7.6
深览指数
商业人人都是产品经理·Miss卓卓··AI 生成
拥抱AI，为什么死得更快：To B SaaS的AI陷阱
文章通过多个真实案例，犀利指出To B SaaS企业盲目投入AI可能加速死亡，而非带来增长。核心论点：AI功能打破了SaaS“一次研发、多行业复用”的复利模式，导致边际成本不降反升；同时，缺乏数据壁垒、算法能力和行业Know-how的企业，做AI本质上是成为大模型的“二道贩子”，并且会反噬核心产品的迭代。作者建议，在核心产品未站稳、客户未为AI买单之前，止损比跟风更明智。适合正在评估AI投入产出比、或已陷入AI焦虑的SaaS创始人及产品决策者阅读。原文 ↗
核心观点
- ▍对于缺乏数据壁垒、自研算法能力和深厚行业Know-how的绝大多数To B SaaS企业，盲目投入AI会打破SaaS的复利模型，加速暴露短板，最终反噬核心产品，导致更快死亡。
- 01作者提及一家做五年的CRM SaaS公司，花九个月做AI销售助手，功能上线后客户不买单，核心产品迭代却被落下，最终关停。
- 02传统SaaS功能（如审批流、报表模块）复利效应明显，做一次可服务制造业、零售业等多个行业；而AI功能（如智能客服、合同审查）在不同行业间的训练数据不互通，几乎等于重新做产品，复利消失。
- 03大量To B SaaS企业的AI功能是调用行业大模型基座后做一层UI适配，作者将其比喻为“二道贩子”，指出当基座进化到提供开箱即用方案时，这类产品的价值将被极大稀释。
- 04To B场景对确定性要求极高（如ERP库存盘点），而AI输出的是概率性结果，当AI出错（如合同审查漏掉风险点）导致损失时，责任归属问题成为客户不敢用的核心障碍。
- 05高质量行业数据是AI模型精度的核心，但这些数据掌握在客户和行业龙头手里，通用型SaaS企业难以获取，进而陷入“没数据→没精度→没信任→更没数据”的死循环。
- 06AI项目会大量消耗研发资源，在一个二三十人的团队里抽走核心骨干做AI，会导致核心产品停滞一到两个迭代周期，放弃存量优势去追逐不擅长的增量。
反方 / 局限
- — 文章承认，AI与SaaS并非不能结合，部分成功公司要么有数据壁垒（深耕行业十年），要么有自研能力，要么有极深的行业Know-how。但作者认为绝大多数通用型SaaS企业三项都不占。
- — 文章的论证隐含一个前提：SaaS企业当下的核心产品已足够有竞争力，且客户愿意为“提升基础功能”而非“AI功能”买单。如果核心产品本身也面临强大竞争，那么“不搞AI、专注打磨”的路线可能同样无法挽救。
8 分钟 · 4 卡片 · 10 资料
读原文 →