AI重塑工作，软件价值未减反增

一项愈发显著的趋势是，人工智能正深刻改变工作形态，却并未削弱软件的核心价值。相反，随着AI深入企业运营的核心，软件作为基础设施的重要性愈发凸显。

对于顶级SaaS提供商而言，真正的挑战并非是否被AI“取代”，而是能否成为AI调用的基础设施，能否将自身产品转化为智能体时代的标准化模块。尽管商业模式可能发生转变，但价值本身并未消失。

近期，AI与SaaS的关系因市场波动而备受关注。Anthropic发布面向开发者的AI插件能力后，多家顶级SaaS公司股价短期内大幅下跌，引发了“AI是否正在取代软件”“SaaS是否正在消亡”的广泛讨论。

这种担忧并非新事。每当底层技术发生飞跃，市场总会将“工具”与“智能”对立起来，仿佛后者必然取代前者。然而，当聚焦到企业运营的实际场景时，会发现事情远非如此简单。AI的能力边界并不等同于企业系统的职责边界。

回溯至2025年初，微软CEO萨提亚·纳德拉做出了一项震撼业界的预测：在人工智能智能体时代，SaaS应用的概念将被重塑。SaaS的核心是带有大量业务逻辑的CRUD数据库，而这些逻辑将越来越多地迁移到AI智能体中。一旦AI成为承载业务逻辑的主要层面，用户将彻底替换后端系统。

这一预测迅速得到了现实案例的支持。2025年3月，Klarna CEO塞巴斯蒂安证实，这家金融科技巨头在过去一年中停用了约1200个SaaS系统，包括Salesforce，并将业务整合到一个统一的内部AI平台上。

这种颠覆不仅限于SaaS领域。如今，AI正渗透到专业服务领域——财富管理、咨询、法律等，这些行业历来依赖高薪专家和劳动密集型工作流程，且较少受到以往技术革命的影响。AI不仅能提炼和整合专家知识，还能打破领域壁垒，提供跨学科的智能服务，表现超越传统专业技能。

在此背景下，产业开始重新思考一个更深层次的问题：当AI不再是辅助工具，而是能理解业务、执行任务、跨系统行动的智能体时，企业软件和专业服务的形态将如何变化？

纳德拉预测背后：传统SaaS走到终点了吗？

萨提亚·纳德拉认为，SaaS应用本质上是嵌入了大量业务逻辑的CRUD数据库。每个SaaS工具都有独特的数据模型和规则，这造成了数据孤岛，阻碍了集成和决策。在AI智能体时代，这些规则将从各系统中提取并集中到AI层。

AI智能体不受系统限制。它们能跨数据源运行、协调工作流程，并基于更广泛的业务背景做出决策。这重新定义了企业软件架构——从垂直隔离的SaaS应用转变为以AI为中心的统一平台。在这种新范式中，SaaS工具要么成为专门的数据服务，要么被更灵活的系统完全取代。

商业上，这减少了供应商锁定，并根本性地改变了SaaS市场的竞争格局。当克拉纳宣布用基于AI的知识平台取代1200个SaaS系统时，纳德拉的愿景得到了迅速验证。

同样的趋势也来自Klarna。2025年3月5日，其CEO塞巴斯蒂安发推文称公司已停用约1200个SaaS工具，包括Salesforce，转而采用一款专有AI知识平台。此举直接印证了纳德拉的预测。

Klarna开启AI转型时面临的关键挑战是：企业数据和知识分散在不同SaaS系统中。这不仅导致“输入垃圾、输出垃圾”的问题，还使得集成成本高昂。受维基百科启发，Klarna得出结论：真正智能的系统需要一个统一的全球知识图谱而非孤立系统。

塞巴斯蒂安在推文中写道：“我们将Klarna的知识存储在SaaS中，包括原因和内容（文档）、计划（幻灯片、工单）、绩效（表格）、关系（CRM）、人员（ERP、HR），所有这些都处于不同孤岛中，形成了难以导航的知识网络。我们开始整合内容、连接知识、消除孤岛。一个附带结果是淘汰了部分SaaS工具。”

Klarna不仅用AI取代SaaS工具，还构建了一个整合各职能部门业务逻辑和数据的集中式平台，通过AI智能体提供统一访问。

传统SaaS和服务的进化新解：AI智能体

人工智能正引发一场超越软件架构的商业革命。从纳德拉的预测和Klarna的实践来看，我们可以得出以下关键结论：

首先，SaaS存在本质局限。传统SaaS产品具有领域特定性，封装了最佳实践和工作流程以协助用户。然而，它们无法进行自主决策或执行端到端任务。随着企业采用更多SaaS工具，核心业务知识变得分散，增加了集成成本并降低了整体生产力。

其次，AI智能体可整合跨SaaS孤岛。生成式AI遵循“输入质量决定输出质量”的原则。零散、不一致的数据会导致不理想的人工智能结果。Klarna在部署AI智能体前通过整合系统解决了这一问题。

从全局视角看，智能体具有两个变革性优势：一方面基于自然语言界面可消除学习曲线；另一方面自进化智能会随时间改进并实现自主决策和完整工作流程执行。

AI SaaS时代，新的挑战“只多不少”

尽管AI驱动的企业转型带来巨大优势但也带来两个根本挑战：

首先是对确定性的需求。大语言模型（LLMs）常生成不确定输出（即“幻觉内容”）。在消费级应用中这或许可容忍但在企业场景中完全不可接受。作为权宜之计供应商会依靠模板和规则提高可靠性但这种方法限制了AI学习、进化和自主决策的全部潜力。

其次是组织惯性。如Klarna案例所示要释放AI全部价值需对IT系统和工作流程进行彻底重新架构。大多数公司缺乏实施此类变革的领导力或能力。SaaS系统深度整合依赖于流程、数据和文化进行全面改革不仅涉及技术风险还涉及组织和文化变革。