当 AI 成为界面时，SaaS 会怎样？

多年来，登录 martech 软件意味着进入仪表盘。无论是需要分析销售、审查客户数据、监控活动表现还是管理账户，仪表盘都是起点。软件公司大量投入，使这些环境更易于导航，因为让客户进入应用程序是产品提供价值的核心。

AI 助手正开始挑战这一假设，因为人们越来越习惯于先提问，而不是在菜单和报告中搜索。他们可以告诉 AI 助手自己想了解或完成的内容，并期待技术自行判断需要哪些信息来作出回应。

随着这种行为延伸到工作场所，软件公司将看到客户可能仍然依赖其软件，但在应用程序内部花费的时间更少，这将改变他们展示功能的方式，甚至改变他们衡量客户从产品中获得价值的方式。

软件可以成为对话的一部分

Claude 和 ChatGPT 等 AI 助手已经改变了人们查找信息和完成日常任务的方式。企业采用带来了不同的机遇，因为这些系统日益能够与员工在工作中使用的专用应用程序和专有数据相连接。

Model Context Protocol (MCP)是实现这些连接的一项技术。MCP 为 AI 应用程序提供了一种标准化方式，以连接外部数据源和软件工具。软件提供商无需让每次交互都在特定应用程序内部开始，而是可以让产品的部分功能通过客户使用的 AI 环境进行访问。

要真正形象化这一点，只需想象一个分析应用程序。传统上，营销人员可能需要登录、打开报告、选择日期范围、应用过滤器并比较多个客户群体才能找到答案。通过与底层软件相连的 AI 界面，该营销人员只需询问最近获取的客户中哪些预计会成为 高价值客户。

分析软件仍在幕后执行重要任务，因为它拥有相关数据、应用专用模型并提供针对特定用例开发的功能，但客户获取这些功能的方式正在发生变化。

专有数据变得日益有价值

为用户提供对软件的对话式访问也暴露了通用 AI 的一个局限性。

模型可以对营销或电子商务了解很多，却不知昨天某家公司内部发生了什么。它不会自动知道品牌如何计算客户价值，或在何时将客户视为流失。实用的企业 AI 依赖于对使用它的组织特定信息的访问。

软件公司已经掌握了大量此类专用信息。客户数据平台了解客户行为，商业智能工具组织公司绩效数据。其他企业应用程序也包含关于其服务组织的类似专用信息。

将这些系统与 AI 连接，使模型能够使用公司特定信息，而不是仅依赖其通用知识。

随着 AI 模型不断改进，专有数据和专用软件功能可能成为日益重要的差异化来源。模型提供对话体验，而企业应用提供基础数据和功能，使对话对特定业务有价值。

答案只是机会的一部分

对话式软件的下一阶段还取决于 AI 给出答案后的处理。了解洞察很有用，但付诸行动才是业务软件获取大部分价值的所在。

想象一下，向 AI 助手询问哪些客户最有可能再次购买，然后利用该答案创建受众并将其提供给另一个系统，将对话转化为工作流。类似的可能性遍布整个企业软件。用户可以识别问题并启动下一步，而无需在多个应用之间切换，因为底层系统仍然执行专用功能，而 AI 助手协调用户的访问方式。

一旦 AI 能够发起操作，SaaS 产品就更像是 AI 系统在需要时调用的专用功能集合。分析产品可以识别受众，电商平台可以提供交易数据，营销平台可以激活活动，最关键的是用户不必逐个导航这些应用即可让它们参与工作流。随后，软件公司可以围绕客户想要完成的目标而非所需的屏幕顺序来设计工作流。

仪表盘仍有其职责

仪表盘不太可能完全消失，因为某些任务受益于可视化探索或一次性审阅大量信息的能力。用户仍然需要专用应用来完成许多工作，只是它们的角色已不再居于核心。

客户在需要深入探索时可能会打开应用程序，而通过 AI 助手处理日常问题和操作。另一位用户则可能定期与底层软件交互，却根本不打开其传统界面。

SaaS 公司历来将登录次数、会话时长和在产品内部的停留时间视为参与度信号。AI 中介的软件使这些指标变得复杂。如果 AI 助手经常代表用户调用产品的数据、模型或工作流，即使客户很少打开仪表盘，也仍可能是高度活跃的用户。

为客户工作的场所构建

SaaS 公司花了多年时间争取成为客户首选打开的应用。AI 助手带来了这样一种可能性：没有任何单一业务应用能够始终占据这一位置。软件仍需提供可信的数据、专用功能和可靠的执行。

为此模型做准备的公司应开始思考：客户最常需要产品的哪些部分，哪些数据可以安全地提供给 AI 系统，以及用户应能够以对话方式发起哪些操作。我认为仪表盘仍会有用，但它可能不再是交互的起点。