增长|巴克莱银行:AI 不是杀死软件,但是软件企业需要有新的增长路径

AI · 软件重构

AI 不是杀死软件，但是软件企业需要有新的增长路径

当 Agent 成为默认交互层，你的软件还控制着什么？

去年和今年早些年在崔牛会做软件增长分享时，我谈了不少 SaaS 公司熟悉的话题：如何找到真正的价值锚点，如何把产品能力变成客户愿意持续付费的增长飞轮，如何让销售、产品与客户成功不再各自为战。

但这几个月再回头看，我越来越觉得，AI 正在把"软件增长"这个问题往前推了一步。

今天，一家软件公司首先要回答的，已经不是"如何更快增长"，而是：当 AI 可以重写界面、自动执行任务、压缩用户席位时，客户为什么还需要你？

这不是"软件已死"的论调。恰恰相反，软件不会消失。但 AI 正在取消一种过去被默认接受的东西：普通软件——那些没有独特数据、没有嵌入关键流程、没有行业上下文、也不对最终结果负责的软件。

最近，Barclays 从资本市场视角给出了一个很值得反复看的判断：AI 并不是软件的对立面，而是在重写软件的技术栈与价值分配。放到企业软件重构的语境里看，数据与行业垂直能力正成为最重要的分水岭。顺着这个判断再往前看，真正的问题就变得清楚：AI 不会平均地摧毁软件行业，它会重新分配软件行业的价值。

AI 正在取消"普通软件"——那些没有独特数据、没有嵌入关键流程、没有行业上下文、也不对最终结果负责的软件。它会重新分配软件行业的价值。

过去几年，软件公司最常问的问题是：如何增长？

如何降低获客成本？如何提高产品激活？如何提升续费率？如何实现更高的客单价和更多模块销售？

这些问题当然仍然重要。但在 AI 重新定义软件交付方式之后，它们已经不是第一问题。

第一问题是：你的产品在新的技术范式下，是否仍然有不可替代性？

如果一个软件的核心价值只是把信息展示得更好看，替用户完成一些相对标准化的点击、填写、整理、报告和查询工作，那么 AI 很可能先改变它。大模型擅长总结信息、生成内容、处理非结构化文本，也越来越能够通过 Agent 完成跨应用的操作。

过去需要多个工具、多个页面和多个操作步骤完成的任务，未来可能被一个 Agent 接管。这意味着，很多 SaaS 公司面对的并不是"要不要加一个 AI 功能"的问题，而是：当 AI 成为新的交互层和执行层时，我的软件还剩下什么？

当 AI 成为新的交互层和执行层时，我的软件还剩下什么？——这比"要不要加一个 AI 功能"更值得先问。

首先要拆掉一个误解：AI 并不会替代所有企业软件。

生成式 AI 的强项，是从大量信息中识别模式、总结内容、生成答案，并提供具有概率性的判断。但企业中最关键的一部分软件，维护的不是"一个大致正确的回答"，而是确定、准确、可审计的组织事实。

一家公司的收入是多少，应该付给哪个供应商多少钱，某位客户的合同处于什么状态，谁有权限批准一笔采购，某项交易是否符合监管要求——这些问题不能交给一个"猜得不错"的模型。

企业不会因为一个 Agent 能写出漂亮的摘要，就允许它决定总账中的收入、供应商付款、患者病历或授信结果。聊天界面可以改变入口，但不能天然取代责任边界。

这就是 system of record 的价值。它并不只是一个放数据的地方，而是组织对于"什么是真的"达成共识的制度化载体。ERP、CRM、HR、IT 服务管理等系统之所以有黏性，不只是因为数据量大，而是因为它们承载权限、流程、责任、审计和合规。

因此，AI 时代不是"所有软件归零"，而是软件必须被更细致地分类。

聊天界面可以改变入口，但不能天然取代责任边界。system of record 是组织对"什么是真的"达成共识的制度化载体。

但如果因此得出"只要拥有 system of record 就安全"的结论，同样危险。

一份覆盖约 500 家软件公司的行业分析显示，真正能够抵御 AI 冲击的关键，并不只是系统是否记录核心数据，而在于它是否拥有专有数据和深度的垂直行业能力。其中只有约 14% 的公司在两方面都具备强护城河；约四分之一则两者都弱，面临更高的结构性压力。

这也解释了为什么营销自动化、通用生产力工具、CRM 附件、泛分析产品等领域更容易受到冲击：它们往往是低切换成本的点状工具，缺少独特数据，也没有嵌入不可轻易替换的行业流程。总结、报告、客户沟通和基础分析等功能，最容易被 AI 原生工具吸收。

即使 ERP 这类传统的 system of record，也未必拥有绝对安全的护城河。AI Agent 可能减少直接操作系统的人数，压缩按席位收费的空间；也可能吃掉过去被作为高毛利增购项出售的界面、报表、轻量工作流与附加模块。

所以，AI 不一定替代你的数据库，但很可能替代你的界面、席位、附加模块，以及客户为低价值操作付费的意愿。真正的问题不是"我有没有 system of record"，而是：我是否能够从记录事实，进一步升级到理解上下文、编排工作流、交付业务结果。

AI 不一定替代你的数据库，但很可能替代你的界面、席位、附加模块，以及客户为低价值操作付费的意愿。

为了理解 AI 时代软件的价值，我倾向于把企业软件拆成四层。

事实层第一层：可信、可审计的企业数据

这一层保存的是可信、可审计、权限明确的企业数据。客户是谁、订单是什么、合同状态如何、现金流在哪里、库存有多少、员工拥有哪些权限——这些都是组织运行的事实基础。

增长策略：不应只是继续销售更多模块，而是不断扩大关键数据覆盖范围，提高数据质量、数据治理和跨系统连接能力；核心指标是主数据覆盖率、关键字段完整度、跨系统连接率，以及 AI 是否必须通过你的系统才能获得可信数据。

上下文层第二层：理解企业特有的运作方式

大模型可以理解大量公共知识，却并不了解一家企业的具体历史与例外：为什么这类客户总在合同临近续期时压价；为什么某一类项目的交付风险特别高；为什么这个工厂总在一个特定环节出现质量问题；为什么这笔采购需要额外审批。上下文不是把数据堆得更多，而是把数据、规则、角色、历史、权限与行业知识连接起来，形成对企业如何运作的理解。

增长策略：从功能清单与界面体验的竞争，转向场景证明——能否在高频、复杂、例外众多的业务场景中比通用模型更可靠地给出建议、推动决策或完成任务；能否把行业规则、历史案例、专家经验和客户数据，沉淀为可调用、可解释、可持续更新的行业智能。

工作流层第三层：嵌入跨角色、跨系统的业务流程

企业中大部分重要工作，并不是一个人点几下按钮就结束。销售从线索识别到商机判断、报价、合同、交付与回款，是一个跨岗位、跨部门、跨系统的过程；供应链从需求预测到排产、采购、质检与库存，同样如此。一个 Agent 可以替代某个局部任务，却未必能够天然承接整个业务闭环。因为流程中仍然存在权限、审批、例外、责任分工、系统集成和人工复核。

增长策略：从"提升产品使用频率"转向"提升流程闭环率"——一项关键工作能否从触发、判断、执行到复核在你的平台中完成；更值得追踪的是自动化任务量、端到端流程覆盖率、异常处理效率、流程完成周期和最终业务完成率。

结果层第四层：对业务结果负责

客户最终并不为一个 AI 功能付费。他们付费，是因为希望增加收入、降低成本、缩短周期、减少风险，或者满足监管要求。如果软件公司可以对这些结果负责，它就不再只是客户预算表中的一项工具采购，而开始成为客户业务模式的一部分。

增长策略：从按席位收费逐步转向按使用量、任务量、流程量、处理结果或业务价值收费——更难，但是最有可能重新获得定价权的路径；当软件公司不再说"我们提供一个更聪明的功能"，而是说"我们将订单处理周期缩短 40%、审单成本降低 30%、把合规风险控制到可接受范围"，它出售的就不是软件许可，而是业务能力。

过去，传统 SaaS 的增长单位主要是人和席位。

更多员工使用产品，意味着更多许可证；更多功能被采用，意味着更多交叉销售；更多客户部署，意味着更多经常性收入。但 AI 改变了这个逻辑。

当一个 Agent 可以完成过去多个用户才能完成的工作时，席位增加不再天然等于价值增加。反过来，客户甚至会要求：既然生产率提高了，为什么还要为同样数量的人头付费？

因此，AI 时代的软件增长，必须从席位扩张转向工作流扩张。你是否能够让更多关键业务流程进入你的系统？是否能够把更多重复性工作变成可自动化、可治理、可审计的任务？是否能够让客户通过你的产品完成更多工作，而不只是打开更多页面、点击更多次按钮？

同时，功能差异化也必须转向上下文差异化。过去，一个更漂亮的界面、更完整的功能列表或更灵活的配置能力，足以形成相对优势。今天，功能被复制的速度会越来越快。真正稀缺的，是你是否获得了客户授权，能否结构化、持续更新并安全调用企业上下文。

Barclays 提醒得很对：数据质量依然是 AI 的前提。没有干净、可信、带有业务语义的数据，AI 只会更快地产生不可靠的输出。

最后，软件公司还要从"卖软件"转向"承担采用"。企业客户并不真正需要一个漂亮的 Agent 演示。他们需要的是一套能够接入数据、管理权限、嵌入既有流程、处理异常、支持人工复核并持续运营的生产能力。

这也是为什么大平台仍然具备优势。它们拥有的不只是产品，还有销售覆盖、实施能力、客户关系、交付体系和运营规模。技术创新可以由小公司率先推出，但能否大规模进入企业，往往取决于谁能够承担最后一公里的采用与变革。未来的软件增长，最后一公里不再只是客户成功，而是 AI adoption：帮助客户把 AI 从一次试用、一场演示，变成真正被组织采用的工作方式。

数据质量依然是 AI 的前提。没有干净、可信、带有业务语义的数据，AI 只会更快地产生不可靠的输出。增长的最后一公里，不再只是客户成功，而是 AI adoption。

当然，软件行业的改变不会一夜发生。

多数企业软件仍以订阅为主，合同周期通常从一年到三年、五年不等。真正替换一个大型核心系统时，新旧系统还必须并行运行，企业需要验证数据、流程与风险控制是否满足要求。

这意味着很多现有软件公司会拥有一段不短的缓冲期。

但缓冲期不是护城河，更不是增长战略。过去 AWS、开源软件都曾被视为会"杀死商业软件"的技术冲击，最终市场没有消失，而是在新的技术范式下扩大。AI 很可能也会带来同样的结果：软件市场会继续存在，甚至变得更大；只是价值会从一批公司迁移到另一批公司。

缓冲期不是护城河，更不是增长战略。价值会从一批公司迁移到另一批公司。

所以，对中国 SaaS 创业者和管理者而言，今天最值得问的问题，也许不是：怎样给产品加一个 Agent？

而是：如果 Agent 成为默认的交互与执行层，我们的产品究竟还控制着什么？是企业的事实？是不可替代的业务上下文？是跨系统的关键工作流？还是客户愿意为之付费的业务结果？

这四个问题，决定的已不只是下一轮融资估值，也不只是未来几个季度的续费率。

它决定的是：你的软件能否从"一个可被替换的工具"，变成"客户业务系统中不可替代的一部分"。AI 不会杀死软件。但它正在取消普通软件。

你的软件，卡在四层里的哪一层？

AI 不会平均地摧毁软件，它会重新分配价值——而增长的基本单位，正从"席位"转向你所处的那一层。我们想听听你的判断：你做的产品，今天主要控制的是事实层、上下文层、工作流层，还是已经在往结果层走？你准备用哪条增长路径去对冲"普通软件被取消"的风险？欢迎在后台留言，聊聊你看到的真实案例、踩过的坑，或正卡住的那一层。我们会挑有代表性的观察，在后续文章里继续拆。