Serge Kuznetsov，INXY Payments 的联合创始人，INXY Payments 是一家获得波兰授权和加拿大注册的金融科技平台，提供安全的解决方案以便轻松接受、发送和管理加密货币，每年处理超过 20 亿美元的交易。Serge 是一位具有 10 多年经验的金融服务和支付专业人士，专门为全球企业打造技术驱动的解决方案。作为一位具有金融科技、加密支付和跨境金融基础设施专业知识的 C 级高管。
人工智能与现成应用程序让我说一些有争议的话：您今天正在为大多数应用程序付费，但它们在三年内将变得无关紧要。这不是因为它们很糟糕，而是因为人工智能将为您构建一个更好、更便宜、更个性化的版本 – 按需。数字产品市场正在进入一个阶段，其中简单的Web服务和移动应用程序将逐渐被快速组装、个性化的解决方案所取代，这些解决方案是基于大型语言模型构建的。这种趋势得到了人工智能应用和服务的增长的确认，这些应用和服务允许用户在不安装数十个高度专业化的应用程序的情况下访问他们需要的功能。这不是猜测：完整产品的概念正在改变：人们越来越喜欢针对特定场景、业务流程或个人的习惯量身定制的解决方案。这种转变得到了消费者人工智能应用的迅速增长的支持。截至2026年3月，ChatGPT单独就拥有9亿活跃用户。这是我们断言到2026年，消费者人工智能将不再是一个小众市场，而是一个广泛的习惯的有力论据。人工智能如何使软件开发更便宜、更快构建软件曾经需要数月的时间，现在只需要几个小时。人工智能正在从根本上改变开发的经济学。以前，构建SaaS服务或移动应用程序需要一个开发团队、数月的工作和大量的预算，而现在，大型语言模型和专用框架已经处理了开发过程中的很大一部分。推动这一转变的最有效工具是什么？Codex和Claude Code——它们取代了整个流程中的某些阶段。将它们与LangChain或Dify等开源框架配对，一个单独的创始人可以在几天内完成以前需要几个月才能完成的工作。无代码LLM构建器也正在出现：只需用简单的语言描述您的应用程序，就可以获得一个可用的产品。下一步是自主代理系统，它们24小时不间断地运行：它们学习、适应并做出决定，而无需不断的人类干预。像OpenClaw这样的解决方案代表了下一个层次：自我开发的AI代理的基础设施，它们不需要等待命令。正是这种组合——强大的模型、开源框架和用户友好的构建器——可以被视为对传统SaaS模型施加压力的主要因素。从头开始构建AI应用程序或分叉开源解决方案正在成为一种可行的替代方案，尤其是在产品由用户友好的界面和相对简单的逻辑以及外部API组成的情况下。为什么简单的B2C应用程序首先受到影响谁最有风险？简单的B2C应用程序：习惯追踪器、卡路里计算器、基本健身工具、没有独特内容的AI教练。如果您的产品可以在两句话中描述，并且不依赖于专有数据或强大的社区——您就处于危险之中。具有简单功能的消费者应用程序市场将受到最严重的影响：习惯追踪器、卡路里计算器、基本健身应用程序和缺乏独特内容和复杂机制的AI教练。已经有许多服务允许用户根据自己的生活方式生成自己的跟踪器或计划，只需几个请求，无需向多个不同的应用程序付费。此类自动生成的应用程序的质量仍然有限：它们处理简单的场景效果良好，但在处理复杂的动画、游戏机制和儿童互动功能时却力不从心。这意味着第一次贬值浪潮将影响那些可以在两三句话中描述的产品，并且不依赖于独特的数据、强大的品牌或周围的社区。话虽如此，人们有理由相信，并不是所有用户都愿意或能够构建自己的应用程序，就像并不是每个人都愿意自己种菜一样。再加上新一代用户正在成长，他们习惯于向人工智能寻求帮助，而不是在商店中搜索应用程序，这正在形成一种长期趋势，即更加灵活、个性化的解决方案。为什么企业SaaS和基础设施将保持相关性谁是安全的？具有深度集成、合规层和真正的数据护城河的复杂企业平台。在企业领域，安全性、合规性、数据管理和与现有系统集成的问题仍然至关重要，而在这里，具有内置AI功能的成熟SaaS平台通常比内部解决方案更可取。SaaS市场作为一个整体继续增长：近年来，公司使用的云应用程序数量平均而言只会增加，人工智能正在增强许多这些平台，改善分析、个性化和自动化。公司应该采取什么策略？许多SaaS和应用程序开发人员今天犯的主要错误是忽视变化的步伐。模型和工具的技术进步确实正在加速，去年看起来像遥远的未来的事情现在已经在生产中了。停止在功能上竞争。开始解决太复杂而无法用一个提示表达的工作流程。将人工智能嵌入基础设施，而不是功能。并认真对待安全——这是您对快速组装的替代品的护城河。大多数简单、容易复制的应用程序确实会受到来自人工智能驱动的构建和开源工具的强大压力，而复杂的企业平台和基础设施层不会消失，而是会演变和变得更加强大。
在许多企业中，AI已经从简单的搜索工具转变为聊天机器人和协同工具，并在分析和客户服务中进行试点。但是，只有少数企业成功地将这些举措转变为稳定、可管理的解决方案，并将其融入核心业务流程。管理层经常将技术视为替代管理层或个人角色，而不是从一开始就将其设计为流程、风险管理和决策的架构的一部分。最大的风险出现在错误的代价高昂的地方。我们谈论的是金融、支付、反洗钱和法律决策。AI可能听起来自信，但仍可能是错误的。单个错误可能像玻璃上的裂缝一样迅速传播。管理流程中的错误也很危险：技术无法感知背景或理解内部团队政治——或者这些动态如何随时间变化。欧盟的AI法案将影响安全、基本权利和关键基础设施的系统归类为高风险。这对公司的治理、透明度和人工监督提出了特殊要求。其背后的逻辑是，首先需要明确定义上下文，然后再决定自主权的适当水平和模型类型。AI必须严格控制的地方最关键的后果来自金融和法律流程中的错误。支付逻辑中的一步错误可能立即影响利润和损失，触发监管问题，并损害声誉。监管机构已经明确警告，此类故障可能成为系统性风险的源头。现代AI系统更加复杂，与企业基础设施的其他部分更加紧密耦合，这意味着罕见故障的成本不断增加。管理流程同样风险很高——绩效评估、人力资源决策和预算分配。当AI被插入到这种工作流中而没有仔细设计时，它会优化可见的指标，同时忽略人类背景、内部动态和非正式协议。AI应该受到约束和管理的地方关键警告信号很简单：AI需要严格控制的地方是决策无法逆转、监管和审计参与、以及声誉比流程速度更重要的地方。在所有这些领域，限制AI为辅助角色以准备选项、标记需要检查的内容和支持工作流都是有意义的，但永远不要按下最终按钮。当没有人能够清楚地解释决策是如何做出的时，也需要更严格的治理。在这种环境中，AI就像一个噪音放大器：它不会解决根本问题，而是使其变得更大。最近的调查显示，组织在没有明确的架构和问责制的情况下扩展AI，最终会面临业务损失和监管反弹。模型变异性：需要双重检查的实习生一个不太直观但非常真实的风险因素是变异性。今天，AI回答得很好。明天，它会用不同的答案回答相同的问题。有时它听起来很聪明，但说的是废话。就像一个没有背景经验的实习生：充满好意，努力工作，但总是需要审查。认真对待这一点的公司建立控制机制。他们比较同一任务在不同时间的输出，不仅评估答案的质量，还评估其一致性。当模型开始漂移或摇晃时，团队可以提前发现。在关键流程中，逻辑很简单——AI准备和突出，但人类决定和确认。最终行动必须始终由一个人执行。对于高风险操作，100%的审查是必要的；对于更简单的操作，抽样就足够了，因为责任不能被自动化。与AI之前相同的角色仍然负责：反洗钱官、财务和合规。AI不会改变责任；它改变了速度。主要技术公司已经在内部标准中正式化了这一点——例如，微软的负责任AI标准明确要求定义负责监督和控制AI系统的人员，并确保在实际操作条件下进行有意义的人工监督。安全作为基础设置这里的第一条规则很简单：个人数据不能发送到外部模型。所有AI操作都应记录，以便您可以随时跟踪谁做了什么以及何时做。AI应在企业范围内运行——现在这是由监管合规性和网络安全驱动的要求。员工对AI的反应往往遵循可预测的模式。首先是好奇，然后是担心被取代，最后如果一切都是透明的，就会感到安心。这就是为什么培训应该有针对性、简短和实用。没有必要教他们模型如何工作——重要的是教他们AI在哪里有帮助以及在哪里需要控制。未来几年的趋势：从机器人到平台展望未来几年，已经很明显。首先，企业将转向统一的AI平台，而不是数十个断开的机器人。其次，AI将越来越多地与规则和传统自动化相结合。质量控制和日志记录也将成为标准。AI将成为一个背景工具：它将草拟、验证和建议。换句话说，AI将像一个好的助手一样工作。它加快了工作速度，但不签署文件。这些趋势绝对是好消息，适用于拥有完善的流程、明确的责任和量化风险的公司。他们将能够平静地扩展AI，并快速扩展。
