SaaS 末日论与 AI 代理时代：monday.com 如何把“数据库化”风险变成增长机会

摘要

对话记录里，主持人和 Aaron Zinman 把当下 SaaS 面临的“末日论”拆成了三个更具体的问题：人人都能“vibe coding”自己做软件、模型公司会吞掉应用层价值、以及最棘手的——AI 代理可能把现有 SaaS 变成“只剩数据的数据库”。Aaron 的观点很直接：前两种影响有限，第三种是真的，因此 monday.com 需要从“工具里记录工作”转向“软件替你完成大部分工作”。

一些关键数字与例子也很具体：节目开头提到 monday.com 约 13 亿美元收入、公开市场估值约 39 亿美元；Aaron 认为未来软件支出规模（TAM）可能是今天的 100 倍。在内部效率上，他们把约 100 名 SDR 的入站线索分配/筛选工作交给 AI 代理，把跟进时间从平均 24 小时缩短到 3 分钟，并称多个转化指标同步提升；同时也承认 Google 搜索结果的 AI 模式让他们的获客在新 ARR 上约损失 10%。面对股价与情绪波动，他强调“能控制的是产品与增长”，并宣布了 8.7 亿美元回购计划（分两三年执行）。

关键观点逐一概括

1) 市场在“定价不确定性”，而不是“定价当下业务”

Aaron 认为需要区分两件事：企业经营本身与市场情绪/预期的剧烈变化。他描述过去一年半、尤其近半年，软件公司的负面叙事加速蔓延——“每天都有新的末日推文”。但他同时强调，从财报沟通与业务运转看，很多公司依然在正常经营，甚至超预期；市场更担心的是：谁能完成 AI 时代的结构性转型。

他甚至用“极低倍数”来表达市场对未来的不确定：在一次财报后股价跌到约 70 美元附近时，他粗略估算公司市值约 37 亿美元、账上约 15 亿美元现金且无债，企业价值约 20 亿美元；对比约 13 亿美元的 ARR，他感受到市场在用“公司几乎不值钱”的方式逼迫管理层证明自己能变革。

2) 三种“末日场景”里，最危险的是“平台被代理抽象成数据库”

对话里，Aaron把担忧拆成三类：

• “Vibe coding”会让客户自己做一个 monday.com：他承认这项技术“很神奇”，但强调“做 UI 容易，做可在组织内长期运行、可维护、可扩展的软件很难”。在他看来，企业把时间花在核心业务上更划算，维护自建软件的隐性成本很高，因此对 SaaS 的冲击更可能是边际的。
• OpenAI/Anthropic/Gemini 会吞掉应用层：他用 AWS 的历史类比——基础设施变强、门槛下降，反而带来上层应用爆发。并且企业软件销售不是纯粹 PLG，跨组织部署需要服务、交付与“被手把手带着落地”，这不是模型公司最优先的战场。
• 代理把 monday/Salesforce 变成“只剩数据的系统”：他认为这条“是真的”，也是最棘手的。因为过去 25 年，很多软件本质上是“数据库 + 仪表盘 + 一点自动化”，大量工作仍在工具外完成；而 AI 可能把工作执行的比例反转——从过去软件只覆盖 10%–20% 的工作，变成 AI 能做 70%–80%。

3) “撒 AI 粉”不够：价值要从“记录工作”改成“完成工作”

Aaron 回顾他们早期对 AI 的应对：做过一些功能增强（例如用 AI 写公式、AI blocks/columns 等），但本质像“撒了一点 AI 粉”，并没有改变用户购买软件的核心理由。

他给出的判断是：未来没人愿意买“不能替你做大多数工作”的软件。如果 monday.com 不改，最终会被更“替你干活”的新工具取代，只剩下“被爬取的数据库”。因此他们决定“改变一切”：产品、定价、GTM、官网与广告叙事都会重做，并把这称作公司史上最大的转折点。

4) monday.com 想做的不是“聊天工具”，而是“人类与代理协作的默认工作空间”

Aaron 描述的北极星是：在相当长的过渡期里，人类与代理需要共处；monday.com 想成为企业里搭建与管理“横向代理”的默认场所——人们在平台上构建代理，代理产出表格、文档、文件，人再审核、协作、再迭代新的代理。

他也回应了“为什么不是 ChatGPT/模型公司来做”的质疑：在他看来，个人工具与组织协作工具是不同产品形态；企业需要的不只是“给一千人发 LLM 账号”，而是“把代理如何融入流程、如何协作、如何治理与交付”的完整工作系统。

5) 座位制（seat-based）遇到结构性挑战：从混合到完全按消耗（consumption）

主持人追问 SaaS 的核心定价矛盾：如果未来组织更精简、人数不再增长，座位制增长逻辑会失效怎么办？Aaron 的回答是：定价会经历过渡期，先走向混合模式，最终走向100% 按消耗计费。

他同时把定价变化放进更大的叙事里：如果 AI 让企业用更少的人完成更多的事，那么企业愿意把预算从“人”转向“软件”，软件开支在预算里的占比会显著提升——他因此判断未来软件市场的总盘子会被大幅做大。

6) “效率”与“进攻”并行：用 AI 压缩链路时间，但更重要的是收入加速

当主持人质疑“既然 AI 提升效率，为何还要在 2026 增加中十几%的员工”，Aaron 的逻辑是：过渡期需要投入，而市场真正想看到的不是单纯裁员，而是收入加速——因为在他描述的世界里，“AI 产品需求近乎无限”，企业应该证明自己能供给这份需求。

与此同时，他也举了几个已经落地的效率例子：

• SDR 入站线索筛选/预约：过去平均 24 小时回拨，如今 3 分钟；AI 可 24/7、多语言，且“接通率、预约转化等指标都上升”。他称这块过去约 100 名 SDR 的工作已“100% 由代理完成”，原团队被转去做 outbound。
• 客服支持：大量由 AI 完成（部分工具第三方 + 自建）。
• 研发效率：开发者使用新一代编程助手工具，提高产出，但也会出现新的瓶颈（例如非写代码环节）。

7) 获客渠道被 AI 搜索“挤压”：一次 10% 的教训

Aaron 承认，业务并非完全不受变化影响：Google 搜索结果的 AI 模式让用户更少点击广告链接，导致他们在新 ARR 的获客上约损失 10%（他也指出这类渠道“交易性更强、意图更高”，因此影响更痛）。他们把预算迁移到其他渠道，但这往往意味着更长的销售周期；同时强调公司还有“约 70 个”其他获客渠道，未观察到同等冲击扩散。

8) 资金与信号：回购、个人持股与士气管理

在“为什么不买回自家股票”的问题上，Aaron 提到公司宣布了 8.7 亿美元回购计划，并表示会在未来两三年执行、已在某季度做过一部分回购；个人层面因为 10b5-1 交易计划限制，需要提前规划，但他强调管理层并未在低位卖出，自己 IPO 以来仍保留了大部分持股。

谈到士气与情绪管理，他坦承股价波动会带来心理压力，但他的应对方式是把注意力放在“可控项”：产品转型、执行与抓住机会；支撑他的是员工的投入感，以及家庭的支持。

Takeaways

• 把“代理时代”当作产品范式切换，而不是功能迭代：如果软件不能替用户完成大部分工作，就会被重新定价。
• 优先改造那些“时间差”最致命的链路：例如线索响应从 24 小时到 3 分钟，本质是把等待从流程里剔除。
• 为“人类 + 代理共处期”设计协作与治理：不仅要能产出结果，还要能让人审阅、追责、复用与迭代。
• 提前规划从座位制到按消耗计费的过渡：先混合、再纯消耗，关键是把计费锚点绑定到“被完成的工作量/价值”。
• 获客不要押注单一平台规则：搜索 AI 形态变化会持续发生，渠道多元化与更长周期的预算配置要提前适配。
• 对外证明“能转型”的最强信号是增长加速：市场最终会用收入增长（而不是情绪或口号）来验证转型是否成功。