近期，知名投资机构a16z合伙人Alex Rampell与软件公司Atlassian的CEO Mike，就当前软件行业备受关注的“AI是否将摧毁SaaS”这一话题展开深入探讨。他们一致认为，市场对AI的恐慌源于脱离现实的静态思维，AI并非SaaS的终结者，而是行业加速分化的催化剂，未来软件竞争将聚焦于业务逻辑壁垒与定价心理博弈。
Alex指出，当前公开市场投资者常将所有软件公司混为一谈，但实际上AI对不同SaaS类别的冲击差异巨大。目前SaaS公司大致可分为三类。第一类是极度危险的“账号与产出挂钩”的企业，如Zendesk。若其客户采用其他方案或自研，所需账号可能归零。若这类企业不转变定价模式，收入流将归零；若转向基于结果的定价，收入可能大幅增长。第二类是具备极强壁垒的核心业务系统，像Workday。其按账号收费看似公平，实则是聪明的定价策略，真正的护城河在于内置的隐性规则和“边缘情况”。AI不仅不会消灭这类系统，反而会赋予其极大增量价值，未来现金流有望大幅增长。第三类是处于中间状态的产品，例如Adobe，其需求量受AI影响介于前两者之间。
在软件定价模式方面，随着AI普及，前端应用与后端数据库逐渐分离，传统定价模式面临挑战。市场上呼吁转向“按消耗计费”或“按结果计费”，但实操阻力重重。Mike表示，客户非常反感这种方式，传统云存储计费可控，但AI Token的世界对客户而言如同黑盒。客户不清楚代币或筹码的含义，供应商添加功能可能导致客户额度消耗大幅增加，且客户未主动要求。按结果计费在第一年是好的销售说辞，但第二年客户会认为基数降低，难以衡量AI提供的增量价值。因此，客户仍倾向于按账号计费，因为他们更理解这种模式，且曾被很多按量计费模式坑过。
对于技术圈盛行的“替代论”，即认为通过AI编程企业可自己写代码替换传统SaaS工具，Mike认为这不现实。知识型企业的核心在于协调众多输入受限和输出受限的流程，AI编程带来的真正改变是让企业能在底层巨头系统之上，以极低成本构建高度定制化应用。例如，企业可为特定团队开发会议室预订App，该App底层使用Workday的数据和规则，但提供定制化界面，满足特定需求。这使底层SaaS巨头在企业级市场更具粘性和价值。
在AI软件落地方面，访谈揭示了其在产生收入前必须跨越的体验鸿沟。当前模型能力远超实际交付价值，瓶颈在于UI/UX设计与人类信任机制。Mike指出，将智能体引入复杂业务审批流，最大挑战是消除黑盒感。若AI瞬间处理大量事务，用户会恐慌而非感激。未来软件交互正从“拟物化”向第一性原理演进，如文档流从传统排版变为“左边是文档实体，右边是聊天窗口”的AI协作模式。改变用户几十年习惯极具挑战，但这是SaaS企业将AI潜能转化为订阅收入的必经之路。
Alex以锁匠的例子说明定价策略关乎心理公平性。人类在一定程度上愿意为“无能”买单，很多SaaS定价也与这种心理有关。例如，按账号每月计费的SaaS模式，免费提供时数字化配置成本几乎为零，但用户觉得按账号数量付费公平。他还以Intuit和McKinsey为例，说明企业价值不仅在于软件，还在于长期积累的知识和经验。非数字、非软件公司的产品是长期积累的文化、知识和技能诀窍。
Mike认为业务是一套基于流程的系统，而非记录系统。企业有不同类型的流程，包括输入受限型和输出受限型。以Zendesk客户服务为例，是输入受限型，客户提出问题数量固定，处理速度是关键。而创意、营销等领域是输出受限型，瓶颈在于创造力。企业运作是这些流程的组合，AI时代企业需重新审视自身流程，区分真正的核心流程。
在软件定价公平性方面，Alex以Salesforce为例，指出前端与后端分离带来定价难题。Salesforce按许可证收费，用户可能未登录但公司仍付费。Workday按员工人数定价让人感觉公平，未来将增加大量AI营收。但对于前端与后端分离的产品，未来定价模式不明朗。若前端不再等同于后端，可能面临更大价格压力。
Mike强调定价公平性和客户观感很重要，企业需让客户理解付费原因并觉得与使用情况相关。传统业务逻辑是护城河和价值所在，但销售相关人员对流程的需求程度不同，如何定价是挑战。他认为基于结果或消耗的定价不会成为主流，客户更倾向于按账号计费。
关于AI在工作流中的应用，Mike表示Atlassian销售的是解决人类协作问题的协作工具，构建AI功能时需考虑技术帮助客户的方式和基础平台组件。例如在Jira中进行工单总结，利用大语言模型提升客户体验。同时，需将智能体引入工作流，帮助客户跨越鸿沟。在设计方面，需隐藏技术细节，直接给用户结果，提高任务效率和有效性。
Alex喜欢拟物化设计，认为早期移动端应用是微缩版网页，后来创造出全新交互方式。他以Nano Banana 2为例，引出编辑AI输出内容的问题。Mike认为在AI领域建立客户信任困难，AI运作像黑盒，需及时反馈意图并请求确认。AI训练和应用需不断迭代，编辑AI输出是输入体验设计问题。企业环境中工作流迭代更困难，需包含人工介入循环。将AI引入工作流面临海量设计挑战，核心是让用户信任产品并消除黑盒感。
Alex认为未来理想交互方式是点击鼠标和重新输入提示词的结合，需让用户理解模型内部运作逻辑。目前业界尚未完美解决编辑AI输出内容的设计问题，处于探索早期阶段。Mike以文档编写为例，说明改变用户习惯困难，需将AI能力自然融入极简界面，引导用户接受并掌握新交互方式。
