AI 2026: Vem vinner när alla kan koda?
Utan någon som helst kodningserfarenhet byggde vår förvaltare Robin Övrebö nyligen flera fungerande applikationer med hjälp av Claude Code. Det tog timmar, inte veckor. Många investerare ställer sig nu frågan varför man ska betala dyrt för specialiserad programvara när autonoma AI-agenter kan utföra samma arbetsuppgifter till en bråkdel av kostnaden?
Timmar, inte veckor
Utan någon som helst kodningserfarenhet byggde jag nyligen flera fungerande applikationer med hjälp av Claude Code. Det tog timmar, inte veckor. Experimentet startade efter att jag läst flera artiklar om hur enkelt det har blivit för nybörjare att ta i bruk AI-verktyg för utveckling. Matt Shumer skrev om fenomenet i ”Something big is happening” [1], och studenten Anders Eidesvik använde Claude för att slå erfarna programmerare i ett hackathon. Som Eidesvik påpekar: ”För varje modell de släpper krymper antalet uppgifter som bara en människa kan lösa”[2].
Utvecklingen är tydlig. AI har gått från att vara en samtalspartner som hallucinerar, till en agent som opererar direkt i mapparna på datorn: skriver kod, skapar applikationer, analyserar data, tar fram grafer och automatiserar processer. Utvecklingen går snabbt, och vi har redan nått en nivå där modellerna agerar tillräckligt självständigt för att förändra vem som kan bygga programvara. Och vi är fortfarande i ett tidigt skede.
Konsekvensen är fallande inträdesbarriärer och ett potentiellt ökat utbud av programvara. Men att bygga en app är en sak. Att drifta, säkra och skala den till tusentals användare är något helt annat. Skalningsbarriärerna består, och de gynnar bolag med varaktiga strukturella fördelar: proprietär data som ingen annan har, licenser som andra inte får, eller nätverkseffekter som gör plattformen mer värdefull ju fler som använder den.
SaaSmageddon | AI-2026?
Det som är en teknologisk revolution för individer har snabbt blivit ett hot mot hela sektorer. Det har utlöst en rädsla på marknaden och lett till en fundamental omvärdering av hela programvarusektorn. Det negativa sentimentet kring bolag inom den digitala ekonomin har fått sin egen etikett: ”SaaSmageddon”. Alternativt används ”AI-2026”, med paralleller till covid-19 och hur pandemin skapade kraftiga utslag mellan branscher.
Artificiell intelligens sprids nu på liknande sätt och påverkar programvarubolag, informationstjänster, finansbolag, konsultbolag och andra affärsmodeller som kan befinna sig i riskzonen. De potentiellt negativa konsekvenserna utforskas bland annat i Citrini Researchs artikel ”The 2028 Global Intelligence Crisis” [3].
Narrativet har skiftat. Tidigare handlade det om produktivitetsvinster och de positiva effekterna av investeringscykeln – nu dominerar rädslan för disruption. Många investerare ställer sig frågan: Varför betala dyrt för specialiserad programvara när autonoma AI-agenter kan utföra samma arbetsuppgifter till en bråkdel av kostnaden?
Denna osäkerhet har lett till en massiv omvärdering av bolag som tidigare betraktades som strukturella vinnare. Det är en påminnelse om att teknologi inte bara skapar värde – den omfördelar värde.
Konkurrensfördelar i en värld där kodning demokratiseras
Grundare och vd för Fintool, Nicolas Bustamante, har skrivit insiktsfullt om detta [4]. Han pekar på att programvarubolag som lever på att användaren har lärt sig ett användargränssnitt (UI), eller över tid byggt upp affärslogik eller offentligt tillgänglig data, kan vara särskilt utsatta. Om AI kan ersätta funktionaliteten minskar differentieringen.
Bustamante identifierar dock fyra fördelar som fortfarande framstår som hållbara:
- Proprietär data: tillgång till unik, kvalitetssäkrad och historiskt uppbyggd information.
- Regulatoriska barriärer: licenser, krav och säkerhetsrisker som begränsar konkurrensen.
- Nätverkseffekter: värdet ligger i vilka som använder plattformen, inte i tekniken i sig.
- Transaktionsinfrastruktur: bolag som hanterar själva penningflödet är svåra att ersätta.
Ramverket är användbart, och för oss som investerare blir frågan att bedöma styrkan i dessa fördelar. Vissa är starkare än andra. Proprietär data och nätverkseffekter är exempelvis självförstärkande – ju mer unik data man äger och ju större nätverket är, desto högre blir byteskostnaderna. Regulatoriska barriärer ger skydd, men är utsatta för politisk risk. Transaktionsinfrastruktur är robust, men kan på sikt ersättas.
Sammanfattningsvis innebär det att de tekniska och användarmässiga barriärerna håller på att eroderas. Fördelen ligger inte längre i själva tekniken, utan i vad man äger (data), vilka relationer man har (nätverk) och vilket förtroende man har byggt upp (reglering och infrastruktur).
Brus eller strukturell förändring?
Vi befinner oss i en period där marknaden präglas av kraftiga känslomässiga svängningar – från eufori över AI:s möjligheter till panik över disruption. Hittills har marknaden sålt brett och relativt okänsligt för skillnaderna mellan bolagen.
Rädslan är sannolikt överdriven för bolag med verkliga strukturella konkurrensfördelar – och underskattad för dem som enbart haft ett teknologiskt försprång. Skillnaden mellan dessa två grupper kommer att bli tydlig under de kommande åren.
Notera att denna artikeln har också skrivits med hjälp av AI.
[1] Schumer, Matt. 2026. Something Big is Happening: https://shumer.dev/something-big-is-happening
[2] Eidesvik, Anders. 2026. KI hjalp meg å slå Silicon Valleys beste hoder på et Hackaton: Det burde ikke være mulig». https://www.altinget.no/artikkel/ki-hjalp-meg-aa-slaa-silicon-valleys-beste-hoder-paa-et-hackaton-det-burde-ikke-vaere-mulig
[3] Citrini og Alap Shah. 2026. The Global Intelligence Crisis: https://www.citriniresearch.com/p/2028gic.
[4] Bustamante, Nicolas. 2026. 10 Years Building Vertical Software: My Perspective on the Selloff: https://x.com/nicbstme/status/2023501562480644501