7.9
深览指数
商业虎嗅·ToBeSaaS··AI 生成
为什么说：软件公司做AI，更难成功？
文章提出一个反直觉观点：软件公司因其基因缺陷，在AI赛道反而比新玩家更难成功。核心困境有三点：商业模式上软件公司追求轻交付、高毛利，而企业AI是重服务、人力密集的生意；原有基于功能绑定和高切换成本的护城河，被AI时代的数据和上下文壁垒取代；最核心的是，确定性优先的软件编程逻辑与数据驱动的AI推理逻辑存在根本矛盾。作者用多项统计数据和行业观察佐证，并解释了为何业界很少公开谈论这一现实。适合关注SaaS、企业级AI落地及科技公司转型的高阶读者阅读。原文 ↗
核心观点
- ▍软件公司在AI赛道更难成功，本质原因是其商业模式、护城河和底层逻辑（编程逻辑）与AI（推理逻辑）存在根本性、结构性冲突，而非能力不足。
- 01软件公司商业模式天然排斥重服务，追求轻交付、高毛利、可复制；而企业AI项目需要驻场数据治理、构建上下文、持续运维，是人力密集型业务，两者商业逻辑错位。
- 02软件公司的护城河（功能绑定、高切换成本、品牌）在AI时代被颠覆。AI的核心壁垒变为经过治理的专属业务数据和独有的企业上下文，旧优势不再奏效。
- 03软件工程基于确定性编程逻辑，假设数据干净、规则固定；而AI需要基于数据的推理逻辑，接纳噪声、不确定性和结论的时效性，两者思维逻辑根本不同。
- 04MIT统计显示约九成AI项目止步试点，Gartner预测超过三成的AI项目在概念验证后会被砍掉，症结集中在数据质量、上下文层和风险管控，这些恰好是软件公司的弱项。
- 05作者指出业界不公开讨论此问题的三层原因：最该发声的软件公司因需向资本市场讲故事而沉默；失败项目悄无声息，媒体只放大成功；该判断属于趋势性，很难即时证伪。
反方 / 局限
- — 作者认为软件企业做AI仍有出路，即推倒原有地基，从数据和上下文层重构能力，而非在旧功能上拼接AI标签，并举例Salesforce的Agentforce和SAP的Joule。
5 分钟 · 1 卡片 · 3 资料
读原文 →