Innhold Vis
Når en av topplederne i Google Cloud går ut og sier at to spesifikke typer AI-startups er «dødsdømte», da bør vi lytte. Darren Mowry la ikke fingrene imellom i et ferskt intervju: Startups som baserer seg på å være tynne «wrappere» rundt andres språkmodeller, eller som bare aggregerer andres AI-tjenester, har livets rett på lånt tid.
Jeg har sagt det lenge, men nå begynner det å bli brutalt tydelig: Tiden hvor du kunne slenge sammen et fancy UI oppå OpenAI sitt API og kalle det et «SaaS-selskap», er over. Marginene krymper, differensieringen er ikke-eksisterende, og gigantene spiser opp funksjonaliteten din til frokost. Dette er også grunnen til at OpenAI nå er verdsatt til astronomiske summer – de kontrollerer selve infrastrukturen.
Hvorfor «vibe coding» dreper SaaS-modellen
La oss være ærlige: De fleste AI SaaS-startups vi ser i dag er ren hype. De selger bra i starten fordi folk er desperate etter å ta i bruk AI, men churn-raten (frafallet) er enorm. Hvorfor? Fordi AI-selskapene selv – OpenAI, Anthropic, Google – ruller ut nøyaktig samme funksjonalitet, bare bedre integrert og ofte billigere, noen måneder senere.
Men den virkelige spikeren i kista er «vibe coding» – eller rett og slett at terskelen for å lage egne verktøy har kollapset. For tre år siden trengte du et utviklerteam for å lage en skreddersydd løsning for bedriften din. I dag? I dag kan en hvilken som helst ansatt med litt tid til overs og interesse for AI «vibe code» seg frem til et internt verktøy på en ettermiddag. Verktøy som Gemini Conductor gjør dette latterlig enkelt.
Hvis du har en bedrift med mer enn tre ansatte, er det galskap å betale månedlige lisenser for en haug med halv-gode SaaS-verktøy. Gi heller den smarteste juniorutvikleren din tilgang til Claude eller ChatGPT Enterprise, og la dem bygge akkurat det dere trenger. Det blir bedre, det blir skreddersydd, og det koster en brøkdel.
Det norske «gullrushet» som kommer for sent
Her hjemme på berget ser vi også tegn til denne trenden, men som vanlig henger vi litt etter. Oskar Westerlin, kjent YouTuber og influencer, har gått ut høyt og proklamert at han skal bygge SaaS og «melke AI-bølgen».
Misforstå meg rett, jeg heier på gründerskap. Men det Westerlin og mange andre prøver på nå, er å hoppe på et tog som allerede har forlatt stasjonen internasjonalt. Det som selger i dag, finnes det tusenvis av varianter av allerede. Å bygge en SaaS-business i 2026 basert på 2024-tankegang om «wrappers» er risikosport.
Når en norsk influencer satser på dette nå, er det et klassisk tegn på at toppen er nådd. «Shoeshine boy»-øyeblikket for AI-wrappers er her.
Programmering som fag dør ut
Anthropic-sjef Dario Amodei uttalte nylig at programmereryrket slik vi kjenner det, i stor grad vil være overflødig eller dø ut innen kort tid. Dette er kontroversielt å si, spesielt til utviklere, men jeg er helt enig.
Husker du «learn to code»-trenden for 3-5 år siden? Politikere og eksperter sto i kø for å fortelle at alle, fra skolebarn til kullgruvearbeidere, måtte lære seg Python. Det var latterlig da, men det er tragisk komisk nå. De som pugget syntax for fem år siden, sitter nå med kunnskap som en AI kan reprodusere på millisekunder.
Den nye valutaen er ikke å huske hvordan du skriver en for-loop i Java. Det er evnen til å prompte. Det er evnen til å forstå systemer, logikk og arkitektur, og så få AI-en til å gjøre grovarbeidet.
Fremtiden tilhører AI-arkitektene
Folk som skaffer seg dyp AI-kompetanse, som forstår hvordan modeller fungerer, og som kan «snakke» med dem effektivt, er fremtidens vinnere. Vi går fra å være håndverkere som legger murstein, til å være arkitekter som dirigerer en hær av roboter.
Google har rett i sin advarsel. De enkle pengene er borte. Hvis du vil overleve som AI-startup i dag, må du løse ekte, vanskelige problemer som krever dyp domenukunnskap – ikke bare pakke inn andres API-er i gavepapir. Og hvem vet, kanskje humanoide roboter blir det neste store som endrer spillereglene fullstendig?
Og for guds skyld, ikke lær deg å kode. Lær deg å tenke.
3 kommentarer
Jeg tror dette treffer noe viktig, men det interessante er kanskje enda mer grunnleggende enn forretningsmodellene.
LLM-er gjør noe vi ikke er vant til fra tidligere programvare:
de kjører direkte på menneskespråk.
I klassisk IT måtte språk først oversettes til kode.
Nå er formuleringen koden.
Derfor blir “prompting” ikke bare en ferdighet, men en reguleringsmekanisme.
Ikke fordi modellen er magisk, men fordi den faktisk følger strukturen i setningen:
Uklare formuleringer → uklare svar
Åpne mål → åpne handlinger
Manglende avgrensning → modellen fortsetter
Det er også derfor mange interne verktøy virker imponerende første dag og upålitelige i drift.
Problemet er sjelden modellen.
Problemet er at instruksjonen mangler beslutningspunkt, stoppbetingelser og ansvar.
Vi har egentlig fått det første systemet i stor skala hvor vanlig språk fungerer som operativ styringskode.
Da blir presisjon i formulering ikke kommunikasjon – men kontroll.
Så jeg er enig i at terskelen for å lage noe har falt.
Men terskelen for å styre det har ikke. Den har blitt synlig.
Dette er akkurat det jeg prøvde å si, bare mye mer presist formulert enn jeg klarte.
«Terskelen for å styre det har ikke falt. Den har blitt synlig.» — den setningen burde stå som ingress i artikkelen min.
Og det er her SaaS-modellen virkelig rakner: Mange av disse «AI-startupene» er i realiteten bare et tynt skall rundt noe LLM-modellen allerede gjør — og gjør bedre for hver versjon som slippes. Du bygger et produkt på GPT-4 sin svakhet. Så kommer GPT-5, og svakheten er borte. Forretningsmodellen din ble nettopp oppdatert bort.
Det du beskriver legger til en ekstra dimensjon til dette: Det er ikke nok å «pakke inn» modellen — du må faktisk forstå hvordan du styrer den. Og de som ikke gjør det, bygger verktøy som virker imponerende i demo og kollapser i drift. Ikke fordi modellen er dårlig, men fordi instruksjonen mangler beslutningspunkter, stoppbetingelser og ansvar.
Det er en ironi i hvem som egentlig er best rustet for det nye landskapet. Vi antok det var utviklerne. Men folk trent i presist menneskespråk — jurister, redaktører, analytikere — har plutselig et naturlig fortrinn. De har alltid visst at en uklar setning er et uklart beslutningsgrunnlag.
Vi har fått et operativsystem som kjører på norsk. Da er presisjon i språk ikke lenger bare god kommunikasjon — det er kontroll.
Det du beskriver der (“funker i demo, kollapser i drift”) er egentlig et ganske spesifikt mønster.
I demo gir vi modellen et tydelig mål og en avgrenset situasjon.
I drift møter den virkeligheten: flere hensyn samtidig, uklare prioriteringer og ingen eksplisitt stopp.
Da skjer noe interessant: modellen gjør ikke nødvendigvis feil. Den fortsetter å være hjelpsom — men uten et definert beslutningshierarki.
Hvis instruksjonen ikke inneholder
– hva som veier tyngst ved konflikt
– når prosessen skal stoppe
– hvem som har siste ord
må modellen selv velge. Og da følger den formuleringen, ikke intensjonen.
Jeg begynner å tenke at vi egentlig snubler i noe nytt: språk er ikke bare beskrivelse av styring, det er selve styringslaget. Litt som arkitektur.
En uklar setning i en policy skaper allerede uklare beslutninger mellom mennesker. LLM-er gjør bare dette synlig, fordi de reagerer direkte på formulering.
Så det gjelder både digitale og analoge systemer:
Når språk fungerer som instruksjon, blir presisjon ikke kommunikasjon — men regulering.
Det er kanskje derfor prosjekter imponerer i demo men feiler i drift. Vi tror vi har implementert teknologi, men vi har egentlig implementert en tekst.