商业模式重构：services-as-software，从卖"座位"到卖"结果"

按座位卖软件的好日子，可能真的要到头了。

不是因为市场饱和，也不是因为竞争变激烈——是因为当一个用户席位背后的 AI 能顶原来十个人的工作量，客户没有理由再按人头付你钱。

这个逻辑正在重塑两类公司的商业模式：一类是卖软件的，另一类是卖服务的。它们遇到的挑战方向不同，但背后的力量是同一个：AI 让"软件"和"服务"的边界越来越模糊。

---

services-as-software 是什么

传统意义上，软件和服务是两回事。软件卖的是工具——你买了授权，自己用，出了问题自己负责；服务卖的是能力——你雇了一个团队，他们用脑子替你做事，按人天或按项目收费。

两者的差别在于：软件规模化，服务不规模化。 一套 SaaS 可以同时卖给一万家客户，但一个咨询团队想服务一万家客户，就得招一万倍的人。

AI 打破了这个界限。

现在可以做到的事是：把原来必须靠人来交付的服务——比如合同审查、财务分析、市场调研、代码 review——用 AI 做成可以批量执行的"软件"。不是说 AI 完全替代了人，而是说交付方式从"派人去做"变成了"跑一个系统"。

这就是 services-as-software 的本质：用 AI 把原来靠人力交付的服务做成可规模化的软件交付。

一旦这件事成为可能，两类公司的处境就都变了。

---

对软件公司：按座位定价的逻辑正在松动

软件行业的"按座位订阅"逻辑有几十年历史，逻辑很简单：一个员工用软件，就付一个座位的钱；公司规模增长，软件收入自然增长。

这套逻辑成立的前提是：每个座位背后对应的生产力是大致相当的。 雇了 100 个销售，就要 100 个 CRM 座位；雇了 200 个客服，就要 200 个工单席位。

AI 进来之后，这个前提崩了。

一个销售配上 AI 辅助工具，能处理的客户数量、写的邮件数量、跟踪的线索数量，可以是原来的三到五倍。客户的直接反应是：我只需要雇 20 个销售，以前的工作量 20 个人就够了，凭什么还要给你 100 个座位的钱？

不是客户不讲理，是"按座位"这个价值指标本来就在量化"你用了多少人头"，而不是量化"你创造了多少价值"。当 AI 让一个人头能干十个人的活，按人头计费就和客户的利益直接冲突了。

Cursor 的定价方式是一个早期信号：按生成的代码量收费，而不是按订阅席位。Salesforce、HubSpot 也在试验"按 AI 完成的动作数量"计费。这不是几家公司的个别决策，而是整个软件行业在重新回答一个问题：我们的价值到底来自哪里，该量化什么？

关于价值指标的具体设计方法，见 定价按什么收：价值指标的选择逻辑。

---

对服务公司：人力交付产品化成为可能

如果说软件公司面对的是"定价逻辑需要重写"，服务公司面对的则是一个更大的机会：第一次有机会把人力服务做成可规模化的产品。

传统的咨询、法律、审计、代运营、外包——这些行业长期面对同一个天花板：想扩大营收，就得招更多人。你的能力上限就是你团队的人数上限。

AI 让这件事有了松动的可能。

举一个具体的例子：一家做 SEO 内容代运营的公司，以前每服务一个客户需要配 2—3 个内容编辑。现在用 AI 工作流，一个编辑能管 5—8 个客户，AI 负责初稿和数据分析，编辑负责策略判断和质量把关。这不是裁员，而是把原来的人力成本转化成了工具和流程成本，边际成本大幅下降，可以服务更多客户而不需要等比例增员。

更进一步：如果交付的某一环节可以完全用 AI 自动化，服务公司就可以把这部分封装成一个产品，按调用次数或按结果收费——这就完成了从"服务公司"到"软件+服务混合公司"的跨越。

这条路不是所有服务公司都能走，但机会是真实的。

---

谁受冲击，谁受益

这不是"AI 好还是坏"的问题，而是"你的商业模式和 AI 的方向是顺还是逆"的问题。

受冲击的：

• 按座位卖 SaaS、且不重新设计定价的软件公司：客户会拿 AI 的生产力增益来谈判压价，你给不出新的价值叙事，就只能让步。
• 纯人力堆叠、没有系统沉淀的服务公司：竞争对手用 AI 把交付成本降低到你的一半，而你没有跟上，价格竞争力直接垮掉。
• 定价与结果脱节的模式：按人天、按报告页数收费，但客户真正关心的是结论和决策——AI 让"生产内容"变廉价，你收费的那部分价值缩水了。

受益的：

• 主动转向"按结果/按用量"定价的软件公司：因为你的 AI 能力真的帮客户创造了可量化的结果，你有底气按结果收费，而不是守着座位数。
• 把交付标准化、产品化的服务公司：把核心交付流程整理清楚、用 AI 加速后，边际成本下降，可以服务更多客户，毛利率反而上升。
• 做 AI-native 服务产品的新进入者：没有历史包袱，直接按"结果交付"来设计商业模式，比老玩家轻得多。

---

该不该转的判断框架

不是所有公司都需要立刻转型，也不是所有方向都适合走 services-as-software。用以下四个维度判断：

维度一：你现在交付的"价值"是什么？

把你卖给客户的东西写下来。是"人才的时间"，还是"一个结果"？

• 如果是"人才的时间"（按人天、按人月），你就处于被 AI 冲击的位置，因为时间变廉价了。
• 如果是"一个结果"（按线索量、按合规通过率、按内容产出量），你的定价和 AI 的方向是顺的，转型路径更清晰。

维度二：你的交付流程里有多大比例可以系统化？

拿出你交付一个客户的全流程，逐步问：这个步骤是需要人判断，还是可以规则化？

粗略估算：如果超过 40% 的步骤可以规则化或 AI 自动化，就值得认真考虑产品化路径。如果核心交付严重依赖个人判断和客户关系（比如高端战略咨询），短期内产品化价值有限。

维度三：你的客户愿意为"结果"付钱吗？

这不是你愿不愿意，而是你的客户是否有能力验证结果、是否愿意按结果付费。

一些行业（比如效果广告、SEO、代码外包）客户已经习惯了按结果考核；另一些行业（比如法律咨询、战略规划）客户对"结果"的定义本身就模糊，强行按结果收费会引发争议。要在客户已经有结果量化习惯的领域优先尝试。

维度四：你有没有能力做交付兜底？

Services-as-software 最大的风险不是技术，是承诺了结果但交付不了。从"按时间付费"转向"按结果付费"，你需要对结果有相当程度的掌控——AI 只是工具，交付能力要靠你自己的系统、流程和人来保障。

如果四个维度都是正向的，转型值得优先推进。如果第四个维度存疑，先把交付能力做扎实，再谈定价改革。

---

反面教训

守着按座位/按人天不动，被客户用 AI 生产力"倒逼"降价。 这是最常见的被动局面：软件公司合同到期，客户直接说"我们现在用 AI 一半人就够了，你们的席位费能不能减半"。如果你没有提前建立"按结果"的定价叙事，这个谈判你很难赢。

盲目转"按结果"收费，但自己的交付系统没跟上。 某家代运营公司看到机会，对新客户承诺"按 ROI 分成"，但自己的 AI 工作流还不稳定，交付质量波动大。客户要按合同扣款，公司的现金流直接出了问题。定价模式改革必须滞后于交付能力的成熟，而不是超前。

把 services-as-software 当成裁员借口，结果交付质量崩了。 用 AI 降本没问题，但如果同时砍掉了负责质量把关的核心人员，客户最终感受到的是交付质量下降。AI 替代的应该是重复性执行环节，而不是判断和兜底。

关于 AI 战略的优先级与预算配置，见 AI 战略落地：方向优先级与预算分配；如何量化 AI 投入的回报，见 AI 效能度量与 ROI 框架。

---

常见问题

我们是小型服务公司，也要考虑 services-as-software 吗？

要考虑，但不是"产品化一切"。先从最高频、最标准化的交付环节入手。如果你每周都要做同样的数据报告、同样的内容初稿、同样的方案模板，这些就是 AI 自动化的切入点。小公司用 AI 先降本，然后再谈能不能重新设计定价。不要一上来就搞"结果分成"，交付能力不够的时候那是在赌博。

按结果收费，怎么定义"结果"？

这是最难的部分。好的"结果"定义需要满足三个条件：可测量（客户和你都能看到数据）、可归因（这个结果是你直接带来的，不是市场大环境的功劳）、滞后期可接受（不能说"三年后看效果"，客户没法等）。如果找不到同时满足三条的结果指标，按"过程质量"收费也是一种过渡方案——比如按合规文档的质量评分、按代码覆盖率，而不是纯按人天。

现有客户已经按座位/按人天付费，怎么迁移？

不要强制迁移，这是失去客户的最快方式。推荐的路径是：新客户直接按新模式签约，积累 6—12 个月的数据验证交付能力；同时对老客户做"按结果"的增量提案——不是改合同，而是说"在现有合同基础上，我们可以帮你做 X，按结果分成，你看要不要试"。数据说话，比硬推模式转变有效得多。

SaaS 公司怎么判断该转哪种"按结果"收费模式？

常见的三种：按用量（API 调用次数、生成内容量）、按动作（AI 完成的任务数、自动化流程执行次数）、按业务结果（成交率、节省的人力成本）。建议从"按用量"开始，因为这个最好计量、客户最容易理解，且和 AI 成本结构对齐；等积累了数据再往"按动作"或"按结果"方向演进。不要一步跳到最难量化的业务结果分成，风险太高。

---

小结 · 你现在该做什么

• 理解了 services-as-software 的本质：AI 让规模化交付服务成为可能，模糊了软件与服务的边界
• 看清了软件公司的困境：按座位定价和 AI 生产力增益产生结构性矛盾
• 看清了服务公司的机会：人力成本转化为系统成本，边际成本下降，规模化变得可行
• 有了一个四维判断框架：交付价值是什么 / 可系统化比例 / 客户结果量化习惯 / 交付兜底能力
• 知道了三类反面教训：被动降价、超前承诺、裁错了人

下一步：如果你在考虑具体的 AI 投入优先级和预算分配，见 AI 战略落地：方向优先级与预算分配；想量化 AI 项目的 ROI，见 AI 效能度量与 ROI 框架。组织管理专栏 覆盖从管理者认知到战略落地的全路径。

👉 看看 AI 时代的组织与管理 专栏，或了解 AI 时代管理者认知课。需要定制落地与陪跑，欢迎聊 企业服务。