SaaS 的下一場競爭，不在功能，而在誰能交付「可負責的成果

01｜從賣工具到賣成果

a16z 反覆在提醒一件事：當 AI 代理人開始能自己把任務做完，傳統「按使用者人頭收費」就會遇到根本壓力。因為企業接下來會問的，不再是「有多少人要用」，而是更直接、也更現實的四個問題：

• 你替我省了多少成本？

• 你幫我多做出多少營收？

• 你替我少掉多少風險？

• 你能不能穩定把結果交付出來？

這種問法一旦變成主流，SaaS 的定價就很難只靠使用者人數，計費邏輯會往「按使用量」、「按代理人能力或任務量」，甚至「按成果」移動。但重點不只在於收費方式換了，而是你得把「成果」說清楚，並且做成可驗證、可對帳、可追溯的契約條件。否則你喊成果計費，客戶也不敢把錢押上去。

這不是功能清單多幾個按鈕的升級，而是商業模式整本帳要重算。

a16z 提過一種很具代表性的 AI-native 路線：不要賣一套「讓客服、業務、催收人員更有效率」的工具，而是讓 AI 代理人直接承接那段工作流程，最後用回收率、轉換率、處理完成率這類成果指標來收費。當軟體從「輔助工具」變成「數位勞動力」，客戶願意付費的對象自然會從「訂閱權」轉向「成果交付」。

但這也要把話說明白：按使用者人數計費不會立刻消失。很多產品仍然會走混合模式，例如「基礎訂閱＋AI 使用量＋成果分潤」。真正的分水嶺從來不是你有沒有取消席位，而是你能不能回答一句話：你交付的是功能，還是結果？

02｜入口權正在重分配

以前 SaaS 要拉開差距，很多時候比的是 UI／UX：流程順不順、操作直不直覺、界面好不好用。做得好的產品，黏著度就高，也比較敢收溢價。

但這套邏輯正在被改寫。當「用自然語言下指令」變成主要操作方式時，AI 代理人開始站在使用者和應用程式中間，傳統 UI 的價值會被壓縮，甚至被重新定義。使用者面對的不是你做得多漂亮的畫面，而是 AI 能不能把事情處理好。

Cathay Capital 提的「無頭 SaaS（Headless SaaS）」剛好描述這個趨勢。使用者不再逐頁點選系統，而是直接丟一句任務給 AI，例如：幫我拉出上個月流失客戶名單，分群後寄出挽回信，並把回覆情況回填到 CRM。

在這種情境下，真正被「操作」的其實是 SaaS 的 API 與工作流程能力，而不是你精心設計的界面。AI 變成前台，SaaS 被推到背景，變成一個被呼叫的能力來源。

你會看到 Microsoft 把 Copilot 深度塞進 Office 與雲端產品，Salesforce 推出 Agentforce、把 AI 定位成可以被指派任務的數位勞動力。背後指向的是同一件事：AI 不再只是外掛功能，而是變成「預設入口」。當入口越來越集中在少數平台，其他 SaaS 就算功能很強，也可能只剩下「被平台叫來用」的份。

這不代表 SaaS 的議價權一定會消失，但它確實代表議價權會被重新分配。競爭重點會從「界面好不好用」往「誰控制主要入口、誰掌握任務分派權」移動。

03｜最危險的不是被取代，而是被降級成隱形 API

AlixPartners 的說法更直接：AI 正在侵蝕傳統 SaaS 的展示層與邏輯層。如果你的產品在本質上只是「把資料庫操作做得很漂亮的界面」，那到了代理人時代，你很可能被降級成一個使用者看不到的 API。

這是很多中段 SaaS 最現實的風險。

不少團隊第一反應是：在原本產品上加聊天視窗、加 AI 助手、加摘要按鈕。但如果你的交付方式沒變，只是換了入口，你在供應鏈的位置還是可能被重排。上面是大型平台用 bundling 把 AI 能力包進既有套件；下面是 AI-native 新創用更低成本重做流程，甚至直接賣成果。夾在中間的產品如果仍靠 UI 體驗和功能堆疊維持溢價，就會同時被兩邊擠壓。

而這種壓力多半不是立刻「被取代」，而是慢慢「被降級」：

品牌存在感變弱，因為使用者主要互動對象變成平台的 AI。客戶關係開始轉移，因為採購決策被上游入口平台主導。產品變成可替換的基礎設施，因為差異化在前台感覺不到。

所以真正的風險不是功能被抄走，而是你在供應鏈裡的位置被往下推，最後變成「看得到價值、但看不到你的名字」。

04｜SaaS 的護城河回到流程、合規與確定性

如果只看衝擊面，很容易喊出「SaaS 已死」。但 Janus Henderson 的判斷比較貼近企業現場：SaaS 沒有死，它是在經歷一場硬重置。

原因其實不複雜。大型語言模型很強，但它天生是機率性系統，輸出會飄、也可能出現幻覺。可是企業級軟體承接的很多工作，要求的不是「差不多就好」，而是「結果要確定」。稅務申報、法務、財務入帳、醫療流程、供應鏈結算，這些事情不能靠運氣，必須可驗證、可追溯、也必須能把責任說清楚。

所以未來 SaaS 的護城河不會消失，只是位置會往下沉。真正難被快速複製的，反而會回到那些看起來不那麼「炫」，但最能撐住企業運作的底盤能力：

深度領域知識：你懂不懂這個產業真正的規則與例外狀況。

複雜工作流程設計：事情怎麼走、卡點在哪、例外怎麼處理。

法規遵循與內控制度：哪些步驟一定要留痕、哪些一定要分權。

資安架構與權限管理：誰能看、誰能改、誰能送出、誰能撤回。

私有資料治理與整合能力：資料怎麼用、怎麼同步、怎麼避免污染。

可稽核、可回放、可追責的執行紀錄：每一步做了什麼、為什麼做、出了問題怎麼查。

這也呼應 McKinsey 對生成式 AI 的核心提醒：AI 的生產力潛力不是來自「多一個工具」，而是來自流程重設。真正拉開差距的，不在於你有沒有接上模型，而在於你能不能把代理人放進一個「結果可驗、流程可控、責任說得清楚」的作業系統裡。

換句話說，代理人越強，下層底盤越重要。企業不是在買一個「很會回答」的系統，而是在買一個「結果能驗、出事能追、流程可控」的系統。

05｜責任鏈會變成產品能力，不再只是合約附註

當你從「按使用者賣軟體」走到「按成果收費」，企業端一定會把問題問得很硬，而且通常不是業務在問，是採購、法務、資安、內控一起問。核心會落在三件事：

代理人到底能動手到哪裡？

哪些步驟一定要有人核准？

如果出錯了，要怎麼還原、怎麼追查？

如果你只能在合約裡寫「我們會管控」，但產品本身沒有內建控制點，你的案子很容易卡在審查這一關。因為買方怕的不是 AI 會不會寫文案，而是 AI 在跨系統作業時，會不會亂填表、亂回填欄位、亂觸發流程，最後變成一筆追不回來的帳。

所以，下一波企業級 SaaS 的核心能力，會越來越像「把責任鏈做成系統功能」。你至少要能說清楚、也做得到幾件事：

授權層級：哪些動作可以自動做，哪些一定要人工點頭。

審核節點：在哪些關卡要停下來，等人確認再往下走。

可回放留痕：每一步做了什麼、為什麼這樣做，要能查得到、回放得了。

錯誤回復：失敗時怎麼復原、怎麼回到安全狀態，不是只叫人「重做一次」。

責任歸屬：系統、使用者、管理者、供應商各自要負責什麼，要能講成一套清楚的責任邊界。

你如果把這些做成產品能力，你賣的就不只是自動化，而是「可被信任的自動化」。這也會變成企業採購的新標準。某些垂直型 SaaS（醫療、金融、物流、法務科技）之所以更有防禦力，很大一部分就是因為它們本來就得把權限、稽核、留痕、責任邊界做得很細，這在 AI 時代反而會變成加分項。

06｜AI 時代的護城河，不只在收入端，也在成本端

傳統 SaaS 的優勢是邊際成本低：軟體做好之後，多賣一個客戶的成本相對小，毛利自然好看。但當你承諾的是「把事情做完」，你的成本結構會越來越像一套營運系統，而不只是軟體授權。你會開始承擔一堆以前不需要被放大檢視的成本：

• 模型推理成本

• 工具調用與 API 成本

• 失敗重試成本

• 監控與風險控管成本

• 人工覆核與例外處理成本

換句話說，你的收入模式可能更漂亮，但成本波動也會更劇烈。這會逼著 SaaS 團隊補上一種以前不必那麼在意的工程能力：不只追求「效果最好」，還要追求「可預測、可壓成本、毛利撐得住」的代理人運作設計。

例如你可以這樣思考：

• 把昂貴推理留在高價值決策點，不要每一步都用最貴的模型。

• 把規則化流程交給工作流與規則引擎，別讓模型什麼都做。

• 不同任務分層用不同模型，別用同一把刀切全部。

• 設計失敗時的降級路徑，避免每次一出錯就走最昂貴的重跑流程。

在 AI 時代，成本側的工程能力會變成新的護城河。未來贏的未必是最會做 AI 的團隊，而是最會把 AI 放進「可獲利流程」的團隊。

07｜資料護城河正在改寫：從「資料量」變成「資料權利結構」

過去講 SaaS 護城河，大家直覺會講資料量：資料越多、模型越準、壁壘越高。

但在 Agent 與成果計費興起之後，真正重要的可能不是「你有多少資料」，而是「你對資料的權利結構怎麼設計」。因為你越深入客戶流程、越接近高價值任務，你碰到的就不只是資料，而是資料治理的問題：

• 哪些資料可以讓代理人用？

• 在什麼條件下可以修改、提交、發送？

• 哪些資料只能讀、不能寫？

• 留痕要留多久、誰來保管？

• 跨系統同步出錯時，責任怎麼判？

這些如果設計得清楚，會形成很長期的壁壘，因為它牽涉的不只是技術，還牽涉流程、法務、權限、組織習慣與契約安排，後進者很難短時間複製。反過來說，如果你的資料權利結構設計模糊，AI 只會把風險放大，讓你在導入初期就被資安或內控擋下來。

所以未來的資料護城河，不是「資料多」，而是「資料能在受控條件下，產生可驗證的價值」。

08｜不是加一個 AI 功能，而是重寫價值主張

面對這波重置，EY 與軟體產業投行 Software Equity Group 的共同提醒，其實可以濃縮成一句話：不要只是在產品裡加 AI 功能，而是把你「到底替客戶交付什麼」重新定義一次。

你可以從四個層次開始重做。

第一，重寫價值主張：從「功能」改成「成果」

別再只說「有 AI 助手、能生成報表、能自動摘要」。這些很容易被當成附加功能，最後只能變成比誰做得多、誰做得快。你真正要回答的，是更難但更值錢的問題：AI 能不能穩定改善客戶的結果？能不能讓利潤率上來、人力成本下去、週期縮短、錯誤率降低？如果你講不出成果，客戶就只會把你當成加值小工具。

第二，重塑組織 DNA：建立「懂流程也懂 AI」的雙語能力

未來的核心競爭力不是只有模型工程師，也不是只有領域顧問，而是能把兩者接起來的人。EY 強調把 AI 專業能力放進產品團隊，背後的重點其實是翻譯能力：把業務痛點翻成可自動化的流程設計，把模型能力翻成可控、可交付、可負責的產品功能。沒有這種雙語能力，團隊很容易不是做出「很厲害但用不上」的 AI，就是做出「很貼現場但做不到」的承諾。

第三，合規與資安不是補丁，要從第一天就當成產品設計的一部分

在高度監管產業，合規不是最後加上去的文件，而是信任的地基。越早把權限、留痕、審核、資料治理做進架構，越能縮短銷售週期，也越能提高採購的過關機率。這也是為什麼很多垂直型 SaaS（金融、醫療、法務、供應鏈）在 AI 時代反而更有防禦力，因為它們本來就被迫把「可治理」做成產品能力。

第四，重新盤點你的護城河位置

護城河可能不只一種，但你一定要知道自己站在哪裡。你的優勢是在入口？在流程設計？在合規資安？還是在資料權利結構？如果你答不出來，市場就會替你下定義，而且通常會被定義成「可替換的供應商」。

結語：你要賣工具，還是交付成果？

SaaS 沒有消失，但它的價值交付方式正在被 AI 改寫。市場的問題已經從「你有哪些功能」變成「你替我承接哪一段工作」；從「你有多少席位」變成「你能穩定交付什麼成果」。

有三個問題，會越來越像 SaaS 公司逃不掉的基本題：

第一，你交付的成果是什麼？要怎麼衡量、怎麼對帳？

第二，你的責任鏈怎麼設計？誰授權、誰負責、怎麼留痕、怎麼回放？

第三，你的護城河到底在哪裡？入口、流程、合規資安，還是資料權利結構？

因為當你還在賣工具的時候，市場已經開始在追問：你能不能把成果直接交付出來。

FAQ

Q1｜SaaS 真的「已死」了嗎？

沒有。SaaS 並未消失，而是價值交付方式正在重置。

過去 SaaS 的核心邏輯是「軟體即服務」：企業購買系統、派人操作、按席位付費。生成式 AI 與代理人技術的出現，使軟體開始直接承接任務，市場逐步轉向「軟體即勞動力」模式。

關鍵差異不在於是否還收訂閱費，而在於交付單位從「使用權」轉為「可衡量成果」。這是一場商業模型重算，而不是產業終結。

Q2｜什麼是「軟體即勞動力（Software as Labor）」？

軟體即勞動力，指的是 AI 系統不再只是輔助工具，而是能直接承接並完成原本由人類執行的工作段落。

例如：客服回覆不只是建議草稿，而是直接完成處理流程。銷售分群不只是產生報表，而是自動執行分群與寄送。財務流程不只是生成建議，而是完成入帳與對帳前置作業。

其核心是「任務承接」與「成果交付」，而不是功能展示。

Q3｜席位計費會完全消失嗎？

不會立即消失，但會被稀釋。

短期內多數 SaaS 仍會採「基礎訂閱＋使用量＋成果分潤」的混合模式。分水嶺不在計費名稱，而在計費基礎是否與成果掛鉤。

當企業開始以「成本節省、收入提升、風險降低」作為談判依據時，純席位計費將面臨壓力。

Q4｜為什麼入口權會成為競爭焦點？

當 AI 成為主要操作介面時，任務分派權會集中在入口平台。

例如 Microsoft 將 Copilot 深度整合進 Office，Salesforce 推出 Agentforce，讓使用者直接向 AI 指派任務。此時 SaaS 若僅提供後端能力，可能被降級為 API 層。

入口權代表三件事：誰掌握使用者關係誰控制任務流向誰影響採購決策

這將直接影響議價能力。

Q5｜什麼是「被降級為隱形 API」？

指的是產品仍然存在，但品牌與使用者互動消失。

在代理人架構下，使用者只看到平台 AI，實際執行工作的是下層 SaaS API。若產品差異化僅停留在界面體驗，將難以維持定價溢價。

被降級不是技術消失，而是價值感消失。

Q6｜AI 時代 SaaS 的新護城河是什麼？

護城河將從前台功能轉向底盤能力。

包括：流程設計深度法規遵循與內控機制權限分層與資安架構資料治理與留痕能力可回放與可追責紀錄系統

企業營運要求確定性，而生成式 AI 本質為機率系統。能將機率系統放入可控框架中的公司，才具長期防禦力。

Q7｜什麼是「責任鏈產品化」？

責任鏈產品化，指的是將授權、審核、留痕與回復機制做成系統內建能力，而非寫在合約附註。

具體包含：哪些步驟可自動執行哪些節點必須人工核准每一步操作是否可回放錯誤時是否可降級復原責任邊界是否明確

當 SaaS 走向成果計費，責任設計將成為產品核心，而不是法律文件。

Q8｜AI 成果計費會帶來哪些成本壓力？

成果承諾意味著成本波動擴大。

SaaS 將承擔：模型推理成本工具調用與 API 成本失敗重試成本人工覆核成本監控與風險控管成本

未來競爭優勢不只在收入端，也在成本控制能力。能設計分層模型與降級路徑的團隊，將更具毛利防禦力。

Q9｜資料護城河為何從「資料量」轉向「資料權利結構」？

當 AI 深入流程，資料使用權將變得比資料數量更關鍵。

關鍵問題包括：哪些資料可讀、哪些可寫哪些動作需授權留痕保存多久跨系統錯誤如何追責

若資料權利設計清楚，將形成難以複製的長期壁壘。若設計模糊，則會在導入初期被資安與內控擋下。

Q10｜創辦人現在應該優先重做什麼？

優先重寫價值主張，而非只增加 AI 功能。

建議盤點四件事：

• 你交付的是功能還是成果？

• 你的責任鏈是否產品化？

• 你的護城河位於入口、流程、合規還是資料權利？

• 你的成本模型是否可預測、可壓縮？

若無法清楚回答這四題，市場會替你定義位置，通常會把你歸類為可替換供應商。

參考資料：

• The Future of SaaS Is AI-Native

• Generative AI: A Creative New World

• Emerging Architectures for LLM Applications

• The Rise of Headless SaaS in the AI Era

• Generative AI and the Disruption of Software Business Models

• AI and the Evolution of Enterprise Software

• The Economic Potential of Generative AI

• What Every CEO Should Know About Generative AI

• Introducing Microsoft Copilot for Microsoft 365

• Build with Copilot: AI as a Platform

• How Generative AI Is Transforming Enterprise Software

• From SaaS to Service-as-Software

• Software Is Eating Labor

閱讀推薦：

• AI 新創企業成長速度超越 SaaS，市場規模擴張 5 倍

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

文/ 睿客

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

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。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

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。

JUDGEMENT

We help you make better judgement about AI.

不是更快知道 AI 新聞，而是更早做出你能承擔後果的判斷。

InfoAI 存在的目的
是把 AI 的變化，轉換成可被理解、可被評估、可被行動的判斷框架。