"SaaS is Dead" 辩论框架

面对投资人 / VC / 行业讨论时的完整论述结构

2026-03-26 · 源自 a16z "Services as Software" 论文讨论

一、对方的论点是什么

"AI Agent 能直接帮用户完成任务，用户不再需要打开软件界面，所以 SaaS 的订阅模式会崩塌。"

代表人物：a16z 的 "Services as Software" 论文 — 认为 AI 将从"卖工具"变成"卖结果"，软件不再按座位收费，而是按完成的任务收费。

二、这个论点哪里对了

对了。 对于大量 SaaS 来说确实如此。

报销软件、项目管理工具、CRM 填表……这些产品的核心价值就是一个界面 — 帮你录入、帮你查看、帮你导出。当 Agent 能直接从原始数据源完成这些动作时，界面确实没有存在的必要了。

这类 SaaS 可以叫 "代笔型 SaaS" — 它替你写字，但不替你思考。AI 比它写得更快更好，所以它会死。

三、这个论点漏掉了什么

它把所有 SaaS 都当成了"代笔型"。但有一类 SaaS 不是帮用户写字的，它根本就 没有参与到用户最核心的那个动作里。

什么动作？决策。

拿美业举例。一个老板每天要做几十个决策：

传统美业 SaaS 能帮上什么忙？它只能告诉你昨天发生了什么（报表），但对明天该怎么做一句话都说不上。

为什么？因为它是 单向的：

数据 → SaaS 生成报表 → Owner 看 → Owner 在脑子里做决策 → Owner 执行 ↑ 这一步是黑箱 SaaS 完全没有参与 也没有记录

SaaS 从来没有碰到过"决策"这一层。它只是一个数据的搬运工。

四、为什么这很致命

因为 Owner 做不大的瓶颈，恰恰就在决策上。

一个优秀的美甲店老板，她的核心竞争力不是会用软件，是她脑子里那套判断逻辑：

这些判断只存在她一个人的脑子里。她一天能管 1 家店，勉强管 2 家，第 3 家就顾不过来了。

传统 SaaS 对这个问题完全无能为力。 它把"看数据"这件事做得很高效，但 Owner 的瓶颈从来不是"看不到数据"，而是"分身乏术"。

所以说"SaaS is dead"其实不够准确 — 在 Owner 最需要帮助的地方，SaaS 从来就没活过。

五、什么东西能真正解决这个问题

一个系统，不仅展示数据，还 参与到决策过程中。

传统 SaaS（单向输出）

数据 → 报表 → Owner 看 → Owner 决策(黑箱) → 结果

Agent-native（双向回路）

数据 → Agent 给建议 → Owner 接受 / 拒绝 / 修改 → 结果 ↑ 这一步被记录了 这就是 "决策数据"

每一次 Owner 说"行"或"不行"，都在教 Agent 她是怎么想的。这个信号是传统 SaaS 从来没有采集过的，因为传统 SaaS 从来没有给过建议。

积累 6 个月、12 个月以后，Agent 理解了这个 Owner 的决策风格。这就是 Owner 的数字分身。 把分身部署到第 2 家店、第 5 家店、第 10 家店 — Owner 不在场，但她的判断力在场。

六、为什么 Incumbent 做不了这件事

不是技术做不到，是 三个结构性障碍：

1. 没有决策数据

他们运行了 10 年 20 年，积累了海量的交易数据、预约数据、会员数据。但没有一条"Owner 为什么做这个决定"的记录。因为系统从来没问过。

2. 商业模式冲突（创新者困境）

Zenoti 收 $300/月/门店的 seat license — 按"多少人用软件"收费。Agent 做得越好，需要人操作软件的场景越少，座位费越收不上来。他们不能革自己的命。

3. 架构改不动

要采集决策数据，需要在每一个业务流程里插入"Agent 建议 → Owner 反馈"的环节。这意味着重写整个产品交互。对一个有 6 万门店的系统来说，这等于推倒重来。

七、补充论点：为什么 Agent 自己不能绕过 SaaS

可能有人会问：AI Agent 很强了，为什么不能直接跳过 SaaS，自己采集数据、自己做决策？

Agent 做决策不难。难的是 决策的输入数据不存在。

一个 Agent 想做一个决策："明天下午把小李从 A 店调到 B 店"。它需要知道：

这些信息今天住在哪里？纸上、老板脑子里、微信群聊天记录里、Excel 里。

Agent 是大脑，SaaS 是感官和记忆。 大脑再聪明，没有感官持续收集信息、没有记忆持续存储信息，它做不了任何决策。

你需要一个系统，每天在运行，每笔预约在记录，每次打卡在入库，每个客人的偏好在积累。没有这个过程，Agent 打开数据库一看 — 是空的。

没有 SaaS 持续采集数据 → 没有结构化的业务数据 → Agent 没有决策输入 → Agent 做不了决策

SaaS 不是被 Agent 替代的对象，是 Agent 能工作的 前提条件。

八、创业公司的 Leverage

如果数据层是核心价值，Incumbent 有 6 万门店的数据，创业公司怎么竞争？

不跟他们比数据量，比数据维度。

维度Incumbent（博卡/Zenoti）Celoria
数据类型交易数据、预约数据、会员数据
为人看报表设计		上述 + 决策数据（override 信号）
为 Agent 做决策设计
数据架构20 年前的 schema，改不动Day 1 为 Agent 设计数据管道
跨店学习每家门店数据独立多租户架构，天然支持跨店模式识别
商业模式Seat license（Agent 越强收入越低）按决策/交易收费（Agent 越强收入越高）
诚实的风险评估：Incumbent 可以抄。博卡看到 override flywheel，半年后也可以加。6 万门店一开，数据量瞬间碾压。真正的时间窗口不是"他们不会做"，而是"他们的组织惯性让他们慢 2-3 年"。这个窗口够不够跑出来，取决于执行速度。

九、Elevator Pitch 版本

15 秒版

传统 SaaS 给老板看数据，但从来不帮老板做决策。我们的 Agent 参与每一个决策，学会老板的判断力，让一个老板能同时管 10 家店。

30 秒版

"SaaS is dead"说的是代笔型 SaaS — 帮用户操作界面的工具。但真正的问题从来不是操作效率，是 Owner 的决策能力无法复制。传统 SaaS 从来没有参与过决策，所以它采集不到决策数据，也就永远造不出 Owner 的分身。我们做的事情是让 Agent 参与到每一个决策里，用 Owner 的每一次反馈来训练它，最终让一个 Owner 能同时管 10 家店。

1 分钟完整版

"SaaS is dead"说的是代笔型 SaaS — 帮用户操作界面的工具，确实会被 AI 替代。但在美业这个行业，真正的问题从来不是操作效率，是 Owner 的决策能力无法复制。一个优秀的店长知道什么客人配什么技师、什么时候该留空位、什么情况下该跨店调人 — 这些判断全在她一个人脑子里。她管得了 1 家店，管不了 10 家。

传统 SaaS 对这个问题完全无能为力 — 它只是单向地输出报表，从来不参与决策，所以它采集不到决策数据，也就永远造不出 Owner 的分身。

我们从 Day 1 就不一样。Agent 参与到每一个排班、分配、定价决策里。Owner 每一次接受或拒绝，都在教 Agent 她是怎么想的。积累到一定程度，这就是她的数字分身 — 可以被部署到第 2 家、第 5 家、第 10 家店。这不是 SaaS 的升级版，是 SaaS 从来没碰过的那一层。

十、相关文档