AI不会取代软件,它只会终结让人适应软件的时代

过去四十年软件沉淀下来的流程、数据和责任，不会因为一个聊天框消失。真正的变化，是固定流程开始理解每个人：界面退后，软件从等待操作的工具，变成持续提供结果的服务。

当AI开始替人查数据、填表、下单、回复客户，市场上很自然地出现了一个判断：软件的末日到了。

这个判断听起来顺理成章。过去我们打开十几个系统，记住几十层菜单，按照软件规定的顺序完成工作。现在只要说一句话，智能体就能跨系统执行。既然人不再点击页面，传统软件还有什么价值？

问题在于，我们把软件的表面当成了软件本身。

菜单、按钮、表单只是软件露在外面的那一层。过去四十年，企业真正花钱建设的，是客户、员工、商品、合同和账户的共同记录，是谁能做什么的权限，是一件事从申请到完成的流程，也是出了问题以后能够追到人的责任链。

这些东西不会因为交互方式变成自然语言就自动消失。

AI最可能终结的，是所有人都必须按照同一种方式适应软件的时代。

一、四十年软件积累的，不只是功能

回头看企业软件的发展，会发现每一代产品都在解决上一代留下的摩擦。

早期的软件把纸面记录变成数据库，让企业第一次能够在同一套数字事实之上工作。ERP、CRM、人力和财务系统把部门经验变成标准流程，让采购、招聘、报价、交付和结算不再完全依赖某个熟练员工的记忆。云软件又把部署和协作搬到线上，让流程可以持续更新。

这四十年的积累，大致形成了四层东西：记录事实，约束规则，组织流程，提供交互。

人们今天最容易看到的是第四层。因为AI首先改变的也是第四层：不用再找入口，不用再记字段，不用先学习系统的语言。人可以直接表达目的，让模型理解上下文，再调用工具。

但当AI准备执行一项真实动作时，前面三层立刻会回来。

它要给客户退款，就必须知道订单是否真实、退款上限是多少、谁有审批权；它要调整员工薪酬，就必须读取劳动合同、薪资等级和当地规则；它要替企业付款，就必须确认账户、预算、授权与审计要求。模型可以生成一个看起来合理的答案，却不能凭空生成一套被全公司共同承认的事实。

所以，AI带来的第一场变化不是“软件消失”，而是软件的价值开始从可见界面向不可见底座迁移。

判断：界面可能后退，软件积累的事实与责任不会因此消失。

二、真正的个性化，不是换一段推荐文案

软件时代的标准化有巨大的价值，也有一个长期代价：人必须适应流程。

同一张表格给所有人，同一条审批链处理所有情况，同一套客服菜单要求不同客户逐层选择。标准化降低了管理成本，却把大量理解、判断和转换工作留给了用户。

AI第一次让流程本身具备了适应人的可能。

这里说的个性化，并不是首页多推荐几件商品，也不是邮件里自动带上客户姓名。真正的个性化，是系统知道你是谁、正处在什么状态、过去发生过什么、有哪些权限和风险，于是为同一个目标选择不同路径。

一个经常购买同类商品的老客户查询配送，系统可以直接调出订单并说明进度；第一次下单且地址异常的客户，系统会先完成身份与地址核验；涉及高额退款或合规风险时，流程自动转交人工。用户表达的可能都是一句“我的订单怎么办”，背后的执行链却不应该相同。

这正是AI与既有软件结合最有价值的地方：软件提供稳定的事实和边界，AI根据情境编排路径。

没有前者，个性化很容易变成猜测；没有后者，软件仍然要求每个人走同一条路。

三、Pandora没有拆掉订单系统，而是让它会理解顾客

Salesforce在今年8月发布的Agentic Enterprise Index里，披露了珠宝品牌Pandora的一个案例。

Pandora在节假日和情人节会迎来客服高峰。它上线了一名叫Gemma的AI礼宾，用来回答订单状态、物流追踪和珠宝保养等常规问题，同时根据客户偏好提供礼品建议。

值得注意的不是“AI回答了问题”，而是Gemma如何做到这一点。它直接连接后台订单系统和商品目录，再据此提供个性化服务。Salesforce称，在高峰流量期间，Gemma处理了60%的常规支持请求，净推荐值提升了10%。这些数字来自厂商披露，具体样本、基线和统计区间没有公开，不能外推为所有零售企业的普遍回报。

但这个案例揭示的产品结构很清楚：AI没有替代订单系统，也没有重新创造商品目录。它把原来需要顾客查找、客服切换页面和人工判断的过程，压缩成了一次更自然的交互。

订单系统仍然负责“什么是真的”，AI开始负责“怎样为这个人完成这件事”。

这不是软件价值消失，而是软件从一个需要人操作的工具，转向一个主动提供服务的系统。

四、越接近真实责任，软件底座越重要

如果说Pandora证明了个性化，Fanatics Betting and Gaming的案例则说明，流程一旦进入高责任场景，AI更离不开既有系统。

Fanatics在美国多个州经营体育博彩。客户问题可能涉及账户、存取款、投注记录、各州规则和负责任博彩要求。传统决策树客服很难同时处理这些变化，于是公司在AWS上搭建了多智能体客服系统。

客户消息从Fanatics应用进入，仍以Salesforce Einstein作为界面。系统首先校验用户令牌，再经过提示注入防护和负责任博彩分类；需要查询时，智能体调用内部账户服务和交易记录；遇到高风险情形或需要判断的情况，连同完整上下文转交人工。

这里没有一个无所不能的AI。真正起作用的是一条由身份、规则、账户、交易、模型、工具和人工共同组成的执行链。

AWS在8月19日发布的案例文章中写道，按Fanatics内部指标，上线前两个月，这套系统的独立解决比例约提升56%，问题解决率约提升53%。文章没有披露绝对基线和样本量，因此更适合把它看作一个生产方向，而不是行业基准。

它所指向的方向仍然重要：AI的能力并没有取代软件流程，反而要求流程被拆得更清楚。哪一步查事实，哪一步做判断，哪一步可以自动执行，哪一步必须升级给人，都要被重新定义。

路径可以因人而异，授权不能一次放开。

五、Workday的信号：软件的定价点正在迁移

8月27日，Workday公布了2027财年第二季度结果。公司披露，AI产品贡献了当季新增年度合同价值的25%以上，超过5500家客户至少使用了一个Workday自研智能体，使用客户数较上一季度增长35%以上。

这些数据只能证明客户采用和供应商变现，不能证明客户已经获得相同比例的流程回报，更不能证明所有SaaS都会因此受益。

但它至少让“AI一出现，核心软件就立即失去价值”的说法变得不再完整。

Workday选择的路径，是让智能体进入人力和财务流程，同时强调确定性护栏，并通过Agent Passport测试、验证和持续监控自研及第三方智能体。它并没有否认界面会被削弱，也没有假装席位模式永远不变。它在争夺新的控制点：当智能体替人行动时，谁来提供权威数据，谁来定义权限，谁来记录动作，谁又能在事后说明发生了什么。

过去软件按“有多少人使用”收费。未来一部分价值可能转向“有多少动作被可靠完成”“有多少流程被持续控制”。界面退到后台，控制层反而更接近企业的核心责任。

三组数字均为公司或厂商披露，只证明采用方向，不外推为普遍ROI。

六、AI时代的软件，会从标准产品变成个体服务

软件公司真正面对的挑战，不是给每个页面加一个聊天框。

如果AI只是换了入口，背后的流程仍然僵硬，用户很快会发现：说了一段自然语言，最后还是被带回同一张表格。这样的产品只是在旧软件前面加了一名翻译。

更深的变化会发生在三个地方。

第一，流程从预先画死，变成在边界内动态生成。相同目标可以根据身份、历史和风险采用不同步骤。

第二，功能从等待调用，变成围绕结果主动协同。软件不再问“你要使用哪个模块”，而是先理解“你要完成什么”，再组织数据、规则和工具。

第三，产品从千人一面，变成持续认识使用者。每次交互、纠错和人工接管都会成为下一次编排的上下文，但这种记忆必须受到授权、用途和期限约束。

这意味着未来的软件可能越来越看不见。用户看到的是一个持续理解自己、帮助自己完成任务的入口；企业真正采购和管理的，则是背后的记录、权限、动作、审计和反馈系统。

软件不会被AI简单抹去，它会被重新分层。 缺乏独特数据、流程位置和责任能力的小工具，确实可能被通用智能体吸收；掌握真实业务状态和执行权的系统，则有机会成为AI时代更重要的基础设施。

七、个性化越强，授权越不能含糊

流程能够因人而异，也会带来一个新的危险：如果每一次路径都不同，企业怎样保证它没有越界？

我更愿意用Trustlink来理解这个问题。

我们不把完成整项任务的整体信任一次性交给某个Agent，也不因为它过去表现良好就默认它可以继续行动。可信的对象应该是当前这一步链路：在什么状态下，根据什么证据，允许它调用哪个工具，执行什么动作，产生什么记录，失败以后交给谁。

个性化发生在交互和编排层，确定性保留在授权与执行层。AI可以为每个人选择不同的路，但每一步都必须穿过明确的权限门。

这也是软件四十年积累在AI时代的新价值。过去流程被写死，是为了可控；现在流程可以动态生成，但控制必须被拆成更细、可验证的状态转换。

没有这条链，个性化越强，责任越模糊。拥有这条链，AI才可能从一个善于表达的助手，变成可以进入企业生产过程的执行者。

八、CEO真正该问的，不是先砍掉哪套软件

面对AI，企业当然需要重新审视软件预算。部分页面、座席和低价值工具会被压缩，原有供应商也不能用“系统底座”当作拒绝改变的护身符。

但如果一开始就把目标设成“用AI替掉多少软件”，团队很容易追求演示层面的替代：少开几个页面，少点几次鼠标，或者把多个入口合成一个对话框。真正困难的记录、权限、异常与责任，最后仍要有人补回去。

更有效的起点，是选一个真实流程，先拆成两部分。

一部分必须稳定：事实从哪里来，谁拥有权限，哪些动作不可逆，什么情况必须人工接管，结果如何审计。

另一部分可以变化：用户如何表达需求，系统怎样理解上下文，步骤怎样组合，建议如何因人而异，下一次如何根据反馈改进。

然后比较AI介入前后，合格结果率、人工纠错时间、异常动作、用户体验和完整成本是否真的改善。只有结果改善，智能化和个性化才不是一层新包装。

如果未来的通用智能体能够脱离既有系统，独立维护数据一致性、权限、交易、审计与异常处理，并且完整成本更低，那么今天的软件底座当然也会被替代。只是接替它的不会是一段对话，而是另一套承担同样责任、以新形态存在的软件。

AI真正结束的，不是软件，而是人迁就软件的时代。

四十年前，我们学习如何操作机器；随后，我们学习如何按照系统规定的流程工作。接下来，软件需要反过来理解人的目标、情境和差异，在看不见的地方守住事实与责任，在看得见的地方交付一个更自然、更个体化的结果。

界面可能消失，流程不会消失。流程会开始理解人。

文中企业数据均来自2026年8月的公司或厂商披露；它们用于展示实践结构，不代表所有企业都能取得相同回报。