AI verandert SaaS-contracten in infrastructuurverbintenissen.

SaaS zou het tegengif moeten zijn voor de traditionele vendor lock-in. Maandelijks betalen, doorlopende updates ontvangen, opzeggen met een opzegtermijn van 90 dagen. Het hele model was gebaseerd op flexibiliteit. Maar AI maakt stilletjes een einde aan die belofte – niet door de voorwaarden op de eerste pagina van je contract te wijzigen, maar door de aard van wat je daadwerkelijk koopt te veranderen.

Wanneer je cloudprovider een AI-agent in zijn productiviteitspakket opneemt, je CRM-leverancier een AI-assistent toevoegt die leert van je pijplijngegevens, of je ERP-leverancier een agentgebaseerde workflow implementeert die inkoopbeslissingen automatiseert, begint dat ‘softwareabonnement’ steeds meer op een contract voor elektriciteitsvoorziening te lijken. Je kunt in theorie wel overstappen, maar de werkelijke kosten daarvan zijn inmiddels veel hoger dan iemand bij de verlenging in de berekening meeneemt.

“Het contract dat je vorig jaar hebt ondertekend, lijkt in niets op het contract waarmee je nu te maken hebt – en de meeste organisaties hebben dat nog niet eens door.”

Dit is de belangrijkste uitdaging waar leidinggevenden op het gebied van inkoop, financiën en technologie binnen bedrijven momenteel voor staan: dankzij AI-functies veranderen SaaS-relaties van een abonnementsmodel naar een infrastructuurmodel. Organisaties die deze verschuiving vroeg onderkennen, zullen betere voorwaarden bedingen, veerkrachtigere systemen opbouwen en een nieuwe vorm van afhankelijkheid van leveranciers voorkomen. Organisaties die dit niet doen, zullen vastzitten aan voorwaarden die ze nooit hadden willen accepteren.

Om te begrijpen hoezeer de situatie is veranderd, is het nuttig om even stil te staan bij de vraag waarom SaaS de traditionele on-premise software überhaupt op zijn kop zette. Het belangrijkste kenmerk was niet de lagere prijs, maar de vervangbaarheid. Als je HR-softwareleverancier de prijzen verhoogde of achterop raakte met nieuwe functies, kon je een vergelijkende evaluatie uitvoeren, je gegevens migreren en binnen een kwartaal op een nieuw platform aan de slag gaan. De overstapkosten waren reëel, maar ze waren beperkt en voorspelbaar.

De inkoopprocessen van bedrijven werden hierop aangepast. Kortere contractduur werd de norm. Prijsmodellen op basis van gebruik boden kopers de flexibiliteit om op te schalen zonder zich te veel vast te leggen. Dankzij modellen waarbij eerst een proefproject werd uitgevoerd, konden organisaties eerst nagaan of de oplossing bij hen paste voordat ze meerjarige contracten sloten. Het hele inkoopbeleid was afgestemd op de veronderstelling dat SaaS-leveranciers in belangrijke mate onderling inwisselbaar waren.

Dit werkte omdat de waarde van een SaaS-product was gebaseerd op de toegang tot softwaremogelijkheden: een reeks functies, een gebruikersinterface, een integratiebibliotheek. De software kende je niet. Ze leerde niet van je. Je gegevens stonden weliswaar in het systeem, maar de intelligentie van het systeem groeide daar niet omheen. Overstappen betekende dat gestructureerde records van de ene database naar de andere werden verplaatst, en niet dat het inzicht van een getraind model in je bedrijf moest worden ontmanteld.

De verschuiving van abonnementen naar infrastructuur vindt niet plaats via één enkel mechanisme. Het is het samenspel van drie structurele krachten die elkaar versterken. Elk van deze krachten is op zichzelf al van groot belang. Samen vormen ze een nieuwe realiteit op het gebied van inkoop.

1. Datagravitatie

Wanneer een AI-functie wordt getraind, verfijnd of voortdurend verbeterd op basis van uw eigen gegevens – uw klantgegevens, uw supporttickets, uw transcripties van verkoopgesprekken – is migratie niet langer een kwestie van gegevensexport, maar wordt het een kwestie van gegevensarchitectuur.

Bij traditionele SaaS-migraties ging het om het verplaatsen van gestructureerde gegevens. Bij migraties in het AI-tijdperk is de vraag: waar blijft de context die ons model heeft geleerd? In veel gevallen is het antwoord dat die nergens heen gaat. Die blijft bij de leverancier, ingebed in een systeem dat geen enkel exportformaat kan vastleggen. Uw investering in het verbeteren van de prestaties van die AI – het labelen, de feedbackloops, de aangepaste training – vertegenwoordigt overstapkosten die op geen enkele balans verschijnen, maar wel degelijk reëel zijn wanneer u probeert weg te gaan.

“Overstappen naar een andere cloudprovider vereist een herontwerp van de infrastructuur. Ook bij de overstap naar AI-native SaaS is dit steeds vaker het geval.”

2. Integratie in de workflow

AI-copiloten en -assistenten voeren niet alleen taken uit — ze veranderen de manier waarop mensen werken. Wanneer een verkoopteam twaalf maanden lang samenwerkt met een AI die hun follow-up-e-mails opstelt, risico’s bij deals aan het licht brengt en vervolgstappen aanbeveelt, passen die mensen hun werkgewoonten aan op basis van de output van de AI. De overstapkosten zijn niet langer alleen van technische aard. Ze zijn ook gedragsmatig en organisatorisch.

Dit is een vorm van lock-in die moeilijker te kwantificeren is dan datamigratie, maar mogelijk grotere gevolgen heeft. Medewerkers verliezen aan productiviteit telkens wanneer een werkproces verandert; wanneer die verandering gepaard gaat met het ontmantelen van een AI-systeem waarmee ze zich in de loop der jaren hebben ontwikkeld, is dat productiviteitsverlies ingrijpend, langdurig en moeilijk ongedaan te maken.

3. Modelafhankelijkheid

De derde en meest onderschatte factor is modelafhankelijkheid. Wanneer AI-agenten belangrijke beslissingen nemen – zoals het opstellen van contracten, het prioriteren van klantvragen of het genereren van financiële prognoses – worden organisaties niet alleen afhankelijk van het softwareplatform, maar ook van het gedrag, de afstemming en de redeneringspatronen van een specifiek model.

Je team leert vertrouwen te hebben in de resultaten van een bepaald model. Je processen zijn afgestemd op de foutpercentages en randgevallen van dat model. Je governancekaders zijn afgestemd op de specifieke neigingen van dat model. Wanneer dat model wordt bijgewerkt – of wanneer je overweegt over te stappen naar een concurrent wiens model zich anders gedraagt – verander je niet alleen van software. Je introduceert dan systematische onzekerheid in beslissingen waarop je organisatie heeft leren vertrouwen.

Het erkennen van deze verschuiving is de eerste stap. Om hierop in te spelen, moeten inkoop-, financiële en technologieteams hun benadering van AI-gestuurde SaaS-relaties aanpassen – en wel al vanaf de fase van de contractonderhandelingen, niet pas na de implementatie.

Contracten moeten voorwaarden bevatten die geschikt zijn voor infrastructuur

Over gegevensoverdraagbaarheid, modeltransparantie en zinvolle SLA’s moet met dezelfde nauwgezetheid worden onderhandeld als organisaties vroeger deden bij contracten voor datacenters. Dit houdt in dat er expliciete bepalingen moeten worden opgenomen voor het exporteren van niet alleen uw gegevens, maar ook uw trainingsartefacten, uw modelconfiguraties en uw integratielogica. Het betekent dat u controle moet hebben over de manier waarop uw gegevens worden gebruikt om de AI-systemen van de leverancier te verbeteren. En het betekent dat SLA’s niet alleen betrekking moeten hebben op de uptime van het platform, maar ook op de kwaliteit en consistentie van de AI-output.

Bij de beoordeling van leveranciers moet verder worden gekeken

Als je tegenwoordig een AI-native SaaS-leverancier beoordeelt, moet je niet alleen kijken naar hun huidige functies, maar ook naar hun AI-provider, hun beleid voor modelupdates, hun werkwijzen op het gebied van databeheer en hun productroadmap. Een leverancier die werkt met een basismodel van een provider met korte updatecycli brengt andere risico’s met zich mee dan een leverancier die stabiliteit in de modelversies biedt. Deze vragen horen thuis in de offerteaanvraag, niet in de evaluatie na de implementatie.

De totale uitstapkosten vormen de nieuwe maatstaf

Inkoopteams die SaaS nog steeds beoordelen op basis van licentiekosten en de mate waarin de functies aansluiten bij hun behoeften, zien de belangrijkste risicofactor over het hoofd. De maatstaf die er in het AI-tijdperk echt toe doet, is de totale uitstapkosten: de volledige economische kosten van het verlaten van een leverancier, inclusief gegevensmigratie, omscholing van personeel, het opnieuw opzetten van processen en de institutionele kennis die momenteel vervat zit in de AI-output. Het berekenen van dit bedrag vóór de ondertekening – en niet pas na verlenging – is de discipline die veeleisende kopers onderscheidt van de rest.

Het toezicht moet zich uitstrekken tot het gedrag van AI

Wanneer een AI een belangrijke aanbeveling doet, lost de kwestie van de verantwoordingsplicht zich niet vanzelf op. In contracten moeten afspraken over modelversies worden vastgelegd, zodat organisaties weten wanneer de AI waarop hun beslissingen zijn gebaseerd, verandert. Ze moeten voorzien in de verplichting dat mensen beslissingen boven bepaalde drempels handmatig kunnen overschrijven. En ze moeten voldoende uitgebreide controlerechten vastleggen om naleving van de regelgeving te waarborgen in sectoren waar door AI gegenereerde beslissingen steeds kritischer zullen worden bekeken.

“Organisaties die AI-SaaS vanaf het begin als infrastructuur beschouwen, zullen betere voorwaarden bedingen, veerkrachtigere systemen opbouwen en een nieuwe vorm van afhankelijkheid van leveranciers voorkomen.”

Dit alles is geen argument tegen de invoering van AI. De productiviteitswinst is reëel, de concurrentievoordelen nemen steeds verder toe, en organisaties die aan de zijlijn blijven staan terwijl anderen AI op grote schaal inzetten, zullen daar een andere prijs voor betalen.

Maar implementatie en doelgerichtheid sluiten elkaar niet uit. De organisaties die op dit moment succes boeken met AI, gaan een verbintenis niet uit de weg – ze gaan deze juist bewust aan, waarbij ze vanaf het begin dezelfde strikte eisen stellen aan hun relaties met leveranciers als aan hun infrastructuur. Ze onderhandelen over gegevensoverdraagbaarheid nog voordat ze gegevens hebben gegenereerd die de moeite waard zijn om te migreren. Ze brengen de overstapkosten in kaart nog voordat ze vastzitten aan een leverancier. Ze stellen de lastige vragen over modelbeheer nog voordat de AI in hun werkprocessen is geïntegreerd.

De organisaties die het moeilijk zullen krijgen, zijn niet degenen die te snel op AI zijn overgestapt. Het zijn juist degenen die op abonnementssnelheid zijn doorgegaan, terwijl hun focus stilletjes verschoof naar infrastructuurschaal.

Uw volgende SaaS-verlenging is geen softwarecontract. Het is een architecturale keuze voor de komende vijf jaar. Behandelt uw team het ook zo?

Overwegingen bij de aanschaf: SaaS in het abonnemententijdperk versus SaaS in het AI-tijdperk

Checklist met 5 vragen voor het beoordelen van AI-SaaS-contracten

Voordat uw team een contract voor AI-gestuurde SaaS-diensten ondertekent of verlengt, moet het deze vragen kunnen beantwoorden.

• Bevat dit contract expliciete rechten op gegevensoverdraagbaarheid als we besluiten om de overeenkomst te beëindigen?
• Welke AI-modellen liggen ten grondslag aan deze functies, en wat is het beleid van de leverancier met betrekking tot modelupdates of versiewijzigingen?
• Welke controlebevoegdheden hebben wij met betrekking tot door AI gegenereerde resultaten en aanbevelingen?
• Hebben we de volledige kosten van de overstap in kaart gebracht — inclusief gegevensmigratie, omscholing van personeel en het opnieuw opzetten van processen?
• Staat in ons contract vermeld dat er bij belangrijke AI-beslissingen een menselijke tussenkomst vereist is?