At scrolle gennem LinkedIn i denne uge efterlod mig en smule forvirret.
Jeg nyder oprigtigt at se, hvor mange der eksperimenterer med at bygge intelligent software ved hjælp af værktøjer som Claude og andre AI-kodeassistenter. Tekniknørden i mig elsker at se flere blive interesserede i at skabe software. Jo flere af disse opslag jeg ser, jo mere bliver jeg ved med at vende tilbage til ét spørgsmål: Hvis software nu kan bygges så let, hvad er så den reelle værdi af den?
Mange af disse opslag viser produkter, der er bygget på få timer. De løser reelle problemer og præsenteres ofte som bevis på, hvordan AI har sænket barrieren for at bygge software. Hvilket er fantastisk. Men det afslører også en ny spænding.
Hvis et produkt kan sættes i gang hurtigt og replikeres lige så let, bliver incitamentet til at købe det frem for selv at genbygge det langt svagere. Og det spørgsmål leder direkte til noget, jeg har tænkt meget over på det seneste. Hvordan ændrer AI selve softwareøkonomien?
AI ændrer softwareøkonomien
En vigtig realitet er let at overse i al begejstringen: Mens det bliver billigere at bygge software, er den infrastruktur, der kræves for at køre AI, det ikke.
AI-systemer er i sagens natur ekstremt dyre. De kræver enorme mængder beregningskraft, energi og specialiseret hardware. Efterspørgslen efter AI-datacentre skaber allerede pres på hardwarens forsyningskæder. Mangel på DRAM og NAND-flash forventes at drive laptoppriserne op med 35–45 %, i høj grad på grund af den stigende efterspørgsel fra AI-infrastruktur. Det har vi allerede oplevet i de seneste uger.
Indkøb af råmaterialer og produktionen af denne hardware har været og er fortsat de reelle flaskehalse for at skalere brugen af AI. De produktionsvirksomheder kan vise sig at være de egentlige skovle i dette AI-boom. Så mens AI gør software lettere at bygge, bliver systemerne, der driver intelligensen, dyrere. Det skaber en interessant spænding, når man tænker på økonomien i AI-drevet software.
Når en softwarevirksomhed introducerer AI-drevne funktioner, eksponerer den i praksis infrastrukturudgifter direkte i brugeroplevelsen. Hver forespørgsel, generering eller automatiseret handling har en reel beregningsomkostning bag kulisserne. At rulle disse muligheder ud i et live produktmiljø er derfor ikke så ligetil, som det måske ser ud. Det introducerer en ny type risiko. Når man åbner for AI-drevne funktioner, kan brugerne udløse brug af infrastruktur, som softwareleverandøren betaler for.
Prissætning af indbyggede AI-funktioner
Det gør prissætningsstrategien langt mere kritisk. AI-drevne og agentiske systemer kan ikke altid følge traditionelle SaaS-prismodeller. I stedet kræver de ofte iterative prisstrukturer, hvor brugsmønstre og omkostningsdynamikker løbende observeres og justeres, efterhånden som produktet udvikler sig.
Det rejser et vigtigt spørgsmål: Hvordan bør du strukturere din prissætningsstrategi, og hvordan får du tillid til, at prisen afspejler den værdi, du faktisk leverer?
Prissætning i AI-aktiveret software kan ikke udelukkende fokusere på at overvåge infrastrukturforbrug. Den skal også tage højde for den værdi, som selve automatiseringen skaber. Når AI-systemer automatiserer manuelle processer, reducerer den operationelle arbejdsbyrde eller gør data tilgængelige på måder, der tidligere var utilgængelige, skaber de en løftestang langt ud over den rå beregningsomkostning. Den reelle udfordring er derfor ikke kun at prissætte AI-forbruget, men at prissætte den operationelle værdi, som intelligensen muliggør.
Lige nu er denne debat noget forvrænget af markedsforholdene. Store AI-virksomheder som OpenAI og Anthropic subsidierer stadig kraftigt brugen, mens de konkurrerer aggressivt om markedsandele. Meget konkurrencedygtige priser og hurtig produktudvikling er en del af et kapløb om at tiltrække brugere og etablere økosystemdominans. Men hvad sker der, når den konkurrence stabiliserer sig, og investorer begynder at kræve rentabilitet?
Hvis omkostningerne til AI-infrastruktur forbliver høje, mens modeludbydere begynder at prissætte med profit for øje, vil økonomien i AI-drevet software uundgåeligt ændre sig. Softwarevirksomheder, der bygger oven på disse modeller, får brug for prissætningsstrategier, der afspejler både infrastrukturudgift og operationel værdi.
Vi ser allerede tidlige signaler på, hvordan dette kan udvikle sig. For eksempel prissætter Intercom sin AI-supportagent ud fra løsningsgrad og opkræver betaling, når et kundeproblem faktisk bliver løst. Værdien er ikke selve AI-interaktionen, men det operationelle arbejde, der bliver udført.
Når AI-systemer bevæger sig fra anbefaling til udførelse, vil prismodeller i stigende grad blive tilpasset de beslutninger og resultater, som softwaren producerer, snarere end antallet af brugere, der interagerer med den.
Agenter, kontekst og hvor værdien ligger
En anden udfordring opstår i et stadig mere agentdrevet miljø.
Hvad sker der, hvis intelligenslaget slet ikke længere ligger inde i din software? Nye AI-agenter som Perplexitys Comet er designet til at operere på tværs af internettet og interagere med websites, API’er og softwaresystemer på brugernes vegne. I teorien kunne en bruger bede en ekstern agent om at hente data fra dit system, analysere dem uafhængigt og returnere svaret. I det scenarie bliver din software til infrastruktur, mens værdien bliver indfanget et andet sted. Det skaber en ny strategisk udfordring for softwarevirksomheder. Hvordan forhindrer du agenter i at omgå intelligenslaget i dit produkt?
En måde at tænke dette skifte på er gennem arkitektur. Diagrammet ovenfor viser, hvordan værdi kan sive ud til eksterne agenter, og hvordan ejerskab af beslutningskontekst holder den værdi inde i dit system.
Svaret kan ligge i noget, der bliver stadig vigtigere i AI-æraen: ejerskab af kontekst. I traditionel SaaS kom konkurrencefordele ofte fra funktioner, brugergrænseflader eller netværkseffekter.
I AI-native systemer kan fordelen flytte sig mod kontekst. Kontekst omfatter ting som:
• strukturerede operationelle data
• beslutningshistorik
• domænespecifik logik
• systemtilstand og begrænsninger
• workflow-relationer mellem entiteter
En ekstern agent kan muligvis få adgang til rå data. Men uden den kontekst, der forklarer, hvordan dataene skal fortolkes, kan agenten ikke pålideligt genskabe den intelligens, der er indlejret i systemet. Derfor vil de mest værdifulde AI-softwareplatforme sandsynligvis være dem, der ejer beslutningskonteksten, ikke kun de underliggende data.
Når softwaresystemer eksponerer deres tilstand og handlinger på strukturerede måder, kan agenter interagere med dem. Men når domæneintelligensen, der fortolker den tilstand, forbliver inde i systemet, bevarer softwaren kontrollen over, hvor den reelle værdi skabes. Denne skelnen bliver ekstremt vigtig, når man tænker på prissætning.
Hvis et system kun eksponerer rå data, kan eksterne agenter med tiden indfange en stor del af værdien. Men hvis systemet ejer konteksten og beslutningslogikken, må selv eksterne agenter være afhængige af det for at skabe meningsfulde resultater. I den verden prissætter softwarevirksomheder ikke blot adgang til data eller grænseflader. De prissætter beslutninger.
Jeg anbefaler på det kraftigste at teste grænserne for din softwares agentiske tilgængelighed. Værktøjer som Perplexitys agentiske browser Comet gør det billigt og nemt at eksperimentere med, hvordan eksterne agenter interagerer med dit system. Det afslører hurtigt den reelle værdi af at eksponere struktureret operationel kontekst. Comet koster i øjeblikket omkring $167 pr. måned og gør det muligt for en agent at orkestrere workflows på tværs af internettet. Hvis du ikke er forsigtig, kan platforme som denne ende med at indfange værdi fra den kontekst, din software eksponerer. Den stærkere strategi er at sikre, at denne kontekst flyder gennem dit eget system og gennem de agenter og prismodeller, du kontrollerer. Kontekst er værdidriveren – lad ikke andre tjene penge på den!
Konklusion
Softwareøkonomien går ind i en ny fase. AI kan reducere omkostningerne ved at bygge software, men omkostningerne ved at drive intelligente systemer er fortsat betydelige.
Samtidig begynder agenter at interagere med software på nye måder, hvilket tvinger virksomheder til at gentænke, hvor den reelle værdi i deres systemer ligger. I de kommende år vil de mest succesfulde AI-drevne softwarevirksomheder måske ikke blot være dem, der bygger flest funktioner eller integrerer de nyeste modeller. Det vil være dem, der ejer beslutningskonteksten og prissætter de resultater, deres systemer producerer, snarere end den adgang, de giver.
Jeg troede oprindeligt, at det at skrive denne artikel ville hjælpe mig med at få styr på mine tanker om emnet. Det stik modsatte. Den skubber mig endnu dybere ind i det kompatibilitets- og relevanskapløb, som softwarevirksomheder går ind i i dag. Hvilket nok betyder, at der er én artikel mere tilbage i denne serie.
Næste gang vil jeg udforske, hvad det vil sige at designe software til agenter frem for mennesker, og hvorfor det i sidste ende kan styrke argumentet for at satse endnu mere på den kerneværdi, som din software er skabt til at levere.
