近期，施耐德宣布40%溢价收购PTC。

这件事情对我来说很有意思，因为就在不久前，我们在这个系列第二篇《AI时代的显性软件卡点》里，刚刚讨论过PTC。

当时我们的核心判断是：

AI当然会越来越多地参与工业设计，但AI能够生成设计，并不代表它可以绕过正式的CAD、PLM、Digital Thread和工程验证体系。

现在，一家真正做能源管理、工业自动化，也真正准备把AI放进工厂里的全球工业巨头，进一步把PTC的Creo、Windchill以及背后的产品生命周期体系收入囊中。

这至少说明了一件事：

AI越来越强，并没有让工业软件的卡点变得不重要。恰恰相反，想把AI真正接进工业世界，反而更需要正式的产品数据、工程规则和Digital Thread。

几乎同一时期，Synopsys也宣布与OpenAI展开更深的合作。

这件事情同样很有代表性。

OpenAI并没有试图绕开EDA。

AI可以生成、搜索、优化设计，但最终真正制造出来的芯片，仍然需要经过确定性的EDA验证与Sign-off。

所以第二篇文章里那个逻辑正在越来越清楚：

AI没有绕开软件卡点，AI正在进入软件卡点。

Synopsys是芯片设计里的显性软件卡点。

PTC则是产品设计、PLM和Digital Thread里的显性卡点。

但我越来越觉得，除了这些容易看见的工业软件以外，还有另外一批软件值得重新研究。

它们没有EDA、CAD那么直观。

它们藏在HR、金融后台、基金运营、客服、医疗支付和生命科学这些专业分工里面。

比如Workday、Broadridge、SS&C、NICE、Waystar和Veeva。

而这篇真正想讨论的，是现在关于AI替代软件最容易出现的一次逻辑跳跃：

AI会替代一个专业岗位，并不等于AI会替代承载这个岗位的专业软件。

甚至在很多情况下，可能恰好相反：

人被替代得越多，底层专业系统反而越重要。

一、为什么大家会觉得这些软件要被AI替代？

这种担忧其实非常容易理解。

假设一家企业过去需要100个HR员工。

AI出现以后，大量请假、招聘、绩效、费用、工资查询和员工服务都可以自动完成，未来可能只需要几十个人。

那么一个非常自然的推论就是：

HR都少了这么多人，还需要这么多HR软件吗？

客服也是一样。

如果未来大量客户问题都可以由AI Agent直接解决，那么人工客服席位减少，传统客服软件是不是也会一起失去价值？

金融后台也是如此。

基金对账、异常检查、交易处理、客户查询，如果越来越多工作都能由Agent完成，是不是原来帮助专业人士完成这些工作的软件也会一起变得不重要？

这个推论并不荒谬。

因为过去几十年的企业软件，本来就是围绕“人”设计的。

一个人坐在电脑前，打开软件，点击界面，然后完成工作。

所以我们自然形成了一种思维：

人少了，软件自然也应该少。

但Agent出现以后，这个关系开始发生变化。

二、岗位消失了，工作并没有消失

假设过去一个HR员工每天处理几件事情：

查看员工资料、处理请假、调整组织关系、跑工资流程、回答员工问题。

以前的结构是：

HR员工 → Workday → 完成工作。

未来完全可能变成：

员工 → AI Agent → Workday → 完成工作。

中间的HR员工数量可能真的会减少。

甚至员工本人也不需要再打开Workday。

他可能只需要对一个Agent说：

“帮我把下周三的假请了。”

但是Agent接到这个命令以后，问题才刚刚开始。

它必须知道这个员工还有多少假期，他适用什么政策，当天有没有重要排班，谁有权审批，以及这次操作最终应该写回哪一个正式系统。

AI可以替员工点击按钮。

但它不能凭空创造：

公司的正式人员记录、权限、业务规则和审批流程。

所以真正发生变化的，可能不是软件消失。

而是：

软件的用户正在从人变成机器。

这其实和我们上一篇讲EDA非常像。

以前是：

工程师 → EDA。

未来可能是：

工程师 → Agent → EDA。

专业工作流也一样。

以前：

HR → Workday。

未来：

Agent → Workday。

以前：

基金运营人员 → Broadridge / SS&C。

未来：

Agent → Broadridge / SS&C。

所以我越来越觉得，我们应该把专业软件分成两种完全不同的东西。

三、Professional Tool和Professional Operating System，不是一回事

第一种是Professional Tool。

它主要帮助一个专业人士更快地完成某项工作。

比如写文档、整理信息、填写表格、查资料、做简单报表。

这种软件确实比较危险。

因为如果AI已经可以自己完成任务，那么专门为“人操作”设计的一层工具，很容易被压缩。

但另外一种软件完全不同。

它不是单纯帮助专业人士工作。

它更像是：

Professional Operating System——专业工作的操作系统。

这种系统通常同时掌握几个东西：

正式记录，也就是到底什么是真的；专业规则，也就是这个行业允许怎么做；工作流，也就是正常情况下事情怎么流转；异常处理，也就是出问题以后怎么办；最后还有权限、责任和与外部机构之间的连接。

越靠近这些层级的软件，越不像一个简单的工具。

也越难被通用Agent直接绕过去。

四、专业软件真正的护城河，可能藏在最后10%的异常里

AI最擅长的是什么？

标准流程。

一个员工申请一天假，假期余额充足，没有冲突，自动批准。

一笔证券交易完成，正常入账、正常对账。

一个客户要求退货，符合规则，直接退款。

医院提交一张标准医疗Claim，保险公司正常付款。

这些工作，未来AI大概率都会做得非常好。

但现实中的专业岗位为什么仍然需要大量专业人士？

因为事情永远不会全部正常。

一个员工从美国调到德国怎么办？

一笔证券交易Fail了怎么办？

基金NAV突然对不上怎么办？

Corporate Action数据出现冲突怎么办？

医疗Claim被保险公司拒绝，但医院认为拒赔理由错误怎么办？

客服要求退款的金额超过Agent权限怎么办？

一份药品宣传材料里的一句话，到底算不算违反监管要求？

到了这些地方，AI“觉得大概应该这样”是不够的。

它必须知道公司的正式规则、历史状态、行业法规、权限边界和升级路径。

更重要的是，它必须知道：

什么时候自己不能继续做。

所以几十年专业软件真正沉淀下来的东西，不只是Database。

还有大量：

Exception History——异常历史。

而这可能恰恰是专业Agent最难自己重新创造的东西。

五、Workday：HR变少了，HR系统还需要吗？

Workday是最容易理解的案例。

AI确实很可能减少大量HR和Finance的重复劳动。

员工未来可能不再频繁进入传统HR软件，而是在Copilot、Gemini或者企业自己的Agent里完成大量操作。

所以前端使用方式会发生非常大的变化。

但Workday真正保存的并不是“怎么点按钮”。

它保存的是一个企业关于人与钱的大量正式状态。

员工是谁、岗位是什么、工资是多少、汇报给谁、还有多少假期、谁有权审批什么、不同地区适用什么政策。

这些东西不会因为HR人数下降而消失。

甚至未来企业内部出现大量AI Agent以后，还会多出一个新问题：

这些Agent到底是谁？它们代表谁工作？拥有多大的权限？

Workday现在已经开始建立Agent System of Record，试图把AI Agent也纳入正式的管理、授权和治理体系。

这个变化很有意思。

过去Workday管理的是：

Human Workforce。

未来它试图管理的是：

Human + Digital Workforce。

所以真正的问题已经不是“AI会不会减少HR员工”。

大概率会。

真正的问题是：

Workday能不能从一个给人使用的HR系统，升级成一个同时给人和Agent使用的企业人员与财务操作系统。

六、Broadridge：以前最“不性感”的地方，可能恰恰变成AI资产

Broadridge是我觉得这一组里非常有意思的公司。

它做证券后台、投资者通信、Proxy Voting、财富管理和Post-trade Processing。

而且它不仅卖软件。

它自己还替大量金融机构运行真实后台流程。

过去从软件行业的角度看，这其实不一定是一件很“性感”的事情。

因为意味着人多、服务重、运营复杂。

但Agent时代，这个缺点可能出现完全不同的解释。

因为Broadridge不是站在旁边猜：

金融机构后台到底怎么工作。

它每天就在真正处理这些事情。

交易为什么Fail？

数据在哪里冲突？

什么时候可以自动修复？

什么时候必须升级？

客户账户出现异常以后该怎么处理？

什么情况下这件事情才能真正Closed？

这些都不是一个通用模型读几份说明书就能完全学会的。

它来自几十年真实运营。

也就是说，Broadridge手上拥有大量：

Professional Workflow + Exception History。

所以AI给它带来的机会未必首先是“卖更多软件”。

另一种可能更简单：

原来需要100个人完成的后台流程，未来需要多少人？

如果Agent可以大量承担重复工作，而底层金融流程、交易和客户仍然存在，那么AI可能首先改变的是专业服务本身的交付效率。

这也是一种非常容易被忽略的AI受益方式。

七、SS&C：以前“人太多”，未来也可能意味着“流程数据最多”

SS&C与Broadridge非常类似。

它长期深入基金行政、基金会计、对账、资产管理运营等流程。

过去大家容易觉得：

这种公司不像纯软件。

但到了Agent时代，一个有意思的问题出现了：

谁最知道一个基金后台每天究竟怎么工作？

可能不是最新成立的AI创业公司。

而是过去二十年一直替这些机构干这些工作的人。

SS&C现在已经开始把员工、AI Agent、API和Digital Worker放在统一的工作流里。

这里面最值得观察的一点不是“它也有AI”。

而是：

它有没有可能把过去几十年由人积累出来的专业流程，逐渐转化成机器可以执行的Workflow。

如果答案是可以，那么就会出现一个很反常识的变化：

过去因为人工服务太重而显得“不够软件”的公司，未来反而可能拥有最完整的专业Agent训练材料。

当然，这并不意味着AI会让所有成熟后台业务突然变成高速增长行业。

它可能更多体现为效率提高、流程自动化和服务能力扩大。

这同样是AI价值，只是不是大家最熟悉的那种“新增软件席位”。

八、NICE：这套逻辑真正可能失败的地方

如果这篇文章最后得出的结论是：

“所有专业软件都有护城河。”

那么这套框架就没什么意义了。

NICE就是最重要的反例。

因为客服可能是最早被AI大规模替代的白领岗位之一。

假设一家银行原来有10,000名客服人员，未来70%的问题由AI处理，只剩下3,000名人工。

那么过去围绕Human Seat产生的一部分需求，当然会下降。

这是真正的风险。

但另外一个问题是：

那70%的客服工作去哪了？

客户的问题并没有消失。

退款没有消失。

身份验证没有消失。

Compliance没有消失。

升级人工也没有消失。

只是从：

Human Agent

变成了：

AI Agent。

AI客服仍然需要Routing、Interaction History、Quality Control、权限、合规和后台系统连接。

所以NICE现在试图完成的，其实是一次非常大的身份转变：

从：

管理人类客服的软件

变成：

同时管理Human + AI Agents的客服操作系统。

这条路并不一定成功。

因为未来模型公司、新一代客服平台或者CRM公司都可能直接参与竞争。

所以NICE恰恰提醒我们：

专业Workflow存在，不等于原来的公司一定能守住它。

产业位置和公司胜负，永远还是两个问题。

九、Waystar：有些专业软件的壁垒，其实是一张外部网络

Waystar代表另外一种专业软件。

它处理美国医疗Revenue Cycle。

一个病人看完病以后，后台不是简单开一张发票。

从保险资格确认、Coding、Claim、Denial，到Payment和Patient Billing，医院和保险公司之间存在大量复杂交互。

这种工作非常适合Agent。

但它又很难让一个完全通用的Agent直接从外面重新建立。

因为AI不仅需要知道规则。

它还必须真正接入保险公司。

不同Payer有不同规则。

不同医院有不同合同。

同样一张Claim被拒绝，背后的原因也可能完全不同。

所以Waystar真正的资产并不只是“一个软件”。

它更接近：

Domain Rules + Transaction History + External Network。

即使AI让医院后台人员大幅减少，医院仍然需要向保险公司提交Claim。

保险公司仍然会拒赔。

Provider和Payer之间依然需要不断交换信息。

所以这里特别能说明：

岗位会减少，但底层交易网络不会因为岗位减少而消失。

甚至可能出现相反的现象。

过去一些金额很小的拒赔，因为人工追回成本太高，医院可能直接放弃。

未来Agent成本大幅下降以后，这些过去“不值得做”的工作反而开始值得做。

机器工作量甚至可能比过去的人类工作量更大。

十、Veeva：真正的“行业操作系统”是什么样子

Veeva可能是这一组里最容易理解的专业操作系统。

它服务生命科学行业。

除了CRM以外，还有Clinical、Regulatory、Safety、Quality、PromoMats等大量围绕药物研发、审批和商业化形成的正式流程。

AI当然可以帮药企写宣传材料。

但AI不能自己说：

“这份材料我看过了，可以正式发布。”

AI可以总结临床试验信息。

但Clinical Data、安全性信息、Regulatory Submission和Quality Record依然需要正式记录、审批、权限和审计。

因此Veeva面对AI时，一个非常自然的路径并不是：

“阻止AI进入。”

而是：

让AI进入Vault。

让Agent在正式Data、Content和Workflow上工作，同时继承原有权限和行业规则。

这其实就是专业软件面对AI最理想的一种状态：

Agent不是绕开专业系统，而是住进专业系统。

十一、AI真正吃掉的，可能只是软件的上层

把这些公司放在一起以后，我觉得AI对软件的影响开始出现一个比较清晰的顺序。

AI最容易拿走的是：

UI、重复输入、手工操作、标准化功能。

再往下，是大量Human Workflow。

但是继续往下，就开始碰到正式System of Record、Domain Rules、Exception Handling、External Network和Accountability。

到了这个位置以后，AI和软件的关系就开始反转。

AI不再只是竞争者。

它开始成为软件新的使用者。

所以到了今天，再问一家软件公司：

“你有没有Agent？”

其实信息量越来越低。

真正重要的问题是：

当Agent已经足够聪明以后，它还必须经过谁？

十二、但“不会被替代”不等于“会因为AI高速增长”

这里也是这篇文章必须保留的一个反方。

即使前面的判断全部成立：

这些专业软件不会随着岗位一起消失。

也不意味着它们都会因为AI突然出现巨大的新增市场。

Broadridge所在的证券后台仍然是相对成熟的行业。

SS&C所在的大量基金运营流程也不会因为AI出现就突然扩大十倍。

Workday即使继续控制大型企业HR系统，也需要面对成熟市场。

所以这些公司里面，有一些最大的AI价值可能不是：

收入突然加速。

而是：

同样的业务，用更低的成本完成。

还有一些公司的价值可能是：

守住原来的位置。

这听起来不像特别兴奋的AI故事，但却是理解企业软件很重要的一点。

AI没有摧毁你的商业模式，本身就可能是一件非常重要的事情。

而另外一些公司，则有机会真正扩大工作量。

例如医疗理赔。

过去很多事情因为人工成本太高根本不会做。

当机器成本足够低以后，新的工作量才可能出现。

所以不同专业软件，即使都属于“AI绕不过去的系统”，最终受益程度仍然可能非常不同。

十三、未来真正的变化，可能是Human Seat变成Machine Work

这也是我认为接下来几年最值得观察的软件商业模式变化。

过去绝大多数SaaS的收费逻辑是：

有多少员工，就买多少Seat。

AI时代，这个公式可能越来越不够用了。

因为Human Seat可能下降。

但与此同时：

Agent调用系统的次数、执行的Workflow、处理的Transaction，可能大幅增加。

一个人一天只能完成几十或者几百项任务。

机器可以完成几千甚至几万项。

所以未来软件真正需要重新寻找的收费单位，可能变成：

Workflow、Usage、Transaction、Consumption，甚至Outcome。

也就是说：

Human Seat → Machine Work。

真正能够完成这次商业模式迁移的软件公司，不只是“没有被AI干掉”。

它们才真正参与到了Agent创造出来的新生产力里面。

十四、什么会证明这套逻辑是错的？

这个框架最后也必须能够被证伪。

如果未来几年出现的是：

企业开始大规模把核心HR、金融后台、客服、医疗支付和生命科学Workflow，从原来的专业系统迁移到完全Agent-native的新平台；

新的Agent能够通过API和数据库快速重新建立原来的行业规则和异常处理能力；

企业发现所谓System of Record其实只是一个昂贵数据库；

那么说明：

我们高估了专业Workflow和Exception History的护城河。

但如果未来出现的是另一种情况：

员工越来越少直接打开Workday、NICE、Veeva或者Broadridge的界面，但企业里的各种Agent对这些系统的调用越来越多；

那么这反而说明：

UI正在消失，但软件卡点没有消失。

软件只是从：

“给人使用的应用程序”

逐渐变成了：

“给机器调用的企业基础设施”。

而这可能是一种比传统SaaS更深的位置。

结语：人可以离开软件，但工作不会离开系统

回到文章开头的PTC和Synopsys。

它们给我们提供了一个非常直观的例子。

模型越来越强，并没有让确定性的工程系统消失。

相反，AI越深入真实世界，就越需要正式的数据、规则和验证体系来承接它的输出。

专业工作流可能也一样。

HR人员会减少。

基金运营人员会减少。

客服人员会减少。

医疗后台人员会减少。

大量药企文档和合规工作也会被自动化。

但是岗位减少以后，企业仍然必须知道：

什么是真的，什么符合行业规则，事情应该怎么流转，异常应该如何处理，谁拥有权限，以及最终谁承担责任。

所以真正值得问的，从来不是：

“这个岗位会不会被AI替代？”

而是：

“这个岗位消失以后，它原来的工作究竟流向哪里？”

如果工作直接流向通用模型，原来的专业软件当然危险。

但如果工作只是从人手里流向Agent，而Agent最后仍然必须进入Workday、Broadridge、SS&C、NICE、Waystar或者Veeva这些专业系统，

那么消失的可能只是：

人类操作软件的那一层。

底层的系统、规则、数据、网络和责任链并没有因此消失。

甚至可能变得更加重要。

这也可能是继EDA、CAD、PLM这些“显性软件卡点”之后，AI时代另一批更不容易被看见的软件卡点：

人可以离开Workflow，但Workflow不会离开企业。