När jag skrollade igenom LinkedIn den här veckan blev jag lite förvirrad.
Jag tycker verkligen om att se hur många som experimenterar med att bygga intelligent programvara med verktyg som Claude och andra AI-kodningsassistenter. Tekniknörden i mig älskar att se fler människor bli intresserade av att skapa programvara. Ju fler sådana inlägg jag ser, desto mer plågar mig en fråga: Om programvara nu kan byggas så här enkelt, vad är då dess faktiska värde?
Många av dessa inlägg visar produkter som byggts på bara några timmar. De löser verkliga problem och presenteras ofta som bevis på hur AI har sänkt tröskeln för att bygga programvara. Vilket är fantastiskt. Men det blottlägger också en ny spänning.
Om en produkt snabbt kan skapas och replikeras lika enkelt, blir incitamentet att köpa den snarare än att bygga om den själv mycket svagare. Och den frågan leder direkt till något jag har funderat mycket på den senaste tiden. Hur förändrar AI ekonomin för programvara i sig?
AI förändrar programvarans ekonomi
En viktig verklighet är lätt att förbise i all upphetsning: medan det blir billigare att bygga programvara, är infrastrukturen som krävs för att köra AI det inte.
AI-system är till sin natur extremt dyra. De kräver enorma mängder beräkningskraft, energi och specialiserad hårdvara. Efterfrågan på AI-datacenter skapar redan press över hela hårdvaruförsörjningskedjan. Brist på DRAM och NAND-flash förväntas driva upp laptop-priserna med 35–45 %, till stor del på grund av den ökade efterfrågan från AI-infrastruktur. Vi har redan upplevt detta under de senaste veckorna.
Anskaffningen av råmaterial och produktionen av denna hårdvara har varit och fortsätter att vara de verkliga flaskhalsarna för att skala upp AI-användningen. Dessa produktionsföretag kan visa sig vara de verkliga ”spadarna” i denna AI-boom. Så medan AI gör programvara lättare att bygga, blir systemen som driver den intelligensen dyrare. Detta skapar en intressant spänning när man tänker på ekonomin för AI-driven programvara.
När ett programvaruföretag introducerar AI-drivna funktioner, exponerar det i praktiken infrastrukturkostnader direkt för användarupplevelsen. Varje fråga, generering eller automatiserad åtgärd medför en verklig beräkningskostnad bakom kulisserna. Att rulla ut dessa funktioner i en live produktmiljö är därför inte så enkelt som det kan verka. Det introducerar en ny typ av risk. Att öppna upp AI-drivna funktioner gör det möjligt för användare att trigga användningen av infrastruktur som programvaruleverantören betalar för.
Prissättning av inbyggda AI-funktioner
Detta gör prissättningsstrategin mycket mer kritisk. AI-drivna och agentbaserade system kan inte alltid följa traditionella SaaS-prismodeller. Istället kräver de ofta iterativa prissättningsstrukturer, där användningsmönster och kostnadsdynamik kontinuerligt observeras och justeras i takt med att produkten utvecklas.
Detta väcker en viktig fråga: Hur ska du strukturera din prissättningsstrategi, och hur får du förtroende för att priset återspeglar det värde du faktiskt levererar?
Prissättning i AI-aktiverad programvara kan inte enbart fokusera på att övervaka infrastrukturutnyttjandet. Den måste också ta hänsyn till det värde som skapas av själva automatiseringen. När AI-system automatiserar manuella processer, minskar operativ arbetsbelastning eller exponerar data på sätt som tidigare var otillgängliga, skapar de en hävstångseffekt långt bortom den råa beräkningskostnaden. Den verkliga utmaningen är därför inte bara att prissätta AI-användningen, utan att prissätta det operativa värde som intelligensen möjliggör.
För närvarande snedvrids denna debatt något av marknadsförhållandena. Stora AI-företag som OpenAI och Anthropic subventionerar fortfarande användningen kraftigt samtidigt som de aggressivt konkurrerar om marknadsandelar. Mycket konkurrenskraftig prissättning och snabb produktutveckling är en del av en kapplöpning för att förvärva användare och etablera ekosystemdominans. Men vad händer när den konkurrensen stabiliseras och investerare börjar kräva lönsamhet?
Om kostnaden för AI-infrastruktur förblir hög samtidigt som modellleverantörer börjar prissätta för vinst, kommer ekonomin för AI-driven programvara oundvikligen att förändras. Programvaruföretag som bygger ovanpå dessa modeller kommer att behöva prissättningsstrategier som återspeglar både infrastrukturkostnad och operativt värde.
Vi ser redan tidiga signaler om hur detta kan utvecklas. Till exempel prissätter Intercom sin AI-supportagent baserat på lösningsgrad, och tar betalt när ett kundproblem faktiskt löses. Värdet är inte AI-interaktionen i sig, utan det operativa arbete som utförs.
När AI-system går från rekommendation till utförande, kommer prissättningsmodellerna i allt högre grad att anpassas till de beslut och resultat som programvaran producerar, snarare än antalet användare som interagerar med den.
Agenter, kontext och var värdet finns
En annan utmaning uppstår i en alltmer agentdriven miljö.
Vad händer om intelligenslagret inte längre finns inuti din programvara alls? Nya AI-agenter som Perplexity’s Comet är utformade för att fungera över internet, interagera med webbplatser, API:er och programvarusystem på användarnas vägnar. I teorin skulle en användare kunna be en extern agent att hämta data från ditt system, analysera den oberoende och returnera svaret. I det scenariot, blir din programvara infrastruktur medan värdet fångas någon annanstans. Detta skapar en ny strategisk utmaning för programvaruföretag. Hur förhindrar du att agenter kringgår intelligenslagret i din produkt?
Ett sätt att tänka på denna förändring är genom arkitektur. Diagrammet ovan visar hur värde kan läcka till externa agenter och hur ägande av beslutskontext håller det värdet inom ditt system.
Svaret kan ligga i något som blir allt viktigare i AI-eran: kontextägande. I traditionell SaaS kom konkurrensfördelar ofta från funktioner, användargränssnitt eller nätverkseffekter.
I AI-inbyggda system kan fördelen förskjutas mot kontext. Kontext inkluderar saker som:
• strukturerad operativ data
• beslutshistorik
• domänspecifik logik
• systemtillstånd och begränsningar
• arbetsflödesrelationer mellan entiteter
En extern agent kan ha tillgång till rådata. Men utan den kontext som förklarar hur man tolkar den datan kan agenten inte på ett tillförlitligt sätt reproducera den intelligens som är inbäddad i systemet. Det är därför de mest värdefulla AI-programvaruplattformarna sannolikt kommer att vara de som äger beslutskontexten, inte bara den underliggande datan.
När programvarusystem exponerar sitt tillstånd och sina åtgärder på strukturerade sätt kan agenter interagera med dem. Men när domänintelligensen som tolkar det tillståndet förblir inom systemet, behåller programvaran kontroll över var det verkliga värdet skapas. Denna distinktion blir extremt viktig när man tänker på prissättning.
Om ett system bara exponerar rådata, kan externa agenter så småningom fånga upp en stor del av värdet. Men om systemet äger kontexten och beslutslogiken, måste även externa agenter förlita sig på det för att producera meningsfulla resultat. I den världen prissätter programvaruföretag inte bara tillgång till data eller gränssnitt. De prissätter beslut.
Jag rekommenderar starkt att du testar gränserna för din programvaras agentiska tillgänglighet. Verktyg som Perplexity’s agentiska webbläsare Comet gör det billigt och enkelt att experimentera med hur externa agenter interagerar med ditt system. Detta avslöjar snabbt det verkliga värdet av att exponera strukturerad operativ kontext. Comet kostar för närvarande cirka 167 dollar per månad och låter en agent orkestrera arbetsflöden över internet. Om du inte är försiktig kan plattformar som denna sluta med att fånga värde från den kontext din programvara exponerar. Den starkare strategin är att säkerställa att denna kontext flödar genom ditt eget system, och genom de agenter och prissättningsmodeller du kontrollerar. Kontext är värdedrivaren, låt inte någon annan tjäna pengar på den!
Slutsats
Programvarans ekonomi går in i en ny fas. AI kan minska kostnaden för att bygga programvara, men kostnaden för att driva intelligenta system förblir betydande.
Samtidigt börjar agenter interagera med programvara på nya sätt, vilket tvingar företag att ompröva var det verkliga värdet i deras system ligger. Under de kommande åren kommer de mest framgångsrika AI-drivna programvaruföretagen kanske inte bara att vara de som bygger flest funktioner eller integrerar de senaste modellerna. De kommer att vara de som äger beslutskontexten och prissätter de resultat deras system producerar snarare än den åtkomst de tillhandahåller.
Jag trodde ursprungligen att skrivandet av den här artikeln skulle hjälpa mig att reda ut mina tankar om ämnet. Tvärtom. Det driver mig ännu djupare in i den kompatibilitets- och relevanskapplöpning som programvaruföretag befinner sig i idag. Vilket förmodligen betyder att det finns ytterligare en artikel kvar i den här serien.
Därefter vill jag utforska vad det innebär att designa programvara för agenter snarare än människor, och varför det i slutändan kan stärka argumentet för att satsa helhjärtat på det kärnvärde som din programvara är till för att leverera.
