AI來了，SaaS公司的銷售反而多了數百人

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

（來源：鈦媒體APP）

五月杭州，有贊開了一場春季發佈會，主題叫「有效果的AI」。CEO白鴉在臺上講AI如何幫商家多賣貨，臺下的行業觀察者們卻更關心另一件事：這家公司自己正在被AI改變成什麼樣。

跟白鴉聊了兩個多小時后，一個清晰的畫像是：有贊正在成為一家「用AI重做自己」的SaaS公司，是從組織架構、薪酬體系、內部系統到商業模式的全鏈條震盪。

最有意思的是，這場變革中出現了大量反直覺的選擇，最典型的就是銷售團隊的擴張。在AI替代論最喧囂的2025年，有贊一邊用AI部分替換掉了客服和SDR團隊，一邊銷售人員不減反增，多了幾百人。

這不是孤例。同一時期，Salesforce裁掉了約4000個客服和支持崗位，CEO直言「有了AI，我需要的人頭更少了」。但與此同時，這家公司又新招了上千名銷售人員來賣它的AI產品。全球範圍內，AI替代的是后端標準化服務，而前端直面客户的銷售，反而在加碼。

這個判斷，建立在他對軟件行業的一個基礎認知上。

前端不可替，后端先被衝

白鴉把企業軟件分成兩類：前端的營銷、銷售、運營軟件，和后端的財務、人力、行政管理軟件。兩者在AI時代的命運截然不同。

前端的價值不僅僅在於功能本身，更在於「共享創新實踐」。一個連鎖商家自己一年能做對兩次營銷活動，但用了有讚的系統，可以通過五萬個商家的實踐數據，看到每個月總有幾百人搞出新玩法，AI再把這些新玩法推給他。這個信息差，是前端SaaS真正的護城河。

「你有五六個人的策劃團隊，自己做超不過兩次成功的活動。但你看別人怎麼做，快速模仿，六次能做對四五次。」白鴉説，這就是為什麼前端的管理軟件不會被替代，「你用的不是軟件，你用的是創新的最佳實踐的共享。」

后端的命運則完全不同。過去，后端軟件一邊被嫌臃腫，一邊個性化需求又滿足不了，但企業只能忍着，因為自研太貴了。現在AI讓自研成本降到了原來的5%，天平瞬間傾斜。

資產盤點系統、招聘系統、績效考覈系統、培訓系統、大客户項目管理系統……這些過去每年花幾百萬採購的通用軟件，有讚自己現在全被一線業務管理者用對話編程工具「手搓」出來了。

白鴉判斷，AI對后端軟件的衝擊會分三波。第一波是原來因為太貴做不了的系統，現在成本夠低了，大量涌現。第二波是定製類軟件，過去的成本大頭不在寫代碼，而在甲乙雙方多角色的溝通協作。

第三波是年費在5萬到50萬之間的中等價位通用軟件。這批軟件的用户合同大多簽到2027年前后，還沒到期，所以衝擊尚未真正到來。兩年內不受衝擊的有兩端：年費2萬以下的便宜軟件不值得自己做，年費50萬以上的複雜系統則「得等模型升級到95分以上」。

如果后端都可以被替代，那前端為什麼反而要加人？

白鴉從中美市場的區分來解釋這個問題。「美國人比較喜歡DIY，你給他一個Claude Code，他會去鑽研怎麼裝、怎麼配置。中國不行，‘我一文科生’‘我不懂技術’，這個離我太遠了。」

一個老闆想用AI做點事，安排下面的人去搞，那人沒興趣，就黃了。白鴉説他現在對關係好的老闆直接説：「別安排人，你自己搞。」對方一開始抗拒，但試了之后發現：「哦，原來這麼簡單。」

「中國還在探索期。」白鴉總結。在「探索期」里，AI能替換的是流程固定的重複性工作：清洗銷售線索的SDR、接標準化問題的客服，這些崗位在有贊確實被部分替換了。

但真正面向客户做深度溝通、理解複雜需求、建立信任關係的銷售工作，短期內看不到被AI替代的可能。這不是技術問題，是市場教育成本的問題：中國的企業主們還沒準備好跟AI聊採購需求，那個「安排個人吧」的慣性太強了。所以在AI替代掉SDR的同時，有贊反而需要更多能面對面跟老闆講清楚「你為什麼要用這個」的人。

更根本的分水嶺在商業模式。美國SaaS按坐席收費，AI越智能，客户需要的坐席越少，收入就越薄。裁人既是降本，也是模式本身的擠壓。但中國SaaS行業幾乎沒有真正的坐席收費模式，過去兩年收入利潤本來也沒受到什麼衝擊。

「中國沒有誰在按坐席收費了，你們意識到這個問題了嗎？」白鴉反問。正因如此，同樣的技術變量，在兩個市場產生了完全相反的用人邏輯。

這跟白鴉對商業模式的判斷也是呼應的。他預測有贊四年后的收入結構會是30% SaaS、30%增值配套服務、40% AI。AI收入佔比最高，但SaaS和增值服務加起來仍佔六成。這些收入背后，都離不開人對人的溝通。

從二八開到五五開，被AI倒逼的內部革命

組織層面的變化同樣激進。白鴉正在推動薪酬結構的重新設計。過去，一個人的工資大致是「專業能力佔80%，崗位佔20%」：你是工程師，寫代碼的能力決定了大部分工資，在什麼項目上只是加成。現在，這個比例在被拉向五五開。

「你是一個好的產品經理，拿固定工資。但如果你還能做前端，加一份獎金；能做后端，再加一份獎金；能做運營，再加一份獎金。」

背后的邏輯很清晰：AI把單兵作戰的效率大幅拉高了。過去一個人只能干一件事，現在一個人藉助AI可以橫跨多個領域。組織的回報機制如果不跟着變，能干的人就不會多干，或者多干了也留不住。

這種「寬能力」考覈已經在部分團隊落地。它不是AI替代人，而是AI放大了人和人之間的差距：能駕馭AI的人產出是指數級的。組織的任務就變成了如何讓這些人留下來，以及如何讓更多人變成這樣的人。

從整場交流來看，有贊在幾個方向上已經走出了實驗階段。

AI客服是跑得最實的：半年承接87.7萬顧客、完成613萬次對話、斬獲5570多萬交易額，某商家使用后人效飆升3倍。內部「手搓系統」真正改變了採購邏輯，白鴉的招聘負責人已被要求提前換掉還有一年半纔到期的招聘系統。

GEO（生成式引擎優化）也在跑。有讚的「加我推薦官」幫嵐圖汽車把AI可見性從15.7%提升到近70%。當豆包、DeepSeek、元寶加起來接近6億月活時，品牌能不能被AI「看見並推薦」，正在變成一個真實的新流量入口。

但白鴉對AI的收入模式保持冷靜。「很多人説按Token收費是最好的商業模式，但大部分的Token收費是平進平出的。」他認為沒有獨特數據和獨特場景綁定的AI，最終一定會從價值定價滑向成本定價。

「就像牛仔褲，1000塊的和3000塊的是90%和95%質量的區別，平時就穿三五百的。」有贊賭的，正是它十多年積累的商家經營數據和私域營銷玩法。這些數據，外部AI拿不到。

可借鑑與待觀察

放在整個中國SaaS行業的座標系里看，這輪變革有幾個值得留意的地方。

第一，不是「全面AI化」，而是「結構性地做選擇」。白鴉區分了哪些該用AI替代（后端標準化系統）、哪些反而該加人（前端銷售服務）、哪些該賭長期（GEO）。這種「進與退」的節奏感，比一刀切的「All in AI」務實得多。

第二，承認中國市場的特殊性，而不是照搬美國敍事。美國企業主有DIY傳統，vibe coding採納速度快；中國仍處在「探索期」，需要更重的服務和教育投入。在用人邏輯上簡單對標硅谷，會得出完全錯誤的結論。

第三，把AI不只是當工具，而是組織變革的催化劑。薪酬結構從二八開到五五開的調整，不是因為有贊想做人力創新，而是被AI倒逼出來的。當一個人能干的活從一件變成三件，薪酬不跟着變，組織就會解體。

同時，有讚的路也面臨幾個關鍵的不確定性。

白鴉預測的30/30/40收入結構要到四年后才能驗證。GEO這個新流量入口的競爭正在白熱化，巨頭們可能隨時自己下場。一家公司同時守住前端SaaS、猛攻AI新業務、推動內部組織變革，資源聚焦的風險客觀存在。

回到那個最根本的問題：AI到底是在吞噬SaaS，還是在重塑SaaS？

白鴉的回答是：「軟件不會被AI吃掉，因為AI每次給我們的回答都是隨機生成的，它不能給我們穩定的、確定的結果和作業流。AI可以讓軟件變得更容易實現，AI生成軟件，而軟件最終給商家帶來確定性的工作結果。」

這個回答本身，就是一個經歷過AI衝擊的傳統SaaS創業者，在重新理解自己生意本質之后給出的答案。它不完美，但足夠誠實。而這恰恰是當下中國AI浪潮中最稀缺的東西（本文首發鈦媒體APP，文 | DeepWrite秦報局，作者｜秦聰慧 ）