SaaS 新解: Service-as-a-Software (服務即軟體)
AI如何推動軟體產業從「軟體即服務」(SaaS) 轉向「服務即軟體」的革新趨勢，剖析這場轉變對企業營運模式的影響，以及未來發展方向。
AI 正在引領一場軟體產業的革命性轉變，從傳統的「軟體即服務」(Software-as-a-Service) 演進至「服務即軟體」(Service-as-Software)，重新定義了 SaaS 的本質。
在傳統軟體業務模式中，企業僅提供平台或工具的使用權限，
最終成果的實現仍需依賴客戶自身的努力。
而在新型服務模式下，達成預期目標的責任已轉移至服務提供方，
確保客戶能獲得真正的解決方案而非單純的工具。[1]
❏ 引言
隨著 AI 快速實現程式編寫自動化，軟體開發的成本與時程都大幅降低，會有越來越多的軟體被製造出來。這使得企業與個人都能負擔打造客製化解決方案的支出，進而引發軟體數量的爆炸性成長 💥。
《Software Explosion》一文暗示了爆炸性增長將引發軟體產業的典範轉移，值得身在資訊/軟體產業的朋友們細細品味 [2]：
與農業不同，軟體並不受到需求限制的束縛。世界上的一切都可以自動化，最終連自動化的過程本身也可以被自動化。
每當我們提升自動化程度並因此降低成本時，我們就會看到軟體需求呈現數量級的成長。我們將會擁有如此龐大的軟體數量，軟體將從我們的毛孔中滲透出來…而我們依然渴望更多。
AI 會讓你的工作效率更高，但它不會搶走你的工作，因為這世界上有無窮無盡的(軟體)工作等著去完成。
這將對 SaaS 模式帶來什麼衝擊？矽谷當下正夯的 buzzword “Service as Software” 又是什麼意思，這期就來聊聊。
.
📍 大綱
❏ Software-as-a-Service (SaaS) 的終結
❏ AI 驅動的 Service-as-a-Software
❏ 做深? 還是做廣?
❏ 應對 Service-as-a-Software的正確姿勢
《非正式寫作》著墨琢磨 技術趨勢、溝通領導、概念理解 與 生活實踐。
每週一四派送，如果您還沒有訂閱，請在這裡訂閱，加入 190+ 位每週讀者的行列：
🔍 工人智慧猜你也喜歡
❏ Software-as-a-Service (SaaS) 的終結
在現代職場中，SaaS 服務已成為我們日常工作的一部分。無論是客戶關係管理（CRM）、企業資源規劃（ERP）系統（如 Salesforce），還是內部簽核系統、專案協作平台（如 Jira、Notion）等，都是常見的企業應用工具。
然而，這些功能龐大的系統真的符合企業需求嗎？事實上，大多數用戶往往只會使用到系統中的一小部分功能。更糟的是，企業常常必須改變既有的工作流程，來遷就這些系統的標準設計。這正是 SaaS 模式的最大侷限：它提供的只是一個通用的「最大公約數」解決方案。
大型 SaaS 公司缺乏動力去為小眾需求客製化他們的產品，即使這些需求經常存在企業內部流程中。這在市場上造成了一個缺口，特別是在處理複雜的工作流程時，企業往往找不到能完全符合其獨特需求的解決方案。
客製化成本因為 AI 技術的進步大幅降低，這個市場上的巨大缺口即將被徹底翻轉：”Software has eaten the world. Now AI will digest it” [2]。
.
❏ AI 驅動的 Service-as-a-Software
SaaS (Software as a Service) 是雲端時代的成功典範，幫助軟體公司轉型為可擴展的訂閱制商業模式。但這已經是過去式了。
如今，我們正站在一個革命性的轉捩點 — AI 不僅在自動化軟體任務，更是以 AI 驅動的智能代理取代人力勞動。這個轉變不再侷限於軟體授權，而是關於如何大規模地提供自主化服務。
真正的潛力並不在於規模 3,500 億美元的軟體市場，而是存在於規模數兆美元的服務產業。試想：企業現在不再只是提供軟體工具，而是在打造能夠自主執行複雜人力工作的 AI 系統。[3]
.
以前，企業必須調整自身流程以配合 SaaS 工具的限制，或依賴機器人流程自動化 (RPA) 來實現部分自動化。
這個格局正在發生根本性的改變。現在 AI 代理具備了多樣化的能力，包括：
格式轉換：能夠靈活處理不同系統間的數據格式 (多模態)
意圖識別：理解並轉譯使用者需求
模式萃取：從數據中識別出有價值的模式和趨勢
等等 … 詳見《解構AI Agent: 人工智能的關鍵突破?》
企業不再需要 “配合” SaaS 服務，而是可以通過 AI 代理實現更細緻的客製化。我們正在進入一個新的階段：「勞務即服務」（Labor-as-a-Service）時代，其中許多傳統上需要人工處理的任務現在可以交由 AI 代理來執行。
這種從 軟體即服務 → 服務及軟體 的典範轉移，能從幾個根本上的特性，翻轉既有的商業模式：
成果導向的定價模式：有別於 SaaS 按照用戶訂閱或授權收費的方式，Service-as-a-Software 將採用以成果為導向的計費模式。AI 代理將根據實際產出成果獲得報酬，為企業帶來更高的投資報酬率和降低成本 (按件計酬)。
完全自動化：未來這些解決方案可能不再是 Copilot (副駕)，而是完整的自動化解決方案，能夠自主處理客服、網路安全等各項任務。過去需要人工參與的複雜工作流程，將由 AI 代理全權管理。
指數級擴展：AI 可以 24/7 不間斷工作，同時處理數千項任務。服務產業將迎來指數級的成長。
.
❏ 做深? 還是做廣?
Palantir (PLTR)，一家最近股價漲翻天的公司，正是採取這種 Service-as-a-Software 的精神，默默耕耘特定垂直領域的客戶情境，逐步打通完善他的產品樣貌，迎來巨大的成功。
一位前員工分享自己在 Palantir 的觀察，可以窺見他們和一般 SaaS 公司採取得是多麼不同的策略路徑 [4]：
FDE (前線開發工程師) 通常需要每週到客戶辦公室工作 3-4 天，這意味著需要大量差旅。對一家矽谷公司而言，這種模式在當時和現在都非常罕見。
這種模式有許多值得深入探討的地方，但核心理念是：通過深入了解各種複雜產業 (如製造業、醫療保健、情報、航太等) 的業務流程，進而設計出真正能解決問題的軟體。之後，產品開發工程師會將 FDE 建立的解決方案「產品化」，更廣泛來說，他們開發的軟體能為 FDE 提供槓桿效應，讓工作變得更好更快。
面對國防、醫療等極度複雜的業務領域，往往需要深入了解複雜的使用情境，才能量身打造合適的解決方案，這靠以往單一的 SaaS 服務是很難做到的。
未來，我們可能會看到更多高度客製，專精於特定垂直領域的服務型軟體，大幅翻新並優化以前那些大型 SaaS 解決方案 不肯/也無法 為之投注心力的業務領域。
垂直型 AI 代理服務幾個成功的關鍵因素：
專精的專業知識： 透過聚焦特定產業，這些公司能夠開發出具備專業知識和能力的 AI 代理，完全切合該產業的細微特性。這種專業知識對於自動化複雜工作流程和創造高價值成果將是無價的。
以成果為導向的方法： 垂直型 AI 代理公司預計會採用「服務即軟體」模式，根據其代理所產生的成果獲得報酬。這使他們的利益與客戶的成功緊密結合，並培養持續改進的文化。
具備數據優勢： 能取得和理解產業特定數據對於訓練有效的 AI 代理至關重要。透過與目標產業的客戶密切合作，這些公司能夠累積豐富的數據，進而建立競爭優勢 (護城河)。
滿足未被滿足的需求： 許多產業仍然依賴人工流程或過時的軟體處理關鍵工作流程。這為垂直型 AI 代理公司提供了重要機會，透過現代化、高效率的解決方案來滿足這些未被滿足的需求。
.
❏ 應對 Service-as-a-Software的正確姿勢
這股翻轉浪潮勢不可擋，身處資訊/軟體產業中的個人與企業，該如何做出準備和選擇？
✔ 針對個人
數據分析能力：數據就是未來垂直領域服務的黃金。資料管理、分析和整合的技能 — 包括了解如何存取、清理、建構和分析資料，以及如何建立和使用資料管道。這些專業知識對於在各種產業開發和實施 AI 解決方案都具有關鍵價值。
.
成為領域專家：專精於特定領域，深入了解其流程、挑戰和資料環境。這種專業知識可用於建立目標明確的解決方案，運用 AI 來自動化任務、提升效率並產出更好的成果。例如，專精醫療保健的軟體工程師可以專注於開發自動化轉診管理或理賠處理的解決方案。
.打造自己的 AI 工具箱：開始使用 AI 工具。學習這些工具提供的客製化選項，以適應不同使用者和情境的特定需求。例如：輔助程式編寫、寫作或資料分析的 AI 工具，使用他們去完成原本你需要手動完成的事情 (參考: 《AI筆記工具如何革新你的研究與寫作流程》)。
.選擇的品味： 隨著 AI 變得更加精進，正確的「選擇」將是未來人類最稀缺的能力之一：AI 可以快速寫出邏輯正確的程式碼，但前提是你要清楚的將你的需求表達出來。和藝術一樣，美就是一連串恰當的選擇 (參考: 《AI 無法創造真正的藝術?》)，培養批判思考和問題解決的能力，do right thing 將比 do thing right 來得重要。
.
✔ 針對企業 (想要打造 AI SaaS 的公司)
運用 AI 實現自動化：特別是那些重複性高、規則導向或需要深厚領域專業知識的任務。目前已在使用的 AI 自動化範例包括：
進行招募電話 (ConverzAI)
回答潛在買家的常見問題 (Docket)
輸入資料和讀取傳真文件 (Tennr)
.
這些 AI 代理能夠理解上下文、解讀使用者意圖、運用推理能力，並且能夠適應新的任務 (不像以前 rule-based 的代理，無法舉一反三)。
.服務優先：企業不應只是銷售軟體授權，而應採取以服務為先的方式。這意味著先專注於解決客戶的具體問題，然後根據這些經驗開發產品。這種以成果為導向的方式，讓軟體成本能與其帶來的商業價值相互配合。
.
混合團隊：投資建立同時具備技術和營運專長的混合團隊。理想的團隊應該結合：
前線部署工程師 (FDEs)： 這些工程師具備與客戶密切合作的社交和政治技巧，能夠理解客戶的業務流程，並開發解決其特定問題的軟體。他們能夠在客戶現場工作，並善於收集企業運作的隱性知識。
產品開發 (PD) 工程師： PD 工程師專門開發可擴展、可靠且能解決多種使用場景的軟體。他們與前線部署工程師密切合作，將在實地開發的解決方案「產品化」。
.
理解你的業務本體論 [5]：(如上圖) 識別對營運至關重要的資料和工作流程。這種理解將有助於識別可以有效部署 AI 的領域。本體論映射可以幫助企業決定應該優先考慮研發投資哪些領域，並確保技術與業務需求保持一致。理解你的本體論對於資料整合也至關重要，是 AI 部署的關鍵基礎。
❏ 結語
AI 正在以前所未有的速度重塑軟體產業的樣貌。從「軟體即服務」到「服務即軟體」的典範轉移，不僅僅是商業模式的改變，更預示了一個軟體將逐漸隱形 — 服務將完美融入的新時代。
就如同今日沒有企業會特別標榜自己是「網路公司」，未來的 AI 技術也將自然而然地融入每個企業的營運 DNA 中，不有人標榜自己是 AI 公司。企業將擁有一支由 AI 代理組成的虛擬團隊，靈活地處理各種垂直領域的專業任務，而人類則能夠將更多心力投注在需要洞察力和品味的決策上。
當軟體和服務的界線逐漸模糊，也許我們該思考的是：在這個 AI 代理能夠勝任越來越多任務的時代，什麼才是真正無可取代的人類價值？
~
🦥 parting thoughts 🦥
延伸閱讀《Agentic Revolution》
最近跑步都搭配 Podcast《不良大叔》，幹話閒聊的氛圍讓跑步的時光咻一下就過去了，如果你也有在跑步推薦給你 :)
如果這篇文章有幫助到你，記得按讚加分享 👍，請我喝杯咖啡 ☕，我們下期見！
🔖 參考資料
[1] AI leads a service-as-software paradigm shift - https://foundationcapital.com/ai-service-as-software/
[2] Software Explosion - https://philipjoubert.com/software-explosion/
[3] The Service-as-a-Software Revolution: A 10X Opportunity Beyond SaaS - https://spearhead.so/the-service-as-a-software-revolution-a-10x-opportunity-beyond-saas/
[4] Reflections on Palantir - https://nabeelqu.co/reflections-on-palantir/
[5] The AI Services Wave: Lessons from Palantir in The New Age of AI - https://www.8vc.com/resources/the-ai-services-wave-lessons-from-palantir-in-the-new-age-of-ai