a16z：AI智能體之下 軟體行業正在迷失方向？

作者：Seema Amble，a16z合夥人；來源：a16z；編譯：Shaw，金色財經

軟體行業是否正在迷失方向？

上個月，Salesforce 宣布開放應用程序接口（API），並推出無頭化產品。這本質上是押註：在智能代理時代，自身的核心價值在於數據層，而非用戶界面（UI）。這是一次精明的戰略重新定位。不過值得注意的是，其技術層面實則並無太大變動：Salesforce 如今當作「無頭化產品」對外推廣的這些 API，其實大多早已存在多年。換言之，這只是 Salesforce 一次典型的營銷式發布。這款新產品的核心邏輯在於：AI 智能體（AI Agent）可以直接從記錄系統調取數據，無需再適配專為人類設計、用於跟進工作流的用戶界面。

這一發布也引出了一個更值得深思的問題：如果剝離掉用戶界面、直接開放底層數據庫，剩下的核心價值究竟是什麼？這和一套 PostgreSQL 數據庫、設計完善的數據表結構再配上一套 API，又有什麼本質區別？支撐傳統記錄系統長盛不衰的經典壁壘是否依然成立？還是行業已形成一套全新的評判標準？在 SaaS 時代，記錄系統之所以具備競爭護城河，是因為用戶高度依賴界面開展工作。而在智能代理時代，這一優勢正在弱化。企業的可壁壘價值層開始向下沉澱至數據模型、權限體系、工作流邏輯、合規能力，同時向上延伸至生態網路、專有數據生成能力、現實業務落地執行能力。

當軟體走向無頭化時代，真正的競爭壁壘又將轉移至何處？

用戶界面本身就是產品

記錄系統是特定業務數據領域的權威真實數據源。客戶關係、員工檔案、金融交易的官方唯一版本都儲存於此，也是其他各類工具讀取數據、回寫數據的核心載體。

客戶關係管理系統（CRM）是營收業務的記錄系統；人力資源資訊系統（HRIS）是人事管理的記錄系統；企業資源規劃系統（ERP）是財務資金的記錄系統。

這類系統的強大之處，不只在於數據儲存，更在於它成為整個企業協同運作所依託的統一事實基準。

過去二十年裡，Salesforce 本質上售賣的是銷售管理者管理團隊的一套工作方式。儀錶盤、銷售漏斗視圖、業績預測工具、動態資訊流，才是用戶真正買單的東西。其商業模式建立在售賣用戶席位授權之上，讓使用者能夠調用這些功能。底層數據庫固然關鍵，但在商業價值層面反倒成了附屬配置。

這意味著：用戶界面決定了用戶粘性。它規範了數據錄入規範，建立了統一業務術語體系：銷售線索、商機、客戶帳戶。它倒逼成千上萬銷售從業者主動錄入原本不會記錄的數據。用戶界面一直是維持數據規整一致的核心機制。

這款產品的用戶粘性極強，許多銷售高管跳槽新公司後仍堅持沿用 Salesforce，並非因為界面體驗出眾，而是源於肌肉記憶般的使用習慣。

如今，AI 智能體正在顛覆這套傳統模式。智能體無需經由前端界面，可直接對底層數據進行讀寫。這催生了一大批繞開原有界面的新型工具與替代方案（Salesforce 並非個例：我們近期也撰文分析過，SAP 周邊正快速繁衍出一整套適配 AI 的生態體系）。

長期來看，計算機操作類智能體還會逐步消解傳統以人為中心的各類因素：個人使用偏好、崗位培訓、未成文的業務隱性背景知識等。換言之，能長期屹立不倒的記錄系統，其核心必備條件正在發生演變。

傳統粘性護城河盤點

在探討智能代理時代會帶來哪些變革之前，有必要先釐清：最初究竟是什麼構築了記錄系統的高用戶粘性。其中首要因素，集中在人與軟體的交互方式及個人使用偏好上。軟體的高粘性，很大程度由用戶界面、使用習慣、人工工作流、內嵌業務流程共同鑄就。

使用頻次高低

CRM 等系統被市場落地團隊及相關人員每日高頻使用。高頻使用使其成為企業關鍵基礎設施；而沉澱其上的人文與管理習慣 —— 固定工作流程、肌肉記憶、多年形成的管理節奏 —— 往往最難遷移，甚至企業都意識不到這套體系本身也需要遷移重構。

只讀還是可讀寫

具備高粘性的記錄系統，一定是可讀寫雙向系統。以 CRM 為例，它絕非只存不查的歸檔庫，而是被持續頻繁讀取。每一通通話記錄、每一次商機階段更新、每一項任務創建，都由相關人員主動錄入。這種雙向數據流意味著任何替代系統都必須承接實時業務營運數據，而非僅導入歷史歸檔數據。企業找不到可以無縫切換的安全窗口期，因此一旦完成落地部署，往往會長期綁定原有服務商。反觀招聘跟蹤系統（ATS），大多屬於只寫少讀屬性：人員招聘完成後，企業幾乎沒有回頭調取這批數據的需求，用戶粘性自然弱很多。

有多少不記錄的標準作業流程（SOP）？

關乎業務命脈的隱性知識，從來不在任何知識庫文檔里，而是沉澱在管理員與系統集成商長年累月搭建的工作流規則之中。以銷售場景舉例，這類不成文的隱性規則包括：10 萬美元以上的企業訂單需副總裁審批、歐洲中東非洲（EMEA）地區訂單必須經過隱私合規審核、戰略大客戶折扣僅可在季末跳過財務審批流程。而這些隱性規則，往往直接決定業務能否按時落地、是否違反關鍵業務規範，甚至決定整件事能不能辦成。若要遷移系統，要麼逆向拆解每一項自動化邏輯，要麼就徹底丟失企業多年沉澱的組織經驗記憶。

系統存在大量內外部依賴嗎？

核心判斷標準是：有多少內部系統、團隊流程、外部相關方依賴這套核心記錄系統。內部連通性，指下游對接的其他軟體與工作流；外部連通性，指審計師、會計師、監管機構等外部主體 —— 例如 ERP 系統常需向這類機構直接開放數據訪問權限。內外部連通性越高，系統遷移時需要梳理、拆解的關聯鏈路就越複雜。

從合規角度看，數據的重要程度有多高？

核心問題很簡單：這套系統是否屬於合規關鍵型系統？薪資核算、ERP、人事數據等合規關鍵系統，必須具備具備法律合規效力的權威數據源、嚴格的管理員權限管控，且任何系統遷移都需要審計與監管機構直接參與，這也大幅拉高了用戶粘性與遷移門檻。而銷售數據、Zendesk 這類客服工具則屬於另一類：企業雖看重業務連續性與場景上下文，但數據遷移或權限變更並不會帶來合規監管風險。

並非所有記錄系統的切換成本都處在同一水平。用同樣標準對比 CRM 與招聘跟蹤系統（ATS），差距一目瞭然。ATS 僅服務招聘這一封閉固定流程，候選人入職或淘汰後，相關記錄基本屬於一次錄入、後續極少改動；系統集成範圍窄，使用人群規模小且集中。

ERP 則處在另一極端：賬務賬本本身就是審計溯源憑證，一旦涉及系統遷移，會計師、審計師、監管機構都會成為直接利益相關方。替換 ATS 雖麻煩，但尚可承受；替換 CRM 如同做心臟開胸手術；而替換 ERP，則相當於一邊讓病人跑馬拉松，一邊做開胸手術。

傳統上，核心記錄系統並未利用專有數據、網路效應這類能構築護城河的優勢；單靠業務工作流，往往就足以形成自身壁壘。反觀消費級業務，往往能整合工具與網路生態，但記錄系統歷來都做不到這一點。

專有數據

儘管多數記錄系統都會收集客戶數據，卻並未真正深度盤活這些數據（且很多時候受合約條款限制，無法隨意利用）。因此，即便 CRM 坐擁豐富數據、本可聚合全域客戶資訊，提煉跨客戶維度的行業洞察，卻始終沒能形成有實際價值的落地應用（雖有過零星嘗試，例如 Salesforce 的 Einstein 智能產品）。

網路效應

網路效應本是行業夢寐以求的終極壁壘。若能形成網路效應，CRM 的價值會隨生態壯大持續提升，讓軟體賣方可以在平台上精準匹配買方資源。但和數據價值的現狀類似，記錄系統歷來的網路效應始終十分微弱。

用戶界面逐漸退場、智能體登場，剩下的是什麼？

AI 智能體不需要瀏覽器，它只需要API、業務上下文、執行指令與行動能力。兩大技術條件讓這一切規模化落地成為現實：一是大模型具備了足夠的邏輯推理能力。如今智能體可以自主讀懂業務上下文、制定執行計劃、調用工具、完成操作並復盤結果，絕大多數任務已無需人工介入。二是MCP 協議實現了工具調用標準化，為智能體提供了調用外部能力的統一接口。接入 MCP 的智能體，能在毫秒級完成人類用戶的所有操作，規模化運行，且全程無需瀏覽器。只要具備完整業務上下文，電腦操作型智能體甚至無需依賴官方 API，就能直接適配和操作傳統軟體界面。

簡單來看，如今軟體採購方有三條可選路徑：

那麼，傳統衡量系統粘性的標準，還有哪些依然成立？依賴人類行為與使用習慣的因素正在淡化，例如使用頻次、讀寫屬性這類和人為肌肉記憶強相關的指標。AI 智能體或許會瓦解由肌肉記憶構築的競爭壁壘，但無法取代業務營運邏輯與場景上下文形成的護城河。恰恰相反，這套邏輯的重要性反而進一步提升 —— 因為智能體必須依靠明確的規則、權限與流程定義，才能安全合規地執行業務。

短期內，無書面化的隱性標準作業流程依舊關鍵。沉澱在工作流規則中的企業原生業務邏輯，正是智能體替企業正確執行業務所必需的核心依據，同時也是最難逆向重構的部分。目前這類隱性業務知識還無法被完整乾淨地導出，尤其當流程中仍有人員參與環節時更是如此。不過，業務上下文的數字化沉澱正在變得越來越容易；隨著智能體逐步替代更多人工環節，這類隱性經驗的重要性會慢慢弱化。

系統連通性的拆解難度依舊很高，且影響範圍更廣。連通性的核心邏輯已經改變：不再只是適配人類操作，而是要打通原本彼此割裂的業務職能與軟體系統。CRM 智能體需要串聯銷售、賬單結算、客戶成功全鏈路的數據與業務上下文。如果你的平台同時成為多方外部機構（買方、賣方、合作夥伴）智能體的交易樞紐，系統依賴關係還會進一步加深。無論是傳統廠商疊加智能體，還是自建數據庫與智能體體系，想要跨各類底層軟體的基礎能力協同運作，難度都會非常大。

合規敏感型數據的重要性始終不變。涉及監管要求、法律風險的數據，必須擁有唯一可信數據源。只要企業信任現有產品，替換意願就會大幅降低。以薪資、財務核算數據為例：即便智能體有調取需求，企業也很少願意自研並自行維護這套合規體系。在全面智能體時代，仍有一大懸而未決的難題：哪些智能體有權代表誰、執行哪些操作、如何全程可審計追溯？若一套記錄系統能成為智能體之間交互的身份與權限底層樞紐，就會形成極難被替代的結構性地位 —— 其壁壘不在於儲存的數據本身，而在於它所構建的信任與權限治理架構。

展望未來，決定原生 AI 初創企業競爭壁壘的核心因素，正變得愈發清晰。

重構一套核心記錄系統的難度有多高？

數據的重要性體現在多個層面。首先在短期，取決於提取、復刻原有記錄系統底層數據的難易度。AI 工具已大幅降低了數據遷移與復刻門檻。短期里，傳統廠商會刻意抬高遷移門檻：把 API 設計得繁瑣、設限准入、功能殘缺，或定價缺乏吸引力，甚至乾脆不開放 API。但隨著數據提取工具、尤其是電腦操作型智能體能力持續迭代，復刻門檻會進一步降低。與此同時，新興廠商正從郵件、通話語音、內部文檔中沉澱更豐富的原生數據維度。AI 把復刻一套記錄系統前 80% 基礎功能的成本壓得很低；而剩下 20% 包含特殊例外流程、審批規則、合規要求、邊緣場景工作流的部分，才是區分「可用替代模塊」與「真正完整替代方案」的關鍵。

是否擁有真正意義上的專屬獨有數據？

其次，數據本身的戰略價值愈發凸顯。真正具備壁壘的不是導入的外部數據，而是由產品自身業務流程原生產生的獨有數據。所謂數據圍牆生態，指具備專有屬性、受監管約束、需要持續動態更新的數據資產。投入深耕權威、完整數據集的軟體服務商，相比通用型廠商或同行競爭者具備天然優勢。數據壁壘的另一維度：數據來源於企業內部業務行為沉澱。頂級企業不再只是單純倉儲外部錄入的數據，而是通過深度參與業務流程，沉澱全新的數據衍生資產：包括用戶行為觀測、響應率、時間分布規律、業務流程結果、行業基準、異常模式、智能體運行軌跡等。核心邏輯已經改變：數據本身就是業務上下文。

是否掌控業務執行層？

傳統模式下，只需儲存業務記錄就足夠構建價值；新時代由智能體主導行動決策，競爭壁壘開始向能形成業務閉環的產品傾斜：從發起操作、捕獲執行結果，再利用反饋優化後續決策，形成完整自循環。以 ERP 為例：自動審批支出、觸發薪資發放、發票對賬、下發業務通知等，都屬於閉環能力。能實現業務閉環的產品護城河更深 —— 它們深度嵌入業務執行環節，而非僅僅做數據記錄；能產生獨有數據、越用越智能，一旦替換就極易造成業務流程斷裂。所能覆蓋的業務上下文越豐富、處理的邊緣場景越多，價值就越高。

是否具備現實世界落地執行能力？

商業模式若能銜接無法被完全自動化的線下實體營運環節，將形成獨特壁壘。最典型如具備線下營運網路的企業（例如 DoorDash），這類企業原本不屬於傳統記錄系統範疇，但極具參考價值。更廣而言，任何能串聯服務交付、履約配送、物流調度、外勤作業、支付結算的軟體，都擁有純 SaaS 不具備的差異化壁壘。這類企業不只是儲存記錄、給出建議，還能調度人力、調配物資、完成實體服務交付。

對創業者而言，這意味著巨大機遇：在軟體可自主決策、智能體可協同調度，但最後一公里仍需線下落地執行的賽道，存在廣闊空間。例如深耕外勤服務的垂直行業軟體。

是否能形成網路效應？

過往絕大多數記錄系統的網路效應都很薄弱，因為軟體主要服務企業內部流程。但在智能代理時代，若系統深度嵌入多方協同工作流，網路效應的重要性將大幅提升。一旦平台成為多方業務交互的中樞 —— 買賣雙方、僱主與員工、企業與審計方、供應商與客戶、付款方與服務提供方，每新增一個參與主體，都會讓整個網路對其他參與者更有價值。

網路效應主要有三種體現形式：

• 共享工作流協同：成為業務供需兩端交易協作、同步上下文、處理異常流程的統一平台；

• 行業基準與智能洞察：基於全網沉澱的行為模式，輸出行業標準、異常預警與優化建議，與獨有數據壁壘形成互補；

• 信任與標準化底座：一旦交易各方都依賴同一套平台完成審批、工作交接、合規校驗、支付結算，產品就不再只是數據庫，而升級為行業市場的協同基礎設施，替代門檻極高。

採購方自身的技術能力強弱？

理論上任何企業都能自研智能體，但實際落地能力差異巨大。尤其在垂直行業、傳統職能部門中，企業普遍缺乏自研工程團隊，很難長期搭建、維護並持續迭代專屬數據庫、業務工作流、智能體架構與治理體系。成本也是重要考量：自研看似能節省軟體授權費，實則會把成本轉移到實施落地、運維管理與內部架構複雜度上。這也意味著一類明確市場機會：業務流程複雜、但技術服務供給不足的行業，比如製造業、建築後台、工業運維、外勤服務、財會審計等領域。

還有幾項必備基礎條件，已是軟體行業的准入門檻：首先是本體數據架構需要重新設計。很多「自建數據庫」的思路，都低估了對象模型本身承載的業務價值。傳統軟體圍繞儀錶盤、報表和人工流程設計，核心對象是商機、工單、候選人等；而面向智能體的數據架構，需要適配邏輯推理、動作執行、狀態追蹤、異常處理、任務委派與跨系統協同，核心對象轉向任務、用戶意圖、會話流程、治理規則、業務結果等。

其次，權限體系必須升級適配智能體管理，而非僅針對人員。需要明確：誰有權操作、通過哪個智能體執行、遵循何種治理規則、需要哪些審批、全程如何審計留痕、以及異常回退與兜底機制。

當然，所有這些都離不開成本約束：搭建和維護智能體與數據庫的投入、API 調用費用等，最終又會回歸到數據復刻難度、系統依賴複雜度等核心問題。

這一切最終會把行業帶向何方？

傳統軟體廠商向無頭化架構轉型時，實則隱含押註：價值核心仍將停留在數據層。在部分行業，尤其是金融服務這類強合規約束領域，這一判斷或許還能成立較長一段時間，其全面無頭化的進程也會相對滯後。

對於軟體創業者而言，在傳統廠商走向無頭化的當下，與之同台競爭、打造具備長期壁壘的軟體產品，機遇邏輯已然改寫。

新一代核心記錄系統已開始呈現全新形態：它們不再只是為記錄人工工作而儲存數據的容器，而是具備智能代理原生能力，能夠自動捕捉業務上下文、發起業務流程，並沉澱全流程衍生數據。

更進一步，最具成長潛力的企業還會延伸至現實業務執行環節，統籌調度外勤人員、物流服務商、服務團隊與實體資產，或是充當多方交易的中間樞紐。這類新模式將融合傳統商業範式；而傳統記錄系統賴以生存的核心——數據，反而會退居幕後，成為底層基礎支撐。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。