SaaS-sektoren handlede i 2021 til multipler på 18-21 gange omsætningen. I dag er medianen 3-5 gange. Det er ikke en korrektion. Det er markedets dom over en forretningsmodel der er ved at blive strukturelt udfordret.
Fra 21x til 3,4x: hvad tallene faktisk fortæller
Meritech Capital dokumenterede i sine analyser et fald i median EV/revenue-multiplen fra over 21x i slutningen af 2021 til 6,3x i begyndelsen af 2024. En korrektion på 70 procent. Det var allerede voldsomt.
Det stoppede ikke der. Ifølge Aventis Advisors, der tracker 70-plus offentlige SaaS-selskaber, står medianen i marts 2026 på 3,4x. Et niveau der ikke er set siden midt-2010erne, og markant lavere end sektorens historiske gennemsnit på 4,5x.
iShares Expanded Tech-Software Sector ETF er ned over 23 procent år til dato i 2026. Salesforce og Workday er begge faldet over 40 procent de seneste 12 måneder. Adobe, der på sit højdepunkt handlede til 30 gange forward earnings, er komprimeret til 12 gange.
Det er ikke en mild korrektion i en sektor med et midlertidigt problem. Det er en systematisk omprisning af hvad SaaS-forretningsmodellen er værd i en verden med generativ AI.
For at forstå størrelsen er det nyttigt at sammenligne med tidligere korrektioner. I 2016 og 2022 faldt SaaS-multipler markant, men begge gange var det makrodrevne korrektioner. Rentestigninger øgede diskonteringsraten og komprimerede de lange, vækstbårne cash flows.
Begge gange var der rebound inden for måneder, fordi den underliggende forretningsmodel ikke var truet. Det der sker nu, er anderledes. Og markedet begynder at prise den forskel ind med stigende klarhed.
Sæde-kompression: det problem ingen CEO vil tale om
Traditionel SaaS-prissætning er baseret på seats, antal brugere der betaler for adgang til softwaren. Salesforce opkræver per seat i CRM. Workday per seat i HR-systemer. Atlassian per seat i projektledelse.
Det er en elegant model i en verden, hvor den eneste måde at udføre arbejdet på er at have et menneske siddende foran skærmen.
AI-agenter sidder ikke. De har ikke seats. En AI-agent der autonomt håndterer kundeservice-tickets, opdaterer CRM-records og sender salgsopfølgninger, erstatter ikke én seat. Den erstatter tyve.
Det er seat-kompression. Og det er den mekanisme der er den mest direkte trussel mod SaaS-forretningsmodellens omsætningsvækst. JPMorgan og Goldman Sachs har begge adresseret fænomenet i analyser i første kvartal af 2026 med samme konklusion: den reelle trussel fra AI er ikke at erstatte softwaren, men at reducere antallet af mennesker der bruger den.
Vækstcifre bekræfter det. Median omsætningsvækst for offentlige SaaS-selskaber er faldet i 12 kvartaler i træk siden COVID-toppen. I fjerde kvartal 2025 lå median-væksten på 12,2 procent. Guidancen for første halvdel af 2026 peger på under 10 procent.
For selskaber der engang routinemæssigt guidede på 20-30 procents vækst og fik multipler derefter, er det en fundamentalt anden virkelighed.
Der er en yderligere dimension som tallene endnu ikke fuldt ud afspejler. Hyperscalerne planlægger at bruge 660-690 milliarder dollar på AI-infrastruktur i 2026 alene. De pengene kommer fra et sted. Og det sted er i stigende grad enterprise software-budgetter.
Når en CFO vælger at investere i Azure AI-agenter, sker det ofte på bekostning af fornyelse af licenser til traditionelle SaaS-applikationer. Det er en budgetdynamik der endnu ikke er fuldt prissat ind i sektorens multipler.
Hvad AI faktisk kan erstatte og hvad det ikke kan
Det er ikke en binær situation. AI erstatter ikke alle SaaS-produkter lige hurtigt eller lige dybt. At forstå differentieringen er afgørende for at skelne de selskaber der er fundamentalt truede fra dem der ikke er.
Den mest sårbare kategori er horisontal SaaS med simpel forretningslogik. Produkter der primært overfører data fra én kilde til en anden, genererer standardrapporter eller styrer enkle workflows. Et LLM med den rette kontekst kan udføre de fleste af disse opgaver billigere og hurtigere.
Salg og marketingautomatisering er det eksempel der konsekvent nævnes i brancheanalyser. Generativ AI truer ikke at forbedre CRM-workflows. Den truer med at erstatte dem fundamentalt. Multiples.vc's april 2026-analyse bekræfter det: sales automation handles markant under det brede SaaS-gennemsnit, fordi markedet allerede priser substitutionsrisikoen ind.
Den næste sårbare kategori er det analytikerne kalder "thin vertical SaaS": selskaber bygget ind i en specifik branche, men hvis egentlige konkurrencefordel er et tyndt UI-lag ovenpå standardiserede forretningsregler.
De kalder sig verticale og nyder historisk en præmiummultipel for det. Men hvis det eneste der skiller dem fra et AI-bygget alternativ er branchespecifik terminologi og et par integrationer, er den præmie ved at fordampe. 72 procent af alle SaaS M&A-handler i 2025 refererede AI i en eller anden form. Det stoppede med at være et konkurrencepunkt. Det er nu et minimumskrav.
Tre kategorier der sandsynligvis overlever
Midt i den brede kompression er der kategorier der faktisk klarer sig godt. Mønstret er ikke tilfældigt. Det peger mod tre typer strukturel robusthed der er sværere at replere med et LLM end markedet måske forestiller sig.
Den første er infrastruktur-SaaS. Data infrastructure-kategorien, der inkluderer Snowflake og Databricks, er ifølge SEG den eneste SaaS-kategori der udvidede sin median EV/revenue-multipel i 2025, med en stigning på 11 procent.
Forklaringen er logisk: enhver AI-implementering begynder med data-laget. Ingen kan træne en model, køre et agent-workflow eller sikre AI-output uden et fundament af velstruktureret, tilgængelig data. Snowflake og Databricks er ikke truet af AI. De er enablers af AI.
DevOps og IT-management, repræsenteret ved Cloudflare og Datadog, handles til tilsvarende præmiummultipler, båret af de mest sticky kontrakter i enterprise software. Cybersecurity, med CrowdStrike, Zscaler og Palo Alto Networks, fastholder præmiemmultipler fordi AI-adoptionen skaber nye angrebsflader og dermed ny efterspørgsel.
Den anden robuste kategori er vertikal SaaS med dyb, proprietær data og høj switching cost. Skellet er skarpt. Den verticale SaaS der overlever er ikke den der blot kender en branches terminologi.
Det er den der over årtiers kundeinteraktion har akkumuleret en datamasse der ikke kan replikeres af et AI-startup på 18 måneder. Veeva Systems, der håndterer life sciences-sektorens regulatoriske og kliniske data, er et eksempel. Epic, der ejer patientjournaldata for en stor del af det amerikanske sundhedsvæsen, er et andet.
Disse selskaber er ikke truede af AI fordi deres egentlige produkt ikke er softwaren. Det er adgangen til og organiseringen af data der eksisterer ingensteds andet. Et LLM kan integrere med den. Det gør disse selskaber stærkere, ikke svagere.
Den tredje kategori er selskaber med netværkseffekter og switching costs der er fundamentalt anderledes end features. ServiceNow er dybt forankret i virksomheders IT-arbejdsgange på en måde der gør udskiftning til et flerårs-projekt.
Atlassian er et andet eksempel. Jira er ikke populært fordi det er det bedste projektledelsesværktøj på markedet. Det er populært fordi alle bruger det, fordi alle integrationer er bygget til det, og fordi organisationshukommelse lever i det. Det er netværkseffekter og organisatorisk inertia, der er fundamentalt sværere at underminere end en feature-liste.
De selskaber der omfavner AI og styrker sig selv
Der er en fjerde vej. Ikke en defensiv kategori, men en offensiv strategi: de selskaber der integrerer AI dybt nok til at det faktisk forbedrer retention, udvider omsætning pr. kunde og øger switching costs.
Markedet er præcist i sin skelnen. Ifølge SEGs M&A-analyse for 2026 betaler 83 procent af buyers højere multipler for AI-native eller AI-integrerede targets. Men kun for dem der kan dokumentere at AI faktisk viser sig i net revenue retention-tallene.
En AI-funktion der ikke forbedrer retention, reducerer churn eller øger expansion revenue, er en R&D-post. Ikke et valueringsargument.
Autodesk og Adobe er eksempler på selskaber der har integreret AI på en måde der styrker produktet frem for at kannibalisere det. Adobes Firefly-platform og Autodesks AI-funktioner er lagt oven på proprietær kreativ og teknisk data som AI-startups ikke har adgang til.
Multiples.vc bemærker specifikt at design og engineering software kommanderer præmiummultipler i april 2026, netop fordi disse selskaber lykkes med at bruge AI som forstærker snarere end erstatning.
Hvad det historiske mønster siger om hvad der sker nu
Der er et legitimt argument for at markedet overreagerer. JPMorgan og Goldman Sachs har begge fremhævet at valuationerne for store enterprise software-selskaber nu er på historisk lave niveauer set i lyset af de underliggende forretningers cash flow-generering.
Adobe til 12 gange forward earnings i et selskab med 40 procents operating margins er ikke åbenlyst for dyrt. ServiceNow til 28 gange med NRR konsekvent over 120 procent er ikke en konkurs-kandidat.
SaaS-panikkerne i 2016 og 2022 endte begge med rebounds. Det er et reelt argument. Men modargumentet er præcist: i 2016 og 2022 var det makroøkonomiske forhold der drev korrektionen. Forretningsmodellen var intakt.
Det der sker nu, kombinerer makropres med en ægte strukturel udfordring af seat-baseret prissætning. En sektor kan komme sig fra den første. Den anden kræver en aktiv tilpasning af forretningsmodellen, og den tilpasning er ikke garanteret.
Det mønster der tegner sig fra 2026-data er ikke et SaaS-apokalypse-scenarie. Det er et barbell-marked. Infrastruktur-SaaS, vertikal SaaS med dyb data og selskaber med genuine netværkseffekter klarer sig godt. Horisontal SaaS med simpel forretningslogik og thin vertical SaaS komprimeres aggressivt og med rette.
Spredningen mellem øverste og nederste kvartil er nu den bredeste den har været i år. Det er ikke ét marked. Det er to.
Min holdning
Jeg tror AI undergraver SaaS-modellen strukturelt. Seat-kompression er ikke en overskrift. Det er en mekanisk erodering af omsætningsvæksten i selskaber, hvis prissætningsmodel er bygget på antagelsen om at mennesker altid vil være det, der udfører arbejdet. Den antagelse holder ikke længere. Det ændrer imidlertid ikke på, at der er SaaS-selskaber der er fundamentalt robuste, og som markedet måske straffer for hårdt i den brede selling. Snowflake og Datadog, der begge tjener penge på AI-adoptionen frem for at konkurrere med den, er eksempler. Veeva med sine ægte data-moats er et andet. Det vigtige er at skelne aktivt. SaaS er ikke én kategori længere. Det er fire-fem meget forskellige forretninger med meget forskellige fremtidsudsigter, og den investor der forstår forskellen, er langt bedre stillet end en der er generelt bullish eller bearish på sektoren.