JOTO
Contact us
← AI 智库
SaaS AI

崔强:企业AI重构的五个判断

2026 年 11 月 18 日

崔牛会创始人崔强拆解企业AI重构核心逻辑,为正在转型的企业提供前沿决策参考。 核心内容: 1. 复盘国内SaaS行业发展历程,点明当下正处于AI驱动的行业关键切换节点 2. 剖析AI冲击下原有企业软件产业分工瓦解、跨界混战的行业新态势 3. 分享针对企业AI重构的五大核心判断,为企业转型决策提供务实指引

崔强:企业AI重构的五个判断
文|崔强 崔牛会创始人、CEO
回看这一年,对于中国企业软件和 SaaS 厂商来讲,面对一日千里的 AI 变化,面对订阅商业模式可能面临的崩塌,最焦虑、最大的问题,就是公司和组织如何转 AI。很多创始人已经在 AI 上做了不少投入,买工具、改产品、用 AI Coding。看起来是一个个单点的投入,最后却总会碰到一个问题,个人效率提高了,公司的利润为什么没跟着提高?
今年,我们围绕竞争、商业、技术和交付,做了很多轮讨论。聊着聊着,话题总会回到组织。最怕的是老板嘴里喊着 AI 转型,审批的时候还要把文件打印出来,层层签字。一个人干得快了,后面的审批、协同、验收还按老办法走,省下来的时间,又耗在了别处。
然而,外面的变化很快。代理商开始“叛逃”,自己去做交付,既想实现产品梦,也想增加收入。客户开始手搓 Agent,软件厂商也开始越过原来的边界,多年形成的产业分工体系正在悄然崩塌。
11 月 14 日,在「中国企业 AI 大会」上,我把这一年的观察整理成了五个判断。有些还要等时间验证,但对于正在转型的企业,也许能提供一些参考。

01

我们都到了一个切换时刻
有位老朋友曾经跟我说,不管你舍不舍得,我们都到了一个切换时刻。回头看 SaaS 的发展,2008 年前后,云计算进入中国,SaaS、PaaS、IaaS 的分工逐渐清晰。2010 年前后,基础设施逐步成熟。到了 2014 年,SaaS 进入蓬勃发展的阶段。那几年,融资的消息几乎每周都有,资本对行业的推动历历在目。
那这一轮的大模型和 Agent,会不会经历类似的过程呢?2023 年大模型起势,到了 2026 年,大家开始密集讨论 Agent,也有人称之为 Agent 元年。我的判断是,未来两到三年,企业级 Agent 很可能进入百花齐放的阶段,资本进入应用端的时机也到了。
崔强:企业AI重构的五个判断 配图 2
两条时间线中的应用机会
今年崔牛会做了一个 「AI 决策 lab」 的实验,也是因为我们越来越感受到决策的分量。崔牛会的slogan是「影响和连接企业决策人」,在这样的时代,一次选择做对了,晚两个月,可能还有机会。连续两次关键决策做错了,就可能退出下一轮竞争。竞争、商业、技术和交付都在变,个人的提升怎样变成组织的能力,是这些讨论最后绕不开的问题。

02

判断一 竞争位置变了
小切口,大市场,「围点打援」,软件的边界正在消失,竞争进入混战期。过去,企业软件有一套相对稳定的生态,云厂商提供基础设施,平台软件商掌握核心系统,SaaS 厂商做细分场景,代理商负责客户关系,系统集成商做实施和定制。每一层都有自己的地盘,也默认了彼此的边界。
现在,这条分工链正在瓦解。越来越多的代理商,拿起 AI 编程工具,直接进客户现场做交付。以前要向软件公司采购产品,再赚差价,现在有些需求自己就能做。客户也开始手搓 Agent,原来要交给外部厂商的项目,先在内部试一遍。传统软件、SaaS 厂商、代理商、客户自研、OPC 加 FDE 小队,再加上互联网大厂,六类人同时进入这个市场。
崔强:企业AI重构的五个判断 配图 3
供给门槛下降后的六方混战
代码生成和产品实现的门槛降下来,原来没有研发能力的人,也能把需求做出来,昔日的合作伙伴就可能从此也变成了竞争对手。今年我做了很多 FDE 落地的采访,我接触过一个团队,他们先拿客户的经营报表,找哪些指标异常、哪些数据明显落后于行业水平,再从这个地方切进去,帮客户改善。切口很小,但却贴着客户的业务最痛的地方。
进去以后,客户会继续把需求交给你。原来你做 CRM,他做 HR,大家默认彼此有边界。现在,只要客户信任你,愿意把上下文和相邻业务交给你,业务就会往四周延伸。软件公司原来给自己划的那条线,也就很难守住了。
崔强:企业AI重构的五个判断 配图 4
从一个高价值切口向相邻业务延伸
再往后看三到五年,大家可能都会竞争到一个位置「企业 AI 大脑」。不论你是从销售进去,还是从财务进去,最后都需要理解企业的业务对象、对象之间的关联网络,以及什么条件下可以执行什么动作。从业务逻辑来看,操作界面变成了类WorkBuddy的工作台、下面是本体(Ontology),原先的 IT 系统到了最底层。
崔强:企业AI重构的五个判断 配图 5
把业务对象关系和可执行规则交给 AI
另外一点,行业厂商有机会把多年积累的业务规则做进去,再向通用能力延伸,这也是我看好行业厂商的原因。客户真正愿意交出去的核心业务,往往要靠对行业的理解才能接住。

03

判断二 商业价值变了
「改弦易辙」,从订阅走向结果。今年我听到一个很有代表性的故事,有位朋友判断,SaaS 和 AI 之间大概还有一两年的窗口,可以再加一些销售,把软件多卖一点。第一季度还可以,到了第二季度,客户的需求就开始明显变化。再往后,老板一上来谈的就是 AI,他关心你能接下什么工作、改善什么指标,原来那套围绕功能的软件销售就越来越难推进。
一家软件公司遇到的冲击,可能来自客户需求和预算方向的变化。
我在演讲里放了三个数。IDC 在 2024 年发布的预测中,2027 年中国企业级 ICT 支出约为 3,500 亿美元,按 1 美元兑 7.2 元人民币粗算,约为 2.52 万亿元。国家统计局的数据中,2023 年中国非金融企业劳动者报酬约为 36.6 万亿元,2025 年规模以上工业企业营业成本为 118.75 万亿元。后两个数字与前面 ICT 支出的粗略规模比值,分别约为 14.5 倍和 47.1 倍。
崔强:企业AI重构的五个判断 配图 6
技术采购与业务用工支出的量级对照
这些数字的年份、统计范围不同,工业营业成本包含原材料等投入,也与人力支出存在重叠,适合帮助我们看量级。具体到一家企业,能服务哪一段成本,还得沿着业务拆开来看。过去我们拿的是软件采购的钱,现在如果能直接接下一段客服、审核、对账或者生产改善,就有机会进入客户原来花在业务和用工上的支出。
机会变大了,价格也可能变低。在昨天(11月13号)AI 实践者峰会这个分会场的交流中,一位律师事务所的合伙人提到,客户会拿 AI 优化成本这件事反过来要求服务方降价。原来一家企业的法律服务一年单价在10万左右,现在降到了3万左右。随着效率提高了,客户也会重新判断服务值多少钱,服务商自己的成本能降多少、报价被压多少,两笔账都得算。
未来,软件公司的生意可能走向几种形态。有人做 Token 和算力的分销,把软硬件、模型和用量组合起来交付。有人直接做业务服务,接下一个结果,按约定结算。还有人把行业数据和专业知识做深,形成可以持续服务客户的能力。
这里面我最担心的,是乙方干了业务的活,最后还是拿 IT 软件预算的钱。你背着业务指标,派人重度投入,甲方采购拿出的依然是原来的招标方式、软件合同和比价逻辑,把你压进一个很小的预算空间里。
崔强:企业AI重构的五个判断 配图 7
系统建设与业务结果分别约定付费方式
所以,签合同的时候,就得把两部分谈清楚。系统建设、接口、维护怎么收费,业务结果怎么验收、如何核账、谁来付钱,都要提前约定。

04

判断三 组织范式变了
AI 原生组织会「异军突起」。刚才现场有赞创始人白鸦讲到组织调整时,有个点让我很有感触,他希望减少人和人之间来回传递信息造成的摩擦力,让人与机器的协作承担更多工作。人和人之间的上下文经常对不上,同一件事,每个人理解的都不一样,解释、汇报、对齐,花掉了大量管理成本。当部分知识可以沉淀成 Skill,部分工作可以交给 Agent,组织里的信息流和分工就有机会重排。
小鹅通创始人老鲍讲过一个很形象的比喻,“火锅型组织”。大家因为一个任务坐到一起,吃完这顿火锅,任务结束,这个组合就散了,等下一次任务,再重新组一桌。组织会越来越围着任务运行,层级也越来越扁平。
崔强:企业AI重构的五个判断 配图 8
围绕任务组织人和 AI
AI 原生公司可以从外部的新能力、新交互出发,倒推自己需要什么样的团队。存量企业要做的是从内部改变研发、运营、交付的工作方式,再把能力带到外部客户那里去。未来,小组织高人效将会越来越被推崇。对存量企业来说,一号位得亲自下场,强力推进才有可能实现。我们开玩笑说需要“开明的暴君”才能够完成组织转型。
AI 进入组织,大致会承担三类工作。一类是执行助手,人派任务、定标准,AI 做整理、核对等具体工作,人来验收。一类像业务同事,团队先接入企业资料,配置流程和权限,用真实案例验证,再让它接下一段完整工作。还有一类承担协调工作,汇总进度、提醒异常,帮助管理层和一线及时对齐。
崔强:企业AI重构的五个判断 配图 9
AI 在团队里的三类工作
今年四月,我们去 MiniMax 学习时,交流中有人提到,自己的日程现在会被 AI 安排得满满当当,围绕面试和后续工作不断接到任务。当人在给 AI 派活时,AI 也开始参与组织人的工作,这也会改变管理方式。过去我们看打卡、看在线时长,希望员工坐满八个小时,现在管理者有机会更具体地看到工作怎么推进、问题出在哪里。
「AI决策lab」第二期的一个创始人讲了这样一个故事,他把 AI 接进客户服务群,帮自己汇总异常信息。他们客户群很多,销售未必会主动把每一个问题告诉他。有了这层梳理,他每天能先看到最需要处理的那几个异常,再决定怎么介入。这件事的价值,是让管理者更早看到问题、看清结果,一线员工也可以减少反复汇报,把更多时间用在解决问题上。
崔强:企业AI重构的五个判断 配图 10
看清工作过程再评价实际成果

05

判断四 技术落地还在试错积累
我用「厚积薄发」来概括这个阶段。Agent 进入了爆发前的试错积累期,解法很多,大家都在摸着石头过河。头部厂商今天选的路径,将来一定是最优解吗?现在很难下结论。模型的输出带有概率,企业的严肃业务却要对具体结果负责,两者怎么接在一起,是落地要一件件处理的问题。
现在可谓是内外交困,外部市场的变化很快,模型一升级,可能就覆盖掉你原来单独卖的功能,大厂也可以把同类能力打包进已有产品方案。而客户关心的是,你到底能省多少钱、增加多少收入、改善什么核心指标。企业内部也有难处,数据散在不同系统里,口径不统一,模型会出错,关键动作就需要复核和兜底,开发团队也得学会评估模型,把异常案例留下来,持续验证。
崔强:企业AI重构的五个判断 配图 11
Agent 落地面临的外部变化与内部难题
即使某个环节的准确率已经很高,客户也未必愿意百分之百放手。出了问题谁负责、原来的岗位怎么调整,都包含在这个决定里。技术跑进核心业务的过程,会不断碰到组织、权限和责任的问题,回头看,还是会回到组织。

06

判断五 交付机制需要重做
「以战养战」,让产品和交付形成双飞轮。今年从五月前后开始,我们持续关注 FDE。有人喜欢这个概念,也有人一听就觉得是在包装,但当模型能力和客户现场之间还有这么多工作要做,眼下确实需要有人进去,把事情接起来。我在 PPT 里画了一道剪刀差,一边是模型能力进步很快,另一边是企业真正上线、稳定运行、拿到业务回报的速度。
崔强:企业AI重构的五个判断 配图 12
模型能力与企业价值兑现之间的距离
几份研究分别呈现了不同环节的困难。MIT NANDA 的初步研究中,研究样本里约 95% 的组织未见可衡量的财务回报。Gartner 的调查显示,生成式 AI 原型平均有 41% 进入生产环境。毕马威的报告中,88% 的受访组织正在投入 Agent AI,而讨论整体 AI 应用时,24% 在多个用例上实现了投入回报。
各项研究的样本和口径不同,应该分别理解,但投入、投产、价值规模化,每一步都有各自的难处。
FDE 的机会,就在模型能力和业务结果之间。我和做国内某头部云厂商交付一号位聊过,当年云计算进入中国,也需要工程师去客户现场指导。到了今天,这类工作依然存在,只是交付效率、工具和产品化程度提高了。FDE 会不会长期存在?我的判断是,会。更重要的是,每做一家客户,能不能让下一家的交付更快。
现场交付,把规则沉淀下来,去下一家客户验证,再把验证结果反馈到产品里,带着更新的产品进入下一次交付。这个过程滚起来,产品和交付才能互相推动。
崔强:企业AI重构的五个判断 配图 13
把一次交付变成下一次交付的起点
讲到这里,也需要重新思考行业信仰。SaaS 时代,我们义无反顾地学习美国的产品、商业模式和发展路径,走到今天,找到了自己的路的同时也付出了不菲的代价。企业 AI 时代,硅谷仍然值得研究,但中国企业的需求、采购方式、交付结构,要从自己本身去找答案。

07

写在最后 
留给未来的五个反直觉判断
讲完五个判断,我想再留五个问题,过两三年我们再回来看。
  1. 关于壁垒
马奇诺防线很坚固,德军换了路线。过去我们引以为傲的护城河,也正在被 AI 重新检验。客情关系一定是护城河吗?积累多年的行业 Know-how,一定能把别人挡住吗?
崔强:企业AI重构的五个判断 配图 14
堡垒完好对手已经换了路线
我接触过一个案例,几个原来不懂行业的年轻人,拿着 AI 进入业务,在实际做事的过程中快速学习,逐渐形成了自己的能力。这件事给我的震撼很大,过去觉得别人很难补上的经验,在 AI 和新的学习方式面前,补课速度可能比我们想象得快。行业厂商的机会依然在,但得把经验变成能解决客户问题的产品和交付能力,持续往前跑。
2. 关于技术
英国红旗法要求有人在车前举旗步行示警,车已经能跑了,还要跟着人的步子走。今天很多 Prompt 和 Skill,也包含了对现阶段模型能力的补充,或者说是限制。当数据足够丰富、足够多的时候,这些中间态是不是就应该去掉了?
崔强:企业AI重构的五个判断 配图 15
模型进步会改变过渡工具的价值
这件事多久会发生?我和白鸦在一次直播时讨论过这个问题,时间还很难说清楚,但做应用的人得把这个问题放在心里。模型再升级一轮,自己的产品还能为客户留下什么?今天做的那些投入里,哪些能随着业务继续积累,也值得重新看一看。
3. 关于交付
瓦萨号首航不久就沉在了港内,下水之后,工程上的问题才真正显现。OPC 加 FDE 的供给正在快速增加,里面不乏有优秀团队,也有很好的客户实践。与此同时,供应能力参差不齐,价格竞争越来越激烈,交付以后的事情就更需要提前考虑。
崔强:企业AI重构的五个判断 配图 16
交付能力要在真实运行中接受检验
有朋友转述过一个不久前刚刚发生的客户选型故事,一家成熟厂商报价一百万元,另一家报价十五万元。预算摆在那儿,很多客户会认真考虑十五万元的方案,但选型还得接着往后问,后续运维怎么做,出了异常谁处理,系统还要不要持续维护?低价进场之后,整个使用周期的钱由谁来出?我的判断是,未来几年,甲方会为一批“野生交付”交学费。
4. 关于商业
大家都想靠 RaaS 拿更大的业务预算,但真正结账时,可能又回到 IT 软件采购的老规则里。矿工干了实实在在的活,公司却想用只能在自家商店消费的代用券付钱。下面这张图对应的历史故事,让我想到的就是结算规则。
崔强:企业AI重构的五个判断 配图 17
业务结果与结算规则可能并不一致
你在客户现场承担了什么责任,最后按什么规则拿钱,两件事都得提前讲明白。业务部门认可了效果,采购怎么签合同、财务怎么付钱,还得一起走通。干业务的活,最后按软件的账结,有可能会是很多企业 AI 厂商要面对的窘境。
5. 关于自研
今天,CIO 手握“利器”,内部团队可以自己做 Agent,这当然会带来很多尝试。但一个部门一套数据口径、一套自己的规则,再分别接进企业系统,过一段时间,可能就会留下比数据孤岛更难清理的“烂尾楼”。十九世纪的英国,铁路越修越多,轨距却不统一,到了换接站,旅客和货物只能换车。
崔强:企业AI重构的五个判断 配图 18
不同轨距各自能跑却难以连成一张网
企业内部也可能出现类似的场面,每个 Agent 单独看都能跑,连到一段完整业务里,就发现上下文、权限、规则接不上。更麻烦的是,有些 Agent 还在自动做事,它动了哪些数据、触发了什么动作,如果没人说得清,清理起来就更难。

08

模型可以借,总闸握在自己手里
前面五张图是黑白的,最后我想给大家一点亮色。模型和工具的能力,可以借,但企业自己的数据、知识和业务决定权,要尽量握在自己手里。我走了一圈,和客户、同行交流以后,发现很多企业会选择用开源的方式构建自己的 AI 大脑。外部的能力接进来,核心业务的知识、权限和控制权,要自己掌握。
崔强:企业AI重构的五个判断 配图 19
AI 主权的决定权留在企业自己手里
电可以从外面来,总闸要握在自己手里,这就是我理解的企业 AI 主权。这几个周期走过来,我们手里都有积累,也都有不舍。接下来,判断清楚了,就尽快推动组织转型,让工具的进步真正变成企业的能力。
最后,我还想讲一句,ToB是个慢市场,先发优势并没有那么大,在一切还未明朗的当下,晚点下注并不失为一个好选择。构建AI原生组织,控制好现金流,伺机而动。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们
Contact Us

Start your enterprise AI rollout

Tell us your industry, team, and current pain points. We'll get back to you within one business day to help you decide what to tackle first, what data to prepare, and which platform fits.

WeChat
Scan to add us for a 1:1 chat
JOTO WeChat consultation QR code

Tell us what you need

Once we receive your details, we'll be in touch within one business day.