Atlassian CEO：SaaS 没有消亡，它在替你干活
为何”SaaS 末日”的叙事方向跑偏了
Mike Cannon-Brookes（Atlassian CEO）与 Alex Rampell（a16z 普通合伙人）展开了一场迄今最为犀利的对话，聚焦于 AI 究竟如何重塑软件行业。两人的核心论点是：市场上的恐慌情绪将三种截然不同类型的 SaaS 公司混为一谈，真正的故事并非软件在消亡——而是软件正在成为工作者本身。
关于界定一切的”档案柜”比喻： “The whole history of software from 1960 until 2022 was you would take a filing cabinet and you turn it into a database. The cool thing about everything that’s happening in AI land is that the filing cabinet can do work.”（从1960年到2022年，软件的整个历史就是把档案柜变成数据库。AI 领域正在发生的一切，最神奇之处在于：档案柜现在能干活了。）Cannon-Brookes 追溯了从 Saber Systems（1960年，航空订座系统）到电子健康档案再到 Salesforce 的演变脉络——所有这些都是在将存储数字化。而现在，存储层已能主动行动。QuickBooks 不再只是保存账册；它可以自主完成任务。
关于 SaaS 的三种类型（Alex Rampell 的分析框架）：
- 席位与业务成果挂钩（Zendesk）——真实面临风险。若 AI 能解决工单，席位数可能归零。但若转向基于成果的定价，也可能增长3到4倍。
- 席位仅为定价惯例（Workday）——相对安全。按员工数收费看似合理，但员工并非通过 Workday 产出成果，系统中的数据记录才是价值所在。AI 让它更难被替代——因为 Workday 现在可以执行背景调查、资质核验等原本需要人工完成的任务。
- 中间地带（Adobe、Salesforce）——情况复杂。前端席位或许减少，但后端数据不可替代。
关于为何”氛围编程”无法终结 SaaS： Rampell 援引了大卫·李嘉图1817年的比较优势理论：“You could also grow your own food. You could weld your own aluminum. But I have a comparative advantage filming podcasts with you.”（你也可以自己种粮食，自己焊铝板。但我在和你录播客这件事上具有比较优势。）更深层的观点在于：企业软件积累了数十年沉淀的边界案例——“如果这个人在印第安纳州休产假期间离职，该怎么处理？“——这些经验无法通过提示词重现。规则并非书面成文，而是在实践中习得的。
关于企业是流程而非档案柜： Cannon-Brookes 重构了整个讨论的框架。“Businesses are a set of processes. They’re not a system of record.”（企业是一套流程，而不是一个记录系统。）他区分了输入受限的流程（客户服务——需求固定，优化吞吐量）与输出受限的流程（创意工作、工程——潜力无限，用效率红利去做更多）。这一框架决定了 AI 究竟是替代员工还是放大产出。
关于无人谈及的设计瓶颈： 最被低估的洞察：AI 的能力远超其交付所需的用户体验设计。“Give people a chat box that can do unlimited power and they’re like, ‘tell me a dad joke.’”（给人们一个能力无限的聊天框，他们却说：“给我讲个冷笑话。“）Cannon-Brookes 描述了信任危机——用户担忧 AI 在无人监督的情况下发出15封邮件——以及”50个实习生问题”：管理智能体的输出本身就成了新的瓶颈。Atlassian 的解决方案是在 Jira 中引入可在任务执行中途对话的智能体，以逐步建立信任。
关于为何按用量计费模式会失败： 用户痛恨 AI 积分，因为无法掌控也无从比较。Cannon-Brookes 称之为”赌场筹码”——不透明、不可转让，而且当供应商新增消耗积分的功能却不告知用户时，积分会悄然缩水。按席位定价之所以持续存在，是因为它让人感觉公平，即便在经济上并不精确。
Atlassian CEO 关于 AI 与 SaaS 的6个核心洞见
- SaaS 分三类 — 席位与成果挂钩（有风险）、席位仅为定价惯例（相对安全）、中间地带（情况复杂）。市场往往无法分辨
- 软件正在成为工作者 — 档案柜时代（1960—2022）存储数据；AI 时代让数据主动行动
- 氛围编程无法取代企业软件 — 数十年积累的边界案例无法通过提示词复现；比较优势依然有效
- 企业是流程，不是记录 — 输入受限流程（优化）与输出受限流程（放大）需要截然不同的 AI 策略
- 设计才是真正的瓶颈 — 信任、迭代交互体验与人机协作循环是尚未解决的设计问题，而非技术问题
- 按用量计费会适得其反 — AI 积分形同”赌场筹码”；用户需要可预期、可掌控的公平定价
这对正在部署 AI 智能体的组织意味着什么
Cannon-Brookes 与 Rampell 得出了一个对每个组织都至关重要的结论：AI 革命并非要替换你的软件栈——而是让你的软件栈开始干活。胜出者将是那些解决了人机协作设计难题的平台，而非仅仅攻克了 AI 能力技术问题的平台。对于正在评估 AI 采用策略的企业，关键问题不是”该砍掉哪款 SaaS”，而是”哪些流程是输入受限的（自动化）、哪些是输出受限的（放大）？“这一判断，决定了你整个 AI 战略的走向。