KeyFrame內部研究專用

《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

應援科技·8月10日週一·30 min中文

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。

更多「企業管理」的內容

AI Proficiency: From Users to Builders
56 min
企業管理英文PODCAST8月25日

AI Proficiency: From Users to Builders

Practical AI

  • L0 有五種子類型,各有不同特性與對應策略。講者強調不應將所有抗拒 AI 的人視為問題,而是區分其原因:有些人(如對品質失望者)的反饋實際上很有價值,應該認真聽取,而非強制推行。識別 L2 的關鍵不是技術能力,而是對公司工作流程的深入理解與執行風格的一致性,他們能將隱性知識轉化為文檔流程,同時阻止機構人才流失。重點不在速度,而在於新興工作類型與可測量的商業價值。
不懂技術分析,在多頭買也可能跌得一頭霧水
企業管理中文8月23日

不懂技術分析,在多頭買也可能跌得一頭霧水

陳修平的師父商學院

  • 均線的雙刃性 — 均線不只預示趨勢方向,也會成為股價上升的壓力位。買在均線上方的股票,上漲時較無壓力;若均線剛好在買價上方,股價容易觸及均線受壓後下跌。
  • 支撐點判斷的核心 — 多頭行情中,股價回檔應該找到均線的支撐才是安全的買點,但關鍵是用紅K確認支撐真正有效,如果沒有紅K出現代表支撐未成立,股價可能繼續下跌。
  • 期檔點的精準性 — 同時結合越線的支撐與前面的上升趨勢,才能精確抓住支撐點(期檔點),這樣進場後一整波上漲都能掌握。
【突發】第一個被AI消滅的國家,比中國崩盤更可怕?巴菲特緊急把錢全放在這裡?被美國吹出來的印度神話破滅,亞洲金融海嘯時什麼資產最值錢?
21 min
企業管理中文8月23日

【突發】第一個被AI消滅的國家,比中國崩盤更可怕?巴菲特緊急把錢全放在這裡?被美國吹出來的印度神話破滅,亞洲金融海嘯時什麼資產最值錢?

90後創業家掃地僧

  • 美國資本對新興市場的完整收割套路:先吹泡沫讓全世界的錢湧進來,國家養肥後趁股市最高點偷偷出貨,同時做空匯率與股市,被吸乾的國家最後只能開放市場、解除外匯管制,任由外資以暴漲美元廉價收購本地資產。
  • AI對印度經濟的雙重絞殺:美國企業將IT工作外包給印度工程師,實質上是在用人類勞動訓練AI系統;AI成熟後直接停止訂單,幾百萬工程師失業;同時印度企業被迫購買美國AI工具維持運營,形成第二次掠奪。
  • 印度財務面已臨界崩潰:盧比今年貶值7%、短10週燒掉400億美元外匯購油、外資持股創14年新低、股市蒸發近5000億美元,速度與規模皆超越當年泰國危機。