从"卖铲子"到"分金子"（二）：AI工具化浪潮的陷阱

上篇聊了中国软件行业几十年的信任困境，以及SaaS在中国的"水土不服"。

这篇聊聊一个更现实的问题：AI时代的到来，有没有改变什么？

01. AI 1.0时代的教训：技术很酷，但没人赚到钱

2023年，ChatGPT点燃了AI的战火。大语言模型的能力飞跃，让整个科技行业都兴奋不已。

"AI将改变一切！""每个企业都需要AI！""这是继互联网之后的最大机遇！"

这些话你一定听过。我也听过。在工作中，我们每天都在思考AI怎么赋能客户的业务。

三年过去了。现在是2026年年中。我们看到了什么？

一个尴尬的事实：绝大多数AI项目的投资回报率很难衡量。

麻省理工学院追踪了全球1500家企业的AI投资，他们发现一个让人后背发凉的数据：

95%的企业没有从生成式AI中获得可衡量的回报。

95%。这个数字意味着什么？意味着你听到的所有"AI改变一切"的故事，可能只发生在5%的企业身上。

为什么？因为绝大多数AI公司的商业模式，和传统软件公司没有本质区别。

他们卖的是什么？工具。

Dify：一个典型的"工具供应商"

Dify是这两年最火的AI应用开发平台之一。从技术架构来看，它非常成功——支持RAG（检索增强生成）、Agent编排等前沿功能，还能接入各种大语言模型，让基于大模型的开发变得简单。

但从商业模式的底层来看，它就是一个工具供应商：你买它的平台，自己在上面开发AI应用。

它提供的是"可能性"——你能用它开发出各种AI应用。至于你开发出来的应用好不好用、能不能帮你赚钱，Dify不负责。

这和传统SaaS有什么区别？几乎没有什么区别。

对于有技术能力的大企业来说，这没问题。腾讯、字节、阿里这些公司有自己的AI团队，Dify类产品对他们来说是个好用的开发工具。但中国有多少企业有这样的技术能力？

绝大多数传统企业——制造业、零售业、服务业——他们的痛点不是"没有好用的开发平台"，而是"谁来帮我把活干完"。

我在实际落地AI项目的时候，遇到过太多这样的客户。有一家企业想做一个智能客服，上来就问："你们用的是什么模型？GPT-5还是Claude？"他们以为AI项目的核心是选一个"最好的模型"。

但问题是，就算你给他最强的模型，他也用不好——因为他没有Prompt工程师，没有数据标注团队，没有上下文的理解，没有Harness体系，没有AI运维能力。

他需要的不是一个"模型"，是一个"能帮他解决问题的服务"。

Dify这类的工具，本质上是给"有一些技术积累的人"准备的工具，而不是给"需要解决问题的人"准备的解决方案。

02. "人天模式"：AI效率被旧生产关系吞噬

除了卖工具，还有另一种主流模式：AI解决方案外包。

逻辑很简单：客户提出需求（比如做一个客服机器人），供应商评估需要多少工程师、开发多少天，然后按下面的公式收费：

"人数 × 天数 × 单价"=收费。

这和传统IT外包有什么区别？几乎没有什么区别。

区别只是把"开发一个网站"换成了"开发一个AI应用"，计费方式还是"人天"。供应商的利益和客户的业务结果完全脱钩——项目验收完、款收了，客户能不能用上、能产生多少价值，那都不是供应商的事。

更讽刺的是：这种模式下，供应商甚至没有动力提高效率。因为AI一分钟能写完的代码，供应商反而无法收取那一分钟之外的费用。

所以他们可能有意无意地维持项目复杂度，让它变得更长、更贵。

AI的技术红利，被旧有的生产关系吞噬了。供应商利用人天来完成工具的适配，本质上还是在修补"铲子"，而不是帮客户挖"金子"。

这种模式在微软工作期间也出现过。有些客户觉得AI项目就该按人天算钱，"你们派两个人来，做三个月，给60万"。

我算了一笔账：如果这两个工程师真的用AI辅助开发，效率能提高多少？

结果是骇人听闻的——可能两周就做完了。

但客户只愿意按三个月付费，因为这是即有流程。

按照即有流程支付费用，安全。

再举一个例子：

我曾经和百融的一位FDE工程师聊天，他在周末的时间，利用“龙虾”开发了一个小程序，对接全球航班的状态（这些信息都是开放的）和直播平台，展现当时的全球航班飞行线路图，如下：

如果按照传统的开发模式，估计需要一个人工作3个月。而实际上，他用了多长时间呢？

周日的晚上8点到12点。没错，4个小时。

这不是“红赤兔”跑过了“黑乌锥”，这是跨维度的超越。

上面的例子就是很扎心。但这不是客户的问题，这是整个行业的定价逻辑出了问题。当供应商的收入和效率无关，供应商为什么要提高效率？

03. 智能体：打破僵局的奇点

那AI就没有带来真正的改变吗？

有。这个改变叫做：智能体。

如果说ChatGPT是"副驾驶"，需要人类时刻盯着并发出指令；那智能体就是"自动驾驶"，能够独立完成一项完整的工作。

智能体不是简单的问答工具。它能理解你的目标，自己制定计划，自己执行任务，自己检查结果。

举个例子。一个客服智能体不仅能回答用户的问题，还能自主处理订单、解决投诉、甚至主动进行客户挽留。一个销售智能体不仅能生成销售线索，还能跟进客户、安排会议、最终促成交易。

这不是效率的提升，这是工作方式的根本改变。

当一个AI系统能够端到端地完成一项工作时，"按结果付费"就有了技术基础。你不需要再和客户争论"这个功能值多少钱"，你只需要证明"我帮你解决了多少问题、创造了多少收入"。

洗衣机和洗衣服务的区别

打个比方。

你以前卖的是一台洗衣机（工具），客户自己洗衣服；现在你卖的是"洗衣服的结果"（服务），衣服脏了你来洗，洗一件收5块钱。

洗衣机和洗衣服务的商业模式是完全不同的。前者卖的是设备，后者卖的是结果。

04. 从博弈到共生：百融金融云的启示

说到底，客户购买任何产品或服务的终极目的，都是为了解决自身的问题。

买锤子是为了钉钉子，买ERP是为了提升运营效率。客户要的从来不是工具本身，而是工具带来的结果。

但在传统的软件行业里，这个简单的道理被长期扭曲了。供应商有能力提供的只是一个"工具"，一个充满可能性但结果不确定的"铲子"。

这就好比你去医院看病，医生给你开了一堆药（工具），但不管你吃了药能不能治好病（结果）。

你愿意为这堆药付多少钱？

但如果医生说"我保证治好你的病，治不好不收钱"，你愿意付多少钱？

肯定是前者的一倍、甚至十倍。

这就是"按结果付费"的底层逻辑。不是因为技术更先进了，而是因为它回归了商业交易的第一性原则：客户要的是问题的解决，不是工具的拥有。

智能体技术让这种回归成为可能。举个简单的例子，是百融在金融云业务上的实践。

百融金融云：利益共同体的真实样本

百融在金融方向有多年的积累。其中一个核心业务是金融云服务——借贷和保险场景。

一般性的理解，百融提供了云平台，金融客户利用百融的金融云来推动他们的借贷和保险业务，就像这些企业用公有云做业务一样。

但百融却不是这么做的。他自己下场，通过语音智能体每天千万级的消费者触达，高效、低成本地筛选出有意向的客户，并促成借贷或者保险交易。

然后，金融机构按照促成的贷款额、成交的保险额，按照一定比例给百融分成。

大家看到不同了。百融直接把业务结果递到了客户面前。客户按照约定的业务结果支付百融的分成。

客户不需要自己使用系统，不要评估成本，不用考虑风险。客户看到的是扎扎实实地放在眼前、可以写进财务的业务数字。

在这种模式下，双方还有博弈吗？

双方还有不信任吗？

双方的关系立刻变成清澈而且简单，形成了利益共同体。

利益共同体是如何形成的？

在传统的甲乙方模式下，风险分配是这样的：

实施风险——软件能不能成功跑通？客户承担。适配风险——员工愿不愿意用？客户承担。结果风险——用了之后业绩能不能提升？还是客户承担。

供应商呢？锁定风险边界，追求确定性收入。一旦合同签订，供应商的收入就稳了。至于客户用得好不好、有没有创造价值，那不是供应商的事。

这种模式下，供应商和客户天然是博弈关系。供应商希望少投入多产出，最好一个标准产品卖给一百个客户。客户希望少花钱多定制，最好把供应商当成自己的IT部门。

"按结果付费"彻底改变了这个逻辑。

在百融金融云的业务里，供应商的收入直接和客户的业务成果挂钩。只有客户成功了，供应商才能拿到钱。这意味着供应商必须像管理自己的业务一样，深度参与客户的运营流程。

不是教你用铲子，而是帮你挖金子。

这种利益绑定的深度，远超传统的"客户成功"团队。传统SaaS的"客户成功"说到底是服务——帮客户更好地使用产品。但"按结果付费"是直接参与——不是卖给你一套系统让你自己用，而是帮你把活干完。

当你必须对结果负责的时候，你和客户之间的关系就变了。不再是谈判桌上的对手，而是并肩作战的战友。

05. 预告

聊了这么多"按结果付费"的美好前景，你可能会问：具体怎么操作？钱怎么算？风险怎么分？

这篇就聊到这。

如果你觉得这些跨界观察还有点意思，欢迎关注「猫咪念经」——一个30年IT老兵的非垂直思考。

下一篇，我们详细聊聊"从卖铲子到分金子"的商业模式到底怎么运转。

下篇见。