产品能力沉到底座，交付走向闭环，产研开始对结果负责。

图片由 AI 生成

文 | 燕子

这次和数阔信息联创半仙聊，我原本想问一个很具体的问题：一家做数据采集、CEM、RPA 和 AI 自动化的公司，到了 AI 时代，组织内部发生了哪些变化？

聊完之后，我对数阔这家公司有了一个新认知。数阔把“AI 重做软件公司”这件事，拆成了几层具体变化：产品从功能变成能力，客户落地从 Agent 变成业务闭环，产研协作从岗位接力变成小团队对结果负责。

半仙有一个判断很直白：以前是人用工具，现在开始变成 AI 用工具。

这句话听起来简单，但放在 ToB 软件公司身上，影响很大。

以前，软件公司做产品，默认使用者是人。产品经理设计页面，研发实现功能，销售讲清楚价值，客户成功教客户怎么用。AI 出现以后，很多软件能力会被 Agent、MCP、API 或自动化流程调用。

人不一定每次都登录系统、点击按钮、配置字段。AI 可以替人调用底层能力，拿数据、跑流程、生成结论，再把需要人判断的部分推出来。

数阔看得很清楚。八爪鱼采集器真正有价值的，已经不只是上层怎么操作。

底层采集环境、数据能力和自动化能力，开始变得更关键。

半仙说，给原有产品增加 AI 功能，当然能让人更好上手，但如果产品对象已经变了，只做这一层远远不够。

这也是数阔今年 5 月以后重新调整产品和业务打法的原因。

01 AI 落地，不能只看一个 Agent

数阔分享了两个客户案例。第一个是跨境汽配公司桑椹，年营收 10 亿级，约 600 人规模，有 40 多人的 IT 团队。

这个客户在亚马逊上有大量 ASIN（Amazon Standard Identification Number，亚马逊标准识别号）链接，价格、评论、排名、购物车状态、竞品促销、广告动作都可能影响利润。

以前这些信息靠人盯。运营团队会定期看页面、查数据、跟竞品。但问题是，人很难做到每小时看一遍，也很难长期保持同样的覆盖频率和判断标准。

数阔给它搭了一套闭环。

RPA 机器人负责采集亚马逊前台页面，补足 API 拿不到的数据。AI 负责对异常信息做降噪、分类和分发。钉钉机器人把不同紧急程度的预警推给对应运营。数据再沉淀到 AI 表格里，后续可以查询、分析和复盘。

人在什么时候出现？

人在收到预警之后，判断要不要调价、要不要补货、要不要跟进竞品促销、要不要修复折扣。半仙说，AI 可以告诉你发生了什么，也可以给出建议，但策略决策仍然是人的职责，并且人也要确保给AI的数据是正确的。

这套分工很清楚：RPA 负责采集和执行，AI 负责建议，人负责判断。

它也解释了为什么数阔一直强调，企业 AI 落地的最小有效单元是完整业务闭环。一个 Agent 可以完成一个动作，但业务价值要从数据进入、AI 判断、系统执行、人类确认、结果度量这一整条链路里产生。

这对 ToB 软件公司很有启发。

很多时候，客户要的并不是一个“会回答问题的 Agent”。他们真正需要的，是一个能接住业务任务、跑完流程、交付结果的系统。

02 数字员工的背后，是人和机器重新分工

第二个案例来自一家国内电商卖家「笑驴AI」。它用 7～8 个数字员工，重做了从选品到上新的流程。

以前，运营助理要人工检索市场数据、找关键词、看竞品；设计要根据运营描述做图，来回改稿；最后再由人工完成商品信息和视觉素材组装。

一个店铺每周大约上新 10 个品，产能很大程度取决于人的时间和状态。

改造之后，凌晨就有 RPA 机器人开始采集全品类近一年的关键词趋势和竞品数据。AI 智能体分析哪些关键词未来可能上涨，哪些品类有体量、竞争度可控、利润空间也成立。RPA 再去拉销量和投流数据，AI 继续筛选。

人拿到的不再是一堆原始数据，而是一份有依据的候选清单。

到视觉环节，AI 会拆解竞品表达和卖点，生成方案。

人只需要判断这个方案是否符合品牌调性和合规要求。最后，RPA 自动组装商品信息、视觉素材并上架。

原来 3 个人协作跑完的流程，现在 1 个人可以跑；单店每周上新从 10 个品提升到 50 个品。

比数据更重要的，是背后的分工变化。

客户坦言，这件事的重点，是重新分配人和机器的分工。

重复、有明确标准的事情，交给数字员工。商业判断、对外谈判、审美和价值兜底，交给人。这样一来，人从流程执行者，变成流程决策者。

这是 AI 对组织最实际的改变。

它不一定先表现为组织架构图变化，而是先发生在每天的工作里：谁来找数据，谁来判断异常，谁来执行动作，谁来负责结果。

03 软件公司真正值钱的，可能会回到底座

聊到产品变化时，半仙讲了一个更大的判断。

他说，采集器、BI、CRM 这类产品，未来真正有价值的部分都会回到底座。BI类公司有数据标准化底座，CRM企业有业务流程和客户数据底座，采集器类公司有采集底座和环境能力。

以前软件公司会在底座上搭很多上层界面和功能。用户点按钮、填字段、看报表、跑流程。

现在，AI 可以直接调用能力，也可以快速生成界面、图表和临时应用。上层界面当然还需要，但长期价值会向底层能力集中。

这也是为什么数阔会开放 MCP、OpenAPI、CLI，让八爪鱼的采集能力被 AI 和业务系统调用。

这个变化会改写产品经理的工作。

以前做产品，很多精力放在功能、页面和操作流程上。现在还要问：这个能力能不能被 AI 调用？调用边界是什么？权限怎么管？失败怎么处理？数据能不能追溯？客户把它接进自己的流程后，谁来承担结果？

所以半仙说，产品更多是在做底座，做支撑交付相关的能力。

这句话对很多 ToB 软件公司都很现实。

AI 时代，客户未必只买一个界面功能。客户更在意的是，这家公司有没有稳定、可信、可调用的能力，能不能被放进自己的业务闭环里。

04 产研协作，从横切变成竖切

AI 时代，数阔内部变化最明显的是产研。

以前一个需求进来，产品经理做调研、写需求、出原型，设计接过去，研发再开发，测试再验收，最后交付给客户。

每个岗位都负责自己的一段，链条清楚，但交接和等待也很多。更麻烦的是，端到端结果很难由一个人负责。

现在数阔更倾向于按需求或项目 owner 制推进。一个人，或者 3 到 5 人的小团队，直接面向业务结果闭环。

需求梳理、原型、代码生成、测试、Code Review，这些执行工作都可以交给 AI 做一部分。人要负责的是目标确认、边界定义、上下文提供、AI 输出审核、客户交付和结果兜底。

采访中有一句话我印象很深：工作拆解要从流程的横切，转向按结果的竖切。

以前是产品、设计、研发、测试按职能横向切开。现在是围绕一个需求、一个项目、一个结果，从头到尾切出一个小闭环。

这个小团队要理解客户，也要理解技术，还要知道 AI 能做什么、不能做什么。

这就牵出了数阔对人才的重新定义。

以前大家常说 T 型人才，有一项深度的专业能力，再加一些横向能力。数阔现在提出复合的 π 型人才：业务理解能力、专业深度、AI 协同能力。

AI 可以帮人写初稿、写代码、整理资料、生成 demo。可客户沟通、需求理解、问题定义、责任心，这些更难靠 AI 补上。

半仙说，优秀的人用 AI 会更优秀，差距也会被拉大。

05 踩过 Vibe Coding 的坑，才知道规范多重要

数阔也踩过坑。

半仙复盘过一次 Vibe Coding 的失败。有段时间，团队广泛使用 Vibe Coding 做研发，一个重要项目最后做得很不理想，前后浪费了大量的时间，最后几乎重写。

问题出在哪里？

问题不只是能不能用 AI 写代码。更深的问题是，人对 AI 的驾驭能力不够，工程规范不够，协作方式还是老的，每个人只管自己一段。出了问题以后，也容易把责任推给 AI。

这件事后来倒逼数阔建立 AI 驾驭工程和安全防护栏。

• 公司级要把控方向、数据安全和合规边界；
• 团队级要维护公共上下文、公共 Skill、资产和知识库；
• 项目级要在真实场景里跑通闭环；
• 个人级要能基于标准贡献、维护和执行。

这部分特别值得留意。

因为很多公司一开始用 AI，会先被速度吸引。

原型很快，页面很快，代码也很快。但软件公司真正交付给客户的东西，不能只看快。它还要稳定、可维护、可追溯、可验收。

AI 让产研变快，也会让“工程债”来得更快。最后能不能跑起来，仍然要看上下文、标准、架构、测试和责任。

06 写在最后

和半仙聊完，我对数阔最大的感受是：他们很早就把 AI 从“工具提效”往“业务闭环”上推。

一个跨境电商客户，用 RPA 采数据，也让数据、预警、判断和运营动作连起来。

一个国内电商客户，让 AI 帮人写文案或做图，也把选品、视觉、上新和复盘放进一条自动化链路。

数阔自己也不只给产品加 AI 功能，它把采集、CEM、RPA、数据服务这些能力重新放到 AI 可调用的底座里。

这背后其实是同一个问题：AI 之后，软件公司到底靠什么继续创造价值？

如果界面可以被 AI 生成，如果代码可以被 AI 辅助，如果很多功能都能被快速复制，那么真正有价值的可能会回到底层能力、业务理解、数据质量、流程设计和结果责任。

对 ToB 软件公司来说，AI 转型也许不是先把公司改成一个很漂亮的新组织。

更真实的变化，往往发生在一条条业务链路里：

• 销售和售前能不能更早做出 demo；
• 产品能不能沉到底座；
• 研发能不能理解客户；
• 客户成功能不能盯住结果；
• 一个小团队能不能从头到尾负责一个闭环。

数阔最后给出的答案很短：重新定义人才标准，重新定义协作范式。

这句话听起来大，但在它的案例里并不虚。因为当 AI 开始替人找数据、跑流程、生成方案、执行动作，人真正要承担的，反而更清楚了：定义问题，做判断，负责任，把结果拿回来。

栏目介绍 

本文为《ToB 软件 / SaaS 企业 AI 转型组织白皮书》的样本访谈采访手记。数阔信息在 AI 时代的转型组织样本将收录于白皮书。



关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/