近期，知名投資機構a16z合伙人Alex Rampell與軟件公司Atlassian的CEO Mike，就當前軟件行業備受關注的“AI是否將摧毀SaaS”這一話題展開深入探討。他們一致認為，市場對AI的恐慌源于脫離現實的靜態思維，AI并非SaaS的終結者，而是行業加速分化的催化劑，未來軟件競爭將聚焦于業務邏輯壁壘與定價心理博弈。

Alex指出，當前公開市場投資者常將所有軟件公司混為一談，但實際上AI對不同SaaS類別的沖擊差異巨大。目前SaaS公司大致可分為三類。第一類是極度危險的“賬號與產出掛鉤”的企業，如Zendesk。若其客戶采用其他方案或自研，所需賬號可能歸零。若這類企業不轉變定價模式，收入流將歸零；若轉向基于結果的定價，收入可能大幅增長。第二類是具備極強壁壘的核心業務系統，像Workday。其按賬號收費看似公平，實則是聰明的定價策略，真正的護城河在于內置的隱性規則和“邊緣情況”。AI不僅不會消滅這類系統，反而會賦予其極大增量價值，未來現金流有望大幅增長。第三類是處于中間狀態的產品，例如Adobe，其需求量受AI影響介于前兩者之間。

在軟件定價模式方面，隨著AI普及，前端應用與后端數據庫逐漸分離，傳統定價模式面臨挑戰。市場上呼吁轉向“按消耗計費”或“按結果計費”，但實操阻力重重。Mike表示，客戶非常反感這種方式，傳統云存儲計費可控，但AI Token的世界對客戶而言如同黑盒。客戶不清楚代幣或籌碼的含義，供應商添加功能可能導致客戶額度消耗大幅增加，且客戶未主動要求。按結果計費在第一年是好的銷售說辭，但第二年客戶會認為基數降低，難以衡量AI提供的增量價值。因此，客戶仍傾向于按賬號計費，因為他們更理解這種模式，且曾被很多按量計費模式坑過。

對于技術圈盛行的“替代論”，即認為通過AI編程企業可自己寫代碼替換傳統SaaS工具，Mike認為這不現實。知識型企業的核心在于協調眾多輸入受限和輸出受限的流程，AI編程帶來的真正改變是讓企業能在底層巨頭系統之上，以極低成本構建高度定制化應用。例如，企業可為特定團隊開發會議室預訂App，該App底層使用Workday的數據和規則，但提供定制化界面，滿足特定需求。這使底層SaaS巨頭在企業級市場更具粘性和價值。

在AI軟件落地方面，訪談揭示了其在產生收入前必須跨越的體驗鴻溝。當前模型能力遠超實際交付價值，瓶頸在于UI/UX設計與人類信任機制。Mike指出，將智能體引入復雜業務審批流，最大挑戰是消除黑盒感。若AI瞬間處理大量事務，用戶會恐慌而非感激。未來軟件交互正從“擬物化”向第一性原理演進，如文檔流從傳統排版變為“左邊是文檔實體，右邊是聊天窗口”的AI協作模式。改變用戶幾十年習慣極具挑戰，但這是SaaS企業將AI潛能轉化為訂閱收入的必經之路。

Alex以鎖匠的例子說明定價策略關乎心理公平性。人類在一定程度上愿意為“無能”買單，很多SaaS定價也與這種心理有關。例如，按賬號每月計費的SaaS模式，免費提供時數字化配置成本幾乎為零，但用戶覺得按賬號數量付費公平。他還以Intuit和McKinsey為例，說明企業價值不僅在于軟件，還在于長期積累的知識和經驗。非數字、非軟件公司的產品是長期積累的文化、知識和技能訣竅。

Mike認為業務是一套基于流程的系統，而非記錄系統。企業有不同類型的流程，包括輸入受限型和輸出受限型。以Zendesk客戶服務為例，是輸入受限型，客戶提出問題數量固定，處理速度是關鍵。而創意、營銷等領域是輸出受限型，瓶頸在于創造力。企業運作是這些流程的組合，AI時代企業需重新審視自身流程，區分真正的核心流程。

在軟件定價公平性方面，Alex以Salesforce為例，指出前端與后端分離帶來定價難題。Salesforce按許可證收費，用戶可能未登錄但公司仍付費。Workday按員工人數定價讓人感覺公平，未來將增加大量AI營收。但對于前端與后端分離的產品，未來定價模式不明朗。若前端不再等同于后端，可能面臨更大價格壓力。

Mike強調定價公平性和客戶觀感很重要，企業需讓客戶理解付費原因并覺得與使用情況相關。傳統業務邏輯是護城河和價值所在，但銷售相關人員對流程的需求程度不同，如何定價是挑戰。他認為基于結果或消耗的定價不會成為主流，客戶更傾向于按賬號計費。

關于AI在工作流中的應用，Mike表示Atlassian銷售的是解決人類協作問題的協作工具，構建AI功能時需考慮技術幫助客戶的方式和基礎平臺組件。例如在Jira中進行工單總結，利用大語言模型提升客戶體驗。同時，需將智能體引入工作流，幫助客戶跨越鴻溝。在設計方面，需隱藏技術細節，直接給用戶結果，提高任務效率和有效性。

Alex喜歡擬物化設計，認為早期移動端應用是微縮版網頁，后來創造出全新交互方式。他以Nano Banana 2為例，引出編輯AI輸出內容的問題。Mike認為在AI領域建立客戶信任困難，AI運作像黑盒，需及時反饋意圖并請求確認。AI訓練和應用需不斷迭代，編輯AI輸出是輸入體驗設計問題。企業環境中工作流迭代更困難，需包含人工介入循環。將AI引入工作流面臨海量設計挑戰，核心是讓用戶信任產品并消除黑盒感。

Alex認為未來理想交互方式是點擊鼠標和重新輸入提示詞的結合，需讓用戶理解模型內部運作邏輯。目前業界尚未完美解決編輯AI輸出內容的設計問題，處于探索早期階段。Mike以文檔編寫為例，說明改變用戶習慣困難，需將AI能力自然融入極簡界面，引導用戶接受并掌握新交互方式。