De Saas-apocalyps

12/10/2026
Jan Syssauw
7 min. leestijd

Begin 2026 verloren softwarebedrijven op een paar weken honderden miljarden aan beurswaarde. Toen leek het vooral paniek. Vandaag zie je de eerste tekenen aan de wand dat er iets van aan is. We staan nog maar aan het begin.

Wat was de SaaS-apocalyps?

Op 12 januari 2026 introduceerde Anthropic Claude Cowork als research preview. Op 30 januari volgden elf opensource plugins voor onder meer juridisch werk, financiën, marketing, sales en klantendienst. De aankondigingen versterkten de vrees dat AI-agents een deel van het werk zouden overnemen waarvoor bedrijven bestaande software gebruiken.

Softwareaandelen stonden toen al onder druk. De S&P North American Software Index verloor in januari ongeveer 15%, de grootste maanddaling sinds oktober 2008. Begin februari versnelde de verkoopgolf. Men sprak van de “SaaSpocalypse”. Op 5 februari meldde Reuters dat de S&P 500 Software & Services Index sinds 28 januari ongeveer $1.000 miljard aan beurswaarde had verloren.

Centraal stond de vrees voor druk op winsten van software bedrijven: als bedrijven dankzij AI minder betaalde gebruikerslicenties nodig hebben, kan dat de groei van softwareleveranciers aantasten. De beursdaling weerspiegelde verwachtingen over die toekomstige impact.

Drie recente ontwikkelingen maken het interessant om die verwachting opnieuw te bekijken.

1. AI is ongelooflijk krachtig geworden

De modellen van vandaag schrijven niet langer alleen een stukje code of een tekst. Ze werken zelfstandig aan taken van uren: code lezen, aanpassen, testen en opnieuw proberen. En elke nieuwe generatie schuift die grens verder op.

Twee voorbeelden uit de verhalen hieronder:

Bij de herbouw van de Adobe-suite werkten volgens IT-Connect acht Claude Opus 5.5-agents parallel, goed voor 70 menu-items in een paar uur.
Chris Lewis zag bij zijn decompilatie dat het beste model voor de moeilijkste functies van maand tot maand wisselde, van Claude naar Codex 5.5. De lat gaat telkens omhoog.

Kracht alleen verklaart het niet. De echte sprong zit in hoe je die kracht inzet.

2. De lus: fundamenteel anders dan prompten

Bij prompten stel jij een vraag, krijg je een antwoord en beoordeel jij of het klopt. Jij bent de controle, en dus ook de rem. Een lus draait dat om: je geeft de AI een doel en een automatische test, en de AI probeert tot de test slaagt.

Stap	Wie doet het werk	Wie controleert	Hoe ver kom je
Prompt	AI, één antwoord	jij	één stuk tekst of code
Chat	AI, heen en weer	jij, bij elke stap	zo ver als jouw geduld
Agent	AI, met tools en meerdere stappen	jij, achteraf	een afgebakende taak
Lus	AI, honderden pogingen	een automatische test	tot het resultaat aantoonbaar klopt

De lus zelf is eenvoudig:

De AI doet een poging.
Een test controleert of het resultaat klopt, ja of nee.
Nee? De AI leert uit de fout en probeert opnieuw.

Waarom is dat zo krachtig? Een mens wordt na een paar uur moe, een agent niet. Je kan het werk over tientallen agents tegelijk verdelen. En omdat de test beslist, hoeft niemand elke poging na te kijken.

De essentie: AI is sterk zodra het resultaat controleerbaar is. De vraag is niet meer “kan AI dit?”, maar “kan ik automatisch nagaan of het goed is?”. Coding tools als Claude Code, Codex en Cursor bouwen dat principe nu standaard in.

3. Decompilatie: software terug uit elkaar halen

Combineer je krachtige AI met de lus, dan kan je bestaande software terug uit elkaar halen en opnieuw opbouwen. Dat kan op twee manieren.

Technisch: van machinecode terug naar broncode. Een programma dat je installeert, is gecompileerd: de leesbare broncode is omgezet in machine-instructies. Decompileren is de omgekeerde weg. Vroeger was dat monnikenwerk van jaren. Met de lus probeert AI per functie broncode te schrijven, compileert die, en vergelijkt het resultaat met het origineel tot het tot op de bit gelijk is. De test is perfect: het klopt of het klopt niet.

Functioneel: het gedrag nabouwen. Je hebt de broncode niet nodig, alleen het programma zelf. Je observeert wat het doet (welke knoppen, welke menu’s, welk resultaat bij welke actie) en laat AI iets bouwen dat zich hetzelfde gedraagt. Dat heet een “clean-room”-herbouw. De test is hier: doet mijn versie hetzelfde als het origineel?

In beide gevallen is de code niet die van de oorspronkelijke makers. Het gedrag wel. En dat is precies wat een klant koopt.

4. Het gebeurt nu: twee proeven

Technische decompilatie: Nintendo 64-spellen. Ontwikkelaar Chris Lewis decompileert N64-spellen met coding agents. Het origineel Snowboard Kids was in 84 dagen klaar; het vervolg Snowboard Kids 2 kostte hem nog 596 dagen. Zijn lus: Claude Opus schrijft per functie code, een check vergelijkt de vingerafdruk van het resultaat met het origineel.

Functionele herbouw: de Adobe-suite. Begin oktober bracht het project ArtCraft open-source alternatieven uit voor Photoshop (Photocraft), Premiere (Filmcraft) en Lightroom (Lightcraft), geschreven in Rust, voor Windows, macOS, Linux en FreeBSD. Claude Code en AI-agents deden het meeste werk, zonder de broncode van Adobe. Photocraft heeft een MCP-server, zodat een AI-agent de app zelf kan bedienen. Op GitHub staan intussen ook varianten voor Excel, Word, PowerPoint, Acrobat en AutoCAD.

Zelf bekijken:

Repository	Wat
storytold/photocraft	alternatief voor Photoshop (Apache-2.0)
storytold/filmcraft	alternatief voor Premiere Pro (Apache-2.0)
storytold/lightcraft	alternatief voor Lightroom
storytold/gridcraft	Excel-achtig rekenblad (Apache-2.0)
cdlewis/snowboardkids-decomp	decompilatie Snowboard Kids
cdlewis/snowboardkids2-decomp	decompilatie Snowboard Kids 2

Belangrijk: dit zijn vroege versies, geen volwaardige producten. Photocraft is “early alpha” en haalt volgens de eigen roadmap nog ruim minder dan 50 % van Photoshop; de geschatte bruikbaarheid voor professioneel dagelijks werk is 25 tot 35 %. Meerdere artikels wijzen ook op mogelijke juridische problemen met Adobe. Er is nog veel werk en een lange weg te gaan. Maar dat dit op een paar weken kan, was een jaar geleden ondenkbaar.

Is dit legaal?

Dat ligt in een grijze zone. Een korte bemerking, geen juridisch advies:

Gedrag is niet beschermd, code wel. Het Europese Hof oordeelde in 2012 (SAS Institute tegen World Programming) dat de functionaliteit van software niet onder het auteursrecht valt. Software observeren en het gedrag nabouwen mag dus in principe, zolang je geen code of ontwerp kopieert.
Decompileren zelf is strenger geregeld. De Europese softwarerichtlijn staat het enkel toe in beperkte gevallen, zoals voor compatibiliteit. Licentievoorwaarden verbieden het vaak expliciet.
Merken, interfaces en bestanden kunnen apart beschermd zijn. Daarom wijzen artikels over Photocraft op mogelijke juridische problemen met Adobe.

Maar of het nu legaal is of niet: het gebeurt, open en bloot, op GitHub. Bedrijven doen er goed aan om daar rekening mee te houden.

5. Wat betekent dit voor jouw bedrijf?

De SaaS-apocalyps is geen big bang. Het is een verschuiving die net begonnen is. Maar de richting is duidelijk:

Software alleen is geen voorsprong meer. Wat je functionaliteit kan observeren, kan je ook laten nabouwen. Je voorsprong zit in je data, je processen, je klantrelaties en je vakkennis.
Zoek de taken met een controleerbaar resultaat. Facturen tegen bestellingen, rapporten tegen bronsystemen, code tegen tests, documenten tegen vaste regels. Daar kan een agent itereren tot het klopt.
Investeer in het laatste stuk. Waar de controle ontbreekt of de uitzonderingen beginnen, blijft vakmanschap het verschil maken.

De vraag voor elke organisatie is dus niet “kan AI dit?”, maar: waar kan ik automatisch nagaan of het goed is?

Bronnen

Jan Syssauw

Jan Syssauw is CEO van SirusAI en een ervaren product- en AI-expert. Met meer dan 20 jaar ervaring in productleiderschap, technologie en strategische innovatie begeleidt hij bedrijven bij het opzetten en implementeren van praktische, schaalbare AI-oplossingen die echte impact maken.