AI 与软件的未来 —— BCG 高管视角

本文译自波士顿咨询公司（BCG）《Executive Perspectives: AI and the Future of Software》。在这份高管视角中，我们阐述了 AI 如何为企业软件带来真实的损益（P&L）影响。

引言

• AI 如何既通过转型后的价值主张（收入）、又通过内部运营（生产力），带来真实的 P&L 影响？
• 真正作为一家“AI 优先”的软件公司来运营，意味着什么？
• 领导者应如何优先重塑核心 SaaS 业务运营，同时发明全新的 AI 优先产品？
• 各 CXO 现在应采取哪些战术性行动？

执行摘要：企业软件在位者可以借助 AI 转型其 P&L，但必须立即行动才能胜出

• 设定一个大胆的、由 CEO 主导的 AI 愿景，覆盖产品创新与运营两方面。以身作则，在高管层建立真正的 AI 素养。
• 拆分 P&L：将业务拆分为一个极致高效的 SaaS 核心，以及一个受保护、痴迷产品的 AI 初创业务。
• 选定 Invent 灯塔项目：优先推进两到三个 AI“灯塔”产品/用例，以驱动实质性收入（而非长尾式的增量功能）。
• 做好 Reshape 运营模式：仅部署工具是不够的，必须有意识地变革管理，才能实现全部影响。
• 在这个极度模糊的时期拥抱实验：设定明确目标、承担风险、快速行动、交流心得、学习、迭代并适应。

• INVENT（发明）——打造变革性的 AI 优先产品与智能体，扩展 TAM 并重新定义客户价值主张。
• 通过划出专注 AI 产品开发（而不仅是增量功能构建）的团队和 P&L，释放 1.5 至 2 倍的年合约价值（ACV）提升。
• 软件在位者应隔离 P&L，用核心 SaaS 业务为规模化 AI 业务提供资金：短期内预期较低的利润率结构（50%–60% 毛利率），且不应试图打造类似初创公司的“每名全职员工 100 万美元”业务（鉴于销售模式，企业级的人均收入要低得多）。
• RESHAPE（重塑）——优先重新设计占 P&L 份额最高的内部职能——也是 AI 能够对当今人力产出形成“力量倍增”的领域：软件研发与上市（GTM）。
• 可实现约 20 个百分点的 EBITDA 提升，但这需要完整的运营模式变革管理，而不仅仅是采用 AI 工具。
• DEPLOY（部署）——在全企业范围推广通用 AI 工具，以提升个人生产力。
• 这是必要的，但本身并不充分；很少能带来可衡量的 P&L 影响。

从全球劳动力价值到智能体 AI 应用层的桥梁

• 60%–70% 的劳动力任务，在现有技术下无法被智能体 AI 处理。
• 10%–15% 可被智能体处理的任务时间，仍需要人类来处理更高复杂度和/或边缘情况。
• 10%–30% 可被智能体处理的劳动力价值，花在应用层。
• 价值被企业而非应用捕获。

来源：Google + BCG AI TAM 模型。

三大战场：应用玩家的关键战场

IT 预算在增长，但未来支出正从 SaaS 转向 AI 及相关赋能者

来源：BCG IT Buyer Pulse Check 9.0（2025 年 7 月，N = 434）;BCG IT Buyer Pulse Check 8.5（2025 年 4 月，N = 313）。

风投正加速涌入 AI

注：其中包括软银对 OpenAI 约 200 亿美元以上的投资，以及微软、英伟达等对 Anthropic 约 150 亿美元的投资。来源：CB Insights、Pitchbook、BCG 分析。

许多在位者的增长结果区间正在变宽

在 AI 优先的世界中，在位者拥有关键优势，但必须打造优秀产品来保住优势

• 上下文专业知识与数据：高度专业化的业务专业知识与工作流；受益于长期理解终端客户细微差别的历史；能够访问存储在 SaaS 平台中的专有或客户数据，为智能体解决方案提供了“先发优势”。但…… AI 原生解决方案也将访问客户数据并积累专业知识。
• 客户关系：已建立的信任与分销触点；利用客户倾向于向成熟供应商采购的偏好；具有高监管与合规需求的客户（政府、医疗等）尤其倾向于与在位者合作。但…… 客户正越来越愿意试用初创公司。
• 嵌入性：核心平台很可能仍是真相来源，并深度连接在客户技术栈中，形成组织惯性；其他技术嵌入带来额外粘性：充当“管道”或基础设施、技术栈中的连接性、驱动网络效应、与硬件的联系。但…… 这是防守，而非进攻。

但迄今为止，一系列失误已使一些在位者输给了 AI 原生挑战者

• AI 被嫁接到遗留系统上：AI 原生挑战者重新架构了工作流，而在位者只是把聊天机器人叠加在遗留系统之上；随着用户开始在新工具中工作，遗留的用户体验被暴露为缓慢而过时。
• 行动太慢：挑战者快速发布并迅速迭代，而许多在位者仍困在编程和法律领域的试点中，导致 18 至 24 个月的执行差距。
• 数据在别处复利增长：挑战者将真实部署数据转化为持续的模型改进；与此同时，在位者缺乏实时反馈回路，质量停滞。
• 错失 PLG（产品驱动增长）时机：产品驱动的挑战者在企业 IT 反应过来之前就赢得了个人用户；行为锁定很早就形成，使得正式采购跟随使用而到来。
• 错失变革管理：挑战者将变革管理嵌入产品之中；早期的高管赞助加速了采用和员工转型。

如今，在位者在 AI 变现方面落后于初创公司

• AI 初创产品比在位者更成熟（ICONIQ 调研，N = 291；按 AI 开发周期衡量：预发布、Beta、正式可用、规模化）。
• 这使得更多初创公司实现有意义的变现（已知年 AI 产品收入达 1 亿美元以上的公司）。
• 并在各软件应用类别中获取更多份额（Menlo Ventures，按应用类型的初创公司 vs 在位者份额）：

影响：软件类别的分野

三大战略举措：Deploy、Reshape、Invent

拆分 P&L：用核心业务释放的生产力来规模化 AI 产品业务

注：以上数字为近似值。来源：BCG 项目经验与 BCG 分析。

Invent：做对了可使收入翻倍，但中期利润率结构截然不同

• 期待实质性的 ACV 提升——从“仅 SaaS”到“SaaS + AI”的交叉销售，提升幅度应为 1.5–2 倍或更多。
• 免费赠送、或被打包进 API 或分层产品中的 AI 产品，按定义就不是变革性的客户价值主张。
• 初期应容忍 50%–60% 的毛利率，但随时间提升，因为 AI 智能成本会下降。
• 需要前沿模型的应用，可能永远达不到 80%–90% 的毛利率。
• 成功且及时的 AI 产品构建，需要在研发上有实质投入。
• 拆分 P&L，并为 AI 产品在研发上超额投入——其画像可能看起来像一家规模化中的初创公司。

Invent：企业级 AI 需要真实的人力去构建、销售与支持

注：数字为方向性、外部估算。来源：公司及第三方新闻稿、Revelio、BCG 分析。

Invent：变现“打法”正在转变

AI 产品指标：基准尚不存在，但应寻找价值指标

Invent：五个指导原则

1. 拆分 P&L：用极致高效的核心 SaaS 核心业务，为受保护、痴迷产品的 AI 初创业务提供资金。
2. 全力押注灯塔项目：优先推进两到三个能变革价值主张的产品或用例，而非长尾式的增量功能（如聊天机器人），并将产品与工程领域的顶尖人才全身心投入其中。
3. 比以往任何时候都更贴近客户：以“FDE 风格”（前线部署工程师风格）共同开发产品，并投资于一个完全理解并能清晰阐述价值的产品营销团队。
4. 坚决投入并承担风险：构建一个全新的、未经证明的产品，但短期内容忍不具吸引力的利润率，且不要期望达到 AI PLG 初创公司的收入-人均指标。
5. 采用 AI 变现打法：对大多数人而言，基于用量的定价，配合围绕“最大化用量（以及 ACV）”而设计的销售能力，将是最优选择。

Reshape：重塑各职能可实现约 1.8 倍 EBITDA 提升

来源：BCG 项目经验与 BCG 分析。

仅“部署”AI 工具不会影响你的 P&L

• 购买企业级 AI 工具。
• 提供完善的培训与赋能，以最大化采用与个人影响。
• 结果：难以衡量有形 ROI/P&L 影响；属于入场门槛。（工具如 Gemini、ChatGPT、Copilot）

• 优先考虑对软件 P&L 影响最大的职能（如研发、GTM），以及第三方工具的成熟度。
• 转型完整的运营模式，涵盖流程/工作流、工具、人才结构等。
• 结果：成本降低与利润率改善。

Reshape：AI 重塑每个职能的能力可分为“力量倍增器”或“替代者”

• AI 作为力量倍增器：让人类的产出显著提高，但 AI 只执行某些任务而非整个工作；它增强人类劳动力。所需的组织变革程度为高——需要重塑组织、运营模式、工作流等，才能捕捉全部价值。其特点是：围绕通往 P&L 影响的路径会产生复杂性；需要工作流转型和有效的工具使用才能释放生产力；如今，释放出的生产力并不总是被重新导向高价值增值活动。
• AI 作为替代者：AI/智能体可以完成今天由人类完成的大部分工作，作为直接替代；它自动化人类劳动力。所需的组织变革程度为中/低——组织/流程变化相对较小，很大程度上是 1:1 的结构性变革（而非行为变革）。其特点是：通往组织重构和 P&L 影响的路径更直接；用低成本 AI 智能体和有限的人类监督取代高成本人力；然而，很少有角色能被完全自动化。

Reshape：AI 机会主要解锁于 AI 作为“力量倍增器”的角色（软件研发与上市）

注：角色非穷尽，AI 机会因公司而异。来源：Revelio、BCG 分析。

Reshape：当 AI 作为力量倍增器时，驱动价值需要运营模式与人才的实质性变革管理

• 人员、组织与流程：70%——变革管理、技术的采用、角色与职责、流程再想象、人才、负责任的 AI 治理。
• 技术：20%——数据管理、集成、AI 平台与工具、安全的机器学习与大语言模型（LLM）运营、产品开发管线。
• 算法：10%——AI、模型等。

“AI 投资最大的回报并非来自工具本身，而是来自对底层组织体系的战略性关注。” —— Google Cloud《DORA 报告 2025》

案例研究：在某超大规模云厂商转型 SDLC

• “强力”用户增加十倍（从 5% 升至 50% 以上），其生产力提升 80%；30% 的“中等”用户生产力提升 40%+。
• 生产力提升由量身定制的六周采用冲刺驱动，聚焦于维持 GenAI 工作方式的技术与行为。
• 方法聚焦于提升采用质量——涵盖三个维度：深度（从仅单元测试到端到端功能开发）、广度（从仅编码到完整 SDLC）、频率（每日 GenAI 交互次数的提升）。
• 这是一条通往 2 倍价值的可信路径——目前正在规模化。

案例研究：可衡量的生产力提升

• 强力用户：每周使用 GenAI 4 天以上，且每天交互 100+ 次。
• 中等用户：每周使用 GenAI 3 天以上，且每天交互 >20 次。
• 轻度用户：每周使用 GenAI <2 天，或每天交互少于 20 次。

案例研究：使用、信任与团队领导参与的显著转变

• 用例从狭窄走向广泛。
• 对 AI 的信任度从低（“幻觉”）走向提高。
• 团队领导从未建立预期走向主导指导与问责。

• 团队负责人：“如果多花一个小时弄清楚如何用 GenAI 交付，我可以接受它晚一个小时。”
• 开发者：“我们‘被允许’花时间去试验 AI 吗？我有很多想尝试的用例。”
• 开发者：“它会幻觉——我通常只是说实现 X，结果它不管用。”
• 工程师：“过去几周我的理解不断深化……我们只是创意的产生者，AI 来创建代码……一个月前我还会说这种速度是不可能的。”

• 起草发布就绪文档：从半天缩短为 30 分钟。
• 解决长期存在的 bug：从 3 小时缩短为 5 到 10 分钟。
• 开发端到端功能：构建在 30 分钟内完成。

案例研究——工程师采用：采用频率与质量的阶跃式变化

来源：BCG 项目经验。

Reshape：重塑软件组织的五个指导原则

1. 端到端重新设计运营模式工作流：仅部署工具是不够的。角色、组织架构、工作方式都应转型，以捕捉提升。
2. 优先关键职能与用例：聚焦具有需求弹性的力量倍增器职能（如研发），或直接的替代型职能（如客户服务）。避免一次性重塑整个组织的诱惑。
3. 默认购买第三方工具：仅当职能对业务战略至关重要（如物流优化）时，才自建工具。
4. 将价值追踪硬性连接到 P&L 影响，并配合采用与行为激励（研发吞吐量、服务人员数、追加销售率等）。愿意不断完善指标与基准。
5. 实现影响：有意识地对“在哪里将收益捕获为 EBITDA 提升、在哪里将生产力重新部署到 Invent”做出决策。

作为 AI 优先的 SaaS CEO 采取行动

1. 设定大胆愿景：将 AI 置于公司产品创新与运营改进的最前沿。
2. 以身作则、亲自动手：建立与 SaaS 类似的 AI 素养。（重新）学习编码，并在日常工作流中利用 AI 工具。
3. 拆分 P&L：将业务拆分为一个极致高效的 SaaS 核心，以及一个受保护、痴迷产品的 AI 初创业务。
4. 保持专注并选定 Invent 灯塔项目：在产品创新中，价值来自两到三个杀手级应用，而非长尾的 LLM 封装。
5. 做好 Reshape 运营模式：仅部署工具是不够的，端到端工作流需要改变。
6. 建立成功目标，但愿意重新定义目标或战略：AI 产品战略没有经过充分验证的打法或基准。
7. 我们已到达极度模糊的顶点，拥抱它：如果等到所有正确答案和基准都存在才开始，就太晚了。以乐观引领。大胆行事。交流心得。实验，然后更新先验认知并承担风险。

BCG 专家：软件公司 AI 的关键联系人