Atlassian CEO 谈 SaaS 末日、AI 代理与未来走向

原始标题: Atlassian CEO on the SaaS Apocalypse, AI Agents & What Comes Next

发布日期: 2026-03-06 | 来源频道: @a16z

📝 深度摘要

1. 讨论背景与核心主题

本场对话发生于 a16z 播客访谈，邀请到 Atlassian 联合创始人兼 CEO Mike Cannon-Brookes（麦克·坎农-布鲁克斯），与 a16z 合伙人 Marc Andreessen（马克·安德森）和 Ben Horowitz（本·霍洛维茨）展开深度交流。核心议题围绕 SaaS（软件即服务）行业在 AI 浪潮下的生存与演进：传统软件定价模式是否崩坏、AI Agents 如何重构工作流、Atlassian 自身如何适应这场范式转移。对话时长约 54 分钟，属于 45-60 分钟深度专题范畴。

2. 核心干货概览

3. 深度决策链还原：宏观逻辑与产业重构

3.1 底层矛盾与背景

SaaS 行业正经历三重结构性压力。首先，AI 带来的生产力提升使得传统席位定价模式（per-seat per-month）面临存续危机——当 AI 能在单位时间内完成原本需要多人完成的工作时，按人头收费的商业逻辑根基发生动摇。其次，公开市场投资者尚未建立区分不同类型 SaaS 公司的分析框架，无法识别哪些公司将在 AI 周期中胜出。第三，软件行业正站在从「工业时代流程管理」向「知识经济协作网络」跃迁的历史节点。

3.2 第一性原理逆向推导

Mike 提出一套分析 SaaS 公司价值的三分法框架：

第一类：席位与成果强挂钩。典型代表 Zendesk——客户支持工单数量直接决定服务使用量。当 AI 能够自动处理工单时，席位需求可能降至零。除非转型为成果定价，否则现有营收模型面临归零风险。

第二类：席位与成果脱钩。典型代表 Workday——按员工人数收费，但员工使用 HR 系统并非为了产生可量化的「产出」。这类公司实际是在销售「公平感」和「可预测性」，客户愿意为规模化带来的心理安慰付费。

第三类：中间态。如 Adobe，席位数量与创意产出之间的因果关系模糊，定价弹性介于前两者之间。

3.3 瓶颈与应对策略

定价公平性瓶颈：引用 Dan Ariely《可预测的非理性》中的经典案例——同样开锁60秒 vs 9小时的锁匠，顾客愿为后者支付更高小费。人类对「付出感」的认知与实际价值创造严重脱节。这解释了为何按用量计费（consumption-based pricing）在企业软件市场遭遇强烈抵触：客户担心成本不可预测，且无法控制AI功能迭代导致的用量激增。

比较优势陷阱：David Ricardo 1817 年提出的比较优势理论表明，即使某人能独立完成所有事情，专业分工仍能创造更大价值。应用于软件产业，「vibe coding」（感觉编程）热潮催生一种误解——所有人都能通过 AI 自己构建软件。但实际商业软件存在大量「边界案例」（edge cases）：印第安纳州的员工产假政策、复杂的合规要求、跨司法管辖区的税务规则——这些无法通过简单prompt 复制，只有 decades of embedded experience 才能驾驭。

信任与设计挑战：AI 模型能力已远超用户体验设计水平，形成「技术过剩」悖论。多数用户面对「无限可能」的空白对话框时陷入决策瘫痪。解决方案需要重新设计人机协作范式，而非简单叠加 AI 功能。

3.4 细节支撑：Atlassian 实战路径

Teamwork Graph（团队协作图谱）：Mike 透露 Atlassian 正在构建一套组织知识图谱系统，能够访问企业级全部协作数据，理解员工背景、项目历史、决策上下文。系统需要判断「何时展示上下文」与「何时保持沉默」——过度的上下文反而降低效率。

AI Gateway：统一的企业级 AI 接入层，解决多个 AI Agent 并行运行时的协调难题。Mike 指出企业将运行 3-5 个大型 Agent 平台，需要灵活编排能力。

渐进式价值交付：AI 功能分三层渗透：现有工作流中的效率提升（不改变用户习惯的 summarization）→ 嵌入 Agent 的自动化任务处理 → 全新工作流范式重构。第三层意味着「客服工单可能不再存在」，但这需要 5 年时间让客户适应。

4. 核心干货运用：创始人与战略家手册

4.1 商业模式演进

从工具到流程：传统 SaaS 销售的是「工具」，AI 时代需要销售「流程」。Workday 的成功在于将 HR 系统包装为「可预测的流程定价」——GE 有 34 万员工，付费 $5/人/月，总价可预测且与利润规模成正比，客户认为「公平」。

消耗式定价的边界：Splunk 按日志量收费模式被 Mike 视为少数可行的消耗式定价案例——因为客户能直接控制日志量（减少 logging 即可降低成本）。但 AI Token 模式不同：厂商新增功能会「悄悄」消耗用户配额，导致成本不可预测。

成果定价的动态陷阱：客户支持场景中，第一年厂商宣传「帮你省 50% 成本」，第二年客户会问「去年省了 50%，今年能否再省 50%」。厂商陷入无法持续交付「增量价值」的困境。

4.2 组织与领导力逻辑

输入约束 vs 输出约束：Mike 将业务流程分为两类——输入约束（input-constrained）：客户提问数量固定，效率提升无法带来更多输入，如客服、法务；输出约束（output-constrained）：创意工作、营销、软件研发，理论上可无限扩展。AI 对后者的价值远大于前者。

研发投入节奏：Atlassian 同时投资三个时间维度的 AI 能力——1年可落地的效率工具、2-3 年的新工作流、5 年的范式转移。这要求在平台架构（Teamwork Graph、合规控制）和具体功能之间保持平衡。

4.3 政策与合规杠杆

系统记录的防御价值：Carta（股权表管理）虽非高频使用产品，但因涉及公司估值核心数据，用户「不敢换」。低频但高价值的系统记录比高频但功能简单的工具更具定价权。

MCP（Model Context Protocol）：Salesforce 等厂商正在通过 MCP Server 将业务流程规则封装为可被 AI Agent 调用的接口。这意味着未来 AI 难以绕过这些系统——它们不是「数据库」，而是「嵌入式商业逻辑」。

5. 冲突点与未来预判

5.1 反直觉洞察

「Vibe Coding」是伪命题：Marc Andreessen 明确表示「vibe coding 一切」的想法「荒谬」。软件是 decades of deterministic rules 的积累，边界案例只有通过 real-world experience 才能获取。他以自己作为资深软件工程师的身份断言：完全自主构建 Workday 级别的系统风险极高。

模型能力已「过度」：Mike 认为当前 AI 模型的能力已远超用户体验能承载的范围。差距不在模型质量，而在于如何让普通人利用这些能力。「给用户一个能做一切的聊天框，他们只会让它讲个笑话。」

5.2 未来 12-36 个月预测

定价模式演变：消耗式定价和成果式定价将共同存在，但不会成为主导模式。按席位收费仍将是企业软件的主流，因为客户需要「可预测性」——这在当前宏观经济环境下尤为重要。

AI 设计范式转移：未来 2-3 年将出现新的人机交互范式，类似移动端从「网页缩小版」进化到「原生交互」（如下拉刷新）。当前的 chat 界面将被更结构化的 agent 协作模式取代。

信任建立机制：Mike 断言 AI Agent 需要主动向用户确认「我要做这件事，可以吗？」——过度自主会导致不信任，过度询问会惹人厌烦。如何找到平衡点将成为未来 3 年 UX 设计的核心课题。

6. 金句

「人类愿意为『感觉公平』付费，即使理性上不合理。锁匠用 60 秒开锁要价 500 美元，9 小时开锁反而得 200 美元小费——这是可预测的非理性，也是企业软件定价的底层心理学。」

「AI 模型已经足够强大，强大到远超我们实际使用它们的方式。差距不在模型本身，而在于我们如何设计人与 AI 协作的体验——这才是真正的瓶颈。」

「软件公司贩卖的不是工具，而是『可预测的流程』。Workday 之所以成功，不是因为它便宜，而是因为 GE 知道每年为 34 万人付多少钱——这种可预测性本身就有价值。」

「如果你给用户一个能做无限的聊天框，他们会让你讲个Dad Joke。无限的可能性导致决策瘫痪——这是 AI 时代最大的设计挑战。」

「系统记录不是数据库加一些流程规则，而是 decades of embedded edge cases。这些边界案例才是真正的护城河——vibe coding 无法复制它们。」

📺 视频原片

视频ID: 0lzo2tFBFy8