《応援擠咧》▶ AI 會讓 SaaS 消失嗎?站在軟體業海景第一排,看見下一波創業機會 ft. 金箍棒創辦人 Joanna
三句話摘要
AI 時代 SaaS 產業不是衰退而是轉型,房地產管理業需要重新定義競爭力和人力配置。 ## AI 不會摧毀 SaaS 產業,而是強行讓企業選擇:要麼深耕某一核心能力做到無可替代,要麼被時代淘汰;企業的真正護城河不在技術本身,而在於能否幫 AI「接地氣」──深刻理解產業需求並精準定義。 SaaS 並非衰退而是轉向
重點整理
重點- 1
SaaS 並非衰退而是轉向
- 2
產業看似被 AI 衝擊,實際上聰明的企業正深化某一件事做到極致。客戶已習慣組合 10 多套軟體和 AI 工具,核心是如何幫 AI 「接地氣」──提供更具體的產業資料和流程定義。
- 3
賬物管理是房地產的不可替代底層
- 4
房地產資產管理本質是賬物管理。賬務必須精準且不容出錯,AI 雖能協助但無法跳過這一關,這就是產業的護城河。只要做到這塊的 95% 精準度,採用度就很高。
- 5
人力結構分化為精英與服務兩層
- 6
不是所有人都需要懂 AI,只需要核心小組建立 AI 流程,其他員工反而要為 AI 服務──收集、整理、驗證資訊,讓 AI 處理核心工作。企業需要的是「邏輯好、善溝通」的廣域思考者,而非專精某領域的深層人才。
- 7
1911 年紐約街頭的平行時代
- 8
現在是馬車與蒸汽車並行的時代:有人繼續用 30 年前的軟體、有人用 SaaS、有人直接上 AI。這種多元並行 20-30 年後就看不到了,是百年難得一見的產業轉折點。
- 9
##
實用技巧與重點
乾貨- 金姑棒服務內容
- 合約管理、賬務結算、物件維修、廣告發布、租期追蹤
- 支援住宅與商用不動產
- 支援跨境(東南亞、中國等)
- AI 程式碼佔比
- 2024 年:70-80%
- 2026 年上半年:80-90% 以上
- 整個軟體開發流程都介入:規劃 → 程式碼 → 測試 → 釋出 → 除錯 → 客服
- 新職位需求
- 「AI 溝通師」:無需技術背景,只需細心、耐心、善溝通
- 技術整合方向
- MCP 概念:開啟系統讓 AI 用 MCP 介面直接呼叫(如在 ChatGPT/Claude 裡直接呼叫金姑棒或應援)
- 物理 AI 價格與時間表
- 家事機器人價格約 3 萬美金(臺灣約 30 萬臺幣)
- 2030 年:白領工作可被 AI 完成
- 2035 年:家事機器人在亞洲普及(量產成本降低後)
- 北美因人力成本高,機器人採用更快
- Milestone 時間點
- 2025 年 10 月:Claude 3.0 釋出(預測)
- 2026 年 5 月:Fable 5 釋出(預測)
- ##
結論
結論“AI 不會摧毀 SaaS 產業,而是強行讓企業選擇:要麼深耕某一核心能力做到無可替代,要麼被時代淘汰;企業的真正護城河不在技術本身,而在於能否幫 AI「接地氣」──深刻理解產業需求並精準定義。”
完整解析
詳細節目討論的核心是 SaaS 產業在 AI 衝擊下的真實處境。Joanna 經營的金姑棒是房東租賃管理系統,這家公司原本從房地產投資配置業務衍伸而來──幫機構投資者管理每年約 30 億臺幣的國內外房產,因此需要處理複雜的合約、賬務、維修等日常事務。當時找不到適合的系統,2018 年才自行開發。
在 AI 大熱的現在,很多人認為 SaaS 產業已是夕陽,但 Joanna 認為這是誤解。真正聰明的客戶正在學會組合運用:他們可能同時訂閱 10 多套工具(SaaS、ChatGPT、Claude、Asana 等),然後根據成本和功能盤點哪個工具最值得。這意味著 SaaS 企業不是被取代,而是必須找到 AI 解決不了的、只有自己才能做到的核心價值。
對金姑棒來說,這個核心是「賬物管理」。房地產資產管理的本質就是精準的賬務管理與物業追蹤,而賬務涉及監管和合規,有 0 和 1 的區別──不能出錯。AI 可以協助流程設計、資料整理,但最後的「錢到沒到位」這一關還是需要人和系統的嚴格把控。這就成了產業的護城河。
在工程開發層面,變化更劇烈。去年上半年團隊說「現在看得到還吃不到」,但從 6 月起情況反轉。現在 AI 程式碼編寫佔比已達 80-90% 以上,而且不只是寫程式碼,整個軟體生命週期──規劃、程式碼、測試、釋出、除錯、甚至客服──都有 AI 大量介入。這意味著團隊兩週一次回報的速度已經完全不夠,迭代週期在快速縮短。
因此,人力結構也在改變。未來不需要每個人都會用 AI,而是需要一個核心小組把 AI 流程建立起來,讓全公司都能從中受益。其他員工的工作反而變成了「為 AI 服務」──收集資訊、整理資料、驗證結果,讓 AI 能夠工作得更好。這催生了一個新職位「AI 溝通師」,不需要技術背景,只需要邏輯清晰、善於溝通、能夠廣泛思考。過去靠經驗積累的專業優勢變得不那麼重要,反而是底層邏輯能力更吃香。
在房地產管理領域,物理 AI 也會產生影響。北美已經有家事機器人在打掃、鋪床、洗碗、遛狗,但因為成本(約 3 萬美金),只在人力成本極高的北美有吸引力。不過一旦機器人量產成本降到 1 萬美金左右,臺灣和亞洲的採用率就會很高。工廠型機器人(有流水線、任務固定)可能比家事型機器人更快普及,因為不需要適應複雜多變的家居佈局。預計 2035 年左右,這類機器人在亞洲會成為常態。
最後,討論觸及創業時機。現在的好處是週期變短──用 AI 工具實現想法的速度快很多,獲取使用者的時間也大幅壓縮。關鍵是創業者能否對產業有透徹理解,定義出真正的使用者需求。有使用者比沒使用者的初創優勢更大,因為驗證了市場,也更容易吸引投資。
##
關鍵時刻
Pipeline v2帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。


