当 AI 完成工作时：SaaS 商业模式必须改变的原因

SaaS 行业建立在一个简单的前提上：软件帮助人们完成工作。过去二十年里的每一种定价模式、产品路线图和销售方式都围绕这一假设展开。一个席位代表一个人，一个许可证代表一个用户，续约则是当用户认为该工具仍然值得使用时发生的事情。

AI 正在从根本上打破这一前提。软件不再仅仅帮助人们完成工作，很多情况下，它直接代替人完成工作。这对 SaaS 商业模式产生了深远影响，也提升了对专业软件价值和防御性的要求。

功能竞争已经展开

AI 以行业未做好准备的速度将软件功能开发商品化。2024 年初，中国实验室 DeepSeek 构建了一个模型，其竞争力可比肩 OpenAI 的最佳模型，耗资约 $5 million，仅是估计的 OpenAI $100 million 支出的一个小部分。一年内，加州大学伯克利分校的研究人员以约 $30 复制了 DeepSeek 的核心推理能力。AI 开发的成本曲线正急剧下降。拥有合适 API 访问权限和提示工程技术的团队，现在可以近似实现曾经需要数年才能构建的功能。

其战略含义在于，如果任何功能都可以在数月内复制，那么功能就不再是持久的竞争优势来源。围绕功能差异化来组织产品战略，只会让你在不断被侵蚀的领域中竞争。同样，仅仅在现有产品上叠加 AI 层也面临相同问题。随着底层模型的获取变得更加普遍，软件公司必须在其领域专长、工作流以及配套系统中注入更多价值。

解决定价难题

基于席位的定价是向 AI 驱动工作转变中最显眼的受害者。当软件仅是工具时，这一模型直观且合理：一个人、一份许可证、一个席位。当 AI 代理自主处理任务时，这一逻辑已不再适用。当席位变成机器人，或单一部署承载数十名用户的工作负载时，按席位收费已不可行。

Gartner 分析师预测，至少 企业 SaaS 支出的 40% 将在 2030 年前转向基于使用量、基于代理或基于结果的模式，席位式收入占比将从 21% 降至 15%。市场已在朝此方向发展。Zendesk 于 2024 年 8 月推出基于结果的定价，按已解决的客户互动计费，而非按用户计费。Salesforce 随后推出了每次 AI 对话 $2 的 Agentforce。

行业的最大玩家已认识到旧模式不适应新现实。如果你等到市场强制变革，你将继承先行者设定的条款。

成本方面也存在问题。传统 SaaS 受益于几乎为零的边际成本。一旦软件完成构建，服务额外客户的费用几乎为免费。而 AI 驱动的产品则拥有随使用量增长的显著可变计算成本。席位定价从未为这种变动性设计。每一家仍在 AI 驱动产品上使用席位模式的公司，都在管理一种结构性不匹配，最终将迫使其寻求解决方案。

工作流所有权：新产品战略

如果功能不再是护城河，席位也不是合适的价值单元，那么什么才是？当公司有意识地在这场转型中前行时，他们发现答案是工作流所有权。工作流所有权指的是平台在客户运营流程中支持并连接一系列动作的程度，而不仅仅是孤立处理单一步骤。

对产品战略而言，这一重新定位意义重大。工具只解决特定任务，而工作流平台则覆盖整个序列：接收、处理、决策、跟进以及衡量。平台拥有的序列越多，替代的难度就越大，因为切换成本涉及整套运营流程，而非单一功能。这并不意味着要内部构建所有组件。许多情况下，更明智的做法是强化核心竞争力，并与在工作流相邻环节表现出色的公司合作。

以租赁为例。一个能够回答租户问题的 AI 代理正变得更易构建。但将租户从询问引导至看房，需要多个系统协同工作，包括房产数据、排程以及门禁等。没有单一功能能提供完整体验。价值来源于这些专业能力在整个流程中的互联。

根据 Gartner 的数据，集成能力已成为全球软件采购者的第 #3 最重要的因素。仅有功能不足以说服买家。他们同样关心它是否能与团队已依赖的系统集成，以及这些集成是否足够深入，以消除整个工作流中的阻力。

这改变了软件公司评估自身产品路线图的方式。问题不再是“我们接下来应该构建什么”，而是“我们尚未触及客户工作流的哪些部分，以及要拥有这些部分需要什么”。与相邻平台、数据提供商和服务层的合作变得与内部开发同样具有战略重要性。碎片化曾经可以作为一种防御手段，每个供应商保护其技术栈的独有部分。随着各项能力变得更易复制，这种做法可能对公司不利。

专有上下文是新的锁定方式

在传统的 SaaS 模式中，锁定来源于切换成本。迁移数据、重新培训用户以及重新建立集成都需要大量时间和精力。在 AI 驱动的模型中，出现了一种更深层且不太显眼的锁定形式：专有的客户上下文。

AI 系统的价值取决于其所使用的数据。通用 AI 模型只能回答一般性的问题。嵌入在平台中的 AI 系统如果积累了客户多年工作流历史、行为模式、配置决策和关系数据，就能够以针对该客户情境的上下文智能进行操作。通用模型无法做到这一点，这使得专有上下文成为软件领域坚实的竞争优势。

RSM US 确认了这一方向，指出成功利用专有数据的企业将在客户留存方面获得纯粹功能竞争对手无法匹配的提升。软件公司应当像投资其他能力一样积极投资于客户特定上下文的积累和结构化。当这些上下文与专业专长、既定工作流以及完成工作所涉及的其他系统相结合时，其价值会更高。竞争对手也许能快速复制单个功能，但要复制其周边的全部内容则是一个更大的工程。

这也对软件公司如何考虑数据治理和可审计性产生影响。当 AI 基于客户上下文执行关键任务时，供应商和客户都需要了解 AI 的行为及其原因。治理必须嵌入架构中，以确保 AI 驱动的工作流所有权具有可信度。

当成果成为产品时会发生什么

如果客户购买的是结果而非工具，产品团队就必须从根本上重新思考他们在构建什么以及如何衡量成功。围绕要交付的功能来制定路线图并不适用于以交付成果为导向的产品。开发者应更多关注为客户完成了哪些工作，而不是一个季度发布了什么，并且这些成果是否可衡量、可归因且可重复。

长期以功能规格和发布周期思考的产品经理需要熟悉运营指标。成功的成果是什么样的，我们如何判断已实现，以及产品设计如何确保 AI 行为足够一致以对结果负责？这是一门不同于为人类用户构建软件的学科。

我们已经可以在买家评估供应商的方式中看到这种变化。G2 的 评论数据 表明，AI 能力只有与可衡量的运营价值相结合时才有意义。功能新颖性在购买决策中的分量正在下降，而已证明的成果则在上升。仍主要依靠功能进行销售并将成果问题留给客户的供应商，越来越偏离买家的预期。

买家已经改变

企业和中端市场的运营者并不等供应商赶上。评估标准已经改变，买家希望了解平台能产生什么、在其现有工作流中的表现以及与其已依赖系统的深度连接。过去围绕功能演示和路线图展示的采购对话，正日益转向关注集成架构、成果衡量和运营问责。

对于拥有大量企业按席位计费曝光的 SaaS 平台而言，风险在于其收入倍数可能相对于转向消费或基于成果模型的公司出现压缩。投资者已经将客户用 AI 代理取代人工席位后净收入留存率下降的风险计入定价。

这对供应商而言是稍纵即逝的机遇。买家正在形成对 AI 原生软件问责方式的期待。前瞻性的供应商通过制定定价结构、深化集成深度，并更愿意接受基于成果的衡量，从而在续约和扩展中获得优势。仍专注于功能集的供应商会发现，这类对话与买家真正关心的内容日益无关。

重新思考价值标准

AI 正在改变软件的价值、受众以及定价条件。整个 SaaS 估值体系是为软件仅帮助人类工作的时代构建的。这个时代正在结束。

新时代要求企业把这视为一个从根本出发的问题。如果人工智能在完成工作，客户应该为哪些内容付费，以及原因是什么？答案是一个全新的模型，围绕成果、工作流所有权和专有上下文展开。这需要在定价、产品策略、合作伙伴关系以及成功衡量方式上进行不同的思考。

SaaS 的功能时代奖励了最强大的工具。AI 时代将奖励那些专业化程度和关联性最难复制的公司。今天围绕这一现实进行重组，能够为未来十年的企业软件构筑护城河。