最近閱讀《曼報 Pro》探討 AI 對 SaaS 產業影響的文章，文中提出的觀點不僅讓我深感共鳴，更引發了我對自身職涯的思考：在 AI 讓開發邊際成本趨近於零的前提下，SaaS 的下一個機會點在哪？身為 PM，AI 對我而言又是什麼樣的存在？
這段時間，正好我也在觀察餐飲供應鏈領域。結合文章的啟發與我的實戰調研，我認為 SaaS 的核心規則正在被改寫，以下是我對這場「價值重分配」的三點反思。一、 商業模式的斷裂：當「人頭」不再代表營收
文章提到一個核心危機：傳統 SaaS 的假設是「企業成長＝人頭數成長＝營收成長」。但 AI 正在打破這個等式。
當一個人搭配 AI 能完成過去三個人的工作，甚至當企業能用 AI 自行建置報表、優化流程時，付費座位的線性增長將不復存在。
對於那些僅僅解決「流程」問題的 SaaS 來說，這是極高的被取代風險。如果軟體只是為了「把事記下來」或「把事做快一點」，企業完全可以用 ChatGPT 串接 API，透過 Low-code 自建工具取代你。
因此，SaaS 的護城河必須從「解決流程」轉向「解決產業問題」。
真正的價值不再是提供一個通用的效率工具，而是深入特定產業（如餐飲、醫療、物流），解決那些通用 AI 無法觸及的痛點——那些涉及合規性、複雜供應鏈協作、以及行業獨有 Know-how 的問題。
二、 Vibe Coding 的反思：PM 的價值重定位
文章關於「創造容易，銷售和維護困難」的論點，也讓我對最近爆紅的「Vibe Coding」有了深刻反思。
過去，我也試圖想利用 AI 獨立完成開發。但我發現，其實很難，尤其當自己越沉迷於 Vibe Coding 的快速產出，反而讓我忽略了建構知識的重要性且陷入了「維護與穩定性」的泥淖。這讓我意識到，身為 PM，我不該把時間花在與 AI 雕琢細節，而該專注於兩件事：
區分「工具」與「產品」
若是階段性的內部效率工具，我會毫不猶豫用 AI 快速手刻；但面對交付的產品，我們需要的是系統性的架構與穩定性，這不是 Vibe 出來的，因此如何將項目交付給團隊以及如何快速對齊項目目標，這才是更重要的事！
利用 AI 進行「角色扮演」與「假設驗證」
現在，我不再問 AI 「怎麼把這個功能做出來」，而是問它：「如果你是 XXX (角色)，你最在意報表裡的哪個數字？」並且請 AI 帶領我建構產業知識以及具體化功能。
對身為 PM 的我來說，AI 不應是我的開發外包，而是我的產業模擬器。PM 的核心價值，在於利用這些模擬來縮短「認知差距」，挖掘出客戶自己都沒想到的隱性需求，並將這些需求轉化為無法被輕易取代的產品價值。
三、 實戰場景：在數位荒漠中創造「情境」
文章提到軟體公司的生存法則，結合我近期對餐飲 B2B 市場的觀察，我認為還有一點極為重要但可能被忽略的關鍵：在數位認知較低的產業，應利用「資訊不對稱」創造價值。
這類傳統產業對 SaaS 來說既是挑戰也是機會。挑戰在於，很難單純用「功能」說服他們；但機會在於，一旦切入，這裡存在巨大的資訊紅利。面對這樣的市場，SaaS 必須進化為「情境的創造者」：
從「賣工具」轉向「賣保證」
Desai 曾說：「AI 時代，看責任而非功能。」對於餐廳老闆，軟體不該只是點餐工具，而是「生意不中斷」的保證。
AI 無法承擔「系統掛點導致無法結帳」的責任，但 SaaS 平台可以。我們賣的不是 POS，而是透過數據預測叫貨量、避免庫存浪費的利潤保護機制。這就是信任壁壘。
數據層的降維打擊：從 Record 到 System of Insight
如果 SaaS 只是記錄數據（System of Record），企業隨時可以搬家。
但如果 SaaS 平台能分析跨店家的交易數據，告訴老闆「下週原物料可能漲價，建議先補貨」，或是「根據天氣，明天外送單會增加」，就成了System of Insight。
這時，企業付錢不只是為了工具，而是為了「圖個方便」與「買個保險」。當這種預測準確度呈現指數級成長，企業自建 AI 的演進成本將遠高於訂閱費。
把餅做大：連結生態系
在 B2B 供應鏈中，產品本身就是黏著劑。當 SaaS 透過優化介面，讓餐廳與供應商的溝通成本降到最低，甚至進一步利用交易數據提供「信用評分」協助貸款時，SaaS 就不再是單純的軟體，而是這個產業的基礎設施與金融入口。
結語：活下來的是最難被繞過的
軟體不會死，但價值會重新分配。
未來的 SaaS 贏家，不會是那些「功能最多」的公司，而是那些能利用數據消除資訊不對稱、主動創造獲利情境，並且願意承擔產業責任的公司。
我們不該再問「AI 何時會取代這個軟體」，而該問：「如果客戶明天可以用 AI 自建，他們還願意為了什麼而留下？」
答案就是我深信的：數據洞察、產業深度，以及那份 AI 無法模仿的商業信任。
以上是我的淺見，下次見 👋
