AI 对软件行业最致命的威胁,终于出现了

前段时间，一位软件公司 CEO 来拜访我。他问了我一个问题：AI 对软件行业最致命的威胁是什么？

我说，最致命的威胁其实不是大模型本身，而是甲方自研。

很多软件公司喜欢盯着旗鼓相当的同行，生怕对方抢了一个客户。可甲方 IT 才是那个最难防的对手。同行再强，也要参加招标、打价格战。甲方一旦决定自己做，软件公司连上场的资格都没有。

说白了，软件公司疯狂抢食的，其实只是甲方 IT “丢出来”的一小块市场而已。

甲方自研的动力一直很强烈。定制系统更贴合企业的个性化业务，业务一变，自己改也更快。过去很多企业选择外购，并不是不知道这些好处，而是有笔账算不过来：做一个 60 分的系统不难，做一个 90 分的系统，而且为此长期养着一个团队，这个成本比外采要高得多。

AI 改变的，就是这笔账。

AI 正在大幅度压缩研发成本。过去甲方觉得“自己做肯定不划算”的项目，现在会重新拿出来算一遍。对软件公司来说，最危险的是客户开始审视每一个外采系统：这东西，我们为什么不自己做？

我身边就有一个例子。国内一家 AI 应用公司，产品做得很有竞争力，年营收很快到了数千万元，单个大客户的 ARR 就能达到几百万。公司最早很有信心：大模型幻觉很严重，产品要达到业务预期，背后是大量工程化，客户不可能自研。

但随着模型能力越来越强，客户需要自己补的工程化越来越少。最终，一个重要客户决定自研，他们因此丢掉了一年数百万元的 ARR（年度订阅收入）。

这件事最可怕的一点在于，这不是软件公司之间的内战，而是整个软件行业的蛋糕越来越小。

星巴克最近的动作，是另一个典型案例。据媒体报道，星巴克正在借助 AI 辅助编程，开发内部软件来替代部分外购系统：包括微软的库存追踪、IBM 的设备维护工具等。

星巴克每年软件支出约 4 亿美元，而它正在重新审视每一份合同、每一项服务，评估能否自己的 IT 部门来承接。

美国医疗保险公司 Curative 的 CEO Fred Turner 最近也表示，借助 AI 编程工具，他们用两个月开发出 CRM，替代了每年 60 万美元的 SaaS 合同。

这个案例不能代表所有企业，但足以说明一件事：AI 正在改变甲方的软件采购决策。

眼下，很多软件公司可能还没有感到这种威胁。因为面对 Agent，甲方 IT 通常还缺乏产品经验，所以现在外购 Agent 产品依然是很多企业更好的选择，这也是很多 Agent 产品刚发布时，咨询异常火爆的原因。

但是，千万不要把这个窗口期当成护城河。一旦甲方自己积累了经验，甚至从软件公司挖来了人才，甲方就再也没有理由依赖软件公司。

那软件公司该怎么办呢？我觉得，至少要做好三件事。

第一，做好行业 Know-how 的积累，特别是先进实践的积累。

很多人总认为甲方 IT 更懂业务，这话对，但并不全对。甲方 IT 确实更熟悉业务细节，比如自家销售流程具体是怎样的，为什么销售部门和生产部门总在扯皮等等。但是，大部分甲方 IT 缺乏业务广度和深度，更缺乏引领业务部门的能力。

这就导致他们在 IT 项目的推进过程中，容易处于被动地位，也导致自研软件更像是“现有业务的复制”，缺乏先进实践的提炼。而后者，恰恰是很多企业外采软件的核心动力。

第二，做好 FDE 体系的建设。

2000 年左右，几乎看不到甲方自研 ERP。其中一个重要的原因，就是甲方缺乏 ERP 实施的经验，他们支付高昂的实施费用，本质上就是弥补自身经验的缺陷。直到越来越多的 ERP 实施顾问从乙方跳槽到甲方，才有越来越多的甲方开始自研 ERP。

在 AI 时代，这种人才的流动当然也不可避免，但是在未来几年，甲方为了弥补自身 FDE 经验和人才的缺陷，仍然会倾向于外采服务。而且，实践证明，“高质量、低成本的交付体系”本身，就是 IT 公司的核心竞争力来源。

这方面的典型案例可以参考汉得，在 20 年前，汉得和汉普都是国内一流的 ERP 实施商。汉普走的是“咨询+交付”的路子，打单能力很强，人天单价也很高；汉得走的是“标准化交付”的路子——批量产出高质量、低成本的实施顾问，这就让他能够在保持较高质量的基础上，实现低成本的交付。

结果是，汉普几经倒手，现在已经听不到他的声音了；而汉得则顺利上市，现在仍然是一流的中国软件公司。

第三，把自己建设为 AI 时代的基础设施。

Agent 软件开发仍然遵循传统软件时代的规律：做到 60 分很容易，做到 90 分则很难。

比如，当用户在对话框输入一个问题，Agent 需要识别意图、填充槽位、加载长期记忆和知识库、检查权限、调用工具等等，表面的简单，背后其实是复杂的 Harness 工程。

而且，要让 AI 输出高质量的回答，首先必须给 AI 输入高质量的数据：包括业务规则、策略、配置方案等等，而这些数据又和具体的行业（比如汽车制造业）、领域（比如 CRM）息息相关。

如果甲方从 0 到 1 自研，哪怕大模型的能力再强，要做出 90 分的 Agent，仍然有巨大的工作量，而且也要经历漫长的优化周期。但实际上，不同行业不同领域的 Harness 工程，有很大一部分都是可以复用的。

举一个简单的例子，在判定商机质量时，客户的行业、规模，商机的预算、联系人，都是重要的决策要素。如果有一个已经成熟的基础设施，甲方在自研“商机质量判定”Agent 时，他们只需要在界面上做一些配置，就可以轻松完成 Harness 的构建。

这不仅仅意味着成本的节约，更意味着自研成功率的提升，以及项目周期的大大缩短。

说到底，AI 不会让软件需求消失，AI 甚至会催生出更多的软件。毕竟，使用软件的人类是有限的，但是使用软件的Agent是无限的。

真正的问题在于，软件公司如何重新找到自己的位置，让自己成为AI时代，不可或缺的一环。

所以，软件公司真正要担心的，不是客户自研。而是客户自研时，不再需要你。

最后，欢迎加入中国最大的产品经理群，近5万人已加入，300M免费 AI 资料包，还可以加入 AI 群、高管群，点击阅读原文↓↓↓，马上加入！