乐于分享
好东西不私藏

AI 产业经济学04|软件不会消失,但它可能不再是你购买的东西

AI 产业经济学04|软件不会消失,但它可能不再是你购买的东西
AI ECO 04 封面:软件不会消失,但购买方式会变
Week 4 讨论的是企业 AI 和 Service as Software。
这节课的关键问题不是“软件会不会消失”,而是:当 AI 可以承担越来越多操作性工作时,企业到底还在购买软件工具,还是开始购买被完成的业务结果?
传统企业软件的默认逻辑是:厂商提供系统,用户购买席位,员工学习界面,然后在软件里完成工作。AI 进入之后,这个分工开始松动。模型不只是生成文字,也可能读取数据、调用系统、判断下一步动作,并把结果写回业务流程。
这并不意味着软件不重要。相反,软件会更深地进入生产系统,只是不一定继续以“让人操作的界面”作为主要价值形态。
结束的不是代码,而是旧的购买方式
Chris Paik 在《The End of Software》中提出的,不是代码会消失,而是传统软件作为“购买、学习、再由人操作的工具”可能被重新定义。
互联网降低内容分发成本后,内容供给爆发,价值逐渐向平台、分发和注意力迁移。这个类比指向一个可能性:如果大模型继续降低软件创建与维护成本,单个工具会更容易被替代;更稀缺的会是分发、信任、数据连接和完成工作的能力。
但这仍然是一种行业推论,不是已经发生完毕的事实。企业软件仍有安全、支持、集成、统一管理、合规和信任等强壁垒。
卡片 01:结束的不是软件,而是旧的购买方式
软件供给变多之后,价值不会自动消失。它会重新寻找更稀缺的位置。
SaaS 卖工具,Service as Software 卖成果
可以把两种形态放在一起看。
SaaS 的典型购买对象是软件工具。用户买的是界面、席位、权限、配置和工作流。工作仍然主要由人完成,厂商常用活跃、席位、续费和功能采用率衡量价值。
Service as Software 的购买对象更接近被完成的服务或结果。用户关心的不是“有没有一个界面”,而是“任务有没有被正确处理”。衡量指标也会从使用时长转向完成率、质量、单位成果成本和错误率。
传统客服 SaaS 提供工单系统,员工在其中处理客户问题。AI Copilot 帮员工起草回复。再往前一步,Agent 可以读取客户信息、判断问题、更新工单、触发退款或升级。
当用户购买的是“工单被正确处理”,而不是“一个可供操作的界面”,产品就开始从工具走向结果交付。
企业 AI 的产品,远不止一个模型
通用模型擅长通用推理与生成,却通常不知道企业最新的内部数据、权限关系、业务 SOP 和判断标准。
企业 AI 真正交付的,是模型能力与企业上下文共同形成的业务结果。
模型能力 + 企业数据与知识 + 业务规则与 SOP + 系统连接与 Agent 工作流 + 权限、审计、人工兜底 = 可验证的业务结果
企业的竞争力本来就来自自己的数据与业务流程。只有 AI 能在这些基础上做得更好,才会有高价值;只调用通用模型,往往只能停留在可演示但难规模化的阶段。
卡片 02:企业 AI 的产品远不止一个模型
这也是为什么企业 AI 的落地,比“接一个 API”慢得多。模型能力只是起点,真正难的是把数据、权限、系统动作、异常处理和责任边界接起来。
Demo 能跑,为什么还不能进生产?
Demo 证明“模型能力可以被使用”。生产系统要求“AI 能在真实流程中稳定、安全、可审计地交付成果”。
可以分成五个阶段:
  1. Demo:技术能不能跑通?
  2. POC:在有限真实场景中有没有价值?
  3. 试点:能不能嵌入流程并持续运行?
  4. 生产:是否稳定、安全、可审计、成本可控?
  5. 规模化:能否复制到更多团队和业务?
如果 AI 不能读取企业数据、调用业务系统、处理异常、回滚错误或转交人工,它大多只能回答问题、提供建议、生成草稿。它还没有成为业务系统的一部分。
企业 AI 进入生产,不只是模型测试问题,更是系统工程问题。
ROI 不看“用了多少”,看“交付了什么”
传统 SaaS 很自然地看 DAU、席位、使用时长和续费率。
结果型 AI 更应该看任务完成率、结果采纳率、单位成果成本、节省的人工时间、业务成功率、错误率与转人工率。
AI ROI = 业务收益 + 节省时间 + 提升质量         - 推理、部署、适配、调优、人工复核与风险成本
用户登录次数少,不一定代表价值低。若 AI 在后台稳定完成重要任务,业务结果比活跃时长更重要。
卡片 03:ROI 不看用了多少,看交付了什么
自动化不是“能做就做”
成熟的企业 AI,不是 AI 什么都能做,而是企业清楚地定义:什么可交办、什么要复核、出现问题后谁负责。
我会把自动化权限分成四类:
  1. 低风险、可回滚:AI 自动执行并监控。
  2. 影响客户的中风险任务:AI 执行,人工复核。
  3. 高风险、不可逆:AI 提议,人来审批。
  4. 法律、重大财务或安全事项:不自动执行。
这里的重点不是保守,而是把责任讲清楚。只要 AI 的动作会影响客户、资金、合规或安全,企业就必须提前定义审批、日志、回滚、人工兜底和事后追责。
学习总结
企业 AI 的竞争,不是“谁接入了最强模型”,而是“谁能更稳定、更安全、更低成本地完成真实业务”。
本节需要记住三件事:
  1. 软件从工具走向结果。
  2. 模型从单一产品变成工作流里的能力组件。
  3. AI 应用的核心指标从使用量转向业务成果。
AI 不会让企业软件变得无关紧要。它更可能让企业软件从“人操作软件”变成“软件和 AI 一起承担工作”。这时,界面仍然存在,但真正的价值会越来越多地体现在结果、责任和生产系统里。
课程与原文
  • Stanford MS&E 435 Course Materials
  • Week 4 课程录播:Infrastructure, Enterprise AI, and Service As A Software: https://www.youtube.com/watch?v=sRvrXL83N-c
  • Chris Paik:The End of Software:https://docs.google.com/document/d/103cGe8qixC7ZzFsRu5Ww2VEW5YgH9zQaiaqbBsZ1lcc/edit?tab=t.0
  • Ali Ghodsi in conversation with David Solomon
  • Goldman Sachs:AI and the Enterprise Revolution