AI 最容易打的仗，已经快打完了

本文来自微信公众号： ToB老人家 ，作者：王戴明

最近AI圈发生了很多事。

首先是国外SaaS股回暖。以Salesforce为例，其最新财报出来后，股价一天涨超22%。

更关键的是，Agentforce和Data 360的合并ARR接近39亿美元，同比增逾210%。它还和Anthropic联合推出了Claudeforce。客户每通过Claude调用一次Salesforce，都需要给Salesforce支付API费用。

在Salesforce发布财报后，Anthropic的CEO达里奥甚至亲自为Salesforce站台。

几乎同时，奥特曼也公开说，OpenAI应该更像一家平台公司，而不是逐一去开发应用产品，和所有软件公司竞争。

国内，腾讯的WorkBuddy动作频频，先是大规模启动FDE生态，从而加强对企业级市场的渗透。紧接着又发布了开放平台，吸引开发者在WorkBuddy上开发企业级应用。

字节的豆包工作、阿里的千问办公也都没有闲着，和WorkBuddy从C端打开突破口不同，他们选择直接在企业级市场发力，比如豆包工作直接整合飞书，从而迅速起量，对WorkBuddy的领先地位造成了不小的威胁。

单看每一件事，都没有特别之处。放在一起看，其实都说明了一件事：

AI正在进入深水区，大模型公司不再是唯一主角，平台和软件公司正在崛起。

接下来一段时间，AI赛道会更加混沌。

一、AI最容易打的仗，已经快打完了

为什么这些动作会在同一时间发生？

因为AI最容易渗透的区域，已经逼近饱和了。

过去两年，AI最先攻下的，是科技领域那些在线化程度高、偏创作且容错率高的工作。即使AI第一次做得不够好，人也可以快速修改，从而避免不可挽回的损失。

但这个世界上真正的主流，还是传统企业。它们的核心业务以SOP为主，对准确性、稳定性有着极高的要求，只靠大模型公司，很难啃下这块硬骨头。

这就是为什么OpenAI的奥特曼最近公开承认，自己此前对AI普及速度过于乐观。他把原因归结为：人们对熟悉工具和既有工作方式的依赖。

这个解释只说对了一半。

其实，软件行业的人同样有惯性。手动画了10年原型图的产品经理，第一时间也很难接受AI画原型。

而软件行业之所以采用得很快，真正的原因是这些工作太适配AI：信息都在线上，容错率又高，从业者对AI的使用也非常熟练。

但大部分传统企业都不具备这样的条件。

二、AI进入传统企业的门槛

AI在传统企业普及不理想，除了人的惯性，更重要的是任务本身更不适配。一个传统企业的核心业务，往往不是写一段文字、生成一段代码，而是把一条跨部门、跨系统的SOP稳定地跑下去。

比如，很多传统企业都上了AI问数。一开始，大家都很兴奋：业务人员可以直接问，这个月哪个区域的销售下滑最多？哪些客户的回款风险最高？不用再找数据团队拉报表了。

很快，问题就出来了。AI喜欢胡说八道。它给出的答案看起来很像那么回事，但业务不敢据此行动。因为谁也说不清它引用的是哪张表，用的是什么指标口径，算错了以后又该谁负责。

这不是提示词写得不够好，也不是大模型不够聪明。这些工作不能只交给大模型生成；查询、计算和校验仍需由BI等确定性系统完成。

也就是说，AI要渗透传统企业的核心业务，就必须依赖企业的软件底座。

但有了软件底座，也不代表AI就能直接落地。一条真实的SOP往往牵涉多个部门、多个系统，以及大量藏在员工脑子的数据。企业自己做AI时，通常不知道如何选择场景、梳理数据、克服组织障碍。

这就是FDE突然流行的原因，因为这些工作需要在客户现场反复探索和适配，而传统企业通常不具备这种能力。

所以，FDE的爆火，也从侧面证明了：AI的普及，正在进入深水区。

在AI的上半场，是大模型公司的主场：因为在AI的甜蜜区，大模型本身就足以重构业务流程。

但甜蜜区的渗透开始饱和以后，AI必须开始向传统企业客群渗透，这时候，AI就会进入更艰难的下半场。

此时，大模型不再是唯一的主角，平台、软件公司都会进入牌桌。

三、软件的风险仍然存在

虽然“SaaS末日论”暂时被证伪，但未来仍然充满混沌。

模型每往前走一步，软件研发成本都在下降。过去需要一个团队做几个月的功能，今天可能几个人几周就能做出来。要是有一天，软件研发成本真的低到可以忽略，很多软件公司的护城河都会被击穿。

但我对此仍然保持乐观。

AI对软件公司来说，并不是一场突然的颠覆。事实证明，软件公司有充分的时间进行AI转型，而且它们手里有成熟的软件底座、场景、渠道资源和高黏性的客户，面对AI原生公司，具有明显优势。

北森就是一个信号。据我了解，AI面试官、AI陪练、AI领导力教练等Agent产品已经成为北森最重要的增长引擎。而且我敢断言：到了明年，AI会成为很多上市软件公司的核心收入来源。

所以，软件一定会被AI颠覆，但是优秀的软件公司不会。

还有一个更大威胁：大模型会不会促进甲方自研？毫无疑问会，而且随着大模型能力的增强，甲方自研的动力也会越来越强。

过去甲方想自研一套系统，往往只能做到30分。现在它有可能做到60分。对不少企业来说，60分已经够用：便宜、可控，还能按自己的流程改。软件公司最危险的对手，未必是隔壁的AI创业公司，反而可能是自己的客户。

但是，聪明的软件公司不会去和这个趋势对抗，而是会顺应这个趋势。

传统软件时代，面对甲方的自研冲动，SaaS公司就开发了PaaS平台来满足自研需求。AI时代也一样：聪明的软件公司会提前布局，把自己变成甲方自研的基础设施。

所以，肯定会有软件公司掉队，但是并不代表整个软件行业会被颠覆。

四、真相是复杂的

AI下半场会继续保持混沌，因为AI在不同领域的渗透会同时进行。

比如，有人说，FDE根本不需要懂业务，AI落地也不需要软件基础设施；还有人说，FDE必须懂业务，AI落地必须依赖软件基础设施。

这种看似完全矛盾的观点，本质上是因为他们看到了不同的样本。

第一类样本更多属于AI的上半场：信息密度高，又有较高的容错率，大模型自己就能搞定企业需求。

第二类样本更多属于AI的下半场：偏SOP执行，对稳定性、准确性有非常高的要求，大模型必须深入业务，深度集成软件设施。

在一段时间里，这两类样本都会同时存在。

但是，第二类样本，才是AI下半场的主角。