Wat betekent agentische AI voor de toekomst van software?

Januari was een meedogenloze maand voor softwareaandelen. Het sentiment sloeg hard om en in veel gevallen had dat minder te maken met fundamentele cijfers en meer met één vraag die boven de sector hing: ‘Wat betekent agentische AI voor de toekomst van software?’

Een recente aandelenanalyse van William Blair* illustreert de stemming goed: de IGV software-ETF (Exchange Traded Fund) daalde in januari met ongeveer 15%, wat het tot een van de zwaarste januarimaanden in de geschiedenis van het ETF maakte. Het belangrijkste punt is niet het exacte percentage, maar wat het vertegenwoordigt: angst verdringt nuance, en markten behandelen ‘software’ als één categorie. In werkelijkheid splitst die zich op in twee heel verschillende categorieën.

De markt straft ‘software’ in bredere zin af, maar er is sprake van een tweedeling binnen de softwaresector.

Aan de ene kant: interfacegerichte, configuratie-intensieve software, waarbij de gebruikersinterface het product ís. In een wereld van autonome workflows zal die waarde waarschijnlijk afnemen. Agents zullen steeds vaker schermen omzeilen, taken via API’s uitvoeren en categorieën samenvoegen waarin ‘rondklikken’ de primaire werkmethode was.

Aan de andere kant: API-first, datacentrische, cloud-native platforms. Deze categorie software is gebouwd om net zo goed door machines als door mensen bediend te worden, ontworpen voor orkestratie, integratie en schaal. In het agentische tijdperk zal daar waarde worden geconcentreerd en vermenigvuldigd.

Met andere woorden: in een wereld van agents komt duurzaam concurrentievoordeel niet van menu’s en knoppen, maar van data-architectuur, semantiek, workflows en connectiviteit.

Het idee van Romain Boboe van een ‘interfacebelasting’ vat dit goed samen: hoe meer de waarde van je product afhankelijk is van een mens die door schermen navigeert en eindeloze regels configureert, hoe meer frictie je meeneemt in een tijdperk dat autonomie beloont.

Het gemiste punt: AI kan (en moet) goed ontworpen SaaS niet vervangen

Er bestaat een populair narratief dat ‘AI de applicatie zal genereren’ en dat enterprise-SaaS optioneel wordt. Zo werken bedrijfskritische systemen in de echte wereld niet.

AI is krachtig en zal absoluut veranderen hoe software wordt gebouwd en gebruikt. Maar in veel enterprisedomeinen verhoogt het vervangen van goed ontworpen SaaS door door agents gegenereerde of door agents gerunde ‘doe-het-zelfsystemen’ vaak de kosten en risico’s en vertraagt het de organisatie.

Drie redenen waarom AI niet het einde van SaaS betekent

Hier zijn drie redenen waarom AI niet het einde van SaaS betekent, en waarom de sterkste SaaS-organisaties uniek gepositioneerd zijn om AI waardevoller te maken.

Hogere operationele kosten (run-time)

AI zal ontwikkelkosten mogelijk aanzienlijk verlagen. Maar het verhoogt de operationele kosten, vaak fors. Traditionele enterprise-software is relatief goedkoop in gebruik, omdat die grotendeels draait op deterministische berekeningen op CPU’s. Een gebruiker die op ‘rapport exporteren’ klikt of een query uitvoert, veroorzaakt voorspelbare en relatief goedkope berekeningen.

Agentische AI verandert de economische logica. Vragen en antwoorden in natuurlijke taal, samenvattingen, extractie, redeneerworkflows en multi-step agents verwerken inferentieberekeningen, vaak op grafische processors (GPU) of andere versnellers.. Elke interactie kan vele malen duurder zijn dan een traditionele database query. Dus hoewel het ‘maken van software’ goedkoper kan worden, wordt het uitvoeren van intelligente software duurder en complexer. Precies daar blinken AI-native SaaS-platforms uit: zij worden de optimalisatielaag tussen klanten en chaos.

• Houd deterministische systemen voor wat snel, goedkoop en correct moet zijn (transacties, rechten, opslag, grootboeken).
• Gebruik kansberekenende AI alleen wanneer dit meetbare waarde oplevert (assistentie, ontdekking, synthese, automatisering).
• Orkestreer de hybride infrastructuur, zodat klanten geen experts hoeven te worden in GPU-planning, prompt-caching, retrieval pipelines, modelrouting, veiligheidslagen en kostenbeheer.

Met andere woorden: in het agentische tijdperk wordt SaaS niet vervangen door AI, het wordt het platform dat de kosten van intelligentie beheerst.

Meer risico en de premiumwaarde van ‘Service’

De ‘Service’ in SaaS wordt vaak onderschat door mensen die verwachten dat AI enterprise-oplossingen zal overnemen. Maar voor beursgenoteerde bedrijven, gereguleerde sectoren, overheden en iedereen die zich zorgen maakt over operationeel risico, is die ‘Service’ essentieel. Moderne ondernemingen hebben bedrijfskritische garanties nodig waarop ze kunnen vertrouwen:

• Beschikbaarheid (en geloofwaardige uptimegaranties)
• Beveiliging en compliance (SOC 2, HIPAA, ISO, auditbaarheid)
• Data governance (toegangscontrole, retentie, herkomst, dataresidentie)
• Support en operaties (incidentrespons, SLA’s, training)
• Consistentie in de tijd (“het werkt morgen precies zoals het vandaag werkte”)
• Verantwoordelijkheid en vertrouwen (wie is aansprakelijk als het misgaat?)

Als een AI-agent je applicatie genereert, wie wordt er dan om 03.00 uur gebeld als het systeem uitvalt? Wie staat toezichthouders te woord als gevoelige data uitlekken? Wie kan precies aantonen waarom een systeem een bepaalde beslissing nam?

Operationele verantwoordelijkheid, governance en betrouwbaarheid blijven van premiumwaarde en verdwijnen niet in een agentisch tijdperk. Sterker nog: ze worden belangrijker.

Met andere woorden: naarmate code goedkoper en autonomer wordt, wordt risico duurder.

Kortere time-to-market: domeinkennis verslaat gegenereerde code

De visie dat ‘AI alles doet’ gaat er vaak van uit dat codecreatie het grootste deel van de waarde van een SaaS-oplossing vertegenwoordigt. In volwassen, bedrijfskritische enterprisesystemen is dat zelden zo. In een systeem, zoals een warehousemanagementplatform, is misschien 20% van de waarde de code zelf. De overige 80% is toegepaste domeinkennis, de talloze grensgevallen en operationele realiteiten die je alleen leert nadat je ze in duizenden live omgevingen hebt meegemaakt. Bijvoorbeeld:

• Hoe ga je om met een gedeeltelijke ontvangst wanneer de verzendmelding 1.000 stuks aangeeft, maar de fysieke telling 997 is, waarvan 14 beschadigd?
• Wat is de impact downstream op allocatie, aanvultriggers en voorraadwaardering?
• Hoe leiden verschillen in cyclustellingen tot verschillende workflows afhankelijk van SKU-omloopsnelheid, waardedrempels of tijd sinds de laatste volledige inventarisatie?

Teams die enterprise-SaaS bouwen en beheren hebben deze scenario’s herhaaldelijk meegemaakt. Die kennis zit ingebakken in het product en daarom kunnen commerciële platforms op dag één van go-live functioneren. Een maatwerkoplossing, zelfs versneld door AI, heeft nog steeds jaren nodig om te ontdekken wat je niet wist dat je niet wist.

Met andere woorden: geïntegreerde AI maakt moderne SaaS sneller en efficiënter. Het maakt SaaS niet optioneel.

De waarde van SaaS herzien

Als de rook is opgetrokken, zal AI softwarewaarde niet blindelings vernietigen. Het zal software herprijzen op basis van architectonische realiteiten en SaaS-aanbieders belonen die de traditionele waarde van enterprise-software (betrouwbaarheid, governance, verantwoordelijkheid, snelle waardecreatie) combineren met de belofte en kracht van AI.

AI zal niet het einde van SaaS betekenen. Het zal het moment zijn waarop de markt de winnaars van de rest scheidt.

*Arjun Bhatia e.a., “Fear, Not Fundamentals: the Sentiment Problem and Why Software Is So Challenging Right Now,” William Blair Equity Research, Technology, Media, and Communications, 2 februari 2026.