智能体时代企业软件公司的商业逻辑

软件作为一个独立的科技行业从 70 年代开始出现，经历了 50 年的发展，参见《软件行业之父口述历史｜ 对中国企业软件行业的启示》。长期以来，软件公司的资本估值逻辑在“边际成本趋向于零”的产品标准化神话上，而 SaaS 则是软件公司自身的数字化转型——通过对用户感知来快速迭代产品，实现增长飞轮；否则，依赖人员进行定制化开发交付的软件公司就是一家外包公司——并非说外包公司就不具有价值，而是它和软件公司是不同的商业逻辑。

然而，随着 AI Agent（智能体）的爆发，软件公司的商业逻辑正在被重构。Agent 本身就是软件，企业软件正在从提高效率的工具，进化为直接交付成果的劳动力。

AI替代人可能重构了外包商业模式，实现软件和外包的商业模式融合，所以大家可以观察到欧美市场目前跑在智能体应用最前面的公司，往往是埃森哲和大型传统印度外包公司，而新兴的AI服务公司大多也跟印度有关。参见《从行业鼻祖奥浦诺谈企业级 AI 咨询服务的模式》。

所以在 AI 时代，当软件开始像人一样地工作——可以感知、思考、行动并达成目标，企业软件公司也应该重新思考产品和服务的定价逻辑。

如果我们重新审视软件公司的商业逻辑，可以将其置于一个二维坐标系中：

纵轴：供应端——标准化程度与人效比。产品是否标准化、可大规模复制，还是高度依赖人工交付，甚至就是只卖人头？

横轴：客户端——定价逻辑。客户是为“产品许可/用量”买单，还是为“最终产出/结果”买单？

基于这两个维度，软件公司有四种生存形态，在 AI 时代有不同的转型路线：

第一象限：企业技术外包

（低标准化 + 依赖人工 + 按量付费）

这是软件业最传统的形态。包括定制化开发（Project-based）、IT 外包和人力资源外包等形式。

这种模式商业逻辑卖的是“工时”（参见《国产企业软件厂商如何避免大项目亏损》），即使是系统集成类或定制化开发类项目，给客户交付“交钥匙工程”，通常在商业上，也需要将工作内容折算成人天数量向客户报价。

规模化极难。想要增加收入，必须等比例增加员工数，人力资源和营收利润相关性呈线性规律。这类公司的毛利通常较低，且面临巨大的管理内耗。

在 AI 时代，代码编写和流程化文档正被 AI 智能体操作，取代了传统的系统分析师、程序员及测试工程师等角色，可以使其从线性增长模式变为指数级增长模式。

不过，在中国社会面临的广泛挑战是，很多甲方仍然按照人头数核定乙方工作量，以此作为商务条件，这对软件公司的 AI 转型是非常不利的。

第二象限：SaaS的高地

（高标准化 + 低依赖人 + 按用量/订阅付费）

过去十多年随着互联网发展，企业软件公司完成了向 SaaS 的转型。

SaaS是一种软件交付模式，其交付形式可以是用户操作界面，也可以是技术工具（例如数据库），也可以是数据或者业务能力服务——即API，从厂商价值获取的商业模式来看，SaaS一般分为订阅制（subscription）和用量制（consumption-based）。

订阅制卖的是访问权，客户按时间周期（月或者年）付钱，无论用不用，也是狭义或商业意义上的 SaaS；而用量制则是用则付钱，不用则不付钱。

SaaS产品高度标准化，存在着业务增长的“飞轮效应” ，虽然初期投入大，但是用户运营好会指数级提升毛利，但它的痛点在于：客户依然需要雇人来操作这些软件。

随着Agent 替代人，软件公司向客户提供 Agent 来代替人工操作业务，按 Agent工作量计价的商业模式被称为“Work as a Service”（WaaS），这是一种新形态的用量制 SaaS，是用 SaaS 来替代传统人力资源外包的商业模式。

第三象限：收益分享

（低标准化 + 依赖人 + 按产出付费）

这常见于创新型软件开发、数字化营销或电商代运营，以及某些特定的对赌协议模式。厂商深度介入客户业务，接管客户的全部或者部分业务流程，通过技术手段和人工服务相结合，达成业务目标（如：销售额增长），然后从收入或者利润中分成。

这种模式客户粘性强、通常毛利高于第一象限，但商业模式取决于厂商和客户之间的知识不对称，并高度依赖厂商方的个别专家经验，很难复制，类似于高端咨询公司。

正如我在《从行业鼻祖奥浦诺谈企业级 AI 咨询服务的模式》中所写，企业级AI 服务的元老奥浦诺就较多采用这种模式，但是由于社会的知识不对称度降低，逐渐将市场让给以外包模式为主、提供同类服务的印度公司。

为了维护知识不对称，这种商业模式的护城河可能是特定的数据资产。

第四象限：终极形态 RaaS

（高标准化 + 低依赖人 + 按产出付费）

这是 AI 时代最具想象力的商业模式创新。软件公司不再交付代码或应用功能，也不再交付 API，而是直接交付业务结果，即Result as a Service。

在 RaaS 模式下，AI Agent 替代了原本操作软件的人。它自主思考、自主规划、自主执行。

客户不关心厂商用了多少人力或算力，也不关心厂商产品具体功能是什么。他们只为用户认可厂商的有效交付达成付费，即产出（outcome）——产出并不等于经营结果，RaaS 通常并不直接关联收入或者利润。

例如，一家 AI 招聘公司，不是按软件账号手年费——这就是北森 AI智能招聘 的 SaaS 模式，而是按“完成入职的人员”收取AI 招聘的服务费；

又例如，我认为金蝶的差旅智能体就是一个非常符合 RaaS定义的AI 服务，传统的差旅费控 SaaS 是按照用户账号数收费，而金蝶差旅智能体是按照用户实际成行的差旅来收费。参见《大型企业ERP国产化替代观察（三）｜企业管理AI和RaaS革新》

在美国这个企业软件成熟市场，客服领域是 RaaS 模式最先落地、也是目前验证最充分的战场。

RaaS这个概念主要由Agent驱动客服软件Sierra的创始人Bret Taylor提出，这位Salesforce前联席CEO、Facebook前CTO以及OpenAI董事会主席认为：AI 正在驱动企业软件商业模式，从订阅制向结果导向（Outcome-based）模式转变。而类似的 AI 客服软件Intercom (Fin)、Zendesk等公司皆由传统的卖座席模式转型。

RaaS概念之所以在客服领域爆发，是因为它具备了RaaS成立的三个核心要素：

结果易定义、易量化：一个客户问题是否被“解决”，有明确的指标（如：用户不再追问、反馈解决、满意度评价）。

边际成本极低：传统的客服中心是成本中心，每增加一个电话都要付人工费。而 AI Agent 解决一个问题几乎只是几美分的 Token，边际成本极低。

标准化程度高：80% 的客服问题（查订单、改地址、问服务包）是高度重复的。这让 AI Agent 可以不依赖人工干预，独立完成业务。

RaaS将软件公司的收入从客户方的IT预算池（IT Budget），拉进了业务预算池，后者往往比前者大出10倍以上。这就是RaaS被看好是AI时代的主流

虽然 RaaS 看起来是“圣杯”，但仍面临一些挑战：

确定性挑战：AI的幻觉和失败率是 RaaS 的天敌。如果按结果付费，软件厂商必须承担 AI 工作错误带来的资损风险。

归因困境：业务结果往往由多因素决定。AI 交付的成果在多大程度上影响了最终业绩？这需要极其透明的数据闭环。

信任重构：客户是否愿意将核心决策权交给 Agent？这不仅是技术问题，更是心理和合规问题。

软件正在消失

在 AI 时代的终局，用户可能不再感知“软件”的存在。用户界面（UI）将消失，取而代之的是软件通过各种方式感知并理解人类的意图（Intent），帮助人类达成目标。

理解人机交互的新形态，这才是企业软件商业模式的未来。

奥锐方致力于在智能体时代，为中国的企业软件公司提供智能编排的平台技术。