AI不是在企业软件公司做一个新产品，而是在逼大家重新思考，这家公司到底要不要重做一遍，如何做？
文 | 崔强
编辑 | 燕子
排版编辑 | 唐山惠
过去两个月，我和15位企业软件公司的创始人、CEO，围绕AI转型做了几场深度闭门讨论。
这15个人来自不同的企业软件赛道，有人做CRM，有人做BI，有人做电子签约，有人做供应链，有人做客服智能体，有人服务大型客户，也有人扎在长尾客户和小微商家里。
每家公司的规模不一样，发展阶段不一样，客户结构也不一样。
但很有意思的是，当他们坐到一张桌子上之后，大家的问题开始越来越像。
一开始，我以为大家会更多讨论模型、Agent、AI Coding，或者最近行业里最热的AI产品形态。结果几场讨论下来，大家表面上是在聊AI，实际上是在讨论一个更底层的问题——原来的公司，还能不能继续按照原来的方式运行？
这是「AI决策·30」第一期走到现在，给我最大的感受。
需要先说明一下，「AI决策·30」不是一场闭门会，也不是一期短训营。
它是一个为期一年的企业AI决策陪跑机制，包含4次线下深度闭门会和8次线上闭门讨论。
第一期目前还在进行中，我们刚刚走过了第一次线下闭门会，以及前两次线上讨论。
也正因为它不是一次性活动，所以它的价值不在于某一次讨论有多热闹，而在于一群企业一号位能不能在持续一年的周期里，围绕真实问题反复碰撞、持续行动、阶段复盘、彼此校准。
在第一阶段里，我发现：AI不是在逼企业软件公司做一个新产品，而是在逼大家重新思考，这家公司到底要不要重做一遍，如何做？
01
过去的成功经验
正在变成新的包袱
过去十几年，中国企业软件行业经历过很多轮变化。从本地部署到云计算，从移动互联网到SaaS，从流程数字化到业务在线化，每一轮变化都会带来新的机会，也会淘汰一批企业。
但回头看，过去很多变化都还发生在原有框架里。
产品形态变了，部署方式变了，收费方式变了，但企业运行的基本逻辑没有变。
销售还是销售，研发还是研发，交付还是交付，组织还是按职能划分，管理还是靠流程和层级推动。
所以过去很多转型，更像是在旧房子上翻修。墙面换了，装修换了，家具换了，但地基没动。
这一次AI不一样。
AI不是在帮你把旧房子装修得更漂亮，而是在动地基。
这也是很多创始人焦虑的根源。
不是大家不知道AI重要，而是越来越意识到：过去赖以成功的那套组织、销售、产品、研发和商业模式，可能都要重新审视。
最危险的地方在于，很多公司的旧业务还在赚钱，老客户还在续费，团队还在运转，报表看上去也没有立刻崩掉。
但恰恰是这种“还不错”，可能让企业错过真正重构自己的窗口期。
AI时代最危险的事，不一定是转型失败，而是继续沿着过去成功的路径往前走。
02
销售不是变难了
而是增长系统开始失效
第一期讨论中，销售是被反复提到最多的话题之一。
很多企业都在说，客户并没有消失，需求也还在，但成交越来越难了。
过去一个大客户从立项到签约，三到六个月是常态，后面还有漫长的交付周期。以前大家觉得这就是ToB的正常节奏，但今天再看，这个节奏越来越难承受。
以前的企业软件销售要解决的是信息不对称。
客户不了解产品，需要销售去解释；
客户不了解行业最佳实践，需要厂商去教育；
客户不知道怎么选型，需要售前和顾问帮助他判断。
但今天，客户变了。
客户会自己研究AI，会自己试用工具，会拿竞品方案和你比较。甚至有些客户，在见厂商之前，已经把行业里的主要方案看了一遍。
信息不对称正在快速减少。
于是很多之前有效的销售动作开始失灵。
获客成本越来越高，
成交周期越来越长，
客户决策越来越谨慎，
价格也越来越容易被压低。
这时候，如果企业还只是简单地要求销售更勤奋、更狼性、更拼命，可能解决不了根本问题。
因为问题已经不是销售人员不努力，而是增长系统本身开始失效。
我很认同一句话：不要试图用一个方法，解决两个时代的增长问题。
SaaS时代有效的销售打法，未必能直接解决AI时代的增长问题。
过去靠销售、靠关系、靠项目、靠交付能跑通，但今天客户真正要看的，是你能不能给他带来可衡量的结果。
这也是为什么很多创始人开始重新讨论咨询式销售、PLG、数字员工、Agent驱动增长，以及AI如何参与售前、方案、转化和客户成功。
本质上，大家已经不满足于“怎么把销售做得更好”，而是在追问：未来的增长，到底还要不要靠原来那套销售系统？
03
产品做得更快了
但验证变成新的瓶颈
如果说销售体系正在失效，那么产品体系也在被重新定义。
以前做一个ToB新产品，通常是先找几个种子客户，小范围试点，跑POC，再逐步推广。整个过程可能需要三个月、半年，甚至更长时间。
但AI出现之后，产品从0到1的速度被大幅拉快了。
一个Demo可以很快做出来，一个原型可以很快搭出来，一个过去需要数周甚至数月的产品探索，现在可能几天就能跑出一个可演示版本。
这听起来是好事，但也带来了一个新的问题：产品做得更快了，验证却没有变快。如果验证方式还停留在过去，企业很容易陷入一个新的坑：用更快的速度，做出更多未经验证的产品。
在这15人当中，有创始人提出，AI时代的新产品验证，可能要10倍加大并发。
以前是谨慎选择一个客户、一个行业、一个场景慢慢验证，今天可能要同时拉开多个Pod小组，进入多个细分行业、多个客户现场，快速拿反馈，快速迭代。
这背后的逻辑很简单：AI提升的是生产力，但真正决定生死的，是反馈速度。
未来企业的核心能力，可能不是能不能做出产品，而是能不能更快判断哪个产品值得做，哪个产品不值得做。
所以我觉得，AI时代真正稀缺的不是开发能力，而是验证能力。
04
AI Coding带来的不是提效
而是组织边界被打破
我们能看见，几乎所有参与讨论的公司都在谈AI Coding。
有人要求研发团队全面使用Claude Code和Codex，有人开始尝试用AI完成需求分析、代码开发、测试发布的完整链路，也有人直接用AI来开发AI工具。
但如果你只把AI Coding理解成研发提效，就低估了这件事。
AI Coding真正冲击的，是原来的组织边界。
以前一个项目需要产品经理、研发、测试、实施多角色协同。
客户需求先传给销售，销售传给产品，产品写需求，研发排期，测试验证，再交给实施。
这个链路在之前是合理的，因为软件生产力有限，必须通过分工来提升效率。
但AI Coding出现之后，这条链路开始被压缩。
很多过去需要多人协作完成的事情，现在一个小团队，甚至一个强个体加上AI，就可以完成初步验证。
于是企业开始讨论Pod组织、全栈工程师、前线研发、人人都是产品经理。
这些词听起来不新鲜，但放在AI时代，它们背后的含义变了。
过去讲全栈，更多是技术能力；今天讲全栈，是一个人能不能理解客户、理解业务、调用AI、完成产品验证，甚至直接推动商业化。
这也是为什么很多企业开始把产研推向一线。
研发不再只是坐在总部写代码，而是要更靠近客户现场；
产品不再只是写PRD（产品需求文档），而是要直接参与验证；
销售也不再只是卖东西，而是要理解产品和场景。
AI正在消灭很多中间传递环节。组织不再是越分工越高效，而是越靠近问题，越有价值。
05
未来最值钱的人
不一定是经验最多的人
第一期讨论中，还有一个问题越来越清晰：什么样的人还能适应未来的组织？
软件时代，一个人的价值很大程度上来自经验。
一个销售做了十年行业客户，
一个产品经理懂十年业务流程，
一个研发熟悉复杂系统架构，
这些都是非常重要的资产。
但AI时代，这个逻辑开始变化。经验仍然重要，但不再足够。因为经验来自过去，而AI变化发生在未来。
当技术每个月都在变化，工具每几周就迭代一次，过去的经验如果不能被重新理解、重新组合，反而可能成为阻碍。
最近我也看了一些AI原生公司，它们的组织形态和传统SaaS企业完全不同。
第一，规模小。很多团队只有十几个人、几十个人，但推进速度极快。
第二，管理轻。它们没有复杂层级，大量协同直接发生，不依赖很重的流程管理。
第三，AI工具使用能力极强。AI不是辅助工具，而是工作系统的一部分。
第四，全栈能力更强。很多人同时理解产品、技术、业务和增长，而不是只守着一个岗位边界。
第五，学习力和好奇心非常强。因为AI变化太快，真正拉开差距的，已经不是你过去知道多少，而是你能多快学会新的东西。
这对传统SaaS公司是一个非常大的提醒。
AI原生公司最可怕的地方，不是效率高，而是它们根本不是按照SaaS时代的逻辑在运转。
06
商业模式也在被重新定价
除了组织和人才，商业模式也在被AI重新拷问。
前二十年，企业软件行业已经形成了一套相对稳定的收费方式：卖许可证、卖项目、卖订阅。
虽然每家公司模式不同，但大家大体知道怎么定价，也知道客户为什么付钱。
但AI出现之后，这套体系开始变化。
客户认可AI创造的价值，但不一定习惯按Token付费；
客户愿意尝试智能体，但很难接受不可控的调用成本；
厂商希望按结果收费，但客户又担心费用失控，或者结果不好衡量。
于是行业进入了一个中间状态：大家都知道旧模式有问题，但新模式还没有完全跑通。
按调用收费、按结果收费、按效果收费、按数字员工收费，各种模式都有人在尝试。但不同赛道、不同客群、不同交付方式，答案可能完全不同。
不过有一点是可见的：AI会把企业软件从“卖工具”，推向“卖结果”。
过去客户买一套软件，买的是功能和系统。未来客户更关心的是，这个AI到底帮我省了多少人、提升了多少效率、带来了多少增长、降低了多少风险。
这件事会倒逼企业软件公司重构自己的产品、销售、交付和客户成功体系。
因为卖结果，意味着你不能只交付系统，还要承担更多效果责任。
07
「AI决策·30」真正讨论的
是一号位如何重构公司
几场讨论下来，「AI决策30」讨论的已经不是AI本身，而是企业一号位如何带着公司穿越这场重构。
产品、销售、研发、组织、商业模式，甚至创始人自己的认知体系，都在被重新审视。
这件事没有标准答案，也不可能靠一堂课解决。
每家公司所处行业、客户结构、产品形态和组织基础都不同，别人给不了你现成答案，但可以给你参照系。
这也是「AI决策30」的价值所在：它不是培训班，不是资源局，也不是热闹的圈子，而是一群企业一号位持续面对真实问题的决策场。
线下闭门会，把那些最真实、最尖锐、最不好意思公开讲的问题摊开；线上闭门讨论，则把线下之后的动作、变化和新困惑继续拿出来复盘。
从第一次线下把问题摊开，到第一次线上反馈各自的动作，再到第二次线上看到不少企业已经在组织、产品、销售、研发上做出实质性调整，这种连续追踪，是普通会议很难产生的。
很多时候，一号位最大的焦虑不是没有答案，而是不确定自己的问题是不是个例。
坐到一起之后大家会发现，很多痛苦并不是某家公司独有的，而是整个行业正在经历的结构性变化。
当这些问题在一年里被持续追踪、持续复盘、持续逼近答案时，「AI决策30」才不只是一次讨论，而是一套让一号位在AI时代共同进化的机制。
「AI决策·30」第一期第一阶段里，我记住了这些一号位的判断
鲍春健：AI转型不能简单按新老系统切开，真正有效的组织重构，应该围绕客户接触面重新拆分研发、重构和底层Agent OS。
冯颉：AI产品不能只从技术视角出发，必须回到老客户的真实刚需里，先在高质量老客户身上找到可卖、可复制的数字员工方案。
苏春园：AI时代最稀缺的不是开发能力，而是验证能力，企业需要用更多Pod并发进入客户场景，把超级个体能力沉淀为公司级AI工作台。
子龙：AI让“人人都是全栈、人人都是产品经理”开始变成现实，但真正做AI原生系统时，最大的难题不是技术，而是人从哪里来。
罗旭：传统销售模式已经太慢，未来ToB销售要从“听客户需求”转向“理解并引领客户需求”，销售团队会越来越像咨询团队和产品团队。
张晋：AI时代PLG会比SLG更重要，低客单价甚至部分中客单价产品，未来都可能通过产品和Agent完成自然成交。
吴强：智能体业务真正爆发后，最大问题可能不是找客户，而是交付能力跟不上，企业要提前重构交付工具链和交付组织。
常兴龙：AI Coding不是单点效率工具，而是一次组织性问题，企业必须围绕智能体、CLI化和虚拟员工重新设计生产体系。
马春荃：AI给SaaS公司一次“重新投胎”的机会，但前提是敢于抛开过去的应用架构和组织惯性，用AI Native方式重新来。
孟伟：用AI开发AI的效果可能比想象中更好，但如果每家软件公司都在重复做自己的Agent平台，行业可能会再次陷入“重复造轮子”。
廖万里：大厂会做通用智能体平台，垂直厂商真正的护城河，是在行业知识、本体工程和可靠流程里做深，而不是只做一个通用工具。
白鸦：AI转型不是两三年的短跑，而是五到十年的长周期，老SaaS公司只要在牌桌上，就不应该被短期焦虑带乱节奏。
注：文/崔强，文章来源：牛透社(公众号ID：Neuters )，本文为作者独立观点，不代表亿邦动力立场。
