软件正在失去“头部”吗？
上个月，Salesforce 宣布将开放其 API，并推出一款无头产品。本质上，它是在押注：在智能体时代，它的价值位于数据层，而不是 UI。这是一次聪明的重新定位。（不过值得注意的是，从技术上看似乎并没有发生太多变化：Salesforce 现在作为“无头产品”营销的 API，大多已经存在多年。换句话说，这是一次典型的 Salesforce 式营销发布。）这款新产品背后的想法是，智能体可以访问记录系统中的数据，而无需与为人类跟踪工作流而设计的 UI 交互。
这则公告提出了一个更有意思的问题：如果你剥离 UI、暴露数据库，那么你真正剩下的是什么？这与一个 Postgres 数据库、一个设计良好的 schema 和一个 API 有什么不同？那些让记录系统长期稳固的经典因素是否仍然存在，还是说出现了一套新的标准？ 在 SaaS 时代，记录系统之所以具备防御性，是因为人类生活在界面之中。在智能体时代，这一优势会减弱。可防御的层级向下转移到数据模型、权限、工作流逻辑和合规；同时向上转移到网络、专有数据生成和现实世界执行。
当软件走向无头化，防御性会转移到哪里？
UI 曾经就是产品
记录系统是某一业务数据领域的权威事实来源。它是客户关系、员工记录或财务交易的官方版本所在之处，也是其他工具读取并回写的系统。CRM 是收入的记录系统。HRIS 是人员的记录系统。ERP 是资金的记录系统。它们强大之处不仅在于存储数据，而在于它们成为整个组织运行所依赖的共享现实。
过去二十年里，Salesforce 销售的是一种让销售负责人管理团队的方式。仪表盘、销售管道视图、预测工具和活动流，才是人们真正购买的东西。它的商业模式建立在向用户出售访问这些功能的席位之上。底层数据库至关重要，但它是附带的。
这意味着 UI 驱动了粘性。它强制执行数据卫生。它创造了共享词汇：线索、机会、账户。它让成千上万名销售代表录入他们原本不会录入的数据。UI 一直是让数据保持一致的机制。这个产品如此有粘性，以至于许多销售负责人在换工作时坚持把 Salesforce 带过去，并不是因为 UI 很好，而是因为它已经成为肌肉记忆。
智能体正在开始颠覆这一模式。它们不再通过 UI 交互，而是可以直接读取和写入底层数据，这催生了一波绕过界面的新工具和变通方案（Salesforce 并非唯一例子：我们最近写过 SAP 如何看到一个面向 AI 的完整生态围绕它快速扩张）。会使用电脑的智能体也会让偏好、培训、未文档化上下文等传统人类层面的因素随着时间推移变得过时。换句话说，成为一个持久记录系统的要求正在演变。
历史评分卡
在讨论智能体世界中会发生什么变化之前，有必要准确说明最初是什么驱动了记录系统的粘性。前几个因素主要关注人类如何与软件互动以及他们的偏好。软件的粘性很大程度上来自 UI、习惯、人类工作流和嵌入式流程。
它被访问的频率有多高？ CRM 每天都会被 GTM 团队以及更多相关人员使用。这种频率使其成为关键基础设施，而建立在其上的人类层——例如仪式、肌肉记忆、多年形成的管理节奏——往往是最难迁移的，因为它甚至不会被识别为需要迁移的东西。
它是只写，还是读写兼具？ 有粘性的记录系统是读写兼具的记录系统。例如，CRM 并不是一个只写档案库；它不断被读取。每一次通话记录、每一次阶段更新、每一个创建的任务，都是由某个人输入的（这个人很可能关心自己在做什么）。这种双向流动意味着任何替代品都必须处理实时运营数据，而不只是历史导出。不存在一个安全的切换时刻，因此企业一旦上线某个供应商，往往会继续使用。反过来，申请人追踪系统（ATS）通常更接近只写系统；候选人被录用后，回到这些数据的理由有限。
有多少未文档化的标准操作流程（SOP）？ 业务关键上下文并不存在于任何 wiki 中；它被编码在管理员和系统集成商多年构建起来的工作流规则里。以销售为例，未文档化的上下文可能是：超过 10 万美元的企业交易需要 VP 批准，EMEA 交易需要隐私审查，战略客户 logo 折扣只有在季度末才能绕过财务。而这种上下文往往决定了一件事能否及时完成，或能否在不违反重要实践的情况下完成。迁移意味着要逆向工程每一条自动化规则，否则就会完全丢失机构记忆。
内部或外部依赖是否很多？ 核心问题是：有多少内部系统、团队流程或外部利益相关方依赖这个记录系统。内部连接性指的是下游依赖它的其他软件或工作流。外部连接性指的是审计师、会计师或监管机构等外部方，他们可能需要直接访问 ERP 等系统中的数据。任一维度上的连接性越高，迁移时需要解开的东西就越多。
从合规角度看，数据有多关键？ 这里的核心问题很简单：这个系统是否是合规关键系统？工资、ERP 和 HR 数据等合规关键系统需要一个在法律上站得住脚的事实来源、严格的管理员访问控制，以及审计师和监管机构在任何迁移中的直接参与。这会让它们明显更有粘性。销售数据和 Zendesk 等客户支持工具则位于另一端：你关心连续性和上下文，但如果数据移动或有人获得访问权限，并不会带来监管风险。
并非所有记录系统都具有相同的切换成本。用同样的维度比较 CRM 和申请人追踪系统（ATS），差距非常明显。ATS 是一个服务于有边界流程——招聘——的工作流工具。一旦候选人被录用或拒绝，该记录基本就是一次写入。它的集成范围更窄。用户群也更小、更集中。
ERP 则处于另一个极端：总账就是审计轨迹，你的会计师、审计师和监管机构都会成为任何迁移中的直接利益相关方。更换 ATS 很痛苦，但可以承受。更换 CRM 是开胸手术。更换 ERP 则是在病人跑马拉松时做开胸手术。
传统上，记录系统并没有利用专有数据或网络效应这类护城河创造因素；工作流通常已经创造了足够的护城河。如果说有什么不同，消费业务更常把工具和网络结合起来；历史上，记录系统并非如此。
专有数据——尽管许多记录系统收集了客户数据，但它们并没有真正对这些数据做太多事情（而且通常在合同上也不能）。所以，尽管 CRM 拥有丰富的数据集，并且可以跨客户聚合以生成跨客户洞察，但它们从未真正以有意义的方式这样做过（虽然也有一些尝试，比如 Salesforce 的 Einstein）。
网络效应——圣杯本应是网络效应。CRM 会因为软件卖家能够找到买家而变得更有价值。和数据一样，历史上记录系统中的网络效应充其量也很弱。
那么，如果 UI 消失——智能体到来——还剩下什么？
智能体不需要浏览器。它需要 API、上下文、指令和行动能力。有两件事让这件事能够规模化发生：LLM 已经足够有能力进行推理。因此，智能体现在可以读取上下文、形成计划、选择工具、执行动作并检查输出，对于大多数任务无需人类在环。MCP 则标准化了工具访问，为智能体调用外部能力提供了通用接口。一个拥有 MCP 权限访问你平台的智能体，可以在毫秒级、规模化地完成一个人类用户会做的事情，而且不需要浏览器。在具备正确上下文的情况下，会使用电脑的智能体甚至应该能够在不需要 API 的情况下浏览既有软件界面。
简单来看，软件买家现在有三条路径：
1) 既有系统 + 智能体。 使用既有厂商的 CLI 和 API——要么通过其原生智能体产品（Salesforce 的 Agentforce、SAP 的 Joule），要么在其之上构建自己的智能体。（暂且相信 API 是完整且可用的，并且无头化在运营上并没有那么复杂。）
2) 完全自己构建记录系统。 从零开始构建自己的数据模型、运营逻辑，以及权限、审计轨迹、集成等，并构建自己的智能体（很可能会利用第三方智能体构建工具和数据库工具）。
3) 购买 AI 原生替代品。 购买新一代从一开始就为智能体时代构建的软件：它面向机器可读性设计，把智能体编排作为一等功能，而不是事后附加。这类产品也可能是无头的。
那么，旧评分卡中哪些因素会留下？由人类行为和偏好驱动的因素会逐渐消退，比如访问频率、读写关系等与人类肌肉记忆相关的因素。智能体可能会消灭作为护城河的肌肉记忆，但它们不会消灭作为护城河的运营逻辑和上下文。恰恰相反，它们会让这些逻辑变得更重要，因为智能体需要明确规则、权限和流程定义，才能安全行动。
未文档化 SOP 在短期内仍然重要。 编码在工作流规则中的机构逻辑，正是智能体代表你正确运行所需要的东西。它也是最难重建的东西。至少目前，它还无法被干净地导出，尤其是在流程某些环节仍然有人类参与时。不过，捕获上下文正在变得更容易；随着智能体替代更多劳动，这一点会变得不那么重要。
连接性仍然难以拆解，而且会延伸得更远。 连接性因素发生了变化。它不再那么关乎跟上人类，而是关乎维持传统上相互隔离的职能和软件之间的连接。CRM 智能体需要把销售、账单和客户成功之间的数据与上下文缝合起来。如果你的平台还是多个外部组织的智能体进行交易的节点——买家、卖家、合作伙伴——依赖关系会进一步加深。带有智能体的既有厂商将更难跨越各种底层软件的基本对象工作；自己构建数据库和智能体也同样如此。
合规关键数据仍然重要。 面向监管机构的数据，或带有监管及法律风险的数据，需要一个单一可信的数据来源。如果客户信任现有产品，他们就不太可能切换。以工资和会计数据为例：智能体可能想访问这些数据，但你不太可能在内部自行构建和维护它们。在一个完全智能体化的世界里，最难解决的未解问题之一是：哪些智能体被授权代表谁做什么，具备怎样的可审计性？如果一个记录系统成为智能体到智能体交互的身份和权限层，它就拥有一种真正难以取代的结构性角色——不是因为它持有的数据，而是因为它执行的信任架构。
展望未来，一组越来越重要的因素将决定 AI 原生创业公司的防御性：
重建记录系统有多难？——数据会以几种方式变得更重要。首先，在近期，关键在于提取并重建记录系统底层数据的难易程度。AI 正通过大量工具让这件事变得更容易。短期内，既有厂商可以并且会让这件事变得更难：让 API 难用、受限、不完整或在经济上不划算，甚至根本不提供 API。但随着提取工具变得更好，尤其是会使用电脑的智能体进步，它们会让提取变得更容易。与此同时，新公司当然也在从电子邮件、电话和语音智能体、内部文档中重建更丰富的数据集。AI 降低了重建记录系统前 80% 的成本。剩下的 20%——例外情况、审批、合规要求和边缘工作流——仍然是有用切入点和真正替代品之间的分水岭。
是否存在有意义的专有数据？——其次，数据本身会变得更有意思。真正可防御的数据不是你导入的数据，而是你的产品独特地促成其存在的数据。我们谈到过数据围墙花园——那些专有、受监管或需要不断更新的数据。投入资源收集权威且完整数据的软件提供商，相比通用型提供商或没有这些数据的竞争者具有优势。另一个数据维度是：数据依赖于内部生成的行动。最好的企业不会只是存放别处录入的数据。它们会通过参与闭环来生成新的数据尾迹，包括观察到的行为、响应率、时间模式、流程结果、基准、异常模式和智能体性能轨迹。这里的关键在于：数据如今就是上下文。
它是否拥有行动层？——在旧世界里，存储记录就足够了。在新世界里，智能体会采取行动，防御性可能转移到那些能够形成闭环的产品：从采取行动，到捕获结果，再到利用反馈改进未来决策。对于 ERP 来说，这可能包括批准支出、触发工资发放、对账发票、发送通知等。闭环产品更具防御性，因为它们处在执行之中，而不只是观察之中：它们生成独特数据，随着使用而改进，并且如果被移除就会破坏工作流，因此更难被替换。随着收集到的上下文更多、处理的边缘案例更多，这里的价值当然会提升。
是否存在现实世界执行要素？——有些商业模式连接到无法完全自动化的现实世界运营。明显的例子是已经建立运营网络的企业，比如 DoorDash；它们历史上并不是记录系统，但在这里很有启发。更广泛地说，任何能够把闭环延伸到服务、履约、物流、现场运营或支付的软件业务，都拥有不同于纯 SaaS 的防御性。这些公司不只是存储记录或推荐行动；它们派遣人员、移动货物或完成服务。
对创业者来说，这意味着机会存在于这样的市场：软件可以越来越多地做决策，智能体可以越来越多地协调，但最后一公里仍需要现实世界执行。例如，与现场服务绑定的垂直软件。
是否存在网络效应？——历史上，大多数记录系统中的网络效应都很弱，因为软件主要是内部使用的。但在智能体世界中，如果系统嵌入多方工作流，网络效应可能变得重要得多。如果系统调解多方之间的经常性互动——例如买家和卖家、雇主和员工、公司和审计师、供应商和客户、付款方和服务提供方——那么每增加一个参与者，都可能让网络对下一个参与者更有用。
一种方式是共享工作流协调：产品成为流程双方交易、交换上下文和解决异常的地方。另一种方式是基准和智能：系统可以基于整个网络中观察到的模式，呈现常态、异常和建议，这与上文的数据观点相互配合。第三种方式是信任和标准化：一旦交易对手开始依赖同一套轨道来完成审批、交接、合规或支付，产品就更难被替代，因为它不再只是一个数据库，而是市场本身协调基础设施的一部分。
买方的技术能力有多强？——在一个任何人理论上都可以构建自己智能体的世界里，买方实际做到这一点的能力仍然差异很大。尤其是在垂直终端市场，以及那些历史上缺乏强大内部工程资源的职能买方中，他们自行构建、维护并持续改进自己的数据库、工作流逻辑、智能体栈和治理层的可能性仍然很低。成本在这里也很重要：DIY 理论上可能降低软件许可费用，但往往会把支出转移到实施、维护和内部复杂性上。这意味着，在买方运营复杂但技术供给不足的类别中存在真正机会——许多制造业、建筑后台、工业和现场服务工作流，以及会计等领域都是如此。
还有一些其他重要因素，它们也会成为软件的基本门槛。例如，本体论需要不同。很多“DIY 数据库”思维低估了对象模型本身承载了多少价值。既有软件是为仪表盘、报表和人类构建的，用来捕获工作流。这些对象可能是机会、工单、候选人等。智能体 schema 需要捕获推理、行动、状态追踪、异常处理、委派以及跨系统协调。原生对象模型可能会变成任务、意图、线程、策略或结果。
类似地，权限体系也需要更新，以管理智能体，而不只是人类。这包括：谁可以做什么，通过哪个智能体，在什么策略下，经过哪些审批，留下怎样的审计轨迹，以及具备怎样的回滚和异常处理。
当然，所有这些都发生在成本背景下，例如构建和维护智能体及数据库需要多少成本、API 访问成本是多少。这又会回到重建数据有多难、依赖数量有多少等问题。
那么，这让我们处在什么位置？
随着既有厂商走向无头化，它们正在做出一个隐含押注：数据层仍将是价值来源。在某些类别中，尤其是金融服务等深受合规约束的领域，这个押注可能还会在一段时间内成立，而且无头化可能还比较遥远。对软件创业者来说，随着既有厂商无头化，如何与其竞争并构建持久软件的机会也发生了变化。下一代记录系统已经开始呈现不同形态：它们不只是为了记录人类工作而收集数据的数据仓库，而是智能体化的系统，能够捕获上下文、发起工作并记录数据尾迹。此外，最有意思的企业会延伸到现实世界执行，协调现场工人、物流提供商、服务团队和物理资产，或位于多方之间。它们将混合旧世界的商业模式，而传统记录系统的核心——数据——会退到背景之中。
非常感谢 @astrange 在思考上的合作！
本通讯仅供信息参考，不应被视为法律、商业、投资或税务建议。此外，本内容不是投资建议，也不意在供任何 a16z 基金的投资者或潜在投资者使用。本通讯可能链接到其他网站，或包含从第三方来源获得的信息——a16z 并未独立核实此类信息，也不就其当前或持续准确性作出任何陈述。如果本内容包含第三方广告，a16z 未审查此类广告，也不认可其中包含的任何广告内容或相关公司。文中提及、引用或描述的任何投资或投资组合公司，并不代表 a16z 管理的所有投资；完整投资列表请访问 https://a16z.com/investment-list/。其他重要信息可见 a16z.com/disclosures。你收到本通讯是因为你此前选择订阅；如果你希望退出未来通讯，可以立即取消订阅。