与 Steven Sinofsky 谈企业软件的新规则

摘要

• UI 正在失去对访问入口的垄断，但系统记录仍然有价值。 Seema Amble 认为 Salesforce 的 Headless 360 基本只是对现有 API 的重新包装，但它至少释放了一个重要信号：agent 可能无需打开 Salesforce，就能调取 CRM 数据。真正持久的资产仍是「数据、逻辑，以及其下存储的一切」（“the data, the logic, everything stored below it”）。

• 老牌企业软件的护城河，与其说是屏幕，不如说是数十年沉淀并编码其中的业务逻辑与例外情况。 PostgreSQL 数据库加 API 并不能简单替代 SAP：软件部署记录了一家拥有10万名员工、横跨20个国家的公司如何运营、合规和决策。Steven Sinofsky 直言，创始人“严重低估”了客户已经内置于这些系统的复杂程度。

• “Agent”这个词掩盖了3种经济意义完全不同的工作：查询、执行和分析。 查询本质上只是更宽容的界面；执行会带来身份、权限、凭证和付费席位问题；分析可以跨系统、跨模型运行，但必须经过验证，因为一旦出现幻觉，后果会变得严重。因此，Headless 访问本身并不能解决企业部署问题。

• Agent 面临的核心挑战、也可能孕育新产品价值的，并不是常规流程，而是例外情况的长尾。 地域惯例、客户特定判断、权限和政策，往往存在员工脑中，而不是 CRM 字段里。Agent 可以通过观察通话和电脑操作来收集这些上下文，但“企业里几乎所有有趣的事情都是例外”，所以信任积累得很慢。

• 自动化更可能扩大企业软件的需求，而不是把一批固定数量的工作做完。 Amazon 的自动化退货创造了新的优化闭环；自动化费用和差旅流程可以催生新的绩效分析；AI 辅助合同可能变得更长、更复杂。Sinofsky 的概括是：“长尾并没有变短，只是换了一种方式变得更长。”

• 最强的创业切口，往往位于既有品类或组织职能之间，而不是直接挑战成熟巨头。 正面替代成熟系统，意味着要继承客户期待的“8,000件事”；AI 原生的叠加层则可以在销售与财务之间做翻译，把已收集的数据转化为行动，或捕捉过去不可见的现场活动。Sinofsky 的建议很简单：“瞄准中间地带，用新的方式做事。”

• 企业 AI 最可信的网络效应，可能发生在公司内部，而不是公司之间。 合规与安全要求让外部网络难以建立，但聊天工具只要创造出看得见的成果，就可能在同事间扩散，正如当年高级 Excel 用户会吸引同事围观。连接此前需要人工整合的不同职能，可能催生全新的品类。

精读

1. Headless 软件改变的是访问层，而非底层资产

• Amble 将 Headless 软件定义为从人工操作流程转向 agent 访问。传统应用依靠界面采集数据；agent 则可能绕过界面，留下「数据、逻辑，以及其下存储的一切」作为真正有价值的层。

• 她对 Salesforce 的判断刻意保持克制：Headless 360 看起来“基本就是一场营销发布”，只是把现有 API 换了个名字重新包装。但这个信号仍然重要，因为 Salesforce 正在公开承认：agent 将越来越多地绕过其 UI，直接访问 CRM 记录。

• Notion 可能是更自然的 Headless 使用场景，因为其用户更偏技术型，也更常使用 agent。Burger 还把定义扩展到了 API 或 MCP 之外：Slack 聊天机器人也可以成为 CRM 界面；Amble 回忆称，她曾读到 Slack-agent 的使用量大约增长了300%。

2. 查询、执行与分析承载着完全不同的风险

• Sinofsky 称这个市场陷入“定义地狱”，还调侃说，agent 只是“给运行时间很长、可能跑不完的程序换了个新名字”。玩笑背后是一个有用的提醒：新术语正在把能力差异极大的产品混为一谈。

• 查询相对轻量，许多已发布的 agent API 只是给老式查询加了一层更宽容的界面。真正执行动作则难得多：agent 必须冒充某个人、持有凭证、遵守授权，还可能需要解决它是否会占用另一个付费席位的问题。

• 分析最符合 agent 的定义，因为它可以跨系统运行，不受严格时限约束，在不同模型之间分配工作并比较结果。但幻觉在这里的风险也最高：具有实际后果的分析必须留下完整链路，证明“分析的每一步都是正确的”。

• Amble 补充说，读写权限、agent 之间的交互，以及谁有权访问或写入中央事实源等冲突，都可以解决，但需要时间。

3. 软件一旦成为客户自身的一部分，就会变得难以替代

• Amble 认为，软件的粘性来自使用频率、肌肉记忆、未记录的标准作业流程、下游工作流和外部依赖。CRM 连接销售、营销、财务和账单；薪资与 ERP 则围绕维护单一事实源，叠加了法律和审计要求。

• Sinofsky 从商业角度做了一个修正：“最有粘性的事情，其实是直接向客户收钱。”软件卖出去并被使用后，真正的护城河往往要等客户威胁替换时才会显现；不同客户反复提出的反对理由，才会暴露哪些部分确实不可或缺。

• Outlook 的代理访问、共享日历和重复会议例外处理，最终都成了替代壁垒，但它们最初并不是作为宏大的留存策略设计出来的。Sinofsky 说，微软可能无法替换通用汽车大约60万席位，原因只是日历使用习惯。

4. SAP 的护城河是业务逻辑，而不是数据库引力

• Sinofsky 认为，拥有数十年历史的保险软件甚至比 SAP 更具粘性，因为保险公司在50年或75年间，把外部监管力量编码进了系统。他用收款做了类似说明：Stripe 必须针对不同国家、税区、货币、跨境交易和汇兑进行编码，把一个看似普通的功能变成了强大的基础设施。

• Amble 否定了 PostgreSQL 加 API 就能做出 SAP 替代品的想法：“这绝对不是真的。”实施周期之所以需要多年，是因为软件捕捉了一家特定企业实际如何运营；真正重要的是逻辑，“远比”存储记录的数据库重要。

• 费用报销体现了其中的规模误差。40人的初创公司可以让1名员工处理收据照片和 OCR；一家拥有10万名员工、分布在20个国家的公司，则必须同时对齐各国法律、公司政策和各种例外情况。

• Larry Ellison 曾主张，企业应接受80%的方案，而不是把所有东西都定制化。Sinofsky 的反驳是，运营选择正是 Ford、Toyota、General Motors 和 Daimler 的区别所在：关于材料、对冲、招聘和产品线的决策，最终都会变成 ERP 逻辑。Goldman Sachs 对微软说过同样的话：“我们靠 Excel 赚的钱比你们还多。”

5. 语言模型把企业软件的逃生阀变成了可用界面

• 当前 AI 围绕 SAP 的机会，更多是检索和提升可用性，而不是替代。用户可以连接不同地域的表格，自然语言提问，或生成个性化报告，而不必在屏幕之间导航；用 Amble 的话说，“访问 UI 是可选的”。

• Sinofsky 表示，企业软件中实际使用最多、却没有被原生提供的2项功能，本质上就是导出到 Excel，以及导出为 CSV 或 PDF。这些格式是系统的逃生阀：如今，用户可以把20份难用的 PDF 直接交给模型，进行跨货币或例外情况分析，而过去这需要反复复制粘贴。

• 临时工作流很重要，因为它们会变成明天的产品。CRM 最初只是客户经理在电子表格里追踪客户，后来才由 Siebel 和 Salesforce 将其产品化；SAP 或 Salesforce 的聊天界面同样利用了模型综合并编排非结构化信息的能力。

• 局限在于上下文。Salesforce 会强制收集数据，但未必记录为什么亚洲潜客和美国潜客会收到不同回复。外联 agent 需要的不是干净字段，而是这些例外、权限和未成文的政策。

6. Agent 必须在例外处理中赢得信任

• Sinofsky 观察到，没有哪个销售人员会相信默认答案适用于某个具体客户。即便一条完全本地化的逾期付款通知看起来无可挑剔，销售代表也会自行调整；正如他所说，“企业里几乎所有有趣的事情都是例外”。

• McDonald’s 的自助点餐机提供了一个实体世界的类比：顾客会先沿着标准流程操作，但一旦提出例外需求，比如把2种 McFlurry 口味混在一起，就可能放弃。企业定价也是如此——“每个席位多少钱？”最终仍然会变成一次电话沟通，并继续以例外收场。

• Amble 认为，语音 agent 和观察电脑操作，可以捕捉过去只存在于员工脑中的例外。观察几天无法覆盖漫长的销售周期；在允许系统自主行动之前，买方必须相信它已经看过足够多的罕见案例。

• Sinofsky 说，Amazon 展示了另一种可能：重新定义例外政策，而不是把过去的每次升级处理都编码进去。如果错发耗材，系统可以直接偏向客户、重新发货，再利用由此产生的数据改进商品描述、仓库或处理方式。AI 最终可能让这类决策变得更可预测、更可重复。

7. 自动化推动前沿移动，而不是消灭工作

• Sinofsky 否定了 AI 只是用软件替代 n个人、然后再无事可做的固定蛋糕假设。Amble 认为，即使 AI 能帮助更快完成合同，合同也可能变得更长、覆盖更多情形；Sinofsky 则以放射科为例，说明相关性不等于因果关系：放射科医生拥抱 AI 的同时，市场上仍然存在放射科医生短缺。

• 一旦与公司的经营表现绑定，商务出行就能从费用黑洞变成绩效优化和远程办公优化。“上面总还有另一层分析”，而这类分析会创造新的流程，让企业以不同方式形成差异化。

• 开源开发提供了 Sinofsky 的对称性检验：判断一次发布何时完成，仍然需要人们达成一致、保留过程记录并解释决策。财务结账遵循同一套思维模式。企业仍然是由人组成、并由人作出决策的组织；软件改变的是决策所处的层级和使用的工具。

8. 可投资的机会位于系统、职能与现实世界之间

• Sinofsky 不相信那种过于整洁的中间件架构图。没有哪个供应商愿意成为另一家公司界面下方的哑 SQL 存储层；客户也不希望系统链条的稳定性等于其中“最不稳定的那一环”。大型 incumbent 还可以通过打包相邻功能，把一场竞争性平局也视为胜利。

• Amble 说，Workday 说明了现实中的障碍：虽然 API 存在，但文档和访问权限可能很难获得，而且并非所有端点都对外开放。Incumbent 没有动力把自己变成哑数据库。她列出3条路径：使用 incumbent 的 agent、在内部重建一切，或在事实记录系统旁部署 AI 原生层。

• 第1条路径前景复杂，因为 incumbent 不愿意沦为后台数据存储；Amble 表示，她并不看好 incumbent 在既有软件之上构建出优秀 agent。第2条路径类似对正在运行的业务做“开胸手术”。第3条路径则保留现有逻辑，同时从运营中学习、采集新记录，并可能随时间推移成为新的事实记录系统。

• Amble 的创业模型从数据采集推进到行动：给线索排序、识别流失风险、发送外联信息、观察回复，并按地域学习哪种语言有效。建筑、制造业及其他物理世界行业，还能从人和机器在现场的实际行为中产生有价值的数据。

• Sinofsky 偏好的策略，是位于2个 incumbent 或2个组织职能之间，同时应对老牌供应商把 AI 加装到既有产品上的竞争。HTTP 和 HTML 的胜出，不是因为逐项匹配了客户端—服务器架构的所有功能，而是因为它们用不同方式实现了计算。公司内部也是如此：聊天工具可以凭借看得见的成果扩散，成为同事围在早期 Excel 用户身边学习的现代回声。