软件没死，价值在变

作者：Jack Moshkovich, VC @ 8VC

几周前，我们录制了 AI Wave 播客 ，那时还在公开市场的 SaaS 崩盘之前。自那以后，软件与服务类股票大约蒸发了 1 万亿美元。叙事是：AI 让软件更容易构建，模型越来越多地完成使 SaaS 产品失去价值的工作。那么，软件就死了吗？

这轮抛售在很大程度上是应当的。在抛售开始前我们在播客里就说过，令人惊讶的是尽管拥有一切优势，95% 的上市应用公司在 AI 方面并未交付任何有意义的成果。如果你卖的是人们点来点去的 CRUD 界面，而世界正转向由模型来完成这些工作，你的价值自然会下降。

但“软件已死”这一结论并不准确。代码的可复制性从来不是壕沟。上市软件公司的中位数研发投入约占收入的24%。从定义上讲，使软件企业有价值的绝大多数因素与编写代码无关。软件不是存放的代码，它是被嵌入的判断：关于特定人如何完成特定工作的观点，被编码进一个持久的系统。品味、品牌、客户成功、信任——这些都不会因为下一个基础模型的发布而更容易被复制。

那么究竟发生了什么变化？我们把软件价值分为三个复合层级来思考。数据驱动工作流程，工作流程促进自动化。尽管整个技术栈上都在发生很多变化，但根据你所看的层级不同，情况却大相径庭。

软件价值的三层

第一层：数据 / 记录系统 / 本体

每个行业都有一层结构化数据——对该行业数据和工作流程如何整合的规范性表述。在 SaaS 浪潮期间，我们认识到拥有该数据模型非常有价值，因为它可以让你快速构建工作流程，并使你成为“记录系统”或权威来源，即当任何人想要获取某件事的基础事实时都会去的首选之地。这些记录系统可以是垂直聚焦的（用于患者健康记录的 Epic、用于生命科学监管和临床试验数据的 Veeva、用于建筑项目数据的 Procore），也可以是功能聚焦的，比如用于顾客和优惠管道数据的 CRM，或用于员工记录和薪酬的 HRIS。

正如许多人以痛苦的代价领悟到的那样，你公司的 AI “代理” 的有用程度取决于它们做决策所依托的底层数据。这些记录系统证明正变得愈发有价值。

话虽如此，目前大多数记录系统中捕获的内容可能并不足够。与今天传统的 SoR 中存在的信息相比，代理需要更丰富的上下文，而那一数据层将不得不扩展。大量机构知识存在于人的脑海、电子邮件线索、通话录音和 Slack 频道中——这些上下文从未以结构化方式被捕获。这正是为何人们关注 claude.md 文件和系统提示的原因——人们正在手动记录代理运行所需的上下文，因为这些上下文在他们的系统中今天根本不存在。这是一个差距，而且非常显著。

有两种相关但又不同的机会来创建真正新的记录系统。

第一个很明显：现在你可以对大量现有的非结构化信息运行 LLMs，并提取结构化数据。机构知识一直存在，但无法被系统地处理。现在这变得轻而易举。

需求真实存在，因为公司已经支付人力来完成这些工作。许多公司的销售运营职能很大程度上是为了维护 CRM 数据的清洁，确保通话记录被记录并且顾客档案得到更新。有人将非结构化信息手工综合为结构化数据。这是有价值的工作，正是 LLMs 擅长的那类工作。

Cognition 的 DeepWiki 是这种产品形态的一个好例子。DeepWiki 将围绕代码库的所有先前非结构化背景（问题、工单、拉取请求、文档）综合为一个结构化、可搜索的知识库。这些信息此前就存在，散落在十几种工具中。但直到现在，还没有人把它们变成一个正式的记录系统。

第二种机会不那么明显，但潜力可能更大。如果你用人工智能来自动化由人驱动的工作流程，就会产生一种全新的数据尾气。人工操作不会产生日志。人在脑中、在电话中或用钢笔做某事时没有可供监控的仪表。当一个代理（agent）执行同样的工作时，每一步都会被记录下来。你不仅是在结构化现有信息——你在生成全新的结构化数据。

这就是最成功的 SaaS 1.0 公司实际上所做的事情。CRM 是经典例子——在 Salesforce 之前，销售数据只存于笔记本和电子表格。CRM 将其结构化为数字化形式，从而使得可以按漏斗阶段追踪成交率。软件通过执行工作流程创建了记录系统。

这个面向 AI 原生的版本采用了类似的模式，应用于以前软件无法触及的需要判断力的工作流。想象一个为律师事务所自动化法律计时和计费的产品。律师们现在可以专注于创造收入的工作，而不是记录工时。与此同时，你还会创建一份关于事务所中每位律师所做工作的数据集以及所用时长，因为进行时间追踪需要访问他们的工作空间。看起来非常有价值！

或者看看 Candid Health，帮助医疗服务提供者进行收入周期管理。这过去大多是人工工作——记账员通过试错学习应遵循哪些支付方规则、如何格式化索赔以避免拒付。这些知识存在于人的脑海中。通过自动化流程，Candid 正在构建一个关于支付方规则和拒付模式的结构化数据集，而这种作为记录体系的数据此前从未存在。他们通过实际做这些工作来构建并扩展这个数据集。

在人工智能领域，关于“专有数据”作为护城河的讨论很多。尽管我通常对这种情况在实际中的普遍性持怀疑态度，上述两个例子都是这一想法的变体，但有一个重要的细微差别：从技术上讲，那是顾客的数据。它并非传统意义上的“专有”。你通过提供增值服务并在整个过程中捕获流程来赢得访问权。正是这点最终让你能够在该数据资产之上构建相邻的应用。了解“该律所每位律师的工作内容及其经济性”或“哪些付款方规则导致理赔被拒”其价值远超原有的工作流程。

总结一下：虽然在新世界中究竟谁拥有数据层（现有记录系统还是新的代理公司？）确实存在疑问，但有两点是明确的。现有的记录系统数据对于让代理变得有用至关重要，同时也有大量机会去构建全新的数据层。

第2层级：工作流程赋能

多年来，硅谷一直像一条生产线一样，将工程师将白领职能分解的能力，转化为有主见的软件产品，从而使这些职能更高效。

以 Procore 为例。在 Procore 出现之前，总承包商靠打印的蓝图、传真变更单和装满 RFI 的文件柜来管理工程。项目经理每天花一半时间打电话催分包商更新。Procore 的价值不仅在于将工作流程数字化，而在于把关于提交物、RFI、变更单和日报如何互相关联并与预算挂钩的观点编码了进去。这个观点就是产品。

问题在于：这些价值有多少来自于关于工作应如何完成的判断，多少来自于人去点击它？因为后者正在消失。一年前，前沿模型在领先的电脑使用基准测试中得分在十几分；现在它们得分已达七十多分，接近饱和。

用于构建优秀、有明确主张的工作流程的那些工作——多年与顾客的对话、理解边缘案例、深厚的行业知识——从来不是界面设计。那是对顾客的理解。图形界面只是承载。正是这种理解，才是构建优秀代理所需要的，也是实际的资产。

被编码的业务流程和面向用户的指引仍然需要，但它们将呈现出非常不同的面貌。我们显然正在从“这是供你逐步点击的15个步骤”转向“这是代理需要知道以完成任务的信息”。空白画布问题不会消失。你可以叫我疯，但我不认为一个具有无限自由度的文本框适合重复性工作。最终你会想要一个按钮——也是界面重新确立自身。

想想在这个新世界中 Procore 可能的样子。与其让项目经理逐条点击查看日报并手动分类处理 RFI，代理人会处理所有这些工作，只把真正需要人工判断的决策呈现出来。工作流意见仍然存在，只是驱动的是代理人而不是人类。

这正是 AI 浪潮初期形成的共识为何：成熟的应用程序公司最有可能胜出。它们拥有最深的客户理解和可供构建的已编码工作流知识。然而，它们在很大程度上浪费了先发优势。

第三级：工作流自动化

工作流自动化是一个主要的新层，构建在第1层和第2层之上。

在大规模语言模型出现前的自动化以确定性的“如果……那么……”逻辑为核心——对大多数可预测、可重复的任务非常有价值，但由于缺乏智能而存在自然的天花板。对工作流自动化的需求一直存在；并非因为没尝试才没有广泛采用。

以 UiPath 早期为例。企业对自动化后端办公任务（如发票处理）的需求很大。问题在于基于点击流的自动化脆弱，任何流程的变动都会破坏它。如果发票号码在页面上的位置稍有不同，整个工作流就会失败，因为产品对发票号码没有语义理解。

这是一个世俗性的转变，使软件公司能够争取到根本上新的预算：劳动力支出。软件不再只是结构化数据和编码关于如何工作的观点——它在执行工作。价值现在与任务的经济产出挂钩，而不是工具的成本。

归根结底，你实际上出售的是一个能完成真实工作的数字员工。Cognition（认知）并不在卖一个编程工具，它在卖一个能够交付生产级代码的工程师。你购买的不是软件；你购买的是经营杠杆——让你的团队在相同人数下做更多事情的能力。

这个模式有趣之处在于它会随着时间变得更加黏性。想想一个员工工作一年后的价值，与他入职第一周相比有多大提升。他们学会了上下文、偏好以及事情实际的办理方式。智能代理的运作方式亦是如此。代理部署的时间越长，其相对于刚上架产品的表现就越好。这是一种真正新型的切换成本——并且会随着时间复利增长。

结论如何

这在实践中意味着什么？

对于既有企业，任务很明确：加速将第三级融入你的产品。你拥有数据、工作流知识和客户关系。用这些去做实事，而不仅仅是提供让人点击的按钮。

对于新进入者，策略则不同。利用电脑使用和 API 接入现有的记录系统，获取所需数据，构建足够有价值的自动化，让客户逐步愿意向你开放更多数据。

这一进程正在实时展开。在家居服务领域，像 Netic、Avoca 和 Probook 这样的公司正在构建 AI 工作流自动化（接听来电、处理工单、安排技术人员），这些系统与 ServiceTitan 等现有的记录系统并行运行，读取并写入其数据以创造价值。在许多情况下，这些新 AI 产品的年合同价值（ACV）已经与客户为 ServiceTitan 本身支付的费用相当，因为用 AI 取代人工劳动的投资回报率与仅与一个工具竞争的情况截然不同。

这些层级之间的关系显然存在紧张。有些 AI 公司是 ServiceTitan 的“首选合作伙伴”。另一些公司则被完全断绝了 API 访问权限。谁与谁相处融洽，谁开放其系统，谁试图掌控整个技术栈——这些动态将决定谁将在下一个时代获得价值。

这就引出了企业软件领域的一个重大未解之问：哪一方会先行——是人工智能公司构建自己的记录系统，还是记录系统公司构建人工智能？

放大视角看，这一转变是根本性的。过去我们生活在一个人驱动软件的世界里。现在软件驱动工作，并将需要判断或审批的事项上报给人。

这不会在一夜之间发生。组织变革管理、监管采纳和现实世界的落地才是瓶颈，而不是模型能力。过渡可能比恐慌所暗示的要慢。

希望到这时已经清楚，软件从来不仅仅是代码。它是结构化数据、工作流程意见、流程知识以及建立在这些之上的自动化智能。真正的资产是促成这些的一线顾客洞察。软件并未死亡。有价值的东西在变化……谁能掌握这些价值仍有待观察。