële ontwikkeling, is de stabiele toestand van een winstgevend SaaS-bedrijf eerder een distributiemachine dan een codeerwerkplaats. Bij volwassen, efficiënte SaaS-bedrijven ligt het R&D-budget vaak tussen 10% en 25% van de totale omzet. De meeste kosten gaan naar sales, marketing, customer success, hosting en operations  

Binnen dat R&D-budget:

• Het ‘codeer’-aandeel: ingenieurs besteden ongeveer 25% van hun tijd aan het daadwerkelijk schrijven van code. De overige 75% gaat naar hoogwaardige taken zoals architectuurbeslissingen, domeinmodellering en het interpreteren van gebruikersbehoeften.
• De rekensom: 25% (codeertijd) × 25% (totaal R&D-budget) ≈ 6% impact

AI maakt het creëren van software iets goedkoper, maar verandert het kostenmodel niet fundamenteel. Het maakt R&D vrij om zich te richten op het moeilijkste deel van software: het definiëren van de oplossing.

Toch mogen gevestigde spelers niet zelfgenoegzaam worden. De kostenbesparing is minimaal, maar het snelheidsrisico is existentieel. Een uitdager wint niet omdat hij goedkoper is, maar omdat hij veel sneller kan innoveren. Het doel van AI is niet om het budget te verlagen, maar om de leveringssnelheid te verdubbelen.

3. De verborgen kosten van inferentie: waarom AI een economische prijsbodem creëert

Dit is het punt dat de ‘SaaS is dood’-groep mist: terwijl eenmalige ontwikkelkosten mogelijk dalen, zullen de terugkerende operationele kosten structureel stijgen. Software draait niet op magie, het draait op hardware.

• De oude wereld: traditionele software is deterministisch. Ze draait op CPU’s. Ze is efficiënt, goedkoop en voorspelbaar.
• De AI-wereld: AI-native software is probabilistisch. Ze vereist GPU’s en grootschalige inference.

Elke keer dat een gebruiker een ‘slim’ systeem bevraagt met natuurlijke taal of een samenvatting vraagt, verbruikt dat aanzienlijk meer elektriciteit en hardwarecycli dan een traditionele database  query. 

We ruilen een 6% daling in ontwikkelkosten in voor een explosie aan terugkerende operationele kosten.

‘Service’ wordt de optimalisatielaag

Omdat runtimekosten stijgen, wordt de rol van de SaaS-leverancier nog crucialer. Zij staan voor efficiëntie en moeten een hybride infrastructuur beheren: deterministische systemen voor de 90% van de taken die snel, goedkoop en perfect moeten zijn (transacties, opslag), en probabilistische AI alleen inzetten waar ze hoogwaardige redenering toevoegt.

Deze hybride realiteit ondermijnt het disruptieverhaal.

De angst is dat een solo-ontwikkelaar in een weekend een kloon van Salesforce, Workday of ServiceNow kan genereren en die voor een habbekrats verkoopt. Maar om te concurreren in dit nieuwe tijdperk moet die kloon intelligent zijn en AI tijdens runtime gebruiken.

Zelfs als de code gratis wordt gegenereerd, is het uitvoeren ervan dat niet. De hoge ‘Cost of Goods Sold’ in de vorm van inferencekosten (hun eigen dure CPU- en GPU-gebruik) voorkomt dat prijzen drastisch onder de markt kunnen duiken.

Dit creëert een harde economische prijsbodem. Het verhaal dat AI een ‘race to the bottom’ in prijsstelling zal veroorzaken, is wiskundig onjuist. Er is geen scenario denkbaar waarin de totale kosten voor het leveren van een slim, redenerend systeem dalen. De kostprijs stijgt, en als gevolg daarvan zullen de waarde van de software en de prijs ervan waarschijnlijk stijgen. Deze bepaling van de prijs is echter voorbehouden aan degenen die de hybride architectuur onder de knie hebben die nodig is om de kosten onder controle te houden.

4. De deterministische ruggengraat: blauwdruk voor een AI-native systeem

Als het economisch haalbaar is, rijst de vraag: hoe bouw je aan deze toekomst? Veel mensen denken dat een AI-native systeem er één is waarin een LLM zoals Claude of ChatGPT de code ‘on-the-fly’ schrijft en elke actie bepaalt. Dat idee is innovatief, maar voldoet niet aan de realiteitscheck van de onderneming. In missie-kritische sectoren (zoals supply chain of bankwezen) is ‘waarschijnlijk correct’ praktisch hetzelfde als ‘fout’. Ondernemingen kunnen zich geen productiesysteem permitteren waarin een LLM op dinsdag andere code genereert dan op maandag.

Werkelijke ondernemingswaarde ligt in betrouwbaarheid, niet alleen in creativiteit. Een echt ‘AI-native’ systeem is er niet één dat door AI wordt geschreven, maar één dat veilig door AI wordt georkestreerd.

Intentie boven syntaxis: een decennium van zero-cost code

We hoeven niet te raden wat er gebeurt wanneer codegeneratie gratis wordt. We hebben er al tien jaar ervaring mee via intent-based architectuur. Bij Manhattan Associates verschoof de focus meer dan tien jaar geleden van syntaxis schrijven naar het vastleggen van bedrijfsintentie. De filosofie was eenvouding: mensen definiëren de ‘wat’ (bedrijfslogica en regels), machines genereren het ‘hoe’ (code).

Als gevolg daarvan onderhouden we geen statische legacy-codebase. Ongeveer 75% van meer dan 60 miljoen regels code wordt elke nacht opnieuw gegenereerd op basis van deze intentiedefinities.

Deze operationele realiteit biedt een belangrijke economische les. Feitelijk hebben we een case study van tien jaar uitgevoerd voor het tijdperk van ‘nul marginale kosten van code’. Omdat het grootste deel van onze code door machines wordt gegenereerd, zijn de ‘kosten’ voor het schrijven van die syntaxis al verwaarloosbaar. Deze efficiëntie zorgde er echter niet voor dat onze totale ontwikkelingskosten nul werden. In plaats daarvan konden we die middelen volledig herverdelen naar de ‘service’: het oplossen van complexe problemen, domeinmodellering en betrouwbaarheid, waar klanten daadwerkelijk voor betalen.

Deze nachtelijke regeneratie is de ultieme bescherming tegen technische schuld. Het systeem veroudert niet; het wordt elke 24 uur herboren. Omdat de code machine-gegenereerd en strict deterministisch is, is er geen hallucinatie in de bedrijfslogica. Als het systeem 2+2 berekent, blijft het altijd 4. Alle AI-native systemen hebben een deterministische ruggengraat nodig: een rigide, betrouwbare kern die exact doet wat ze moet doen.

Deze aanpak biedt nog een ander groot voordeel: de mogelijkheid om moderne functionaliteiten direct op grote schaal te implementeren. Toen we onlangs bijvoorbeeld natuurlijke taal wilden toevoegen – door mensen leesbare audits met behulp van LLM's – hoefden we alleen maar de centrale codegenerator bij te werken. Binnen één bouwcyclus werd deze functionaliteit doorgevoerd in het hele portfolio van oplossingen.

Dit is de blauwdruk voor het AI-native tijdperk. In plaats van AI te vragen om ter plekke wegwerpbare, risicovolle code te schrijven, is de duurzame aanpak om mensen de bedrijfsdoelstelling te laten definiëren en de machine de codegeneratie te laten beheren. Als een vereiste het huidige bereik van de generator overschrijdt, upgrade je gewoon de generator. Je patcht nooit de output, je upgradet de machine.

Combineerbaarheid: AI een betrouwbare toolset geven

Zodra je een deterministische kern hebt, heb je een veilige manier nodig waarop AI hiermee kan communiceren. Dit brengt ons bij combineerbaarheid.

Door de logica los te koppelen van het scherm via een API-first-architectuur, wordt het moderne SaaS-platform omgevormd tot een set betrouwbare tools die elke AI-agent kan gebruiken. Een AI-agent hoeft niet te weten hoe een complexe supplychainberekening moet worden uitgevoerd. Hij hoeft alleen maar te weten welke API-eindpunt hij moet aanroepen om het resultaat te krijgen.

De AI fungeert als de orchestrator en de API is de betrouwbare toolset.

De perfecte hybride bouwen

Deze structuur creëert de perfecte mix van een probabilistische (AI) en deterministische (systeem) workflow, waardoor zowel de latentie als de kosten worden geoptimaliseerd. We gebruiken geen dure, hallucinatiegevoelige AI om het ‘saaie’ werk van databasebeheer te doen. Dat laten we over aan efficiënte, gegenereerde code. We gebruiken de dure AI alleen voor redeneringen wanneer dat nodig is.

5. Conclusie: een probabilistisch brein op een deterministische ruggengraat

SaaS sterft niet, het vervelt.

Het argument dat ‘goedkope code software waardeloos maakt’ negeert dat succesvolle softwarebedrijven al jaren geleden zijn gestopt met het verkopen van louter ‘code’.

De bouw van software wordt een commodity, en dat is positief. Het verlaagt kosten en versnelt innovatie. Maar de ‘service’, waar domeinkennis, architectuur en betrouwbaarheid samenkomen, wordt waardevoller dan ooit.

Tien jaar geleden wisten we nog niet dat we aan een agentische toekomst bouwden. We geloofden simpelweg dat consistentie, samenstelbaarheid en efficiëntie de enige manieren waren om op grote schaal te bouwen. Het blijkt dat die principes precies de vereisten zijn voor een AI-native systeem: een probabilistisch brein gecombineerd met een deterministische ruggengraat.

De winnaars zullen niet degene zijn die zich zorgen maken over AI die code schrijft, maar degene die AI gebruiken om de service die ze leveren te versterken, klaar om aan te sluiten op elke interface die de toekomst brengt.