五月杭州，有赞春季发布会的主题叫 " 有效果的 AI"。CEO 白鸦在台上讲 AI 如何帮商家卖货，台下的人却在琢磨另一件事：这家公司自己被 AI 改成了什么样。

聊了两个多小时后，一个画像逐渐清晰：有赞正在从组织架构、薪酬体系、内部系统到商业模式，被 AI 全链条重塑。最反直觉的是销售团队的变化—— AI 替代论最喧嚣的 2025 年，有赞一边用 AI 替换掉部分客服和 SDR，一边销售人员多了几百人。

这不是孤例。同期 Salesforce 裁掉约 4000 个客服和支持岗位，CEO 直言 " 有了 AI，我需要的人头更少了 "。但这家公司又新招了上千名销售人员来卖 AI 产品。全球范围内，AI 替代的是后端标准化服务，前端直面客户的销售反而在加码。

白鸦把这个判断建立在一个基础认知上：企业软件分两类，命运截然不同。

前端是营销、销售、运营软件。其价值不止于功能，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，但用有赞系统，可以通过五万个商家的实践数据，看到每月总有几百人搞出新玩法，AI 再推给他。这个信息差是前端 SaaS 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，前端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。"

后端则是财务、人力、行政管理软件。过去被嫌臃肿，个性化需求又满足不了，企业只能忍着，因为自研太贵。现在 AI 让自研成本降到原来的 5%，天平瞬间倾斜。

资产盘点、招聘、绩效考核、培训、大客户项目管理……这些过去每年花几百万采购的通用软件，有赞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 对后端软件的冲击分三波。第一波是原来太贵做不了的系统，现在成本够低，大量涌现。第二波是定制类软件，过去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 5 万到 50 万之间的中等价位通用软件。这批用户合同大多签到 2027 年前后，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，前端为什么反而要加人？白鸦从中美市场差异来解释。

" 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，试了之后发现：" 哦，原来这么简单。"

" 中国还在探索期。" 白鸦总结。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：中国企业主还没准备好跟 AI 聊采购需求，" 安排个人吧 " 的惯性太强。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。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呼应。他预测有赞四年后的收入结构是 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。

组织层面的变化同样激进。白鸦正在推动薪酬结构重新设计。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。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走出实验阶段。

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。

放在整个中国 SaaS 行业的坐标系里，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，巨头们可能随时入场。而 " 手搓系统 " 的狂欢背后，是大量一线管理者被迫成为 " 业余程序员 " 的现实压力。

但无论如何，有赞已经提供了一个难得的样本：在 AI 浪潮中，一家公司如何区分 " 该砍的人 " 和 " 该招的人 "，如何区分 " 能自动化的流程 " 和 " 必须保留的温度 "，以及如何在一个没有坐席收费传统的市场里，找到属于自己的 AI 叙事。