新的执行经济

在两周前的 Substack 文章中，我讨论了“ 下一代记录系统 ”——我强调了 AI 工具如何通过执行本质上需要访问数据的工作，在达到足够规模后取代传统的记录系统。但如今，仅仅作为一个记录系统已经不够了。

2024 年，Anthropic 推出了模型上下文协议 (MCP)，它充当了 AI 的通用连接器。MCP 允许 AI 模型通过标准化协议与任何应用程序或数据库进行交互，而无需定制适配器。在实践中，这意味着 AI 集成层可以实时代理系统内外的数据交换。

在一个数据可以在系统间自由迁移的世界里，整个实施经济（Implementation Economy）都将发生改变。实施——即部署、配置、集成和维护企业软件这一漫长、昂贵且易于失败的过程——长期以来一直是新市场进入者与现有巨头竞争的最大障碍。围绕软件构建的自定义工作流、数据架构、集成以及组织肌肉记忆，使得更换系统的成本高得令人难以承受。

科技界有一句老话：一个新平台必须比现有的竞争对手好上 10 倍才能取而代之。但得益于 MCP 和其他 AI 工具，实施成本正在急剧下降。这极大地影响了更换系统的经济效益，并要求实施经济中的每一个成员重新审视如何为未来的发展进行最佳定位。

实施在历史上是如何运作的

大型系统集成商和咨询公司围绕集成的复杂性建立了庞大的业务。埃森哲（Accenture）、德勤（Deloitte）、印孚瑟斯（Infosys）以及数以千计的精品系统集成商（SI）专门负责将凌乱的现实业务流程转化为僵化的软件配置。其工作内容包括：

• 自定义工作流、字段和权限
• 迁移数年（甚至数十年）的历史数据
• 构建和维护脆弱的点对点集成
• 培训用户并管理组织变革
• 随着业务发展进行的持续维护和重新配置

在实践中，实施成本经常超过软件本身的成本。对于复杂系统而言，总部署成本达到初始许可证价格的 7-8 倍并不罕见。

因此，一旦系统上线，企业就会变得极其不愿迁移。即便软件已经过时、运行缓慢或与不断变化的需求脱节，更换系统仍被视为具有生存威胁的风险。这种动态形成了多层强化的锁定效应：

• 数据引力： 企业系统积累了不可替代的历史数据。提取、清洗、将其映射到新架构并验证准确性是一项艰巨的手动工作。错误可能会连锁反应，导致合规问题、报告失败或业务中断。最稳妥的选择往往是维持现状。
• 定制化债务： 随着时间的推移，系统会进行深度定制，以反映组织的运作方式（或过去的运作方式）。在新平台中重新实现这些定制功能，实际上等同于一个重新开发项目。
• 集成蔓延： 没有系统是孤立存在的。CRM 需要与 ERP、计费工具、数据仓库及内部系统进行通信。切换系统意味着要重建每一个集成接口。每一个接口都会增加摩擦、成本和风险。
• 人为惯性： 用户会形成肌肉记忆。财务团队知道该点击哪些按钮，运营团队知道该信任哪些报告。变革会带来生产力损失和内部阻力，而这种阻力往往比预算限制更强大。

这些力量共同构成了软件史上最强大的护城河之一。现有的老牌厂商不需要在速度或优雅程度上取胜，他们只需要做到“足够好”，以避免触发迁移。

为什么 AI 打破了实施模式

现在的 AI 工具已经足够有效，可以解决上述每一层锁定问题。而且，由于 AI 现在更多地是在销售“工作”而非“软件”（除了技术支出外，还蚕食了人力支出），特定组织使用的软件工具数量必然会增加——这不再仅仅关乎 CRM、ERP 和 HCM。更换 AI 供应商将变得更像解雇一名员工并雇佣其替代者。这使得理解实施和切换成本对企业而言变得更加重要。以下技术能力降低了实施摩擦：

• 自主实施智能体：AI 智能体现在可以执行许多曾经需要顾问团队完成的重复性任务：配置字段、设定规则、验证工作流，并随着需求变化持续调整系统。软件正日益变得可自我配置。智能体观察系统的使用方式，识别不匹配之处，并自动调整配置。
• 自动化数据映射与迁移： 从历史上看，数据迁移一直是转换成本最高的环节之一。AI 改变了这一点，因为它能理解语义。例如，模型现在可以推断出“Client_Name”、“Customer”和“Account Holder”代表相同的底层概念，即使不同数据源之间的名称各异。这实现了自动化的模式转换，大幅减少了手动映射工作。过去需要数月的人工流程，现在可以自动化缩短至几天甚至几小时。
• 合成测试环境： 在上线前测试新系统历来受限于数据访问、隐私担忧和人力投入。AI 生成的合成数据现在允许公司快速搭建真实的测试环境，并覆盖镜像生产行为的边缘案例，而无需暴露敏感信息或耗费过多时间，从而降低了迁移风险的最大来源之一：未知因素。
• AI 原生培训与支持： 基于 LLM 的助手可以作为全天候开启的副驾驶直接嵌入工作流中，有助于降低用户重新培训的成本。
• 智能集成层： AI 驱动的集成平台现在可以在极少人工干预的情况下，发现、映射并维护系统间的连接。像 MCP 这样的协议预示着一个未来：AI 将成为通用的中间件层，在各种工具之间动态地进行数据撮合。

在实践中，这些工具有潜力将实施过程中成本最高、最易出错的环节自动化。

降低切换成本将改变一切

当你消除了实施摩擦，软件的经济学逻辑也随之改变。切换成本并不会完全消失——特别是在企业层面，评估流程、合规要求和治理依然重要——但它们会大幅压缩。

这产生了二阶效应。

• 现有软件厂商失去“免费期权”： 从历史上看，现有厂商受益于惯性。续约是默认选项，流失则需要极大的变动成本。随着 AI 降低了迁移痛苦，客户留存必须通过持续努力来赢得。厂商将需要在产品迭代速度、嵌入式自动化和投资回报率（ROI）上展开竞争。对于现有厂商而言，AI 功能、副驾驶（Copilots）和垂直化工作流正成为准入门槛，但仅仅是“外挂式”的 AI 可能不足以维持相对于 AI 原生企业的优势。
• 系统集成商被迫向价值链上游转型： 大型系统集成商（SI）不会消失，但其劳动力密集型模式正面临压力。其业务模式中的几个核心部分，如配置、迁移和集成——历史上按小时计费——利润将会降低。价值将向组织层面的变革管理、特定领域的咨询以及持续优化转移，而非一次性部署。短期内，随着切换变得可行，系统集成商甚至可能会看到更多的迁移活动。许多集成商将采用“成本加成”模式，即集成商自己使用 AI 工具并收取额外费用。系统集成商提供了一种许多企业都希望拥有的“免责保障”（CYA）。
• 买家评估方式发生变化： 当切换变得更加可行时，买家的行为也会随之改变。他们的谈判会更强硬，试用会更激进。我们已经看到企业利用 AI 驱动的数据提取作为与供应商谈判的杠杆：“改善条款，否则我们就搬走。”这种威胁在以前很少具有可信度。与此同时，评估标准也在演变。评估软件不再仅仅是了解特定供应商当前能力的问题，它还需要相对于潜在竞争对手对其未来能力进行基准测试。如果一家企业签署了一份多年期合同，他们必须在该生态系统中选对供应商，否则就有可能落后于那些能更好优化关键工作流的竞争对手。因此，企业正在以一种在以往经济周期中不太相关的方式，来评估团队及其潜力。

随着交付实施从一个前期投入大、人力密集型的环节，转变为嵌入产品内部的、由软件驱动的持续性层面，最大的赢家将是那些产品迭代速度最快、最稳定的公司。这就是为什么在人工智能时代，“人才争夺战”如此激烈。摩擦力不再是一种商业模式——人才和速度才是取胜的关键。