這幾年市場對AI的想像，某種程度上已經從技術問題，變成一場估值與敘事的競賽。
以 Klarna 為例，在IPO之前，它把AI＝效率＝利潤這條公式推到極致。執行長 Sebastian Siemiatkowski 不斷強調AI如何取代客服、人力精簡如何直接轉換為利潤，這樣的說法在當時不只讓市場買單，也間接對有些SaaS股價形成壓力。因為投資人開始質疑：如果AI可以大幅降低成本，那麼原本依賴人力與訂閱模式支撐的估值是否被高估。
2025年IPO上市之後，這樣的敘事開始出現裂縫。Klarna確實用AI降低了成本，卻同時付出了服務品質下降的代價。客戶開始反映客服缺乏彈性與同理心，這其實揭示了一個被忽略的事實：AI可以優化平均效率，卻難以處理極端情境與情緒密集的互動。
一旦企業過度依賴AI、壓縮人力，短期看起來是利潤改善，但中期其實是在侵蝕品牌與客戶關係。這種非線性的反作用力，最終也反映在股價上，IPO後最大回撤達到七成以上，Klarna股價估值修正後回到合理的價格。
如果把這個案例拉開來看，可以理解為市場曾經過度線性地解讀AI的影響，把它當成一種可以全面替代的力量。這樣的錯誤也延伸到了整體SaaS產業，導致不少公司在沒有本質改變的情況下遭遇估值壓縮。
對照現在的Anthropic 最近不斷推出的新產品與功能，可以看到另一種相似但更有破壞力的行銷操作方式。
透過持續釋放AI能力邊界正在擴張的訊號，例如強調模型可以找出軟體資訊安全漏洞，這類訊息在市場上放大解讀，甚至引發某種程度的焦慮。
但如果從實務角度來看，大型的軟體公司都會有預算進行產品的資訊安全分析。大多尋找外部的第三方單位，從靜態分析、動態測試到滲透測試，每一層都有既定流程與風險分級。
AI在這裡能做的，更多是提高覆蓋率與效率，而不是取代整個決策體系。企業在面對漏洞時，真正重要的從來不是找出多少問題，而是哪些問題需要被處理、哪些可以接受或waiver。
也就是說，軟體漏洞是有分層級。擺在軟體企業資安的核心是風險管理，而不是單純的技術檢測。按風險層級的劃分少數是critical 當下要立即解決，但絕大多數都是waiver等級的問題。
當修補漏洞所需的營運成本、硬體升級成本大於漏洞可能造成的損失時，企業高層會選擇簽署 waiver。
AI可以讓問題被更快發現，但無法取代企業在商業與風險之間做取捨的判斷。當市場因為理解不足而放大AI的能力時，其實也同時製造了一種錯置的恐慌。
我認為SaaS公司現在的狀況更接近一種被IPO敘事牽動的錯殺，而不是基本面崩壞。很多公司功能仍在正常運作，甚至在企業流程中扮演不可替代的角色。
特別是那些需要結合實體伺服器、混合架構，或深度嵌入企業流程的產品，其價值並不會因為AI的出現而被輕易取代。再加上長期建立的品牌信任與客戶關係，這些其實都是AI短期內難以動搖的護城河。
如果這些分化慢慢浮現，本質上只是標準化工具、切換成本低的SaaS，確實會受到AI帶來的效率壓力；但另一方面，具備高整合性、高信任門檻，甚至結合硬體與基礎設施的公司，反而更有機會在這一波錯誤定價中浮現價值。
當市場逐漸從敘事回到現實，SaaS公司的評價也有機會重新被修正。
Klarna的經驗說明了過度追求效率可能帶來的反噬，而Anthropic所代表的，則是另一種利用敘事擴張大眾想像行銷的策略。
在這樣的環境下，SaaS企業的價值有多少是AI無法取代的，當價格持續下跌，而價值也會在混亂中慢慢浮現。
