新聞速讀｜超越 SaaS 模式：Benchmark 提出「服務即軟體」新戰略

新聞速讀｜超越 SaaS 模式：Benchmark 提出「服務即軟體」新戰略

Sarah Tavel：AI 新創不該只是工具，而是要成為「不可或缺的員工」

· 新聞速讀,人物觀點,AI 新創與投資,AI Agent

InfoAI 編輯部

賣工作成果，不賣軟體（Sell Work, Not Software）

未來的軟體公司不該只是提升人類效率的工具，而應該是能直接交付工作成果的『數位員工』。

摘要

商業模式升級：從傳統 SaaS（提供工具）轉向 Service-as-a-Software（提供服務成果），直接取代勞務而非輔助勞動。

避開殺戮區：通用大模型（如 OpenAI）專注於通用能力，新創應深耕營運細節繁瑣的垂直領域。

定價權轉移：AI 產品定價應對標「被取代的人力成本」，而非低廉的軟體訂閱費，創造更高的營收天花板。

護城河建立：透過解決合規、流程整合等「非 AI 問題」，建立通用模型難以跨越的競爭壁壘。

投資典範轉移：從工具到代理人

矽谷頂級創投 Benchmark 的合夥人 Sarah Tavel 在最新的 TechCrunch 訪談與專欄中，明確點出了 AI 新創在 2025 年後的生存法則。她指出，過去十年 SaaS（軟體即服務）的黃金時代是建立在「將現有工作流程數位化」的基礎上，例如 Salesforce 取代了紙本客戶名單，讓人做得更快。但在生成式 AI 時代，這種邏輯已經失效。

Tavel 認為，如果創業者的產品只是「讓寫作快 10%」或「讓編碼更容易」，那麼他們正處於 OpenAI 的「射程範圍」內。真正的機會在於 Service-as-a-Software（服務即軟體）：利用 AI 代理（Agents）完全接管某項具體工作（如法律盡職調查、醫療編碼、供應鏈調度），並對結果負責。這不僅是技術的升級，更是商業模式的根本改變——你賣的不再是「使用權」，而是「完工保證」。

通用模型的侷限與機會

目前市場存在一個明顯的斷層，這正是企業導入與投資的最佳窗口期：

通用模型的成本壓力：OpenAI 預計在未來幾年將消耗超過千億美元資金以維持算力領先。這迫使他們必須專注於「最大公約數」的通用能力，無法為每一個垂直產業客製化那些繁瑣的營運細節（髒活）」與邊緣案例（Edge Cases）。
邊際成本的驟降：AI 生成內容與執行任務的成本已降至接近零。這意味著軟體公司第一次有能力「承擔服務成本」並維持高毛利；過去這只有高人力的顧問公司能做，但毛利極低。現在，軟體公司可以用軟體的毛利，賺取服務業的高營收。
企業導入的疲乏：企業主已經厭倦了購買需要員工花時間學習的新工具（Copilot 疲勞）；他們現在渴望的是能直接減少人力需求、自動完成任務的解決方案。

加點此加入 Line 群自動收新聞

結論

採購 AI 軟體時，不要問「這個工具能幫我的員工省多少時間」，要問「這個軟體能獨立完成哪項工作」。

給決策者的行動建議

盤點「成果型」需求：
檢視公司內部有哪些重複性高、產出標準明確的流程（如初階客服、發票核銷），優先導入能「端對端」完成任務的 AI，而非輔助型工具。

重新評估預算結構：
將 AI 軟體的預算從「IT 軟體採購」項目，轉移至「人力外包」或「營運成本」項目，這樣更容易評估其真實 ROI。

驗收標準去「人」化：
在 PoC（概念驗證）階段，測試該 AI 是否能在「無人介入」的情況下達到 80% 以上的準確率，若需大量人工修正，則該產品尚未成熟。

下一步觀察

定價模式的變化：觀察市場上的 AI 產品是否開始出現「按件計酬」或「按成效收費」（Outcome-based pricing）的趨勢。
Agent 的自主性指標：關注 AI 代理能否跨應用程式操作（例如自動操作 ERP 與 CRM），而不僅僅是生成文字。
垂直領域的整合深度：觀察新創公司是否開始併購傳統服務商或與其深度結盟，以獲取特定行業的數據與合規知識。

點此訂閱電子報

FAQ

Q1：什麼是 Service-as-a-Software（服務即軟體）？ 

這是一種新的商業模式概念，指軟體公司不再只是提供「工具」給人使用，而是透過 AI 代理直接提供「服務成果」。舉例來說，不再是賣「會計軟體」給會計師，而是直接賣「自動記帳服務」給企業主。

Q2：導入這類 AI 是否意味著必須裁員？ 

短期內更多是「替代外包」或「凍結新增員額」。這類 AI 通常優先取代初階、重複性高的工作（如資料輸入、初級審核），讓現有員工轉向更高價值的決策工作。但長期來看，企業的人力結構確實會因此變得更精簡。

Q3：OpenAI 不會自己做這些垂直應用嗎？ 

短期內不太可能。OpenAI 追求的是通用人工智慧（AGI），他們的資源高度集中在模型訓練與算力競賽。垂直領域的「髒活」（如整合老舊系統、處理特定法規）對他們來說投入產出比太低，這正是新創公司與企業自建應用的護城河所在。

Q4：企業該如何評估這類產品的風險？ 

最大的風險在於「當責性」（Accountability）。當 AI 代理出錯（例如發錯報價單）時，責任歸屬為何？建議在合約中明確規範錯誤賠償機制，並在初期保留「人在迴路」（Human-in-the-loop）的審核機制。

Q5：傳統 SaaS 廠商（如 Salesforce, Microsoft）會如何反應？ 

他們正在積極轉型，將既有的 Copilot 功能升級為 Agent。但新創公司的優勢在於沒有「舊包袱」（既有介面與舊工作流），能從零打造「AI 原生」的體驗，這往往比舊軟體外掛 AI 來得更流暢。

參考資料：

Investing in the consumer AI products OpenAI won't want to kill
Sarah Tavel Medium: AI startups: Sell work, not software
Thoughtworks: Service-as-software: A new economic model for the age of AI agents
GoodData: Service as a Software Is the new SaaS Model
Collaborative Fund: Where does value accrue beyond Open AI?
PitchBook: Sarah Tavel Investment Portfolio

閱讀更多的 AI 新聞

新聞速讀｜超越 SaaS 模式：Benchmark 提出「服務即軟體」新戰略

InfoAI 編輯部

賣工作成果，不賣軟體（Sell Work, Not Software）

未來的軟體公司不該只是提升人類效率的工具，而應該是能直接交付工作成果的『數位員工』。

摘要

商業模式升級：從傳統 SaaS（提供工具）轉向 Service-as-a-Software（提供服務成果），直接取代勞務而非輔助勞動。

避開殺戮區：通用大模型（如 OpenAI）專注於通用能力，新創應深耕營運細節繁瑣的垂直領域。

定價權轉移：AI 產品定價應對標「被取代的人力成本」，而非低廉的軟體訂閱費，創造更高的營收天花板。

護城河建立：透過解決合規、流程整合等「非 AI 問題」，建立通用模型難以跨越的競爭壁壘。

投資典範轉移：從工具到代理人

通用模型的侷限與機會

目前市場存在一個明顯的斷層，這正是企業導入與投資的最佳窗口期：

通用模型的成本壓力：OpenAI 預計在未來幾年將消耗超過千億美元資金以維持算力領先。這迫使他們必須專注於「最大公約數」的通用能力，無法為每一個垂直產業客製化那些繁瑣的營運細節（髒活）」與邊緣案例（Edge Cases）。

企業導入的疲乏：企業主已經厭倦了購買需要員工花時間學習的新工具（Copilot 疲勞）；他們現在渴望的是能直接減少人力需求、自動完成任務的解決方案。

結論

採購 AI 軟體時，不要問「這個工具能幫我的員工省多少時間」，要問「這個軟體能獨立完成哪項工作」。

給決策者的行動建議

盤點「成果型」需求：檢視公司內部有哪些重複性高、產出標準明確的流程（如初階客服、發票核銷），優先導入能「端對端」完成任務的 AI，而非輔助型工具。

重新評估預算結構：將 AI 軟體的預算從「IT 軟體採購」項目，轉移至「人力外包」或「營運成本」項目，這樣更容易評估其真實 ROI。

驗收標準去「人」化：在 PoC（概念驗證）階段，測試該 AI 是否能在「無人介入」的情況下達到 80% 以上的準確率，若需大量人工修正，則該產品尚未成熟。

下一步觀察

定價模式的變化：觀察市場上的 AI 產品是否開始出現「按件計酬」或「按成效收費」（Outcome-based pricing）的趨勢。

Agent 的自主性指標：關注 AI 代理能否跨應用程式操作（例如自動操作 ERP 與 CRM），而不僅僅是生成文字。

垂直領域的整合深度：觀察新創公司是否開始併購傳統服務商或與其深度結盟，以獲取特定行業的數據與合規知識。

FAQ

Q1：什麼是 Service-as-a-Software（服務即軟體）？

這是一種新的商業模式概念，指軟體公司不再只是提供「工具」給人使用，而是透過 AI 代理直接提供「服務成果」。舉例來說，不再是賣「會計軟體」給會計師，而是直接賣「自動記帳服務」給企業主。

Q2：導入這類 AI 是否意味著必須裁員？

短期內更多是「替代外包」或「凍結新增員額」。這類 AI 通常優先取代初階、重複性高的工作（如資料輸入、初級審核），讓現有員工轉向更高價值的決策工作。但長期來看，企業的人力結構確實會因此變得更精簡。

Q3：OpenAI 不會自己做這些垂直應用嗎？

Q4：企業該如何評估這類產品的風險？

最大的風險在於「當責性」（Accountability）。當 AI 代理出錯（例如發錯報價單）時，責任歸屬為何？建議在合約中明確規範錯誤賠償機制，並在初期保留「人在迴路」（Human-in-the-loop）的審核機制。

Q5：傳統 SaaS 廠商（如 Salesforce, Microsoft）會如何反應？

他們正在積極轉型，將既有的 Copilot 功能升級為 Agent。但新創公司的優勢在於沒有「舊包袱」（既有介面與舊工作流），能從零打造「AI 原生」的體驗，這往往比舊軟體外掛 AI 來得更流暢。

參考資料：

Investing in the consumer AI products OpenAI won't want to kill

Sarah Tavel Medium: AI startups: Sell work, not software

Thoughtworks: Service-as-software: A new economic model for the age of AI agents

GoodData: Service as a Software Is the new SaaS Model

Collaborative Fund: Where does value accrue beyond Open AI?

PitchBook: Sarah Tavel Investment Portfolio

AI 素養｜AI 為什麼會亂講話？揭開大型語言模型的「黑盒子」運作邏輯理解 AI 為何能回答、也會胡說八道的真正原因

AI 時代的思考力革命｜AI 素養，不是學技術，而是拿回主導權的能力升級與 AI 一起思考，成為能定義方向的人

AI 時代的知識遷徙策略｜從「學會掌握」到「洞察驗證」聞道不必有先後，高下立判見深用；術業專攻仍需要，深廣變通顯智慧。

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

InfoAI｜讀懂 AI 如何改變世界

在 AI 改變世界之前助你先讀懂 AI 世界

每日精選全球 AI 新聞AI 趨勢 + 新聞 + 深度解讀

Content Power ｜賦能你在 AI 時代的專業能力專注於「AI × 專業 × 工作方法」的知識平台透過框架、流程與方法協助你在 AI 時代重建專業能力

盤點「成果型」需求：
檢視公司內部有哪些重複性高、產出標準明確的流程（如初階客服、發票核銷），優先導入能「端對端」完成任務的 AI，而非輔助型工具。

重新評估預算結構：
將 AI 軟體的預算從「IT 軟體採購」項目，轉移至「人力外包」或「營運成本」項目，這樣更容易評估其真實 ROI。

驗收標準去「人」化：
在 PoC（概念驗證）階段，測試該 AI 是否能在「無人介入」的情況下達到 80% 以上的準確率，若需大量人工修正，則該產品尚未成熟。

AI 素養｜AI 為什麼會亂講話？揭開大型語言模型的「黑盒子」運作邏輯
理解 AI 為何能回答、也會胡說八道的真正原因

AI 時代的思考力革命｜AI 素養，不是學技術，而是拿回主導權的能力升級
與 AI 一起思考，成為能定義方向的人

AI 時代的知識遷徙策略｜從「學會掌握」到「洞察驗證」
聞道不必有先後，高下立判見深用；術業專攻仍需要，深廣變通顯智慧。

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。

在 AI 改變世界之前
助你先讀懂 AI 世界

每日精選全球 AI 新聞
AI 趨勢 + 新聞 + 深度解讀

Content Power ｜賦能你在 AI 時代的專業能力
專注於「AI × 專業 × 工作方法」的知識平台
透過框架、流程與方法
協助你在 AI 時代重建專業能力