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30 min中文
觀看原始影片

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

  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

  • 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

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

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。

##

12 min
企業管理中文10月8日

The Most Important Skill for Entrepreneurs Can't Be Taught—A Conversation with Yu Ying, Vice Dean...

凯莉彭 Kelly Peng看原片 ↗
  • 反思能力決定成長天花板:講者發現職場只有兩種人——遇到問題時,一種向外求(怪環境),一種向內求(找自己的因)。前者無論如何調整職位都不會進步,後者才有迭代與改善的機會。這種能力在青少年階段仍可塑,成人後幾乎無法逆轉。
  • 審美感必須靠大量接觸累積:審美是不可替代的創業必備素質,但不是天生的。看過百件、兩百件產品後自然能感知共性。此能力需要浸潤式學習,短期內無法突擊。
11 min
AI 技術中文10月8日

2026年10月8日|24小時世界AI新聞台-重溫|OpenAI 合約 AI 測試、Reka Rho-1、Google Earth AI

文恩澄 Rannes Man看原片 ↗
  • AI 代理從輔助進化到流程參與:OpenAI 與 Ironclad 的研究表明 AI 代理已能設定表單、建立審批規則並確保多步驟工作流合規,但人工監督仍不可或缺。這標誌著 AI 在企業軟件中的角色從簡單任務輔助升級到複雜業務流程的參與者。
  • 多模態統一正成為主流方向:Reka 的 Rho-1 展示單一模型處理文字、圖像、影片和動作的可行性,減少使用者在不同工具間切換的負擔。但技術仍面臨長時間生成穩定性與跨影片物件定位的挑戰,目前輸出解析度上限為 672×384 像素。
13 min
AI 技術中文9月26日

万亿美元AI资本开支的回报在哪里 | 黑石Jon Gray | 数据中心 | AI算力 | 工业革命 | 投资回报 | 超大规模云厂商 | 芯片短缺 | 电力基础设施 | 生产率 | AI应用场景

最佳拍档看原片 ↗
  • AI不是泡沫,而是範式轉移:喬恩·格雷用1870-1900年工業革命類比今日AI浪潮,強調這是勞動生產力翻倍、GDP與製造業產出成倍增長的機遇期,但並非所有公司都能從中獲利。
  • 投資報酬率已被驗證:黑石旗下公司已看到實際案例——印度鑽石公司提效、通訊鐵塔公司租約處理快五倍、軟體編碼模型每投1美元回報18美元,證明AI開支的合理性。