a16z：AI智能体之下 软件行业正在迷失方向？

作者：Seema Amble，a16z合伙人；来源：a16z；编译：Shaw，金色财经

软件行业是否正在迷失方向？

上个月，Salesforce 宣布开放应用程序接口（API），并推出无头化产品。**这本质上是押注：在智能代理时代，自身的核心价值在于数据层，而非用户界面（UI）。**这是一次精明的战略重新定位。不过值得注意的是，其技术层面实则并无太大变动：Salesforce 如今当作「无头化产品」对外推广的这些 API，其实大多早已存在多年。换言之，这只是 Salesforce 一次典型的营销式发布。这款新产品的核心逻辑在于：AI 智能体（AI Agent）可以直接从记录系统调取数据，无需再适配专为人类设计、用于跟进工作流的用户界面。

这一发布也引出了一个更值得深思的问题：**如果剥离掉用户界面、直接开放底层数据库，剩下的核心价值究竟是什么？**这和一套 PostgreSQL 数据库、设计完善的数据表结构再配上一套 API，又有什么本质区别？支撑传统记录系统长盛不衰的经典壁垒是否依然成立？还是行业已形成一套全新的评判标准？在 SaaS 时代，记录系统之所以具备竞争护城河，是因为用户高度依赖界面开展工作。而在智能代理时代，这一优势正在弱化。企业的可壁垒价值层开始向下沉淀至数据模型、权限体系、工作流逻辑、合规能力，同时向上延伸至生态网络、专有数据生成能力、现实业务落地执行能力。

当软件走向无头化时代，真正的竞争壁垒又将转移至何处？

---

用户界面本身就是产品

记录系统是特定业务数据领域的权威真实数据源。客户关系、员工档案、金融交易的官方唯一版本都存储于此，也是其他各类工具读取数据、回写数据的核心载体。

客户关系管理系统（CRM）是营收业务的记录系统；人力资源信息系统（HRIS）是人事管理的记录系统；企业资源规划系统（ERP）是财务资金的记录系统。

这类系统的强大之处，不只在于数据存储，更在于它成为整个企业协同运作所依托的统一事实基准。

过去二十年里，Salesforce 本质上售卖的是销售管理者管理团队的一套工作方式。仪表盘、销售漏斗视图、业绩预测工具、动态信息流，才是用户真正买单的东西。**其商业模式建立在售卖用户席位授权之上，让使用者能够调用这些功能。**底层数据库固然关键，但在商业价值层面反倒成了附属配置。

这意味着：用户界面决定了用户粘性。它规范了数据录入规范，建立了统一业务术语体系：销售线索、商机、客户账户。它倒逼成千上万销售从业者主动录入原本不会记录的数据。用户界面一直是维持数据规整一致的核心机制。

这款产品的用户粘性极强，许多销售高管跳槽新公司后仍坚持沿用 Salesforce，并非因为界面体验出众，而是源于肌肉记忆般的使用习惯。

如今，AI 智能体正在颠覆这套传统模式。智能体无需经由前端界面，可直接对底层数据进行读写。这催生了一大批绕开原有界面的新型工具与替代方案（Salesforce 并非个例：我们近期也撰文分析过，SAP 周边正快速繁衍出一整套适配 AI 的生态体系）。

长期来看，计算机操作类智能体还会逐步消解传统以人为中心的各类因素：个人使用偏好、岗位培训、未成文的业务隐性背景知识等。换言之，能长期屹立不倒的记录系统，其核心必备条件正在发生演变。

传统粘性护城河盘点

在探讨智能代理时代会带来哪些变革之前，有必要先厘清：最初究竟是什么构筑了记录系统的高用户粘性。其中首要因素，集中在人与软件的交互方式及个人使用偏好上。软件的高粘性，很大程度由用户界面、使用习惯、人工工作流、内嵌业务流程共同铸就。

使用频次高低

CRM 等系统被市场落地团队及相关人员每日高频使用。高频使用使其成为企业关键基础设施；而沉淀其上的人文与管理习惯 —— 固定工作流程、肌肉记忆、多年形成的管理节奏 —— 往往最难迁移，甚至企业都意识不到这套体系本身也需要迁移重构。

只读还是可读写

具备高粘性的记录系统，一定是可读写双向系统。以 CRM 为例，它绝非只存不查的归档库，而是被持续频繁读取。每一通通话记录、每一次商机阶段更新、每一项任务创建，都由相关人员主动录入。这种双向数据流意味着任何替代系统都必须承接实时业务运营数据，而非仅导入历史归档数据。企业找不到可以无缝切换的安全窗口期，因此一旦完成落地部署，往往会长期绑定原有服务商。反观招聘跟踪系统（ATS），大多属于只写少读属性：人员招聘完成后，企业几乎没有回头调取这批数据的需求，用户粘性自然弱很多。

有多少不记录的标准作业流程（SOP）？

关乎业务命脉的隐性知识，从来不在任何知识库文档里，而是沉淀在管理员与系统集成商长年累月搭建的工作流规则之中。以销售场景举例，这类不成文的隐性规则包括：10 万美元以上的企业订单需副总裁审批、欧洲中东非洲（EMEA）地区订单必须经过隐私合规审核、战略大客户折扣仅可在季末跳过财务审批流程。而这些隐性规则，往往直接决定业务能否按时落地、是否违反关键业务规范，甚至决定整件事能不能办成。若要迁移系统，要么逆向拆解每一项自动化逻辑，要么就彻底丢失企业多年沉淀的组织经验记忆。

系统存在大量内外部依赖吗？

核心判断标准是：有多少内部系统、团队流程、外部相关方依赖这套核心记录系统。内部连通性，指下游对接的其他软件与工作流；外部连通性，指审计师、会计师、监管机构等外部主体 —— 例如 ERP 系统常需向这类机构直接开放数据访问权限。内外部连通性越高，系统迁移时需要梳理、拆解的关联链路就越复杂。

从合规角度看，数据的重要程度有多高？

核心问题很简单：这套系统是否属于合规关键型系统？薪资核算、ERP、人事数据等合规关键系统，必须具备具备法律合规效力的权威数据源、严格的管理员权限管控，且任何系统迁移都需要审计与监管机构直接参与，这也大幅拉高了用户粘性与迁移门槛。而销售数据、Zendesk 这类客服工具则属于另一类：企业虽看重业务连续性与场景上下文，但数据迁移或权限变更并不会带来合规监管风险。

并非所有记录系统的切换成本都处在同一水平。用同样标准对比 CRM 与招聘跟踪系统（ATS），差距一目了然。ATS 仅服务招聘这一封闭固定流程，候选人入职或淘汰后，相关记录基本属于一次录入、后续极少改动；系统集成范围窄，使用人群规模小且集中。

ERP 则处在另一极端：账务账本本身就是审计溯源凭证，一旦涉及系统迁移，会计师、审计师、监管机构都会成为直接利益相关方。替换 ATS 虽麻烦，但尚可承受；替换 CRM 如同做心脏开胸手术；而替换 ERP，则相当于一边让病人跑马拉松，一边做开胸手术。

传统上，核心记录系统并未利用专有数据、网络效应这类能构筑护城河的优势；单靠业务工作流，往往就足以形成自身壁垒。反观消费级业务，往往能整合工具与网络生态，但记录系统历来都做不到这一点。

专有数据

尽管多数记录系统都会收集客户数据，却并未真正深度盘活这些数据（且很多时候受合约条款限制，无法随意利用）。因此，即便 CRM 坐拥丰富数据、本可聚合全域客户信息，提炼跨客户维度的行业洞察，却始终没能形成有实际价值的落地应用（虽有过零星尝试，例如 Salesforce 的 Einstein 智能产品）。

网络效应

网络效应本是行业梦寐以求的终极壁垒。若能形成网络效应，CRM 的价值会随生态壮大持续提升，让软件卖方可以在平台上精准匹配买方资源。但和数据价值的现状类似，记录系统历来的网络效应始终十分微弱。

用户界面逐渐退场、智能体登场，剩下的是什么？

AI 智能体不需要浏览器，它只需要API、业务上下文、执行指令与行动能力。两大技术条件让这一切规模化落地成为现实：一是大模型具备了足够的逻辑推理能力。如今智能体可以自主读懂业务上下文、制定执行计划、调用工具、完成操作并复盘结果，绝大多数任务已无需人工介入。二是MCP 协议实现了工具调用标准化，为智能体提供了调用外部能力的统一接口。接入 MCP 的智能体，能在毫秒级完成人类用户的所有操作，规模化运行，且全程无需浏览器。只要具备完整业务上下文，电脑操作型智能体甚至无需依赖官方 API，就能直接适配和操作传统软件界面。

简单来看，如今软件采购方有三条可选路径：

1. **沿用现有系统+叠加智能体。**依托原有系统的命令行与 API 能力，既可使用厂商原生智能体产品（如 Salesforce 的 Agentforce、SAP 的 Joule），也可基于现有系统自研智能体。（暂且理想化假设：API 完备可用、无头化改造的实际运营复杂度低于现实情况。）

2. **完全自建记录系统。**从零搭建专属数据模型、业务运营逻辑、权限体系、审计留痕、系统集成等底层能力，并自研配套智能体（通常会借助第三方智能体搭建工具与数据库工具）。

3. **采购原生 AI 替代型软件。**选用为智能体时代从头重构的新一代软件：原生面向机器可读设计，把智能体编排作为核心原生功能，而非后期附加模块，这类产品本身就可以是无头架构。

那么，传统衡量系统粘性的标准，还有哪些依然成立？依赖人类行为与使用习惯的因素正在淡化，例如使用频次、读写属性这类和人为肌肉记忆强相关的指标。AI 智能体或许会瓦解由肌肉记忆构筑的竞争壁垒，但无法取代业务运营逻辑与场景上下文形成的护城河。恰恰相反，这套逻辑的重要性反而进一步提升 —— 因为智能体必须依靠明确的规则、权限与流程定义，才能安全合规地执行业务。

**短期内，无书面化的隐性标准作业流程依旧关键。**沉淀在工作流规则中的企业原生业务逻辑，正是智能体替企业正确执行业务所必需的核心依据，同时也是最难逆向重构的部分。目前这类隐性业务知识还无法被完整干净地导出，尤其当流程中仍有人员参与环节时更是如此。不过，业务上下文的数字化沉淀正在变得越来越容易；随着智能体逐步替代更多人工环节，这类隐性经验的重要性会慢慢弱化。

**系统连通性的拆解难度依旧很高，且影响范围更广。**连通性的核心逻辑已经改变：不再只是适配人类操作，而是要打通原本彼此割裂的业务职能与软件系统。CRM 智能体需要串联销售、账单结算、客户成功全链路的数据与业务上下文。如果你的平台同时成为多方外部机构（买方、卖方、合作伙伴）智能体的交易枢纽，系统依赖关系还会进一步加深。无论是传统厂商叠加智能体，还是自建数据库与智能体体系，想要跨各类底层软件的基础能力协同运作，难度都会非常大。

**合规敏感型数据的重要性始终不变。**涉及监管要求、法律风险的数据，必须拥有唯一可信数据源。只要企业信任现有产品，替换意愿就会大幅降低。以薪资、财务核算数据为例：即便智能体有调取需求，企业也很少愿意自研并自行维护这套合规体系。在全面智能体时代，仍有一大悬而未决的难题：哪些智能体有权代表谁、执行哪些操作、如何全程可审计追溯？若一套记录系统能成为智能体之间交互的身份与权限底层枢纽，就会形成极难被替代的结构性地位 —— 其壁垒不在于存储的数据本身，而在于它所构建的信任与权限治理架构。

展望未来，决定原生 AI 初创企业竞争壁垒的核心因素，正变得愈发清晰。

重构一套核心记录系统的难度有多高？

数据的重要性体现在多个层面。首先在短期，取决于提取、复刻原有记录系统底层数据的难易度。AI 工具已大幅降低了数据迁移与复刻门槛。短期里，传统厂商会刻意抬高迁移门槛：把 API 设计得繁琐、设限准入、功能残缺，或定价缺乏吸引力，甚至干脆不开放 API。但随着数据提取工具、尤其是电脑操作型智能体能力持续迭代，复刻门槛会进一步降低。与此同时，新兴厂商正从邮件、通话语音、内部文档中沉淀更丰富的原生数据维度。AI 把复刻一套记录系统前 80% 基础功能的成本压得很低；而剩下 20% 包含特殊例外流程、审批规则、合规要求、边缘场景工作流的部分，才是区分「可用替代模块」与「真正完整替代方案」的关键。

是否拥有真正意义上的专属独有数据？

其次，数据本身的战略价值愈发凸显。真正具备壁垒的不是导入的外部数据，而是由产品自身业务流程原生产生的独有数据。所谓数据围墙生态，指具备专有属性、受监管约束、需要持续动态更新的数据资产。投入深耕权威、完整数据集的软件服务商，相比通用型厂商或同行竞争者具备天然优势。数据壁垒的另一维度：数据来源于企业内部业务行为沉淀。顶级企业不再只是单纯仓储外部录入的数据，而是通过深度参与业务流程，沉淀全新的数据衍生资产：包括用户行为观测、响应率、时间分布规律、业务流程结果、行业基准、异常模式、智能体运行轨迹等。核心逻辑已经改变：数据本身就是业务上下文。

是否掌控业务执行层？

传统模式下，只需存储业务记录就足够构建价值；新时代由智能体主导行动决策，竞争壁垒开始向能形成业务闭环的产品倾斜：从发起操作、捕获执行结果，再利用反馈优化后续决策，形成完整自循环。以 ERP 为例：自动审批支出、触发薪资发放、发票对账、下发业务通知等，都属于闭环能力。能实现业务闭环的产品护城河更深 —— 它们深度嵌入业务执行环节，而非仅仅做数据记录；能产生独有数据、越用越智能，一旦替换就极易造成业务流程断裂。所能覆盖的业务上下文越丰富、处理的边缘场景越多，价值就越高。

是否具备现实世界落地执行能力？

商业模式若能衔接无法被完全自动化的线下实体运营环节，将形成独特壁垒。最典型如具备线下运营网络的企业（例如 DoorDash），这类企业原本不属于传统记录系统范畴，但极具参考价值。更广而言，任何能串联服务交付、履约配送、物流调度、外勤作业、支付结算的软件，都拥有纯 SaaS 不具备的差异化壁垒。这类企业不只是存储记录、给出建议，还能调度人力、调配物资、完成实体服务交付。

对创业者而言，这意味着巨大机遇：在软件可自主决策、智能体可协同调度，但最后一公里仍需线下落地执行的赛道，存在广阔空间。例如深耕外勤服务的垂直行业软件。

是否能形成网络效应？

过往绝大多数记录系统的网络效应都很薄弱，因为软件主要服务企业内部流程。但在智能代理时代，若系统深度嵌入多方协同工作流，网络效应的重要性将大幅提升。一旦平台成为多方业务交互的中枢 —— 买卖双方、雇主与员工、企业与审计方、供应商与客户、付款方与服务提供方，每新增一个参与主体，都会让整个网络对其他参与者更有价值。

网络效应主要有三种体现形式：

• 共享工作流协同：成为业务供需两端交易协作、同步上下文、处理异常流程的统一平台；

• 行业基准与智能洞察：基于全网沉淀的行为模式，输出行业标准、异常预警与优化建议，与独有数据壁垒形成互补；

• 信任与标准化底座：一旦交易各方都依赖同一套平台完成审批、工作交接、合规校验、支付结算，产品就不再只是数据库，而升级为行业市场的协同基础设施，替代门槛极高。

采购方自身的技术能力强弱？

理论上任何企业都能自研智能体，但实际落地能力差异巨大。尤其在垂直行业、传统职能部门中，企业普遍缺乏自研工程团队，很难长期搭建、维护并持续迭代专属数据库、业务工作流、智能体架构与治理体系。成本也是重要考量：自研看似能节省软件授权费，实则会把成本转移到实施落地、运维管理与内部架构复杂度上。这也意味着一类明确市场机会：业务流程复杂、但技术服务供给不足的行业，比如制造业、建筑后台、工业运维、外勤服务、财会审计等领域。

还有几项必备基础条件，已是软件行业的准入门槛：首先是本体数据架构需要重新设计。很多「自建数据库」的思路，都低估了对象模型本身承载的业务价值。传统软件围绕仪表盘、报表和人工流程设计，核心对象是商机、工单、候选人等；而面向智能体的数据架构，需要适配逻辑推理、动作执行、状态追踪、异常处理、任务委派与跨系统协同，核心对象转向任务、用户意图、会话流程、治理规则、业务结果等。

其次，权限体系必须升级适配智能体管理，而非仅针对人员。需要明确：谁有权操作、通过哪个智能体执行、遵循何种治理规则、需要哪些审批、全程如何审计留痕、以及异常回退与兜底机制。

当然，所有这些都离不开成本约束：搭建和维护智能体与数据库的投入、API 调用费用等，最终又会回归到数据复刻难度、系统依赖复杂度等核心问题。

这一切最终会把行业带向何方？

传统软件厂商向无头化架构转型时，实则隐含押注：**价值核心仍将停留在数据层。**在部分行业，尤其是金融服务这类强合规约束领域，这一判断或许还能成立较长一段时间，其全面无头化的进程也会相对滞后。

对于软件创业者而言，在传统厂商走向无头化的当下，与之同台竞争、打造具备长期壁垒的软件产品，机遇逻辑已然改写。

新一代核心记录系统已开始呈现全新形态：它们不再只是为记录人工工作而存储数据的容器，而是具备智能代理原生能力，能够自动捕捉业务上下文、发起业务流程，并沉淀全流程衍生数据。

更进一步，最具成长潜力的企业还会延伸至现实业务执行环节，统筹调度外勤人员、物流服务商、服务团队与实体资产，或是充当多方交易的中间枢纽。这类新模式将融合传统商业范式；而传统记录系统赖以生存的核心——数据，反而会退居幕后，成为底层基础支撑。