SaaS 末日說不是謊言——但你搞錯了誰會被淘汰

SaaS 末日說不是謊言——但你搞錯了誰會被淘汰

本文是社群貼文的完整延伸版。
社群版講了核心觀念，本文加上獨家深度分析和台灣企業場景。

---

重點回顧

2026 年初，整個 SaaS 板塊哀鴻遍野——Intuit 跌了近 45%，Workday、Adobe 全線下跌。但這些公司面對 AI 的風險，其實完全不同。

Atlassian 共同創辦人兼 CEO Mike Cannon-Brookes 接受 a16z 訪談時指出：「市場在恐慌，但它搞不清楚差異在哪裡。」不是所有 SaaS 都面臨末日——而是定價模式建立在錯誤基礎上的公司，才真的危險。

本文從 Cannon-Brookes 的框架出發，加上台灣企業現場觀察，帶你搞清楚這場「SaaS 重組」的真正邏輯。

---

【獨家】SaaS 三種命運：高風險、低風險、還是模糊地帶？

a16z 的 Alex Rampell 在訪談中提出了一個分類框架，讓這場混亂的市場有了清晰的邏輯。

第一類：高風險組（以 Zendesk 為代表）

這類公司的商業模式，建立在「有幾個服務人員，就收幾個席位費」的邏輯上。

問題來了：AI 代理現在可以全自動回覆客戶、處理工單，24 小時不休息，速度比人快，出錯率更低。

AI 一進來，人數減少，席位費就少了。這不是「轉型挑戰」，而是商業模式的根本問題——你的收入，跟你的核心商品（人工輸出）成正比，而這個核心商品正在被取代。

在台灣，我在企業培訓現場看過一個很典型的例子。某家電商客服中心，過去有 30 名客服人員處理每日 3,000 封詢問。導入 AI 代理後，8 名人員就能處理同樣的量，還多了 24 小時的覆蓋。

如果你賣的客服軟體，是按席位收費的，你的收入就從 30 個席位掉到 8 個。這就是 Zendesk 類型公司面對的現實。

第二類：低風險甚至受益（以 Workday、Intuit 為代表）

Workday 的席位費，跟員工「有沒有真的用它產出什麼」關係不大。

10 萬名員工的企業，每人每月 4-5 美元的席位費——買的是公平感，不是產出量。行為經濟學家 Dan Ariely 說過，人類願意為「公平」付錢，不一定為「效率」付錢。

更重要的是，Workday 和 Intuit 可以在系統後台嵌入 AI 代理，直接幫你跑背景審查、觸發催款流程、自動計算稅務——這些原本要人做的事，現在 AI 做了。

軟體公司不只沒被取代，反而多了新的服務可以賣。

這就是為什麼 Atlassian 在整個 SaaS 板塊大跌的期間，還能連續三季繳出亮眼成績。它的工具——Jira、Confluence、Atlassian Service Management——是幫企業協調知識工作流程的系統，不是替代人工的工具。AI 跑在上面，只會讓它更有價值。

第三類：模糊地帶（以 Adobe 為代表）

Adobe 的情況比較複雜。設計工作有一部分靠席位（設計師），但設計輸出又跟 AI 的能力緊密相關。AI 能替代設計師的比例還在浮動，Firefly 等工具可能讓部分功能更易進入，也可能吸引更多用戶。

這類公司不會立刻陷入危機，但也不確定會受益——需要持續觀察轉型策略。

---

【獨家】輸入受限 vs 輸出受限：這才是你最應該問自己的問題

Cannon-Brookes 在訪談中點出了一個比三分類更根本的框架，我認為這是每個台灣老闆都應該思考的問題。

你的業務，是「輸入受限」還是「輸出受限」？

輸入受限的業務

需求本身有天花板。法務部門每天就是那幾十份合約要審，客服中心每天就是那幾千封詢問要回——不管你效率多高，天花板就在那裡。

AI 把效率提升十倍，但客戶數量不會增加，總業務量也不會增加。結果是：你的成本降了，但收入上限不動。毛利被擠壓，不是被擴張。

這在台灣的製造業很常見。某家零件廠的品管部門，過去 50 人做 AI 影像辨識之前的人工目視檢查。導入 AI 後，10 人就能做同樣的工作。老闆高興說省了成本——但客戶端的訂單量沒有增加，整體業績並沒有成長。

省人力是好事，但不要誤以為這等於業務成長。

輸出受限的業務

完全不同的邏輯。

軟體開發、行銷內容製作、數據分析、顧問報告——這些工作的產出越多，往往代表越多價值交付，而且需求幾乎沒有天花板。

AI 幫工程師的效率提升三倍，等於他可以多交付三倍的功能，公司可以多接三倍的案子。AI 幫行銷團隊做內容的速度加快五倍，等於可以觸及五倍的市場。

這才是真正「人少事多、錢也更多」的場景。

我帶過超過 400 家企業做 AI 導入培訓，最常看到的陷阱是這樣的：老闆聽說 AI 可以「取代人力」就興奮，立刻把 AI 工具導入最多人的部門——但沒有問自己：「這個部門的業務，有沒有天花板？」

如果天花板就在那裡，省人力只是省了成本，不會讓公司成長。

要問的問題是：AI 幫我提升效率之後，我可以做更多生意，還是只是用更少人做一樣多的生意？

---

【獨家】「自己用 AI 蓋 Workday」的三個致命盲點

訪談裡有一段我很喜歡的對話。

主持人問：「既然 AI 這麼強，企業乾脆自己用 vibe coding 蓋一個內部系統，不需要買 Workday 了？」

Cannon-Brookes 直接說：「自己用 vibe coding 蓋一個 Workday 然後跑它？那很嚇人。」

為什麼嚇人？

盲點一：合規知識的深度

Workday 裡面藏的，不只是功能，是幾十年來企業在各地的勞工法規、稅務規則、薪資計算邊界情況所累積的知識。

印第安納州有特殊的就業保護規定、德國有工會法要求、台灣有勞基法的各種加班計算方式……這些全都是高度具體的規則，不是 AI 能「理解」或「自動更新」的。

自己蓋，蓋出來的是一個沒有這些「地雷」防護的假系統。第一次法規違規，就可能是幾百萬的罰款，或一場勞資糾紛。

盲點二：邊界情況的積累

任何成熟的企業軟體，都有幾千個「邊界情況」的處理邏輯。

什麼叫邊界情況？比如：員工在月底離職，薪水怎麼計算？請假跨月份怎麼處理？員工同時是兼職和全職的情況下福利怎麼計算？

這些問題，每一個都需要法律、會計、HR 領域的專業知識，而且往往在真實場景下踩過坑才會修掉。自己重建，等於要重新踩一遍這些坑。

盲點三：可延伸性才是正確答案

Cannon-Brookes 說的重點是：在成熟平台上建延伸功能，不是替換平台。

邁阿密辦公室特定用途的 HR 流程、某個部門的自訂審批、符合台灣勞基法的特殊薪資計算——這些可以自建，而且成本低、風險小。

這種方式讓平台更難離開（因為你的自訂功能跑在上面），而不是更容易被取代。

---

【獨家】信任 AI 代理的設計挑戰：台灣企業現場觀察

Cannon-Brookes 最後點出了一個我認為目前最沒有標準答案的問題：

我們要怎麼讓一般使用者信任 AI 代理做出自主決策？

這不是技術問題。AI 的能力已經夠了——可以審信用、可以篩選履歷、可以批准費用報帳。問題是人類願不願意讓它做。

我在台灣企業培訓現場看到兩種極端：

信任型主管：第一次用 AI 代理幫他處理一封重要客訴信，AI 寫的比他自己寫的更準確、更有條理。從那之後，他開始把更多決策授權給 AI，效率大幅提升。

控制型主管：看到 AI 改了他一個字，立刻說「每個字我都要確認才能送出」。AI 工具對他來說，變成了一個每次都要「再確認」的麻煩，根本沒有發揮效益。

這兩個人用的是同一個 AI 工具，但使用效益天差地遠。

信任，是靠經驗累積的，不是靠功能演示建立的。

這代表 AI 導入不只是工具選型問題，是組織文化問題。要讓 AI 代理真正發揮效益，需要：

1. 從低風險決策開始：先讓 AI 代理做例行性、可驗證的任務（報告摘要、資料整理），讓使用者積累信任
2. 建立清晰的人機介面：哪些決策 AI 可以自動執行，哪些需要人工確認——規則要明確
3. 讓錯誤可見：AI 出錯時要讓人看到並理解為什麼出錯，而不是讓錯誤默默發生
4. 逐步擴大授權範圍：信任是有方向性的，從小到大、從低風險到高風險

---

SaaS 不是全死，但確實正在重組

回到最開始的問題：AI 真的要幹掉軟體公司嗎？

Cannon-Brookes 的答案很清楚：軟體公司的本質不會消失，但「只是幫你記東西」的工具，確實面臨被淘汰的壓力。

真正有競爭力的軟體，是那些讓 AI 代理能直接跑在上面、協調整個業務流程的系統。這種系統，AI 進來只會讓它更值錢，而不是更容易被取代。

問自己兩個問題，就能判斷你現在用的企業軟體的未來：

1. 這個軟體的席位費，對應的是「人工產出」還是「公平感」？ 如果是人工產出，AI 一進來就有危機。
2. 這個軟體是「幫我記東西」還是「幫我跑流程」？ 幫你跑流程的，AI 會讓它更強；只幫你記東西的，危機真的來了。

市場在亂打，但背後的邏輯是清晰的。搞清楚這個邏輯，不論是做投資決策還是選企業軟體工具，都會有完全不同的判斷。

---