AI 时代做软件：不被带节奏的三个判断底线

前两年，AI 刚来的时候，我们其实挺焦虑的。

一方面，外面都在说SaaS 行业是被 AI 打击的对象。第二季度的估值跟高峰期相比，普遍下降了 83%–87%，基本算是“地板价”了；另一方面，行业里面一些公司动作也特别快，一波一波上了很多智能体，热闹得很。

相比下来，我们的节奏算慢的，也更克制。我花了大量时间去见客户、听他们吐槽、一起做共创、回到一条条具体的场景里面去看 AI 应用。奇妙的是，这些事做完，我反而更松弛了。

我慢慢想明白：AI 时代最难的，不是“追热点”，也不是“拼功能”，而是把东西做成一个能长期迭代、有实际价值点的系统。

这篇我不打算聊具体的产品功能，只聊三条“底线式”的判断：以人为本、实际有效、自生长系统。

它们帮我在 AI 的热闹里，不那么容易被带节奏。

以人为本：AI 是放大器，放大善，也放大恶

盖雅一直做“人效提升”，但我们追求的不是单维度的降本增效，更不是压榨式的人效。

我们更想要的是一种局面：员工和企业都赢——我更愿意叫它“赋能增效”。

那现在 AI 来了，它其实是个“放大器”，它太强大了，能放大善，也能放大恶。

你拿它去放大控制，它就能把控制做得更精细；你拿它去放大善意，它就能把人性化管理做得更细腻。

所以，“以人为本”的价值观，在 AI 时代到底怎么能够最大可能的去放大？我觉得核心就四个字：千人千面。

过去我们总说“尊重差异”，但说实话，很多时候是做不到的——因为系统只能给一刀切的规则。

而 AI 时代不一样了：基于大模型的能力，差异变成了一个可以被系统承接、可以被工程化实现的东西。

其实在 To C 的世界，早就这样了：平台给我们贴了成百上千个标签，然后推给你“你更可能喜欢”的内容。那回到企业管理软件里，我们能不能也用类似的逻辑——更细地理解每个人：他的技能、偏好、家庭住址、跟谁搭档效率更高，甚至他更擅长早班还是晚班。

再往下走一步，就是更公平的激励。过去奖金经常是“滞后结算”，员工可能都不清楚规则是什么；AI 时代如果能做到更实时、可量化、可解释，清晰才能带来公平感，也能降低管理难度——管理者的精力可以真正聚焦在关注和关怀人、关注解决业务的关键问题，而不是和员工的扯皮博弈。

但这里有个关键问题：

千人千面一定会带来“更精细的管理”，但它的价值或者说出发点不在于管控，而在于更好的匹配、更好的公平、更好的体验。

这就是价值观的分水岭。

实际有效：AI 不是给老板提供情绪价值的

现在基本上所有的企业老板都在提AI，老板一重视一焦虑，企业里面就回出现很多“为了AI而AI”的项目——这些项目不见得能带来什么实际价值，更多是为了给老板提供情绪价值。

回到企业经营的本质，我们是要以客户为中心，而不是以AI为中心。

搞 AI 不是为了追新潮技术和工具，也不是为了满足老板的情绪价值。企业管理要的是四个字：确定性结果。

很多公司，数据基础都没有，就开始搞AI。

就算搞AI，也不要只局限在“大模型”。

AI并不是新概念，上世纪五十年代这个词就出现了，只是这两年生成式大模型突然爆发，大家的注意力全被它吸走了。实际上，在企业内部管理的一些场景，比如业务预测、用工规划、人员排班、人岗匹配这些事情，本质上是追求确定的结果，清晰明确的运营ROI改善，这种场景反而运筹算法能做的更好。

比如盖雅投入了10年的智能排班，能结合客流、订单、技能、合规约束等条件用AI给出更优解，目前平台已经在稳定调度 100 万人的工作安排，在不额外加班的前提下，带来 10%~20% 的确定性效率提升。

这样的产品对于多数企业，不仅足够用甚至已经是超前了的，为什么一定要追求用上最新大模型的AI呢？

在组织里最贵的东西，不是 token 费，也不是模型费，而是“不确定性”。

“不确定性”就意味着同样的问题、不同的人问，答案不一样；同样的数据、不同的口径算，结果也不一样。最后大家当然就不信系统，只能回到 Excel 和拍脑袋——那样的话， AI 再先进也没用。

自生长系统：AI 让“死系统”第一次有机会活过来

第三个关键词，我想讲“自生长系统”。

先说一个我们和客户共创的真实场景。

一家奢侈品连锁零售客户的 CIO 跟我说：你们班排完以后，店长总喜欢去改。我想到知道他为什么改，改得有没有价值，以及如果这个店长的经验是对的，能不能变成一套大家都能复用的规则？

所以我们一起尝试做两件事：第一，把店长每一次改班的理由记录下来，把它变成系统的“反馈”；第二，让系统去识别这些反馈里哪些是偶发事件，哪些是可以沉淀为模式的规律。一旦沉淀成模式，就有机会升级成规则，再推广给更多门店。

传统数字化系统为什么容易变成“死的”？原因特别朴素：

规则更新靠管理员、靠供应商；业务变化发生在一线。

一线每天都在变：天气、促销、突发、客流、缺人、临时请假……

但系统里的规则，可能还是半年前、甚至三年前的配置。

久而久之，大家就形成一个习惯：系统排完我再改，改完我再凑合执行。系统越来越像“记录工具”，而不是“决策系统”。

AI 时代让我兴奋的一点是：系统第一次有机会从“记录业务”走向“吸收业务”。就像刚才这个客户的场景，不是简单地“记录改了什么”，而是去追问：为什么改？值不值得推广？能不能沉淀成组织能力？

如果这个闭环跑起来，系统就会开始“长出新能力”：一线反馈 → 形成模式 → 升级规则/策略 → 推广复用 → 再反馈。

这是我理解的“自生长系统”：AI时代，系统能真正跟着业务一起长，越用越懂你，越用越像一个组织。

人效数字化，就来找盖雅