夜雨聆风
软件公司的AI改造分级L1-L4:从个人工具到经营重构(含真实案例拆解)
SaaS创业路线图系列 | 第245篇
【近期本号将在北京、上海举办实战研讨课，每场10家软件企业一起探讨如何将自己从L1、L2提升到L3，并在将来实现L4。欢迎了解详情：】
—==正文==—
上周我把参加腾讯SaaS改造闭门会的14家企业做了“AI改造L1-L4”分级，有几个朋友留言或私信我问分级标准是什么？
判断一家软件公司的AI改造程度要看一个核心问题：
AI在公司的价值交付中，承担了多重的责任？
软件公司的价值交付链条，大致包括：市场获客、销售转化、需求定义、产品设计、研发测试、部署交付、客户成功、续费扩容、经营管理。
我们可以把软件公司的AI组织改造分为四级：
L1，个人提效。L2，流程嵌入。L3，作业承接。L4，经营重构。
我虽然做过十多年研发，但最近8年的角色是研究软件创业和企业经营改进。我这套不是技术分级，而是经营分级。
本文将陈述这套分级方法、介绍每个级别的具体场景，并以慧算账为例为大家介绍从L2（去年的慧算账）、到L3（今年的慧算账）再到L4的差异。（慧算账是我目前见过国内SaaS公司里AI改造级别最高且上规模的公司：L3.5）。
一、软件公司AI改造L1-L4
|
|
|
|
|
|
|
|---|---|---|---|---|---|
| L1 | 个人提效 |
|
|
|
个人更快 |
| L2 | 流程嵌入 |
|
|
|
流程更快 |
| L3 | 作业承接 |
|
|
|
作业闭环 |
| L4 | 经营重构 |
|
|
|
重构经营 |
简版如下：
|
|
|
|
|---|---|---|
| L1 | 个人提效 |
|
| L2 | 流程嵌入 |
|
| L3 | 作业承接 |
|
| L4 | 经营重构 |
|
L1：个人提效
L1是最容易开始的一层。
员工开始使用AI工具，提高个人产出。研发写代码更快，产品写PRD更快，市场写内容更快，销售做客户调研更快。
但公司没有整体改变。所以L1不能被高估。
一家软件公司如果只是全员配了AI工具，只能说明它开始AI化，不能说明它已完成组织改造。
场景：研发AI coding
工程师用Claude Code、Codex、Cursor等工具写代码、改Bug、生成单元测试。
效率可能提升明显。但需求仍然由产品经理提出，架构仍然由人设计，测试仍然由测试团队把关，发布仍然走原来的流程。
L1的价值是普及AI意识。但局限是，它不会自动带来组织结果。
L1只解决了某些瓶颈问题，但对组织中的其它瓶颈熟视无睹。
很多公司会发现：员工效率都提高了，但公司研发效率、最终业绩都没有明显提高。原因就在这里。
个人提效不是组织提效。
L2：流程嵌入
L2比L1前进了一步，AI不再只是员工自用工具，而是进入公司的正式流程，成为流程中的一个节点。
这时AI开始进入公司的作业系统，但流程主导权仍在人手里。
人提出任务，人判断结果，人决定下一步；而AI则增强某个节点。
场景一：客服智能工单
客户提交问题后，AI先做分类、摘要、推荐答案，再由客服人员确认、修改、发送。
这个流程有价值。它降低了客服查资料的时间，也提升了响应速度。
但客服人员仍然是流程发动机。AI没有独立完成问题识别、知识调用、方案执行、结果校验和异常转人工的闭环。
这是L2。
场景二：研发流程中的AI审查
代码提交后，AI自动做代码审查，提示潜在Bug、规范问题、安全风险，并生成部分测试用例。
这会提升研发效率。但需求拆解、技术设计、测试策略、发布判断仍然由人主导。
AI进入了研发流程。但研发流程没有围绕AI重写。
这也是L2。
L2的价值是让AI进入正式流程。L2的局限是AI仍然只是节点，不承担完整作业责任。
很多软件公司现在正处在L2。这是很大进步，但还不是作业闭环重构。
L3：作业承接
L3是重要分水岭。这次腾讯活动上的14家企业，只有3家达到了这个段位。
从L3开始，AI不再只是流程节点，而是在限定场景内承接一段完整作业闭环。
这个闭环必须满足几个条件：有清楚的输入、明确的业务判断、有结果生成、有结果校验，也有异常处理或人工兜底。
L3不等于无人化。更准确地说：
AI成为主要作业引擎，人转向规则设计、审核、异常处理和系统优化。
所以，L3的关键是“有没有可控作业系统”。
至于完全脱离人的作业系统，我觉得它既不现实，也不必要。
不现实：目前实现难度过大；
不必要：完全不需要人的产品，如果还有海量客群，就正好在“大厂”的典型射程内，创业公司即便做出来也没有意义。
L3场景：AI承接客户交付配置
一家企业软件公司，客户提出一个标准范围内的配置需求。
AI读取客户需求、匹配产品能力、生成配置方案、调用系统完成配置、生成验收材料，并根据规则进行结果校验。
交付顾问不再逐项操作，而是审核配置结果，处理异常需求，维护规则库和模板。
因为AI承接的是一段完整交付作业，而不只是帮顾问写方案。
以前人是执行者。现在人是监督者、训练者、异常处理者和规则维护者。
L2是AI插进流程。L3是流程围绕AI重写。
这是最关键的差异。
L4：经营重构
L4必须建立在L3之上。
推出AI产品，不等于L4。
改变收费方式，也不等于L4。
真正的L4，是公司围绕稳定的AI作业闭环，重构交付方式、收费方式、组织结构和经营责任。
L4看的是经营系统变化。
场景一：从卖软件到卖结果
一家行业销售软件公司，过去按账号收费。
现在它不再只提供CRM工具，而是用AI作业系统帮助客户完成线索发现、客户画像、话术生成、触达节奏、商机推进和结果归因。
公司不再只承诺“提供系统”，而是开始承诺“有效商机数量”或“销售动作完成质量”。
收费方式也从账号费，部分转向按线索、按商机、按成交贡献收费。
这才接近L4。
前提是：背后必须有稳定的AI作业闭环。
场景二：从标准交付到AI经营单元
一家行业软件公司，围绕某个高频业务场景建立AI作业系统。
公司内部不再按传统研发、产品、交付、客户成功切割，而是组建小型经营单元：有业务负责人、有业务工程师、有客户成功和异常处理团队，也有明确毛利目标和客户结果目标。
这时AI不只是产品能力，而是经营单元的基础设施。
公司不再只考核功能上线，而是考核业务结果、交付毛利、客户续费和扩容。
这就是L4。
L3是作业闭环。L4是重构经营。
三、各级之间的依赖关系
从L1到L4这四层之间有递进关系：
|
|
|
|---|---|
| L1 → L2 |
|
| L2 → L3 |
|
| L3 → L4 |
|
最容易跳空的是L4。
很多公司先想新收费方式，先想AI产品包装，先想结果定价。客户会很快发现，所谓AI交付，最后还是人工顾问在背后硬扛。
如果没有L3级AI作业闭环支撑，L4只是商业叙事。
—— 这条是我在写这篇文章时才想到的。过去8年我都在讲商业SaaS，但为何能实现按业务量收费、乃至抽佣的SaaS公司凤毛麟角？
因为定价依赖产品价值、依赖公司的组织能力。身体在上一个时代，脑子提前进入下一个时代，也解决不了软件公司经营效率低下的难题。
只有从L1到L4一个个阶段做扎实，SaaS公司才真正完成了更新换代。
真正的顺序应该是：
先让AI稳定承接作业，再围绕作业闭环重构经营。
四、从L2到L3的成功案例：慧算账
这里我有个调研的具体案例——慧算账。
我每年都与慧算账创始人及CEO张述刚进行深度交流。2025年慧算账推出了“自动记账Agent”，我也写了一篇文章《改变软件范式的慧算账：不是生产力工具，而是生产力本身》详细分析。
自动记账Agent还只是L2 —— AI嵌入了工作流程。
今年我再拜访张述刚，加上在腾讯活动上听慧算账研发总经理对AI产品和产研组织改造的介绍，我看到他们已经进入L3阶段：
-
把 AI 嵌入“会计作业系统”。一方面通过龙虾给代记账会计团队配 AI 助理，已覆盖几百个会计，并计划扩展到销售；
-
另一方面用 AI 工坊（相当于财税场景的Coze）承接定制化需求，沉淀五大 Skill、SOP、行业模板。
如果说 2025 年的自动记账 Agent，证明的是 AI 可以进入会计流程中的关键节点；那么 2026 年我看到的慧算账，已经不只是“自动记一笔账”，而是在把 AI 放进一整段会计作业系统里。
这个变化先从基础事实看。
慧算账在过去 11 年沉淀了完整的财税 SaaS 和代账服务流程。过去的自动化已经很深：从发票、单据识别，到归类、财务核算、申报，很多标准场景已经自动化。在腾讯活动的现场分享中提到，他们每月大约处理 800 万张票据识别和分类，业务判断准确率约 95%；线上有 3000 多台 RPA 24 小时运行；约 90% 客户在标准场景下基本不需要会计干预。
但这恰恰暴露出新的瓶颈：标准化场景已经接近自动化天花板，真正消耗代记账会计时间的是非标场景。慧算账提到，一个会计每月服务 200-300 户已经接近瓶颈，而约 30% 的非标场景会消耗会计约 90% 的时间。L3 的机会，就出现在这里。
慧算账今年的做法不是推倒重建一套 AI 原生财税系统，而是提出“双轮战略”：第一轮，把 AI 嵌入原有 11 年系统，让一个会计从每月服务 200-300 户继续突破到 400 户甚至 450 户；第二轮，建设 AI 工坊，面向大客户和定制化需求下场交付，把非标需求沉淀成 SOP、Skill 和行业模板。
这就是 L3 与 L2 的差别。
L2 是 AI 嵌入流程，帮助人完成某个节点。自动记账 Agent 属于这一类。它已经很有价值：早期 OCR 加小模型只能做到约 70% 采纳率，没有实际生产意义；后来结合 DeepSeek 等 LLM，并基于约 100 万家企业 2 年真实记录、约 2 亿条记账数据训练后，采纳率提升到约 94%。系统能自动完成大约 90% 的记账工作，人主要处理异常、沟通和确认。（详见上面提到的本号去年文章）
但 L3 不止是“更准的节点”。L3 要让 AI 承接一段作业闭环。
慧算账今年展示的闭环已经不止记账本身。他们把龙虾/openClaw 与企业微信侧边栏结合，给每个会计配置一个“龙虾 AI 助理”。上个月已经上线约 500 个龙虾，基本覆盖会计团队；下个月还计划覆盖销售端数百人。
此外，我感到特别有价值的启示是 —— 它没有改变用户原来的工作入口。
客户仍然在企业微信里甩发票、发文件、提需求，会计仍然在熟悉的服务场景里接活，只是企微侧边栏多了一个能调用系统能力、理解上下文、串联流程的 AI 助理。
现场展示的场景也不是简单问答，而是一段段业务动作：站内发票数据自然语言查询，站外社保政策智能搜索……尤其是调账、社保、工资申报这些场景，都不是“生成一段文字”就结束，而是要识别输入、判断业务逻辑、补录关键信息、调用系统能力、生成结果，并在必要时进入人工审核。
同时，慧算账已经开始把非标交付沉淀成可复制能力。AI 工坊抽取了五类核心 skill：Web skill 、Service App skill 、文件处理 skill 、电子表格 skill 、BI 分析 skill …… 再加上标准 SOP、行业模板、子模板和客户参数模板，逐步把定制化交付变成可复用的作业能力。
这背后的经营含义很大。慧算账不是把 AI 当成一个“会计 Copilot”，而是在把会计作业拆成输入、判断、执行、校验、异常处理几段，然后用 AI 工坊、Skill、SOP、模板和既有系统 API 重新编排。
它既没有放弃原有 SaaS 底座，也没有迷信一个通用大模型可以自动完成所有工作，而是把多年积累的流程、数据、规则和客户现场经验，转化成 AI 可调用、可治理、可复用的作业系统。
财税又是一个典型的零容错场景，这使慧算账的实践更值得我们参考。
腾讯云活动现场有同行问：财务场景遇到大模型幻觉怎么办？慧算账的回答是：不能让大模型自己决定最终调什么接口，也不能把核心业务完全交给自由推理。核心业务要封装进智能体平台，SOP 和 Skill 要事先编排好，调用链要确定下来；执行时如果调用链偏离预期，就要告警；整个链路要能追踪、能回滚，否则一旦智能体执行了很多业务却无法撤回，就会变成工程和财务事故。
所以，慧算账进入 L3 的标志是它已经形成了“可控作业系统”：
第一，有真实作业入口。会计和客户仍在企业微信、客户群、票据、文件、表格、申报流程中工作，AI 没有悬浮在业务之外。
第二，有可被 AI 承接的完整作业段。发票查询、社保办理、工资申报、调账方案、大客户数据处理，都不是单点内容生成，而是从输入到结果的业务闭环。
第三，有可复用的能力沉淀。成功流程被封装为 script / skill，优秀会计的提问方式和处理经验被 review 后固化，行业模板和客户参数模板不断积累。
第四，有治理和兜底。核心调用链事先编排，异常链路告警，结果可校验，必要时人工审核，关键动作要求可回滚。
第五，人的角色发生变化。会计不再只是逐笔处理单据，而是处理异常、审核结果、捕捉客户需求、维护客户满意度；销售也可以在系统提示下承担一部分服务沟通；工程师和 AI 工坊则把新需求快速沉淀成可复用的作业能力。
这就是我为什么把慧算账放在 L3（实际上还要再高一点，能到L3.5，这个我以后文章或实战课里再细讲）。
它不是简单“给会计装了 AI 工具”，而是让 AI 在一个高频、强规则、强校验、强责任边界的财税场景中，承接了越来越多完整作业。人的价值没有消失，反而上移到规则设计、过程审核、异常处理、客户沟通和系统优化。
因此，慧算账案例给软件公司的启发是问自己：你有没有真实入口？有没有高频闭环？有没有可表达的规则？有没有结果校验？有没有异常兜底？有没有办法把一次非标交付沉淀成下一次可复用的 Skill 和 SOP？
如果没有这些，AI 再强，也只是一个更聪明的助手。
如果有这些，AI 才可能从流程节点变成主要作业引擎。
我们小结一下，慧算账的 L3 价值可以概括为一句话：
它把 AI 从“自动记账这个流程节点”，推进到“会计作业系统的一段闭环承接”。
它的核心是人机分工重构：AI 承接高频、规则密集、可校验的作业；人负责规则、审核、异常、客户关系和系统持续优化。对软件公司来说，这才是从 L2 到 L3 的真正分水岭。
五、软件公司的典型演变路线
软件公司AI改造，一般不会从L1直接跳到L4。
更常见的路线是：
第一步，全员工具化：让研发、产品、市场、销售、服务都使用AI。目的不是马上降本，而是建立基本能力和判断力。
第二步，关键流程嵌入：优先选择研发、客服、交付、客户成功等高频流程。把AI嵌入真实工作流，而不是停留在个人习惯。
第三步，选择一个作业闭环。不要一开始追求全公司AI化。先找一个高频、痛点明确、数据可得、结果可验证、错误可兜底的场景。
第四步，重构组织责任。当AI可以稳定承接作业闭环，就需要调整组织。
谁负责规则？谁负责评测？谁处理异常？……
这时会出现新的角色：AI BP、AI Builder、FDE、业务工程师、AI作业运营、小CEO（利润中心负责人）……
第五步，探索经营重构。当AI作业系统足够稳定，公司才有资格改变收费方式和客户承诺。
从卖账号到卖业务量、从卖模块到卖结果、从卖工具到参与客户运营……
这时才是L4。
（目前我手上有两个L4案例，但还不够成熟也没有通过营收规模的证明，总结规律比较困难，有机会我再做单独案例分享。）
六、结语
软件公司的AI改造，可以压缩成四句话：
L1，个人提效：AI是个人工具。L2，流程嵌入：AI是流程节点。L3，作业承接：AI是可控作业系统。L4，经营重构：AI成为经营系统的一部分。
真正的分水岭是L2到L3。因为从L3开始，AI不再只是让人更快，而是开始改变软件公司的价值交付方式。
L4则更进一步。公司不只是用AI做事，而是围绕AI作业系统，重新定义自己怎么交付、怎么收费、怎么组织、怎么承担经营责任。
所以，软件公司的AI化是一场从个人效率到流程效率，再到作业系统，最终走向经营系统的重构。
你任务自己所在的公司的AI化程度如何？欢迎投票，投票后可以看到其他公司的AI改造进度
【投票】
【相关文章】
你的产品在哪个象限？横轴~产品AI化深度 vs 纵轴~商业化高度
【新年长文】AI产品创新：早期策略、战略投入与下场交付 —— 来自北森、千里马、Palantir在AI时代的实践与启发
【个人介绍】本文作者吴昊，SaaS领军企业前执行总裁，多家SaaS企业常年顾问，图书《SaaS创业路线图》及2.0 作者。
对实战课感兴趣的同学，请点击“阅读原文”了解详情。