当 AI 开始直接操作软件

企业数据、系统架构与商业模式的三重重构

核心结论

AI 不会首先改变软件的表层功能，但是会先重构企业数据的底层架构与软件的操作层。模型能力正在快速商品化，但可被 AI 安全理解、合规调用、稳定操作的企业私有数据与系统能力，不会轻易商品化。

企业数据历来都不是集中在单一数据库里，而是像碎片一样散落在 Box 的文件、Salesforce 的客户信息、SAP 的财务数据中。这些系统互不相通，AI 无法跨越孤岛。更糟糕的是，大量数据是以文档、邮件、演讲稿等非结构化的形式存在——AI 看得见却用不了。

权限体系进一步加剧了这种困境。过去几十年，企业权限规则是为人类量身设计的：销售能看客户记录但不能看价格政策，财务能看支出但看不到高管薪酬。AI 需要足够的上下文才能决策，但现有权限限制了它的访问范围。这形成了一个典型悖论——

更深层的问题是，现有 ERP、CRM 等系统的领域知识，并不只存在于数据层，同时深埋在 UI、中间层与业务流程里。仅凭数据和 API，根本无法复刻 SAP 这类系统的业务逻辑。现有系统架构依然遵循"人机分离"原则——人类能够理解逻辑的断层，AI 却不能。

以 Box 为例，它正在经历一场角色重构——不再仅仅是一个单纯存放文件的"网盘"，而是试图成为统一非结构化数据、面向 Agent 开放的智能内容云。这种转变的核心在于：把散落各处的文档集中管理，并建立一套可被 AI 统一调用的权限与操作体系。

当 Box CEO Aaron Levie 尝试给 Claude Code 开放 Box CLI 接口时，AI 展现出了前所未有的能力——批量处理文档、自动组织文件、跨文件操作，这在过去是无法想象的。这标志着 Box 的身份正在转变：从员工使用的工具，演变为 AI 可直接操作的核心数据入口。

随着 AI 直接调用 API、CLI 访问数据，旧的工作流正发生不可逆转的变化。传统模式中，人是主动角色，软件是带界面的被动工具，设计原则是"让人更容易操作"。但在新流程中，AI 不需要界面——它需要的是标准、稳定、可被自动化操作的数据接口。

更关键的趋势是：AI 正从"写代码完成任务"，转向"像人一样直接操作现有软件"。软件不再只是被调用的函数库，而是可以被 Agent 直接操作的"计算机"。

这意味着软件正在从前台退居后台——SAP 不仅仅是员工每天打开的系统，而是成为了 AI 的数据源与操作对象；Email 不再仅仅是沟通工具，而是可以被 AI 解析的信息流。软件的价值不再体现在 UI 交互上，而是它能为 AI 提供多少可调用、可操作的稳定能力。

行业中最大的误区之一，就是试图直接构建一个"万能 Agent"以一步实现全流程自动化。这种想法在现实中往往会撞上“数据分散、权限混乱、系统不兼容”的南墙。

最务实的三步走：

值得警惕的是：未来 Agent 的数量将达到人类的 100~1,000 倍，软件必须为 Agent 重构，而不是为人。初创公司可以凭借"AI 原生"架构快速跑通，但大企业往往需要花数年改造过去二三十年的老旧系统。就像云计算普及花了十余年一样，企业 AI 落地的速度，最终取决于系统结构重构的速度。

当 AI 与 Agent 替代人力完成任务，传统按人头收费（per-seat）的模式开始动摇。如果一个 Agent 替代了五个采购员，按旧模式收费将会导致厂商收入直接下降——显然不可持续。从而，一种新的定价逻辑正在浮现：

未来的定价标准将趋向于：按使用量、按任务、按数据价值、按接口调用量计费。软件不再是固定成本工具，而越来越像一种变动成本的"能力服务"——软件厂商的赚钱逻辑将从卖工具转向卖"搞定工作的能力"。

像 Box 这样的公司，核心收入将更多来自接口调用、数据处理与 Agent 操作增值，而不是单纯按照存储空间来收费。

AI 不会先改变软件的表层功能，而是先重构企业数据的底层架构与操作层。模型能力正在快速商品化，但可被 AI 安全理解、合规调用、稳定操作的企业私有数据与系统能力，并不会轻易商品化。

只有把那些散乱的、带权限的非结构化文档，转化为 AI 可用的上下文与可执行操作的信息；只有为 Agent 提供安全、可控、可审计的企业级操作环境——才能掌握通往未来的钥匙。