（本文作者为 DeepWrite秦报局，钛媒体经授权发布）
五月杭州， 有赞 开了一场春季发布会，主题叫“有效果的AI”。CEO白鸦在台上讲AI如何帮商家多卖货，台下的行业观察者们却更关心另一件事：这家公司自己正在被AI改变成什么样。
跟白鸦聊了两个多小时后，一个清晰的画像是：有赞正在成为一家“用AI重做自己”的SaaS公司，是从组织架构、薪酬体系、内部系统到商业模式的全链条震荡。
最有意思的是，这场变革中出现了大量反直觉的选择，最典型的就是销售团队的扩张。在AI替代论最喧嚣的2025年，有赞一边用AI部分替换掉了客服和SDR团队，一边销售人员不减反增，多了几百人。
这不是孤例。同一时期，Salesforce裁掉了约4000个客服和支持岗位，CEO直言“有了AI，我需要的人头更少了”。但与此同时，这家公司又新招了上千名销售人员来卖它的AI产品。全球范围内，AI替代的是后端标准化服务，而前端直面客户的销售，反而在加码。
这个判断，建立在他对软件行业的一个基础认知上。
前端不可替，后端先被冲
白鸦把企业软件分成两类：前端的营销、销售、运营软件，和后端的财务、人力、行政管理软件。两者在AI时代的命运截然不同。
前端的价值不仅仅在于功能本身，更在于“共享创新实践”。一个连锁商家自己一年能做对两次营销活动，但用了有赞的系统，可以通过五万个商家的实践数据，看到每个月总有几百人搞出新玩法，AI再把这些新玩法推给他。这个信息差，是前端SaaS真正的护城河。
“你有五六个人的策划团队，自己做超不过两次成功的活动。但你看别人怎么做，快速模仿，六次能做对四五次。”白鸦说，这就是为什么前端的管理软件不会被替代，“你用的不是软件，你用的是创新的最佳实践的共享。”
后端的命运则完全不同。过去，后端软件一边被嫌臃肿，一边个性化需求又满足不了，但企业只能忍着，因为自研太贵了。现在AI让自研成本降到了原来的5%，天平瞬间倾斜。
资产盘点系统、招聘系统、绩效考核系统、培训系统、大客户项目管理系统……这些过去每年花几百万采购的通用软件，有赞自己现在全被一线业务管理者用对话编程工具“手搓”出来了。
白鸦判断，AI对后端软件的冲击会分三波。第一波是原来因为太贵做不了的系统，现在成本够低了，大量涌现。第二波是定制类软件，过去的成本大头不在写代码，而在甲乙双方多角色的沟通协作。
第三波是年费在5万到50万之间的中等价位通用软件。这批软件的用户合同大多签到2027年前后，还没到期，所以冲击尚未真正到来。两年内不受冲击的有两端：年费2万以下的便宜软件不值得自己做，年费50万以上的复杂系统则“得等模型升级到95分以上”。
如果后端都可以被替代，那前端为什么反而要加人？
白鸦从中美市场的区分来解释这个问题。“美国人比较喜欢DIY，你给他一个Claude Code，他会去钻研怎么装、怎么配置。中国不行，‘我一文科生’‘我不懂技术’，这个离我太远了。”
一个老板想用AI做点事，安排下面的人去搞，那人没兴趣，就黄了。白鸦说他现在对关系好的老板直接说：“别安排人，你自己搞。”对方一开始抗拒，但试了之后发现：“哦，原来这么简单。”
“中国还在探索期。”白鸦总结。在“探索期”里，AI能替换的是流程固定的重复性工作：清洗销售线索的SDR、接标准化问题的客服，这些岗位在有赞确实被部分替换了。
但真正面向客户做深度沟通、理解复杂需求、建立信任关系的销售工作，短期内看不到被AI替代的可能。这不是技术问题，是市场教育成本的问题：中国的企业主们还没准备好跟AI聊采购需求，那个“安排个人吧”的惯性太强了。所以在AI替代掉SDR的同时，有赞反而需要更多能面对面跟老板讲清楚“你为什么要用这个”的人。
更根本的分水岭在商业模式。美国SaaS按坐席收费，AI越智能，客户需要的坐席越少，收入就越薄。裁人既是降本，也是模式本身的挤压。但中国SaaS行业几乎没有真正的坐席收费模式，过去两年收入利润本来也没受到什么冲击。
“中国没有谁在按坐席收费了，你们意识到这个问题了吗？”白鸦反问。正因如此，同样的技术变量，在两个市场产生了完全相反的用人逻辑。
这跟白鸦对商业模式的判断也是呼应的。他预测有赞四年后的收入结构会是30% SaaS、30%增值配套服务、40% AI。AI收入占比最高，但SaaS和增值服务加起来仍占六成。这些收入背后，都离不开人对人的沟通。
从二八开到五五开，被AI倒逼的内部革命
组织层面的变化同样激进。白鸦正在推动薪酬结构的重新设计。过去，一个人的工资大致是“专业能力占80%，岗位占20%”：你是工程师，写代码的能力决定了大部分工资，在什么项目上只是加成。现在，这个比例在被拉向五五开。
“你是一个好的产品经理，拿固定工资。但如果你还能做前端，加一份奖金；能做后端，再加一份奖金；能做运营，再加一份奖金。”
背后的逻辑很清晰：AI把单兵作战的效率大幅拉高了。过去一个人只能干一件事，现在一个人借助AI可以横跨多个领域。组织的回报机制如果不跟着变，能干的人就不会多干，或者多干了也留不住。
这种“宽能力”考核已经在部分团队落地。它不是AI替代人，而是AI放大了人和人之间的差距：能驾驭AI的人产出是指数级的。组织的任务就变成了如何让这些人留下来，以及如何让更多人变成这样的人。
从整场交流来看，有赞在几个方向上已经走出了实验阶段。
AI客服是跑得最实的：半年承接87.7万顾客、完成613万次对话、斩获5570多万交易额，某商家使用后人效飙升3倍。内部“手搓系统”真正改变了采购逻辑，白鸦的招聘负责人已被要求提前换掉还有一年半才到期的招聘系统。
GEO（生成式引擎优化）也在跑。有赞的“加我推荐官”帮 岚图汽车 把AI可见性从15.7%提升到近70%。当豆包、DeepSeek、元宝加起来接近6亿月活时，品牌能不能被AI“看见并推荐”，正在变成一个真实的新流量入口。
但白鸦对AI的收入模式保持冷静。“很多人说按Token收费是最好的商业模式，但大部分的Token收费是平进平出的。”他认为没有独特数据和独特场景绑定的AI，最终一定会从价值定价滑向成本定价。
“就像牛仔裤，1000块的和3000块的是90%和95%质量的区别，平时就穿三五百的。”有赞赌的，正是它十多年积累的商家经营数据和私域营销玩法。这些数据，外部AI拿不到。
可借鉴与待观察
放在整个中国SaaS行业的坐标系里看，这轮变革有几个值得留意的地方。
第一，不是“全面AI化”，而是“结构性地做选择”。白鸦区分了哪些该用AI替代（后端标准化系统）、哪些反而该加人（前端销售服务）、哪些该赌长期（GEO）。这种“进与退”的节奏感，比一刀切的“All in AI”务实得多。
第二，承认中国市场的特殊性，而不是照搬美国叙事。美国企业主有DIY传统，vibe coding采纳速度快；中国仍处在“探索期”，需要更重的服务和教育投入。在用人逻辑上简单对标硅谷，会得出完全错误的结论。
第三，把AI不只是当工具，而是组织变革的催化剂。薪酬结构从二八开到五五开的调整，不是因为有赞想做人力创新，而是被AI倒逼出来的。当一个人能干的活从一件变成三件，薪酬不跟着变，组织就会解体。
同时，有赞的路也面临几个关键的不确定性。
白鸦预测的30/30/40收入结构要到四年后才能验证。GEO这个新流量入口的竞争正在白热化，巨头们可能随时自己下场。一家公司同时守住前端SaaS、猛攻AI新业务、推动内部组织变革，资源聚焦的风险客观存在。
回到那个最根本的问题：AI到底是在吞噬SaaS，还是在重塑SaaS？
白鸦的回答是：“软件不会被AI吃掉，因为AI每次给我们的回答都是随机生成的，它不能给我们稳定的、确定的结果和作业流。AI可以让软件变得更容易实现，AI生成软件，而软件最终给商家带来确定性的工作结果。”
这个回答本身，就是一个经历过AI冲击的传统SaaS创业者，在重新理解自己生意本质之后给出的答案。它不完美，但足够诚实。而这恰恰是当下中国AI浪潮中最稀缺的东西 （本文首发钛媒体APP，文 | DeepWrite秦报局，作者｜秦聪慧 ）
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App