Sukupuuttotodisteita: Miksi perinteinen SaaS vuotaa arvoa

Sukupuuttotodisteita: Miksi perinteinen SaaS vuotaa arvoa

Goldman Sachsin tuorein tutkimus osuu suoraan häiriön ytimeen [3]. Perinteiset ohjelmistoyritykset kohtaavat kaksinkertaisen uhan: alusta asti rakentavat tekoälykeskeiset haastajat ja asiakkaat, jotka yhä useammin rakentavat omia agenttipohjaisia ratkaisujaan sen sijaan, että ostaisivat valmiita SaaS-tuotteita.

Matematiikka on armotonta. Ohjelmistojen arvostuskertoimet ovat painuneet vuoden 2025 11,5x:stä nykyiseen 8x:ään, mikä heijastaa sijoittajien skeptisyyttä tilausmalleja kohtaan agenttivetoisen maailman keskellä [2]. Kun tekoälyagentti voi analysoida taloudellista dataa, luoda raportteja ja toteuttaa kauppoja, miksi maksaa erillisistä analytiikka-, raportointi- ja kaupankäyntialustoista?

Otetaan esimerkiksi London Stock Exchange Group (LSEG), joka on nostettu esiin Goldman Sachsin analyysissa. Heidän markkinadata- ja analytiikkaliiketoimintansa kohtaa suoraa kilpailua tekoälyjärjestelmiltä, jotka voivat käsitellä raakaa taloudellista tietoa ja tuottaa oivalluksia reaaliajassa, mikä saattaa eliminoida tarpeen heidän lisäarvotuotteilleen [3].

Käyttäjäpaikkoihin perustuva hinnoittelumalli on perustavanlaatuisesti rikki, kun yksi tekoälyagentti voi korvata kymmenien ihmiskäyttäjien työn. Yritysasiakkaat heräävät tähän todellisuuteen ja vaativat tuloksiin perustuvaa hinnoittelua tai rakentavat sisäisiä agenttikyvykkyyksiä kalliiden SaaS-sopimusten uusimisen sijaan.

Uusi sukupolvi: Y Combinatorin agenttikeskeinen käänne

Y Combinatorin talvi 2026 -erä kertoo tarinan siitä, mihin älykäs raha virtaa. 199 yrityksestä ylivoimainen keskittyminen on siirtynyt siihen, mitä YC kutsuu "tekoälykeskeisiksi toimistoiksi" – ei yrityksiksi, jotka käyttävät tekoälytyökaluja, vaan organisaatioiksi, jotka on arkkitehtoitu tekoälyentiteeteiksi alusta alkaen [4].

Tässä ei ole kyse ChatGPT:n lisäämisestä olemassa olevaan työnkulkuun. Agenttikeskeiset yritykset toimivat erikoistuneiden tekoälyagenttien verkostoina, joista kukin hoitaa tiettyjä toimintoja samalla kommunikoiden standardoitujen protokollien kautta. Niillä ei ole perinteisiä organisaatiokaavioita; niillä on agenttitopologioita.

Kehityskulku on selvä: tekoälyä hyödyntävistä vakiintuneista toimijoista, jotka yrittävät liittää älykkyyttä vanhoihin järjestelmiin, tekoälykeskeisiin haastajiin, jotka rakentavat täysin uusia paradigmoja. Jälkimmäinen ryhmä voittaa, koska heitä eivät rajoita olemassa olevat ohjelmistoarkkitehtuurit, jotka on suunniteltu ihmisoperaattoreille.

Pohjoismaiset yritykset ovat erityisen hyvin asemoituja tähän siirtymään. Kulttuurinen painotuksemme tehokkuuteen, automaatioon ja pragmaattiseen ongelmanratkaisuun sopii täydellisesti agenttikeskeiseen ajatteluun. Olemme nähneet tämän omakohtaisesti työssämme pohjoismaisten yritysten kanssa – ne ovat halukkaampia hylkäämään vanhat prosessit, jos tekoäly voi tuottaa parempia tuloksia.

Agenttikeskeinen arkkitehtuuri: Tekninen perusta

Agenttikeskeisen ohjelmiston rakentaminen vaatii perustavanlaatuisesti erilaisia arkkitehtuuriperiaatteita. Perinteinen ohjelmisto noudattaa pyyntö-vastaus-mallia, joka on optimoitu ihmisen vuorovaikutukselle. Agenttikeskeiset järjestelmät toimivat autonomisina verkostoina, jotka paljastavat toimintoja käyttöliittymien sijaan [5].

Nouseva standardi on kuvattu kehyksissä kuten AGENTS.md, joka määrittelee, miten tekoälyagenttien tulisi käyttäytyä johdonmukaisesti koodipohjissa. Sen sijaan, että dokumentoisimme API:ja ihmiskehittäjille, dokumentoimme käyttäytymisprotokollat tekoälyagenteille [5].

Keskeisiä arkkitehtuurisiirtymiä ovat:

• Toimintakeskeinen suunnittelu: Agentit paljastavat kyvykkyyksiä erillisina toimintoina, joita muut agentit voivat käynnistää
• Tuloksiin perustuva kaupallistaminen: Tuotot sidottu saavutettuihin tuloksiin, ei käytettyihin paikkoihin
• Jatkuva sopeutuminen: Järjestelmät, jotka muokkaavat omaa käyttäytymistään suorituskyvyn perusteella
• Harkintainjektiopisteet: Kriittiset päätössolmut, joissa ihmisen valvonta pysyy olennaisena

Googlen Agent Development Kit (ADK) on esimerkki tästä lähestymistavasta moniagenttikehyksillä, jotka voivat synnyttää, koordinoida ja lopettaa agenttiinstansseja työkuorman vaatimusten perusteella [6]. Tämä ei ole mikropalveluita – tämä on mikroälykkyyksiä.

Laadukkaan koodin ongelma: Tekoälyn tuottaman ohjelmiston vertailuarviointi

Kun tekoäly tuottaa enemmän koodia, "hyvän" ohjelmiston määrittämisestä tulee kriittistä. Avoimen lähdekoodin yhteisö kehittää vertailuarvoja, joissa ylläpitäjät määrittelevät laatukriteerit arkkitehtuurin, tehokkuuden ja ylläpidettävyyden ympärille [7].

Haaste on siinä, että tekoälyagentit usein jättävät huomiotta perinteiset koodin laatumittarit, jos ne voivat saavuttaa halutun tuloksen muilla keinoin. Tarvitsemme uusia arviointikehyksiä, jotka tasapainottavat toiminnallisen menestyksen pitkäaikaisen ylläpidettävyyden kanssa.

Nousevat vertailuarvot kuten CodeJudge-Eval käyttävät LLM:iä koodin tarkastajina, mutta todellinen innovaatio on yhteisövetoisissa laatumääritelmissä. Pohjoismaiset kehittäjät, painotuksemme puhtaaseen, tehokkaaseen koodiin, ovat hyvin soveltuvia johtamaan näitä standardointipyrkimyksiä [7].

Up North AI:ssa olemme havainneet, että paras tekoälyn tuottama koodi osoittaa kolme ominaisuutta:

• Modulaarisuus agenteille: Helppo tekoälyjärjestelmien ymmärtää ja muokata
• Kontekstitietoisuus: Mukautuu käyttäytymistä toimintaympäristön perusteella
• Auditointijäljet: Selkeä lokitus päätöspisteistä ihmisen tarkastusta varten

Rakentajan pelikirja: Navigointi SaaS:n jälkeisessä siirtymässä

CTO:ille ja teknisille johtajille siirtymä agenttikeskeiseen arkkitehtuuriin vaatii strategista ajattelua, ei vain taktista työkalujen käyttöönottoa. Tämän siirtymän voittavat yritykset ovat niitä, jotka omaksuvat hybridiharkintainfuusion – yhdistävät tekoälykyvykkyyden ihmisen valvontaan kriittisissä päätöspisteissä.

Mikä toimii:

• Aloita tuloksiin perustuvista pilottiprojekteista sen sijaan, että yrittäisit korvata kokonaisia järjestelmiä
• Investoi agenttiorkestroinnin alustoihin, jotka voivat koordinoida useita tekoälykyvykkyyksiä
• Rakenna harkintainjektiopisteet työnkulkuihin, joissa ihmisen asiantuntemus pysyy arvokkaana
• Keskity datan laatuun ja standardointiin – agentit ovat vain niin hyviä kuin niiden syötteet

Yleiset sudenkuopat:

• Yrittää jälkiasentaa agenttikyvykkyyksiä vanhoihin SaaS-arkkitehtuureihin
• Aliarvioi agenttikoordinoinnin ja virheidenkäsittelyn monimutkaisuus
• Jättää huomiotta turvallisuus- ja vaatimustenmukaisuusvaatimukset agenttien välisessä viestinnässä
• Olettaa, että tekoälyagentit voivat toimia ilman ihmisen valvontaa loputtomiin

Pohjoismaisilla yrityksillä on erityinen etu tässä siirtymässä kulttuurisen mukavuutemme vuoksi automaation ja systemaattisten ongelmanratkaisumenetelmien kanssa. Olemme havainneet, että pohjoismaiset yritykset ovat halukkaampia kokeilemaan agenttikeskeisiä lähestymistapoja, mikä johtaa nopeampiin oppimissykleihin ja parempiin tuloksiin.

Äärettömän ohjelmiston taloustiede

Andreessen Horowitz tekee ratkisevan huomion: ohjelmistoa tulee olemaan enemmän kuin koskaan ennen, ei vähemmän [1]. Tekoäly ei eliminoi ohjelmistoa – se tekee ohjelmiston luomisesta olennaisesti ilmaista. Niukaksi resurssiksi tulee harkinta: tietäminen siitä, mitä ohjelmistoa rakentaa, miten arkkitehtoida se ja milloin ihmisen valvonta on olennaista.

Tämä luo täysin uusia taloudellisia malleja. Sen sijaan, että myytäisiin ohjelmistolisenssejä, menestyvät yritykset myyvät kuratoitua harkintaa ja orkestroituja tuloksia. Arvo siirtyy itse koodista älykkyydelle, joka ohjaa sen luomista ja käyttöönottoa.

Vaikutukset ovat syvällisiä:

• Ohjelmistokehityssyklit puristuvat kuukausista tunteihin
• Uusien sovellusten markkinoilletulon este lähestyy nollaa
• Kilpailuetu tulee datasta, harkinnasta ja orkestrointikyvykkyyksistä
• Perinteisten ohjelmistoyritysten on kehityttävä tai kohdattava sukupuutto

Astumme aikakauteen, jossa kysymys ei ole, voitko rakentaa ohjelmistoa – tekoäly varmistaa, että voit. Kysymys on, voitko rakentaa oikeaa ohjelmistoa ja ottaa sen tehokkaasti käyttöön. Siinä ihmisen harkinta tulee lopulliseksi erottajaksi.

Pohjoismainen etu koodin jälkeisellä aikakaudella

Kun navigoimme tätä siirtymää Up North AI:ssa, yksi asia käy selväksi: koodi on tulossa ilmaiseksi, mutta harkinta ei ole. Yritykset, jotka menestyvät agenttikeskeisellä aikakaudella, ovat niitä, jotka voivat tehokkaasti yhdistää tekoälykyvykkyyden ihmisen oivallukseen, luoden järjestelmiä, jotka ovat sekä autonomisia että vastuullisia.

SaaSpocalypse ei ole ohjelmiston loppu – se on ajattelevan ohjelmiston alku. Pohjoismaiset rakentajat, painotuksemme pragmaattiseen ongelmanratkaisuun ja systemaattisiin lähestymistapoihin, ovat ainutlaatuisesti asemoituja johtamaan tätä muutosta. Kysymys ei ole, syökö tekoäly sovellus­ohjelmistot. Se on, olemmeko me niitä, jotka opetamme sille, mitä purra.

Tulevaisuus kuuluu niille, jotka voivat arkkitehtoida älykkyyttä, eivät vain koodata. Tervetuloa koodin jälkeiselle aikakaudelle.

Lähteet

1. https://a16z.com/good-news-ai-will-eat-application-software
2. https://markets.financialcontent.com/wral/article/marketminute-2026-3-26-the-great-saas-reset-b2b-software-equities-plunge-25-as-ai-disruption-rewrites-the-playbook
3. https://www.goldmansachs.com/pdfs/insights/goldman-sachs-research/will-ai-eat-software/report.pdf
4. https://www.extruct.ai/research/ycw26
5. https://every.to/guides/agent-native
6. https://a16z.com/there-are-only-two-paths-left-for-software
7. https://www.forbes.com/sites/petercohan/2026/02/06/saaspocalypse-now-ai-is-disrupting-saas---but-not-all-software-is-doomed