Labor as a Service: de zogenaamde dood van SaaS en wat er echt gebeurt

De kop die iedereen verkeerd interpreteert

Open in 2026 willekeurig welke technologiepublicatie en u vindt een bekend refrein: "SaaS is dood." Venture capitalists tweeten erover. Founders pivoten ermee. Conferentie-keynotes zijn eromheen gebouwd. Het verhaal heeft ontsnappingssnelheid bereikt; het voelt bijna als een gevestigd feit.

Behalve dat het dat niet is.

De bewering dat Software as a Service zijn eindpunt heeft bereikt is niet alleen te vroeg — het mist wat er echt gebeurt in de sector. Wat nu gebeurt is niet het einde van een leveringsmodel. Het is de geboorte van een geheel nieuwe relatie tussen intelligentie en infrastructuur. Als u dit moment verkeerd leest, neemt u beslissingen die u jaren kosten.

Hier is de waarheid, helder uitgesproken: SaaS sterft niet. Het staat op het punt geconsumeerd te worden op een schaal die alles in de geschiedenis van ondernemingssoftware overstijgt. Maar de consumenten zullen geen mensen zijn die aan bureaus zitten, door dashboards klikken en CSV-bestanden exporteren. De consumenten zullen autonome AI-agenten zijn — onvermoeibaar, parallel en dag en nacht operationeel — die SaaS-applicaties behandelen zoals fabrieksrobots machinegereedschap behandelen: als productie-instrumenten, ingezet op bovenmenselijke snelheid.

This shift has a name. We call it Labor as a Service — LAAS — en het vertegenwoordigt de ingrijpendste verschuiving in hoe bedrijven technologie inkopen, uitrollen en waarde halen sinds Marc Benioff een CRM in de cloud zette.

"Bedrijfsapplicaties zoals we die kennen zullen instorten in het tijdperk van agents."

— Satya Nadella, CEO van Microsoft

Nadella heeft geen ongelijk over de ineenstorting. Hij heeft het alleen over de interfacelaag. De applicaties zelf — de databases, de API’s, de bedrijfslogica, de workflow-engines — verdwijnen niet. Ze gaan zich vermenigvuldigen. Wat instort, is de aanname dat er een mens tussen het bedrijfsprobleem en de software die het oplost moet zitten.

Vóór SaaS bestond: een geschiedenis die de meesten niet kennen

Om te begrijpen waarom Labor as a Service de natuurlijke evolutie van de software-industrie is, moet je veel verder teruggaan dan de oprichting van Salesforce in 1999. De drang om rekencapaciteit te leveren als een on-demand dienst — in plaats van als een product dat je installeert — is zo oud als commerciële computing zelf.

Het servicebureau-tijdperk (jaren 1930–1960)

De beslisboom was toen al eenvoudig. Was je transactievolume hoog genoeg, dan kocht je de mainframe. Zo niet, dan gebruik je een service bureau. Dezelfde afweging — bouwen versus kopen, bezitten versus huren — heeft sindsdien elke grote platformovergang gedreven.

Het Application Service Provider-experiment (jaren 1990)

Het ASP‑model faalde om leerzame redenen. Bandbreedte was ontoereikend. Latentie was onacceptabel voor interactieve apps. Beveiliging was twijfelachtig. En cruciaal: de meeste ASP’s hostten alleen dezelfde monolithische on‑prem software op eigen servers — zonder herarchitectuur voor multi‑tenant of internet‑native levering. Ze probeerden een cloud‑ervaring te verkopen met pre‑cloud technologie.

Maar het instinct klopte. De markt wilde software as a service. De infrastructuur moest de ambitie nog inhalen.

De geboorte van SaaS en het einde van krimpfolieverpakkingen

De kerninzicht van vroeg SaaS was misleidend eenvoudig. Software was altijd duur om te distribueren en te onderhouden. Als je het distributieprobleem oplost via de browser en het onderhoud door updates te centraliseren, ontgrendel je een bedrijfsmodel met buitengewone economie: terugkerende omzet, lagere acquisitiewrijving en zich versterkende netwerkeffecten.

Wat Benioff intuïtie had — en wat de markt uiteindelijk bewees — is dat de meeste bedrijven niet om software geven. Ze geven om resultaten. CRM-software is slechts het mechanisme waarmee ze betere klantrelaties bereiken. Hoe minder ze over het mechanisme hoeven na te denken, hoe beter.

Onthoud dit inzicht—het opent alles wat volgt.

De gouden eeuw: duizend tools voor elke taak

Tussen 2008 en 2024 ging SaaS van disruptief idee naar het standaard leveringsmodel voor bijna alle zakelijke software. De cijfers zijn duizelingwekkend.

Elke denkbare bedrijfsfunctie kreeg zijn eigen SaaS-laag. Klantrelaties kregen Salesforce en HubSpot. Projectmanagement kreeg Asana, Monday.com, Jira en tientallen andere. Communicatie kreeg Slack, Microsoft Teams en Zoom. Boekhouding kreeg Xero en QuickBooks Online. Marketing kreeg Mailchimp, Marketo en Klaviyo. Human resources kreeg BambooHR, Workday en Rippling. Zelfs nichefuncties — restaurant-wachtlijstbeheer, planning van tandartsafspraken, HVAC-dispatch — kregen hun eigen gespecialiseerde SaaS-applicaties.

De SaaS-explosie was een echte triomf van specialisatie. Voor het eerst in de geschiedenis kon een bedrijf van vijf mensen dezelfde kwaliteit tools gebruiken die eerder voorbehouden was aan de Fortune 500. De democratisering van enterprise-grade software was een van de meest ingrijpende economische ontwikkelingen van het vroege 21e eeuw.

Maar dit gouden tijdperk droeg al de kiem van een ander probleem in zich.

Het probleem waar niemand over praat: toolmoeheid

Tegen 2024 draaide een gemiddeld mkb-bedrijf ergens tussen 100 en 300 SaaS-apps. Enterprises vaak meer dan duizend. Elke app had eigen login, UI, logica, datasilo en leercurve.

De belofte van SaaS was vereenvoudiging. De werkelijkheid werd complexiteit op schaal.

Denk aan hoe een typische klantenservice-operatie er in 2026 uitziet. Een medewerker moet het CRM controleren op klantgeschiedenis, de knowledge base raadplegen voor beleidsdetails, het ticketsysteem bijwerken met oplossingsnotities, het facturatieplatform controleren op accountstatus, een opvolgmail sturen via de marketingautomatiseringstool en de interactie loggen in het analyseplatform. Dat zijn zes verschillende applicaties, zes verschillende tabbladen, zes verschillende interfaces — voor één enkele klantinteractie.

The software worked. Each individual tool did its job. But the menselijk Over al die tools heen werken werd de bottleneck. Van context wisselen, gegevens tussen systemen kopiëren en plakken, onthouden welke tool welke informatie heeft, navigeren door verschillende UI’s met verschillende mentale modellen — deze cognitieve overhead kostte een enorm deel van de werkdag.

Onderzoeken gingen tonen dat kenniswerkers slechts 40% van hun tijd besteedden aan echt productief werk. De rest ging op aan operationele overhead voor het beheren van de tools die hen productiever zouden moeten maken.

De sector probeerde dit op te lossen met integratieplatforms — Zapier, Workato, MuleSoft —, wat hielp maar weer een extra laag complexiteit toevoegde. Daarna kwam de „platformstrategie“, waarin grote leveranciers alles onder één dak probeerden te brengen. Dat hielp voor sommige workflows, maar dekte niet elke use case.

Het echte probleem was structureel. SaaS is ontworpen rond de aanname dat mensen de operators zouden zijn. Elk dashboard, elke knop, elke drag‑and‑drop‑interface is gebouwd voor menselijke ogen en handen. Maar wat als de operator geen mens is?

De agent maakt zijn entree: software die software gebruikt

De opkomst van capabele AI-agenten in 2024 en 2025 veranderde de fundamentele vergelijking van bedrijfssoftware. Voor het eerst werd het mogelijk om autonome software-entiteiten te implementeren die konden:

• Reden about problems using natural language understanding
• Plan (abonnement). multi-step workflows without explicit programming
• Uitvoeren actions through APIs, interfaces, and tool calls
• Leer meer from interactions and improve over time
• Orkestreren across multiple systems simultaneously

Dit was niet alleen automatisering. Automatisering bestaat al tientallen jaren. Robotic Process Automation (RPA) kon knoppen klikken en formulieren invullen. Workflow-engines konden documenten routeren. Cron-jobs konden scripts volgens een schema draaien. Maar dit allemaal vereiste dat een mens elke stap, elke vertakking en elke exception handler vooraf definieerde.

AI-agents zijn fundamenteel anders omdat ze reden. Met een doel en toegang tot tools kunnen ze uitvinden hoe om het te bereiken. Ze kunnen nieuwe situaties aan die ze nog nooit zijn tegengekomen. Ze kunnen zich aanpassen als één aanpak niet werkt. Ze kunnen verhelderende vragen stellen als de eisen vaag zijn.

En cruciaal: ze hebben geen grafische interface nodig. Ze werken direct met API's, databases en gestructureerde data — de motor onder het dashboard. Waar voorheen een mens door drie applicaties moest navigeren en informatie van scherm naar scherm moest kopiëren, doet een agent dit in seconden via directe API-calls naar alle drie systemen tegelijk.

"Applicaties zijn in wezen CRUD-databasesystemen. Ze bevatten wat bedrijfslogica. Die bedrijfslogica zal naar de AI-laag migreren."

— Satya Nadella over de toekomst van zakelijke applicaties

Dit is het moment waarop het verhaal omslaat. SaaS-apps zijn gebouwd als gereedschap voor mensen. AI-agents maken dezelfde apps tot gereedschap voor autonome workers. Het dashboard wordt overbodig — niet omdat de app dat is, maar omdat de operator geen visuele interface nodig heeft. De agent leest en schrijft gegevens rechtstreeks.

Agents vandaag in productie

Dit is niet theoretisch. Begin 2026 toont het enterprise landschap al duidelijke signalen van deze verschuiving:

• Adobe's Experience Cloud deploys AI agents that autonomously write, test, and optimize advertising copy across campaigns
• Workday uses agentic AI to prepare journal entries and process financial data without human data entry
• ServiceNow agents handle support ticket triage, categorization, and initial resolution autonomously
• Klantenservice-operaties across industries are deploying AI agents that handle 40-60% of incoming inquiries without human intervention

Camunda-rapport 2026: 81 % enterprise-deelnemers vindt agentische orchestratie essentieel voor volledige autonomie; 57 % draait al AI-agents in productie.

Wat is Labor as a Service?

Labor as a Service — LAAS — is het bedrijfsmodel dat ontstaat wanneer AI-agenten de primaire gebruikers van softwaretools worden.

In het SaaS-model koopt u toegang tot een tool. U betaalt per seat, per maand, voor het recht om de software te gebruiken. De waarde die eruit wordt gehaald hangt volledig af van hoe effectief uw menselijke team die tool bedient. Een CRM is slechts zo goed als de verkopers die het bijwerken. Een projectmanagementtool werkt alleen als mensen hem daadwerkelijk gebruiken. Een analyticsplatform is nutteloos als niemand de dashboards leest.

In het LAAS-model koopt u uitkomsten. U betaalt niet voor een seat in een klantenserviceplatform. U betaalt voor opgeloste klantvragen. U betaalt niet voor een marketing-automatiseringslicentie. U betaalt voor gegenereerde gekwalificeerde leads. U betaalt niet voor toegang tot een boekhoudsysteem. U betaalt voor voltooide reconciliaties.

The shift is radical not because the software changes, but because the waardeketen veranderingen. Bij SaaS stopt de leveranciersverantwoordelijkheid bij werkende software. Training, adoptie, gebruik en resultaten zijn voor de klant. Bij LAAS neemt de leverancier de volledige keten van tool tot uitkomst op zich. De agent is de brug tussen softwarecapaciteit en bedrijfsresultaat.

De architectuur van LAAS

Een Labor as a Service-aanbod is opgebouwd uit drie lagen:

1. De tool-laag (SaaS) — De onderliggende softwaretoepassingen die gegevens opslaan, bedrijfslogica uitvoeren en API's bieden. Dit is bestaande SaaS-infrastructuur: CRM's, ERP's, communicatieplatformen, databases, analytics-engines. Deze laag verdwijnt niet. Hij groeit.
2. De agentlaag (intelligentie) — Autonome AI-agents die over bedrijfsproblemen redeneren, beslissen binnen vastgelegde governance-grenzen en acties uitvoeren over de tool-laag. Dit is de nieuwe middenlaag die tools in werkkrachten verandert.
3. De governance-laag (vertrouwen) — Regels, beperkingen, audit trails en mechanismen voor menselijk toezicht die ervoor zorgen dat agents binnen goedgekeurde grenzen werken. Deze laag bepaalt wat een agent wel en niet mag doen, wanneer escalatie naar een mens nodig is en hoe elke actie wordt gelogd en te controleren is.

Deze driedelige architectuur is essentieel. Zonder de tool-laag hebben agents niets om mee te werken. Zonder de agent-laag hebben tools nog steeds mensen nodig. Zonder de governance-laag zijn agents ongecontroleerd en onbetrouwbaar.

Elke serieuze LAAS-implementatie heeft alle drie nodig.

De plotwending: SaaS is niet dood

Hier gaat het populaire verhaal catastrofaal mis.

Als mensen zeggen dat „SaaS dood is“, stellen ze zich een wereld voor waarin de CRM verdwijnt, het projectmanagement-tool verdampt en de boekhoudsoftware uit gaat. Ze zien AI-agenten die uit een vormeloze leegte werken en bedrijfsresultaten met pure intelligentie tevoorschijn toveren.

Zo werkt dit allemaal niet.

AI-agents hebben tools nodig. Ze hebben databases nodig om uit te lezen en naar te schrijven. Ze hebben bedrijfslogica nodig om uit te voeren. Ze hebben communicatieprotocollen nodig om mee te koppelen. Ze hebben datamodellen nodig om te begrijpen. Elke actie van een agent is in de kern een API-call naar een softwaresysteem.

Agents vervangen software niet. Agents gebruiken software.

En ze gebruiken het in een tempo en volume dat geen menselijk team kan benaderen. Denk aan de implicaties:

• Een menselijke klantenservicemedewerker verwerkt misschien 40-60 interacties per dag. Een AI-agent kan er duizenden tegelijk verwerken.
• Een mens doet API-calls via een browser, één voor één en weloverwogen. Een agent doet API-calls programmatisch, parallel en in milliseconden.
• Een mens werkt 8-10 uur per dag, 5 dagen per week. Een agent werkt 168 uur per week, 52 weken per jaar — zonder pauzes, zonder ziektedagen, zonder verloop.

Als u een SaaS-bedrijf bent en uw product wordt geprijsd per API-call, per transactie of per verwerkte datavolume, dan is het LAAS-tijdperk het beste wat u ooit is overkomen. Uw verbruiksstatistieken staan op het punt om verticaal te gaan.

Als uw prijsmodel per seat — per menselijke gebruiker — is, dan hebt u inderdaad een probleem. Niet omdat uw software wordt vervangen, maar omdat uw prijsmodel de gecreëerde waarde niet vastlegt. De software is nuttiger dan ooit. Maar de gebruiker in die seat is niet langer menselijk.

De cijfers liegen niet

De wereldwijde SaaS-bestedingen naderen in 2025 de 300 miljard dollar en zullen naar verwachting versnellen, niet krimpen. De uitgaven aan enterprise-software zullen in 2026 naar verwachting met meer dan 15% groeien, waarbij het grootste deel van die groei wordt gedreven door AI-enabled applicaties. De B2B-SaaS-markt ligt op koers om in 2031 1,58 biljoen dollar te bereiken.

Dit zijn niet de cijfers van een stervende sector. Het zijn cijfers van een sector die wordt opgevoerd door een nieuwe klasse consumenten die op machinesnelheid opereert.

De economie van LAAS: van per gebruiker naar per resultaat

De economische verschuiving van SaaS naar LAAS raakt elk aspect van hoe technologie wordt gekocht, verkocht en gewaardeerd.

Afmeting	SaaS-model	LAAS-model
Wat u koopt	Toegang tot softwaretools	Voltooide bedrijfsuitkomsten
Prijs- / meeteenheid	Per seat, per maand	Per uitkomst, per afronding, per taak
Waarde hangt af van	Menselijke vaardigheid in het gebruik van de tool	Agentcapaciteit en kwaliteit van governance
Opschalen vereist	Meer mensen aannemen, meer seats kopen	Meer agentcapaciteit inrichten
Tijd tot waarde	Weken tot maanden (training, adoptie)	Uren tot dagen (agentimplementatie)
Benutting	Verschilt per medewerkersbetrokkenheid	Bijna 100% — agents stellen niet uit
Openingstijden	Openingstijden (8-10 uur/dag)	168 uur per week, 52 weken per jaar
Kwaliteitsconsistentie	Verschilt per persoon	Governed, auditeerbaar, consistent

Het uitkomstprijsmodel heeft diepe gevolgen voor kopers en verkopers. Voor kopers betekent het: alleen betalen voor ontvangen waarde. Geen ‘planksoftware’ meer — licenties gekocht maar nooit gebruikt. Geen ‘we kochten enterprise maar gebruiken slechts drie features’. Elke uitgegeven euro komt overeen met een meetbare hoeveelheid voltooide werkzaamheden.

Voor verkopers betekent dit een ander soort relatie. Je zit niet langer in de tool-business. Je zit in de arbeidsbusiness. Je omzet hangt direct samen met de waarde die je aan klanten levert, wat betekent dat je prikkels perfect met die van hen zijn uitgelijnd. Dat is gezonder dan prijsstelling per seat, waarbij de leverancier profiteert van het aantal seats ongeacht of die seats resultaten opleveren.

De margevraag

Sceptici vragen meteen naar marges. Als je resultaten levert in plaats van softwaretoegang, schalen je kosten dan niet mee met levering? Ja — maar de kostencurve van AI-inferentie daalt sneller dan vrijwel elke technologiekostenpost in de geschiedenis. Modelkosten daalden in alleen de eerste twee maanden van 2025 met ongeveer 80 %. Naarmate inferentie goedkoper wordt, verbetert de marge op prijzen per uitkomst sterk.

De parallel is cloudinfrastructuur. AWS-prijzen per rekenuur leken riskant vergeleken met perpetuele serverlicenties. Maar naarmate infrastructuurkosten daalden en gebruik groeide, bleek het utility‑prijsmodel voor aanbieder én klant ruimschoots superieur.

Hoe LAAS er in de praktijk uitziet

Abstracte frameworks zijn nuttig, maar echt begrip ontstaat door LAAS in werking te zien. Laten we drie scenario's doorlopen die het model illustreren.

Scenario 1: klantenservice die nooit slaapt

Een home-servicesbedrijf — loodgieterswerk, HVAC, elektra — krijgt wekelijks honderden klantvragen. In het SaaS-model zou het een helpdeskplatform (Zendesk, Freshdesk), een CRM (HubSpot, Salesforce), een planningstool (ServiceTitan) en een communicatieplatform (Twilio) aanschaffen. Daarna zou het klantenservicemedewerkers aannemen en trainen om over alle vier systemen te werken.

In het LAAS-model bedient een AI-agent alle vier systemen autonoom. Belt een klant om 2 uur ’s nachts met een verwarmingsnoodgeval, dan triëert de agent het gesprek op basis van de noodcriteria van het bedrijf, controleert het planningssysteem op beschikbare bereikbaarheidstechnici, zoekt de klantgeschiedenis in de CRM, stuurt de juiste technicus, stuurt de klant een bevestiging en logt alles in de helpdesk voor kwaliteitscontrole.

Het bedrijf betaalt niet voor vier SaaS-zitjes plus een menselijk salaris. Het betaalt per opgeloste vraag. De SaaS-tools blijven draaien — de agent heeft ze nodig — maar de menselijke bottleneck verdwijnt.

Scenario 2: marketingoperaties op machinesnelheid

Een mid-market e-commercebedrijf moet multichannel marketingcampagnes draaien. Traditionele aanpak: een marketingteam aannemen, abonnementen nemen op een e-mailplatform, social media scheduler, analytics-suite, A/B-testtool en CMS. Daarna maanden besteden aan training, workflowbouw en prestatie-iteratie.

LAAS-aanpak: een agent verwerkt de merkrichtlijnen, productcatalogus en historische prestatiegegevens van het bedrijf. Daarna maakt hij zelfstandig campagnecontent, plant distributie over kanalen, bewaakt realtime prestatiestatistieken, past targeting en boodschappen aan op basis van resultaten en genereert wekelijkse rapporten voor menselijke review. De marketingdirecteur verschuift van operator naar strateeg: doelen bepalen en resultaten beoordelen in plaats van door zes verschillende interfaces te klikken.

Scenario 3: financiële afsluiting die zichzelf draait

Aan het einde van elke maand doorlopen boekhoudteams wereldwijd het ritueel van «de afsluiting» — rekeningen reconciliëren, transacties matchen, journaalposten voorbereiden, afwijkingen beoordelen en rapporten maken. Het is een intensief handmatig, multisysteemproces dat meestal 5-10 werkdagen duurt.

In een LAAS-implementatie handelen agents het mechanische werk af: transacties uit het ERP halen, deze matchen met bankfeeds, standaard journaalposten voorbereiden, anomalieën markeren voor menselijke controle en voorlopige financiële overzichten genereren. Een proces dat een team accountants een week kostte, wordt nu in uren afgerond, waarbij mensen de output beoordelen in plaats van produceren.

De rol van de mens in een LAAS-wereld

Het meest gehoorde bezwaar tegen LAAS — en tegen AI-agents in het algemeen — is existentieel: „Wat gebeurt er met de mensen?“

Het is een terechte vraag en die verdient een doordacht antwoord in plaats van afwijzend techno-optimisme.

In a LAAS world, human roles shift from bewerking naar toezicht, van uitvoering naar governance, van bezig naar beslissen. Dit is geen eufemisme voor eliminatie. Het is een echte transformatie van de aard van werk.

Denk aan hoe de rol van een fabrieksarbeider veranderde tijdens de Industriële Revolutie. Vóór automatisering vormde een mens elk onderdeel persoonlijk. Na automatisering ontwierpen mensen de processen, onderhielden ze de apparatuur, inspecteerden ze de output en behandelden ze de uitzonderingen die machines niet aankonden. De totale geproduceerde waarde schoot omhoog en de aard van het werk werd complexer en waardevoller, niet minder.

Dezelfde dynamiek voltrekt zich nu bij kenniswerk:

• Klantenservicemedewerkers worden customer experience-strategen die interactiebeleid ontwerpen, agentprestaties beoordelen, geëscaleerde zaken behandelen die empathie en oordeel vragen, en voortdurend de governance-regels verfijnen die AI-gedrag begrenzen.
• Marketingcoördinatoren worden marketingdirecteuren die campagnestrategie bepalen, AI-gegenereerde content op merk-afstemming beoordelen, prestaties op hoger niveau analyseren en creatieve beslissingen nemen die culturele context en menselijke intuïtie vereisen.
• Boekhouders worden financiële analisten die AI-opgestelde overzichten beoordelen, afwijkingen onderzoeken, strategische financiële leiding geven en oordeelszware beslissingen behandelen die bedrijfscontext vereisen voorbij wat cijfers alleen kunnen overbrengen.

De rode draad: mensen verschuiven omhoog in de waardeketen. Repetitief, procesgestuurd werk en navigeren tussen tools doen agents. Strategisch werk met oordeel, creativiteit en empathie blijft bij mensen. Vaak wordt de menselijke rol interessanter, niet minder.

Het governance-imperatief

Er is één nieuwe menselijke rol die het LAAS‑tijdperk uit het niets creëert: AI-governance.

Wanneer agenten autonoom opereren, moet iemand de grenzen bepalen. Wat mag de agent tegen klanten zeggen? Welke prijsbevoegdheid heeft deze? Wanneer moet worden geëscaleerd? Hoe controleren we beslissingen? Naar welke content mag worden verwezen? Wat is hallucinatie versus geldige inferentie?

Deze governance‑vragen zijn fundamenteel menselijke vragen. Ze vereisen ethisch oordeel, domeinexpertise en verantwoordelijkheid die niet aan de AI zelf kan worden gedelegeerd. Elk bedrijf dat LAAS inzet, heeft mensen nodig die technologie én business goed genoeg begrijpen om passende waarborgen te stellen.

Dit is een van de redenen waarom we Office 168/52 zo hebben gebouwd. Bob, onze AI-agent, is vanaf de grond ontworpen met governance in het hart. Elk antwoord is gebaseerd op door de klant goedgekeurde inhoud. Als Bob iets niet weet, zegt hij dat. Elke interactie wordt gelogd, auditbaar en naspeurbaar. De AI werkt niet in een vacuüm — die werkt binnen een vertrouwenskader dat mensen definiëren en onderhouden.

Wie wint in het LAAS-tijdperk

Niet elk bedrijf is even goed gepositioneerd voor de overgang van SaaS naar LAAS. Zo verandert het concurrentielandschap:

Winnaars

• API-first SaaS-bedrijven — Als uw software is bedoeld om programmatisch te worden gebruikt, kunnen agents het direct inzetten. Bedrijven met robuuste, goed gedocumenteerde API’s worden essentiële infrastructuur in de LAAS-stack.
• AI-bedrijven gericht op uitkomst — Bedrijven die opgeloste vragen, gekwalificeerde leads of afgeronde taken verkopen in plaats van softwarelicenties werken al volgens het LAAS-model. Ze hebben een voorsprong op prijs, levering en klantverwachtingen.
• Governance-first platforms — Vertrouwen is de schaarsste resource in het agententijdperk. Platforms die auditbaarheid, op feiten gebaseerde antwoorden en transparante besluitvorming kunnen tonen, krijgen een premium positie.
• Verticaal specialisten — Agents die een specifieke sector diep begrijpen — gezondheidszorg, thuisdiensten, juridisch, financiële diensten — presteren beter dan generieke agents omdat domeinexpertise zich opstapelt. Hoe meer een agent weet over HVAC-noodgevallen of tandartsagenda’s, hoe beter hij die specifieke klanten bedient.
• Kleine bedrijven — LAAS is de grote gelijkmaker. Een bedrijf van vijf mensen kan AI-agents uitrollen die dezelfde kwaliteit van klantenservice, marketinguitvoering en operationele efficiëntie leveren als een bedrijf met 500 medewerkers. Het schaalvoordeel in hoofden verdampt.

Verliezers

• Alleen-dashboard-SaaS — Als de hoofdwaarde van uw product een fraaie interface is om gegevens te bekijken en u biedt geen robuuste API-toegang, kunnen agents u niet gebruiken. Uw software wordt een visualisatielaag boven data die agents rechtstreeks bij de bron benaderen.
• Weerstand tegen per-seat prijzen — Bedrijven die vasthouden aan prijzen per menselijke seat merken dat hun omzetmodellen onder druk komen als klanten menselijke operators naar agent-workflows verschuiven. Het aantal seats daalt zelfs als het gebruik groeit.
• Ongedifferentieerde uitzendbureaus — Bureaus en uitzendbedrijven die generieke menselijke arbeid op procesniveau leveren voor taken die agents aankunnen, krijgen directe concurrentie van LAAS-aanbieders die dezelfde resultaten leveren tegen lagere kosten en met hogere consistentie.

De weg vooruit: 2026 tot 2030

We bevinden ons in de allervroegste fase van de LAAS-transformatie. Op basis van huidige trajecten en waarneembare trends is dit waarschijnlijk wat de komende vier jaar in petto hebben:

2026: Het jaar van agent-uitrol

Zo staat het er nu voor. De technologie is bewezen. Vroege gebruikers zien echte resultaten. Volgens onderzoek van G2 gebruikt of test 72% van de ondernemingen AI-agents. MIT's Harvard Data Science Review publiceerde bevindingen die 2–10x productiviteitswinst laten zien wanneer workflows rond agents worden herontworpen in plaats van AI alleen bovenop bestaande menselijke processen te leggen.

Maar er is een kloof. Camunda-onderzoek toont 73% mismatch tussen visie op agentic AI en praktijk. De meeste orgs piloten nog. De komende 12 maanden draaien om pilot naar productie.

84% van de bedrijfsleiders is van plan dit jaar meer te investeren in AI-agents. Het kapitaal verschuift al.

2027: De prijsrevolutie

Naarmate agentgebruik schaalt, komt prijs per stoel onder onhoudbare druk. SaaS-bedrijven gaan naar usage-, outcome- of hybride modellen die niet-menselijke gebruikers meewegen. Vroege verschuivingen in 2026-2027 pakken onevenredig marktaandeel van traagere incumbents.

We zien ook het ontstaan van „agent marketplaces” — platforms waar bedrijven zich kunnen abonneren op gespecialiseerde agents voor specifieke functies, net zoals ze nu SaaS-tools afnemen. Maar in plaats van software nemen ze capaciteit af.

2028: De integratiegolf

Naarmate agenten zich vermenigvuldigen, wordt orkestratie cruciaal. Multi-agent systemen—gespecialiseerde agents voor klantenservice, marketing, finance en operations die samenwerken en context delen—worden de standaard enterprise-architectuur. Dat creëert enorme vraag naar integratie, datagovernance en inter-agent communicatiestandaarden.

Bedrijven die multi-agent-orchestratie oplossen, worden de volgende generatie enterprise-platformleveranciers.

2029 - 2030: LAAS als standaard

Tegen eind van het decennium is LAAS het standaardmodel voor hoe mkb techdiensten afneemt. De vraag is niet „Moeten we AI-agents gebruiken?“ maar „welke agents, bestuurd door wie, op welke SaaS-infra, met welke uitkomsten?“

Grote ondernemingen zullen hybride modellen gebruiken waarin menselijke specialisten samenwerken met agentteams, met governancekaders die beide omvatten. Het organigram zal AI-agenten bevatten als erkende leden van functionele teams, met gedefinieerde mogelijkheden, beperkingen en prestatiestatistieken.

SaaS-besteding groeit sterk — agents gebruiken meer software dan mensen — maar omzet komt uit API-gebruik, niet seatlicenties. De sector wordt groter dan ooit, met een andere klantenbasis: meer machines dan mensen.

Waar Office 168/52 past

We zijn niet begonnen om een Labor-as-a-Service-bedrijf te bouwen. We wilden een concreet probleem oplossen: dienstverleners verloren klanten omdat ze geen expert-niveau klantinteractie 24/7 konden bieden.

Maar de oplossing die we bouwden — Bob, een AI-agent die uw bedrijf autonoom leert, elk antwoord verankert in goedgekeurde content en werkt met beheerste, auditeerbare intelligentie — is precies wat het LAAS-model beschrijft.

Als je Bob op je website uitrolt, koop je geen chatbot. Je neemt geen software af en zoekt daarna uit hoe je het gebruikt. Je zet een digitale collega neer die:

• Leert uw bedrijf vanaf dag één by analyzing your website, products, services, and policies
• Werkt 168 uur per week, 52 weken per jaar — that's where our name comes from
• Antwoorden alleen uit uw goedgekeurde content, weigert te speculeren zonder bewijs
• Verbetert voortdurend from every customer interaction
• Kost een fractie of the human labor it augments

Bob gebruikt de SaaS-tools eronder — communicatie-, data- en analyticslaag —, maar u hoeft ze nooit aan te raken. U krijgt het resultaat: vakkundige klantgesprekken, leads, beantwoorde vragen, doorgestuurde noodgevallen. Dat is Labor as a Service.

En omdat governance vanaf de basis in Bob's architectuur zit, krijg je iets dat de meeste AI-oplossingen niet kunnen bieden: vertrouwen. Elk antwoord is op bewijs gebaseerd. Elke interactie wordt gelogd. Als Bob iets niet weet, zegt hij "Ik weet het niet" in plaats van iets te verzinnen. In een tijd waarin AI-hallucinaties de grootste drempel zijn voor enterprise-adoptie, is dit geen feature — het is de basis.

Het addertje, de kern en de conclusie

Laten we terugkeren naar de kop: "Labor as a Service: de dood van SaaS."

Nu kent u de waarheid: het is geen dood. Het is een metamorfose.

De rups sterft niet als hij een vlinder wordt. Hij verandert in iets dat op een heel ander niveau werkt. SaaS — de tools, de API’s, de data-infrastructuur — is de rups. LAAS — de door agents gedreven, op uitkomsten gerichte, door governance beschermde levering van afgerond werk — is de vlinder.

De tools verdwijnen niet. Ze vermenigvuldigen zich. Softwaregebruik nadert niveaus die onvoorstelbaar waren toen Benioff Salesforce vanuit dat appartement lanceerde in 1999. Maar consumptie wordt aangedreven door intelligente agents op machinesnelheid — niet door mensen die dashboards klikken.

Bedrijven die dit begrijpen — die de tool-laag en de arbeidslaag als complementair zien in plaats van concurrerend — bouwen de bedrijven die het komende decennium bepalen.

Bedrijven die ‘SaaS is dood’ letterlijk nemen en de tool-laag laten vallen, komen zonder de infrastructuur die hun agents nodig hebben om te werken.

En bedrijven die de agentrevolutie volledig negeren en vasthouden aan het idee dat software iets is dat mensen met handen en ogen bedienen, zullen worden ingehaald door concurrenten waarvan de AI-werkforce nooit slaapt, nooit dezelfde fout twee keer maakt en hun softwarestack met een precisie runt die geen menselijk team kan evenaren.

Welkom bij het tijdperk van arbeid als dienst (Labor as a Service). De software is niet dood. Die krijgt nu zijn eerste onvermoeibare operator.