SaaS创业路线图系列 | 第256篇

去年，Anthropic CEO Dario Amodei曾发出一个很吓人的警告：未来1—5年，AI可能消灭一半的初级白领岗位，并将失业率推高到10%—20%。

但一年过去，大规模失业还没有发生。截至上个月，耶鲁大学Budget Lab仍未发现AI使用程度与就业、失业变化之间存在清晰联系。

这是因为，模型能力不会直接变成失业。

模型与岗位之间，还隔着产品工程、企业数据、业务流程、组织利益、结果验证和责任划分。AI跑得很快，企业组织却跑得很慢。这种“慢”，限制了AI价值释放，反过来也保护了大量个体。

但这是一种脆弱的平衡。一旦模型可靠性、Agent工程能力和企业竞争压力同时跨过临界点，企业采用AI的速度可能突然上升。届时，今天积累的AI能力会被集中释放，教育、岗位迁移和利益分配却未必来得及跟上。

那么，AI对社会组织的冲击，最可能经历怎样的过程？

综合英国苏塞克斯大学 SPRU 荣誉研究员Carlota Perez等人的研究，我把它压缩成五个阶段。

第一阶段：个人先用AI，组织暂时不变

新技术出现后，最先行动的通常是个人。员工开始用AI写代码、查资料、做方案、准备会议、回复客户。但公司的岗位说明、业务流程、绩效考核和收入模式都没有改变。

于是形成一种“影子AI组织”：表面上还是原来的公司，内部已经有越来越多工作由人和AI共同完成。

这解释了今天一个看似矛盾的现象：AI已经无处不在，企业生产率却没有同步暴涨。Stanford 2026 AI Index显示，88%的受访组织已经使用AI，70%在至少一个业务职能中使用生成式AI；但Agent在绝大多数业务职能中的部署率仍然只有个位数。

今天企业普遍拥有AI工具，却很少完成端到端的流程改造。

经济学家Paul David研究电气化时发现，工厂最初只是用大型电动机替换蒸汽机，仍然沿用过去的厂房和传动结构。直到企业重新设计生产线、机器布局和管理方式，电力的生产率价值才真正释放。

Brynjolfsson等人将类似现象称为“生产率J曲线”：通用技术出现后，企业需要先投入软件、数据、流程、技能和管理等无形资产。前期成本上升，收益要等组织改造完成后才能显现。

所以，AI的第一阶段是个人效率革命，还谈不上组织革命。

第二阶段：岗位被拆成任务，AI开始进入流程

一个岗位通常很难被AI整体替代，但可以被拆成很多任务。

例如，客服岗位包括查询资料、生成答案、理解客户情绪、处理例外、推动续费和承担责任。AI会先拿走其中标准化、数字化、可重复、容易验证的任务。人继续负责目标、判断、关系、异常情况和责任。

这也是为什么我说，LLM与人脑会长期互补。

但长期互补不等于每一个岗位、每一个人都不会受到冲击。经济学家Acemoglu与Restrepo把技术对劳动的影响分成两股力量：一股是“替代效应”：机器接管原本由人完成的任务。另一股是“恢复效应”：技术创造出新的任务、新产品和新市场，让劳动重新进入生产过程。

最终结果取决于两个速度：旧任务消失的速度，与新任务形成的速度。

如果企业只用AI削减原有成本，劳动需求和人的议价能力就会下降。如果AI同时降低产品价格、扩大服务范围、创造新的需求，人的价值可能重新增长。

国际劳工组织2025年的研究也认为，全球约四分之一的岗位受到生成式AI影响，但由于多数职业仍包含需要人类参与的任务，岗位改造比完整替代更可能发生。

所以，第二阶段的核心并非“哪个岗位会消失”，而是岗位内部的人机边界开始重新划分。

第三阶段：跨过临界点，企业采用突然加速

企业组织依靠已经形成的流程、规则、权力结构和考核机制运行。

这些稳定的运行方式可以称为“组织惯例”。惯例让企业可以持续复制成功经验，也让企业很难因为一种新技术迅速改变自己。

今天企业推进AI，会遇到一连串现实问题：数据是否准确？客户是否接受AI参与服务？效率提升后，部门利益如何重新分配？

所以，企业采用AI通常不会匀速推进。早期是大量试点，却很少进入核心业务；一旦模型可靠性、Agent工程、企业数据和竞争压力同时跨过临界点，采用速度就可能突然上升。

这时，企业面临的问题将发生变化：竞争对手已经用AI重构成本、速度和客户价值，我们还能不能不改？

Carlota Perez把技术革命分为“安装期”和“部署期”：新技术先完成能力、资本和基础设施积累，随后在组织和制度找到新范式后，进入广泛部署阶段。技术红利才可能从少数先锋企业扩散到整个经济。

今天保护大量个体的，主要是企业组织改造的困难。但组织瓶颈一旦突破，就会加速。

第四阶段：先少招人，再重新定价人的价值

企业跨过临界点以后，社会冲击未必首先表现为大规模裁员。

企业更容易采取的是：员工离职后不再补人；减少校招和初级岗位，把过去交给新人练习的任务直接交给AI。

因此，宏观失业率可能暂时平稳，职业成长的梯子却开始缺少最下面几级。这也是AI冲击最隐蔽的地方。组织仍然需要人，但需要人的数量、结构和能力要求已经发生变化。

过去，一个专家带十个初级员工；未来可能变成一个专家加若干AI，再配置少量能够理解业务、验证结果和处理异常的人。

人的价值也会重新分化。

第一类，是被AI放大的专家。他们拥有业务判断、客户关系和系统视角，AI帮助他们扩大产出。

第二类，是被AI升级的普通人。AI把部分专家经验传播给新人，缩短他们的成长时间。客服领域的研究就发现，生成式AI能够显著提高低经验员工的生产率，帮助他们更快接近优秀员工。

第三类，是被AI商品化的熟练劳动者。他们过去的价值主要来自信息掌握、标准化表达和重复执行，而这些能力正在迅速变得廉价。

所以，LLM与人脑长期互补，并不意味着所有人都会自然获益。

更可能出现的局面是：AI与一部分人高度互补，同时降低另一部分人的稀缺性。

第五阶段：社会补课，形成新的人机分工

当岗位、收入和财富分配的变化超过社会承受能力，制度调整才会加速。

教育体系需要重新设计人才培养方式。企业需要重新设计初级岗位和成长路径。政府需要调整劳动保障、职业培训、税收和监管机制。社会也会要求AI创造的生产率红利，不能只流向资本和少数头部人才。

最终，社会可能形成一套新的稳定分工：AI负责大规模信息处理、内容生成、分析和标准执行；人负责目标定义、复杂判断、关系协调、例外处理和责任承担；大量旧岗位被拆解重组；新的岗位围绕AI验证、流程编排、治理和结果交付产生。

但这个新均衡是否有利于大多数人，并不由技术自动决定。它取决于企业把AI主要用于削减存量成本，还是创造新产品、新服务和新需求；也取决于人的新能力形成速度，能否跑赢旧能力的贬值速度。

企业软件的新使命

今天走到了哪个阶段？我的判断是，我们大致处在第二阶段后半段，少数企业已经开始进入第三阶段。

个人使用AI已经非常普遍，岗位正在被拆成任务，越来越多企业开始改造局部流程；但大多数组织还没有完成端到端重构。因此，AI目前对社会产生的实际冲击，暂时仍在可吸收范围。

但AI能力与社会准备之间，已经不是“快半步”。模型其实快了很多步，只是企业组织还没有真正跑起来。最危险的情况，是企业采用突然加速，而新任务创造、个人能力迁移和制度调整仍然缓慢。

最理想的状态则是：AI始终比社会适应能力快半步，持续创造压力和价值，却没有快到让大批人的知识、职业和财富积累突然失效。

在这个过程中，to B软件公司处在一个特殊位置。

模型公司负责不断提高智能能力；普通企业拥有业务场景，却缺少把AI转化为组织生产力的方法。

企业软件公司正好位于两者之间。过去，我们主要把软件功能交付给客户。未来，我们需要帮助客户完成三次转换：

• 把模型能力转化为业务能力；

• 把个人提效转化为组织生产力；

• 把组织生产力转化为可验证的经营结果。

当前，to B软件公司至少可以做好四件事。

第一，对内加快AI组织改造

软件企业没有理由与普通企业保持同样的采用速度。

组织改造也不能停留在给员工配置AI账号。AI要逐步进入需求、开发、测试、实施、销售、客服和客户成功的完整流程。企业需要持续观察：哪个环节缩短了周期，哪个环节减少了返工，哪些作业已经可以由AI稳定承接。

衡量AI改造成果的指标，也不该只是调用量和使用人数，而应包括有效AI作业量、作业闭环率、人工接管率和客户结果改善。

第二，把模型能力加工成企业能力

通用模型拥有强大的知识和推理能力，但无法天然理解一家企业的业务语义、权限、流程和责任边界。企业软件需要为AI提供上下文、数据、工作流、权限、安全边界和结果反馈。

简单套一个对话界面，价值很容易被模型公司折叠。能够让AI真正进入客户业务闭环，并稳定完成工作，才是企业软件的新护城河。

第三，不要只兑现降本红利

如果AI Coding让研发效率提高30%，软件公司立即把报价降低30%，这部分红利很快会被客户和竞争吃掉。

更有价值的路径，是把效率用于扩大服务边界：过去客户因为成本太高而做不起的需求，现在可以做；过去只能交付软件工具，现在可以承担更多经营结果；

过去一个顾问服务十个客户，未来可以借助AI服务更多客户，并提供更深的专业支持。

AI带来的效率红利，应该转化为新市场、新收入和更高客户价值。

第四，保留人的成长路径

初级任务最容易被AI承接，但它们也常常是新人成长为专家的入口。

如果企业直接形成“少数专家加大量Agent”的组织，短期人效会提高，长期却可能失去未来的专家。

更好的做法，是让AI减少新人重复劳动，把更多时间投入客户理解、结果验证、异常处理和真实决策。

AI应该缩短人才成长周期，而不能取消人才成长过程。

尾声

AI对社会组织的冲击，不会在某一天突然完成。它会经历个人采用、任务重组、企业跨越临界点、人的价值重估和制度补课五个阶段。

今天，我们正处在组织临界点到来之前的能力积累期。软件企业既不能等待技术完全成熟，也不能把未经消化的模型能力直接倾倒给客户。

我们的机会和责任，是比客户更快理解AI，比模型公司更懂客户业务，再把快速进化的机器智能，转化为企业能够稳定使用、个人能够逐步适应、社会能够消化的生产力。

这可能是AI时代企业软件最大的使命：成为模型进化速度与人类社会适应速度之间的转换器和缓冲层。

【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。