De softwarekategorier, der mest sandsynligt vil blive bygget internt inden 2027

Inden 2027 er de softwarekategorier, der mest sandsynligt vil blive udviklet in-house, workflow-automatisering, interne administrationsværktøjer, dashboards og BI-rapportering, letvægts-CRM-systemer, projektstyring og kundesupportværktøjer. Skillelinjen er proces versus nøjagtighed. Software, der indkoder, hvordan din virksomhed fungerer, er nu billigere at bygge end at leje. Software, der skal være korrekt hver eneste gang, såsom lønsystemer, betalinger, finansbøger og skat, vil fortsat blive købt.

Hvilke softwarekategorier skifter først til in-house?

Workflow- og administrationsværktøjer kommer først. Retools 2026 Build vs. Buy-rapport spurgte 817 udviklere og fandt ud af, at 35 % allerede havde erstattet mindst ét SaaS-værktøj med en specialbygget løsning, og 78 % planlagde at bygge mere i 2026. De kategorier, der er under størst udskiftningspres: workflow-automatiseringer (35 %), interne administrationsværktøjer (33 %), BI-værktøjer (29 %), CRM-systemer og formularbyggere (25 %), projektstyring (23 %) og kundesupport (21 %).

Se på, hvad disse kategorier har til fælles. De flytter dine egne data gennem din egen proces. Ingen af dem involverer svær datalogi; værdien har altid været workflowet, og workflowet er dit, ikke leverandørens. Når et generisk værktøj dækker 70 % af din proces og tager betaling pr. bruger for privilegiet, begynder en AI-assisteret løsning, der dækker 100 %, at vinde i regnearket. Omkostningerne ved fejl er også lave. Et ødelagt internt dashboard koster dig en eftermiddag, ikke en retssag.

Hvorfor sker det nu?

Agentbaseret kodning (agentic coding) forvandlede "det burde vi bygge en dag" til en opgave på to dage. Gartner forudsiger, at inden 2027 vil over 65 % af de ingeniørteams, der bruger agentbaseret kodning, betragte IDE'er som valgfrie, idet kontrol, styring og validering flyttes to automatiserede platforme. At bygge software er ved at blive noget, du overvåger, snarere end noget, du taster.

Den samme Retool-undersøgelse viser, hvordan moden AI-udvikling ser ud i praksis. Blandt udviklere, der leverede fungerende software, bruger 72 % AI til at skrive afgrænsede stykker kode, som de selv integrerer, kun 31 % prompter sig frem til færdige apps, og blot 8 % leverer AI-genereret kode uden ændringer. Prompt-til-app er stadig minoritetsvejen. Det, der har ændret sig, er, at omkostningerne til specialudviklet software faldt nok til at vende standardvalget mellem at bygge eller købe for en hel klasse af værktøjer. Det skete også i det stille: 60 % of de adspurgte udviklere leverede noget uden om IT-afdelingens opsyn i det forgangne år.

Hvad beviste Klarna egentlig?

Klarna beviste opdelingen, ikke hypen. I 2024 meddelte selskabets administrerende direktør, at virksomheden lukkede ned for Salesforce og Workday, og overskrifterne erklærede afslutningen på SaaS. Den efterfølgende dækning var mere nyttig end overskrifterne: CX Today bekræftede, at Klarna erstattede Workday med en anden leverandørs HR-platform og genopbyggede sin CRM-funktionalitet ved hjælp af en blanding af mindre SaaS-værktøjer og in-house-integrationer med AI lagt ovenpå.

Læs det omhyggeligt, og det bekræfter kategorilisten ovenfor. Det, Klarna byggede in-house, var bindevæv: datakonsolidering, internt workflow, det lag, hvor deres proces er unik. Hvad de ikke gjorde, var at vibe-code en kernebank-finansbog. Klarna is en licenseret bank. Softwaren, der skal være korrekt hver gang, forblev hos specialister, mens proces-softwaren flyttede in-house, og det er den samme afvejning, de fleste virksomheder vil foretage inden 2027.

Hvilken software vil fortsat blive købt?

Alt, hvor et forkert svar koster penge eller en licens. Løn- og skatteberegningsmotorer. Regnskabssystemer. Betalingsbehandling og PCI-overholdelse. Certificeret hardware til fysiske kortbetalinger. Lagerstyring under samtidighed (concurrency), hvor to kasser sælger den sidste enhed i samme sekund, og optællingen stadig skal være rigtig. Rapporter, der stemmer på øren.

AI skriver denne form for kode flydende og selvsikkert, hvilket er præcis problemet. Flydende og selvsikkert er ikke det samme som korrekt under belastning, revideret og certificeret, og de egenskaber kommer fra års produktionstrafik og compliance-arbejde, som ingen kodningsagent kan komprimere. Undersøg enhver "AI byggede hele vores stack"-historie nøje, og du vil finde en købt kerne nedenunder.

Hvor lander et point of sale i denne opdeling?

Et POS befinder sig på begge sider af linjen på én gang, hvilket gør det til et nyttigt testtilfælde. Frontenden af et point of sale, hvilket vil sige betalingsflowet, skærmene, hvad der sker efter et salg, og hvordan personalet navigerer gennem en ordre, er proces-software: samme art som de interne værktøjer, der skifter til in-house alle andre steder. Det er grunden til, at efterspørgslen efter et specialtilpasset POS bliver ved med at vokse. Forhandlere er færdige med at bøje deres workflow ved disken efter en leverandørs skabelon. Under det lag ligger afregning, lagersandhed og afstemt rapportering, som lander solidt i kategorien for software, der fortsat købes.

Det brugbare mønster for 2027 er at bygge det lag, du har holdninger til, oven på en infrastruktur, som en anden sørger for er korrekt. Final er bygget op omkring den opdeling: Du beskriver dit POS i almindeligt sprog eller forbinder din egen AI via MCP, og de flows, du opretter, kører på administreret handelsinfrastruktur, hvor lager, rapportering og Final Pay håndterer betalinger gennem en betalingsformidler og certificerede terminaler. For at se mønsteret i praksis viser guiden til opbygning af et specialtilpasset point of sale med ChatGPT-5.6 præcis, hvor AI'en gør arbejdet, og hvor infrastrukturen tager over.