软件正在失去它的头:a16z 对话实录,AI Agent 时代企业软件到底值钱在哪

看点

• Salesforce 宣布”去头”（go headless），本质是把一直存在的 API 重新包装成营销话术。真正值得关注的不是这个公告，而是 AI agent 正在取代人类，成为企业系统的主要访问者。
• Agent 不是 API 的新皮肤。查询、执行、分析是三种完全不同难度的动作。混为一谈是现在大多数”headless 化”讨论最大的误区。
• SAP 不是数据库加 API。它真正的价值是被封装进系统里的业务逻辑。替换掉它，几乎等于把这家公司重新发明一遍。
• 企业里几乎所有有意思的事情都是例外。Context、context graph 这些热词，说穿了就是”某个人脑子里记着、但从没写进系统里”的处理惯例。
• AI 不会让长尾变短，只会让它变形、变长。大部分对 AI 取代工作的悲观预期，都建立在”工作量是固定的”这个错误假设上。
• 没有任何软件甘心被架空成”哑数据库”。中间件在图纸上很美，现实里从来没稳定过。历史在重演 90 年代微软反垄断案里的逻辑。
• 正面硬刚巨头是最蠢的打法。真正的机会永远在”两个正在把 AI 贴到产品边上的巨头中间”。HTTP/HTML 干掉 client-server，靠的不是做到了它的所有事，而是一件都没做。
• 企业软件的网络效应一直都在，只是长在公司内部，而不是消费级产品那种跨组织效应。

1. “去头”公告背后，真正在发生的事

这期节目的由头，是 Seema Amble 一个月前写的文章《Is Software Losing Its Head?》，标题呼应的正是 Salesforce 宣布”去头”。她对这个公告的评价很直接：”据我所知，什么都没真正改变，他们的 360 产品用的还是一直存在的那套 API，现在只是重新包装成了’360 产品’而已。”

但她认为重点在于广义的趋势：Salesforce 和其他公司都在思考一个问题，如果 agent 需要访问 CRM 里的数据，是走 UI 还是走 API？这才是”headless”这个词底下真正在发生的事。她举了个更有说服力的例子：Notion 的 headless 产品比 Salesforce 更说得通，因为 Notion 用户本身技术更强、更倾向于自己搭 agent；而 Salesforce 用户群体技术门槛更高，很多人根本不会去搭 agent。主持人 Elena Burger 补了个数据：Slack 上 agent 使用量涨了 300%，用户已经不需要登录 Salesforce 界面去拿数据了。

Steven Sinofsky（前微软高管、现 a16z board partner）对这波”新造词运动”的吐槽很扎心：”我们现在活在一个定义地狱里。技术新浪潮的一部分，就是给你以前就做过的事情起一堆新名词。”他调侃”agent”这个词，本质上就是”一个跑很久、可能跑不完的程序”的新叫法，”这是史上最好的品牌包装，把一个跑得巨慢的程序，也就是我们以前管它叫 bug 的东西，包装成了最酷的新功能。”

2. Agent 不是 API：查询、执行、分析，难度天差地别

Steven 提出了一个分析框架：区分 agent 和 API，该问的问题是”agent 具体在做什么”，分成三类：

查询（Lookup），最轻量的一种，”所有系统都很擅长的任务。事实上很多新发布的 headless agent API，就只是查询而已。你只是给了一个新界面去做老早就能做的查询，只是少了很多 UI 的麻烦。”

执行动作（Do something），这里开始牵扯出真正棘手的问题。”如果你要执行一个动作，你必须冒充一个具体的人，你得有他们的凭证。这算不算多开一个付费席位？还是共用同一个席位？这些企业级难题，只有当你真的想改变系统记录时才会冒出来。”

分析（Analyze），最适合 agent 发挥，但也是风险最大的地方。”这比查一个东西要复杂得多，往往涉及多个系统，而且特别适合 agent 去做，因为你不受时间限制，可以投入算力反复迭代，把任务路由给不同模型、比对结果。但这也是幻觉问题最严重的地方，因为你要去分析东西，就需要有办法验证分析过程的每一步都是对的。”

他的结论是：”headless 和 agent 这两个词经常被混为一谈，但你得先搞清楚自己在谈论哪一种，因为我们在这个三维矩阵的学习曲线和落地进度上，其实处在完全不同的位置。”

3. 软件的粘性到底从哪来

Seema 认为软件围绕”人如何交互”来设计。UI 之所以粘，是因为读写频率、下游工作流，以及大量没写下来的 SOP 都内嵌在里面，变成了肌肉记忆。她举例说，CRM 粘是因为销售代表要频繁进出；新来的销售 VP 往往会强制要求继续用 Salesforce，因为团队已经习惯了；财务要靠 Salesforce 出账单，市场也依赖它的数据，这些形成了依赖链。更关键的一点是企业需要单一事实来源，尤其是从 CRM 延伸到 ERP、payroll 这类系统时，会牵扯法律和合规原因，数字必须被”干净、正确地追踪”，达到审计标准。

Steven 的补充更偏向 go-to-market 视角：”最粘的软件，就是已经在从客户那收钱的软件。一旦开始收钱，客户就很难停止付钱，而且他们也很难想清楚，如果真停了要怎么办。”他还提出一个方法论：粘性的理由往往都是事后总结出来的胜利者叙事。你去问合规部门，他们会告诉你这是”最合 HIPAA 规范”的软件；问管理员，他们会讲用户上手成本；问用户，他们会讲肌肉记忆或者工会规定。他举了亲身经历：微软想动 Outlook 的邮件市场时，很快就发现了 delegate access（代理访问权限）和多人共管日历这种”没人开会决定要做的”功能，才是通用汽车 60 万个坐席死活不肯换掉 Outlook 的真正原因。

Seema 总结了两个关键词：”惯性是一种非常强大的力量”；软件的粘性从来不是设计者提前规划好的一套 checklist，而是软件像触手一样渗透进组织运作方式之后，变得难以拔除的自然结果。

4. SAP 不是数据库加 API：被严重低估的业务逻辑

Elena 提到 Steven 写过一篇《The Death of Software, Nah》，反驳”SaaS 末日论”。Steven 举了比 SAP 更极端的例子：保险公司几十年前写的老系统才是真正没法替换的软件，”这就是为什么总有笑话说要去找 COBOL 程序员，就是去修每个州都有的保险系统。”他还提到 Stripe 的成功本质：两代人以来第一次有人重新把”收钱”这件事重新编码实现，因为这个问题涉及每个国家的税法、每个司法辖区、每个边境、每种货币兑换，规模复杂度堪比保险系统。

他的判断是：”这些例子之所以粘，是因为它们编码了一种外部力量，SAP 的例子里，这个外部力量就是公司本身。如果你把 SAP 从一个大型汽车制造商身上拿掉，这家汽车制造商就不存在了。因为这家公司的定义，不只是买了这个软件、用了这个软件，而是它们把自己的业务规则编码进了这个产品里。”

Seema 展开了她在文章里的核心论点：”现在有个误解，觉得 SAP 不过就是 Postgres 数据库加 API，然后’bam’，你就能替换掉 SAP 了，这绝对不对。逻辑层面被封装在 SAP 里的东西，远比’这些数据恰好存在这个数据库里’这件事重要得多。SAP 实施动辄要花好几年，不是因为系统集成商效率低，而是因为它被高度定制成了匹配这家企业实际运作方式的样子。”

Steven 用”报销”讲初创公司的常见误判：40 人公司，报销可以靠一个人翻收据解决，或者拍照 OCR 分类就搞定了；但放大到”10 万人、20 个国家、不同国家法律和公司政策叠加”的规模，”整个业务就是被这样编码出来的，你没法替换它。”他还提到 Larry Ellison（Oracle）90 年代的一个著名论调：”企业应该满足于 80% 的解决方案，用能覆盖 80% 场景的东西就够了。”大部分企业软件的人当时的反应是：”第一，你只是在王婆卖瓜，因为你的软件本来就只做到 80%；第二，现实根本不是这么运作的。”

他还用汽车行业打了个比方：抛开电动/燃油之争，前十大车企本质上都是造车，用一堆成熟技术、流水线和工人造车。真正让这些公司彼此不同的，是它们怎么运营、怎么决定造哪款车、买多少原材料、对冲哪些货币、招多少人、什么时候推新产品线，这些全都是 ERP，全都在 SAP 里。”所以这些公司实际上是一群人坐在会议室里盯着 SAP 屏幕在经营。福特、丰田、通用、戴姆勒的区别，不只是看的是同一块屏幕，而是它们选择看哪些屏幕、在这些屏幕上做了哪些定制。”

他讲了个轶事佐证”人们严重低估企业软件的复杂度”：早年推销 Excel 给高盛银行家时，对方说”我们靠 Excel 赚的钱比你们卖 Excel 赚的还多”，因为高盛把 Excel 用出了自己的 add-in、自己的代码、自己的工作流程定义，根本不是打字这么简单。”这就是为什么会有这种荒诞的低估，觉得随便 vibe code 一下就能搞定企业软件，根本不是这么回事。”

Seema 补了个真实案例：她饭局上遇到一个千人规模公司的 rev ops 负责人，任务是”内部重建 Salesforce 实例”。这人觉得”我们知道所有字段，导入数据就行”，Seema 的反应是：”那根本不是难点。难点是，你怎么决定该采集什么信息、整个组织怎么围绕它对齐、以及长期由谁来维护这套东西？这块才是最容易被忽略的部分。我们都 vibe code 过一堆项目，最后都因为太痛苦、要花时间跟着业务变化而扔在那不管了。”

Steven 点出一个关键洞察，也解释了为什么 LLM 现在能派上用场：”企业软件几乎总是能做用户想要的事，只是用户不知道怎么让它做到。SAP 没有它生成不出来的报表、图表或分析，只是你搞不定怎么弄出来，或者权限没配对。所以企业软件里用得最多的两个功能，是所有企业软件原生都没有的：导出 Excel 和导出 CSV（或 PDF）。”这是每次做产品演示客户第一句就问能不能导出的原因，因为这是他们做不到分析的”逃生阀”。而 LLM 的价值就在于终于能”吃下”这些导出物：以前你导出 20 份 PDF 只能人工复制粘贴分析，现在可以直接丢给模型做以前做不到的分析。

5. 例外处理才是企业软件的灵魂

Seema 的定性是：”Salesforce 本质上是销售团队的一种强制执行机制，它逼着你把该收集的信息都收集全。”但转到 agentic 场景下，agent 要做外呼，”它不关心字段怎么组织、要点几次鼠标，它只需要拿到信息。”

她对 context 的定义很具体：”互联网这半年一直在讨论 context graph，但那到底是什么？就是所有的例外情况，你怎么处理某些特定 case、边界情况、权限，以及那些不在 Salesforce 字段里的政策。”她举了个例子：外呼邮件该怎么回，”通常如果对方在亚洲，我们这样回复；如果在美国，我们那样回复，这不在 Salesforce 里，这在某个人的脑子里。这就是现在 agent 要能代表这份数据去行动，所必需的 context。”

Steven 强化了这一点：”我没见过哪个销售、客户经理认为默认答案对他们的账户是对的。哪怕你把日语敬语用对了，’春天到了鸟儿在叫，但你逾期未付款、License 数量不对’，就算你语言用对了，销售代表也还是想按自己的方式处理。例外处理是 agent 面临挑战的根源，因为企业里几乎所有有意思的事情都是例外。”他还用了一个很生动的类比：”在麦当劳自助点餐机边上待 15 分钟，看人们在 kiosk 上试了又放弃，然后去问他们真正想要什么，’我想要一个 McFlurry，但我想两种口味混一起’，这从来不在选项里，永远都是例外。企业里所有自动化，本质上都是在处理例外，就是这样。”

Seema 举了几个正在解决这个问题的例子：他们投资组合里有家做货运合规检查电话的公司，用语音 agent 收集例外情况和相关 context；还有 computer-using agent 在观察人类点击软件、如何应对各种情况。但她也提醒这不是一蹴而就的，销售周期很长，每个例外不是那种高频出现马上能拿到数据的东西，你得攒够足够多的观察量才能真正理解这些例外，买方也要建立起信任。

6. AI 不会缩短长尾，只会让长尾变长、变形

这是全期最核心的论点。起点是一句技术圈老话：”没人能理解指数增长正在发生的时候是什么样子”，所以人们容易把指数的事情按线性去外推。Steven 把这个逻辑套到”生产力”上：”人们看着现有的一堆工作，说’我们怎么让这个变简单’，然后开始害怕，我们要把一切都自动化掉，一切都变成 API，然后我们会进入一个一切自动化、可预测的极乐世界。但他们忘了，生产力本身会催生新的应用场景。一旦某件事因为自动化变简单了，我们就会立刻发明一堆新的事情去做。”

他用 Amazon 客服举例：Amazon 干掉了打电话退货那种痛苦的人工流程，发明了”消耗品直接不用退回、销毁掉更便宜”的做法，但这不代表工作变少了，而是催生了一整套新的后端分析体系去持续研究”怎么让这种情况不再发生”。”长尾没有变短，只是以不同的方式变长了。”

他对就业悲观论的批判很直接：”关于 AI 的所有负面情绪，都来自于一个错误假设，认为要完成的工作量是固定的，只需要 n 个人加 m 单位软件，然后我们要用 m+5 的软件去替代掉 n 个人，然后就结束了，没有工作了，只剩一个跑着的 agent。这种事永远不会发生。”法务/合同的例子也类似：”人们以为法律会帮合同签得更快、不需要律师了，但我可以保证，合同只会变得更长、更复杂，覆盖比一个人能想到的多得多的场景。”Seema 补充：这会催生更多诉讼，形成一整个新生态。Elena 打趣：以及更多交易。

放射科医生的例子是这段最扎心的佐证：”这是个半虚构的著名案例，有相关性但未必是因果，放射科医生都很喜欢 AI，现在我们却出现了放射科医生短缺。原因很复杂，但这就说明创新从来不是静态的，需求端也从来不是静态的。”最后他回到”报销”这个微观案例做收尾：从最早什么都没有，到有了 excel 表格，到有了完整系统可以分析，到现在因为能分析所以进一步优化”该用哪张信用卡、该走哪家航司、该怎么定差旅政策”，突然之间出现了一个比订机票复杂得多的新岗位，叫商务差旅分析。而分析驱动出的新流程和新行为本身，会成为公司之间新的差异化点，最后甚至演变成”远程办公优化工具”这种完全不同的东西。

7. 中间件从来不稳定，历史正在重演

Elena 引导 Steven 回顾他去年写的一篇关于 MCP 崛起的文章，文章把这个现象类比到微软反垄断案（司法部当年论证微软很多产品可以归类为”middleware”）。Steven 的判断是：”现在 MCP 上正在发生的一切，很大程度上是被’什么是好的软件架构’这种工程师视角驱动的，而不是被物理现实驱动的。”

“如果你是工程师，你当然希望每个工具都有干净的 API，最好是命令行接口，文本进文本出，但这不是这个世界真正想要的运作方式。没有任何软件愿意被上层的某个抽象层架空。没人想被告知’你的工作就是用 SQL 格式存报销数据，别的什么都不用管，我们会通过你把数据管道输送给别的分析工具’，因为这不是一个成长中的业务，这是一个正在衰败的业务。”

他解释了背后的客户心理：”客户实际上不想从一堆不同供应商那里拼装自己的场景，因为你的系统稳定性只取决于其中最不稳定的那个环节。如果报销支持公司倒闭了，你就彻底没辙了。所以你反而希望自己的报销支持公司持续壮大、做更多事情，哪怕你心里其实想的是’我希望他们别再折腾了’。”而供应商这一侧的反应是：”这些公司不会坐以待毙，他们会看看左边、看看右边，直接把客户在用他们产品做的事情，做进产品里。”他还提到一个行业现实：大型企业软件公司把跟竞品打平当作一种胜利，因为可以直接把这个功能打包进现有产品里免费送。结论是：”这个 middleware 层，在网络架构图上看起来很美，但现实里从来没稳定过。”

Seema 补充了实证案例：Workday 一直有 API，但”你真的能干净地把 Workday 里所有数据拿出来、完全脱离 Workday 独立运作吗？不行。Workday 故意让你很难拿到完整文档、不会暴露 API 的全部输入，这就是把自己变成一个’哑数据库’，他们没有动机这么做。”

8. 别正面刚，机会在两个巨头中间

Steven 给出一条核心判断：”最难、同时也是最蠢的事情，就是试图正面硬刚一个现有品类，不仅是同一品类，而且是用同样的方式去做。现在真正的最大机会，永远是站在两个已确立的玩家中间。”原因很直接：”你现在能确定的一件事是，在技术巨变期，现有玩家绝对不会做的一件事，就是打乱自己现有的产品线和 go-to-market。他们只会把 AI 贴到现有产品上，不会砍掉它、不会停止维护它、不会做任何可能弄坏它的事情。他们只会尝试硬扛过这场技术风暴。”

给创业者的具体建议是：”你的机会就是找准两个正在把 AI 贴到产品边上的大玩家，瞄准中间地带，用全新的方式且只用全新的方式做事。这样你就不会走进每个客户那里被要求’先做完这 8000 件事才能进门’，而是面对一个同样难、但你自己能掌控的问题，你为什么存在，这是你自己的问题。”

他用 HTTP 和 HTML 做了个历史类比：”Client-server 架构当时已经存在。但 HTTP/HTML 之所以能取而代之，不是因为它做到了 client-server 能做的所有事情，事实上它一件都没做到，而是它用一种全新的方式实现了那个’客户端-服务端交互’的概念。所以互联网能存在，尽管当年 legacy 供应商在 client-server 应该怎么运作这件事上砸了一万亿美元。”Seema 补充了另一个维度的机会：不只是两个 legacy 供应商之间，现在还有一层，组织内部不同职能部门之间的翻译层。软件以前总感觉是”卖给销售团队”或”卖给财务团队”，但中间其实有很多交接环节，这也是现在 context 的来源，本身也是一个有意思的机会。

9. 企业软件的网络效应，长在公司内部

Seema 问道：”消费级产品总在谈网络效应，是防御力的重要来源。但据我所知，没有任何一家企业软件公司真正成功实现过网络效应，虽然理论上这该是长期 durability 的好来源。Salesforce 过去也尝试过几次。你觉得企业软件会不会开始进入网络效应领域？”

Steven 纠正了她的前提：”公司外部的网络效应，出于一堆合规和安全原因，非常难做。但企业软件里最大的网络效应，发生在公司内部，而我们现在正通过 chat 看到这件事在发生。”他用了一个很生动的历史类比：企业里大部分人”其实对让自己的工作变得更好并不感兴趣，他们只想上班、拿钱、回家”，这是大多数人的常态。但总有一小撮人，比如那些高盛的银行家，”就是想做更多、更快、更聪明的交易模型”，这些人当年用 Excel，别人还在用 Lotus 1-2-3。他提到网上流传的一支 80 年代末 Excel 电视广告：一个人在电梯里用着一台重达 12 磅的笔记本电脑，周围一群同事围过来问”你在干嘛？你怎么做到的？”，”快进到 2025 年，chat 上正在发生一模一样的事情。”

他还讲了个亲身实验：”我有个在 SAP 的朋友在写一份白皮书，我就问她’你想回答什么问题’，把她的问题当 prompt 丢给模型，生成白皮书发回去给她。我很确定这在她团队内部引发了某种病毒式传播循环，因为大家突然看到了怎么让自己工作变得更好，而且这东西他们够得着，他们就真的开始用了。”最后他总结：”一个能让两个原本没法对话的职能部门连接起来的工具，这是黄金机会。这本质上就是企业软件集成这件事，只不过过去全靠人工蛮力、找咨询公司手搓。如果你能做出用 AI 把一个组织里互不沟通的部门连接起来的软件，那就是一个全新的品类。”他举了 Figma 连接设计和产品开发团队的例子，以及云计算如何让 IT 和财务部门用同一套工具做预测。

这期对话的落脚点是：AI/agent 不会让”系统里那层沉淀了几十年业务逻辑和例外处理经验”的价值消失，反而会让它更值钱，因为能触达和利用这层价值的方式变多了，而不是变少了。

来源：The a16z Show — Is Software Losing Its Head?（嘉宾：Seema Amble, Steven Sinofsky；主持：Elena Burger），2026-07-07https://podwise.ai/dashboard/episodes/8364728