最近科技圈開始流行一個說法：AI 會殺死 SaaS。如果 AI 可以直接回答問題、生成報表，甚至幫你完成工作，那企業還需要那麼多 SaaS 系統嗎？這種說法似乎很合理，但如果仔細看 Databricks CEO Ali Ghodsi 最近的一段訪談，你會發現事情其實完全不是這樣。
Ali Ghodsi 和很多科技公司老闆不太一樣。他沒有說你的工作很快會被 AI 取代，也沒有說 AI 會讓公司獲利暴增，更不會帶你去逛夜市。他只是很務實地談了一件事：在 AI 時代，結構化資料與決策之間的關係。
他之所以能如此冷靜，是因為 Databricks 剛交出亮眼的成績單，營收運轉率達 54 億美元，其中超過 14 億來自 AI 產品。他有足夠的底氣與資金準備期（runway），可以從容地說實話。
AI 也許會改變 SaaS 的外表，但它並沒有改變 SaaS 的本質。
一、企業不會搬動 System of Record
在訪談中，Ali Ghodsi 談到一個非常核心的概念：system of record。他直接說：「Why would you move your system of record? It’s hard to move it.」企業的 system of record 很難搬動，不只是技術問題，而是組織問題。這些系統裡面存放的不是一般資料，而是企業最核心的營運紀錄，例如銷售紀錄、客戶資料、財務帳務、供應鏈流程與庫存變動。
這些資料背後不只是資訊，而是整個企業的流程、責任與合規結構。要搬動 system of record，等於重寫企業的運作方式。因此企業不會因為 AI 的出現就把 SaaS 核心系統拆掉重建。
二、AI 改變的是查詢介面，SaaS 的 UI 將逐漸隱形
Databricks 推出的 LLM 產品 Genie，其實正好說明了 AI 真正改變的地方。Genie 的核心概念很簡單：把原本需要 SQL 或報表工具的查詢，變成自然語言。例如 CEO 自己會直接問 Genie，為什麼某幾天 warehouse usage 和 revenue 突然上升。過去這個問題可能需要資料工程師寫 SQL，或者使用 BI 工具建報表；現在只需要一句自然語言。當系統的介面變成語言，任何人都可以直「問資料」，而不是「查資料」。這不僅讓查詢門檻大幅降低，更帶出 Ali Ghodsi 的另一個重要觀察：過去 SaaS 的護城河之一，其實是使用者習慣。企業花了大量時間訓練員工如何操作某個 SaaS 的 UI，例如 Salesforce、Workday 或 ServiceNow。他甚至說：「Millions of people have been trained on those user interfaces。」
但一旦介面變成語言，這個護城河就會開始鬆動。使用者不再需要學習某個系統的操作方式，只要會說話就可以使用系統。於是 SaaS 的 UI 不再是入口，而只是背後的系統。也正因為如此，他才會說未來的產品會變得像 plumbing（水管）一樣隱形地存在於背後。
三、LLM 改變了查詢與分析方式，但資料與分析不等於決策
到這裡為止，我其實完全同意 Ali Ghodsi 的判斷。但如果再往前推一步，你會發現他談到的其實只是其中一個層次：Query（查詢）。LLM 確實讓查詢變得非常容易，任何人都可以問資料庫問題，但這並不代表決策可以自動化。在很多 AI 的敘事中，決策常被描述成一條線性的流程：Data → Analysis → Insight → Decision。彷彿只要資料夠多、模型夠好，AI 就能自動給出答案。但在現實世界中，決策很少是這樣發生的。
企業真正困難的往往不是找答案，而是選擇方向。例如是否進入新的市場、是否收購某家公司、是否調整產品策略，或是否改變組織結構。這些問題往往沒有標準答案。更準確的說法其實是：LLM 改變的是 Query，而不是 Decision。AI 可以幫你撈資料、分析模式、生成洞察，但真正的決策仍然是一種價值判斷。
四、Sensemaking 才是決策的起點
從知識的角度來看，AI model 其實只是 knowledge 的一個子集合。模型學到的是資料中的模式與關聯，但 knowledge 不只包含模式，也包含情境、經驗與詮釋。因此模型可以提供答案，但它無法替你完成對局勢的理解。在複雜情境中，決策者往往需要先做的不是分析，而是 SenseMaking。也就是理解局勢、辨識張力、重新定義問題。
有人曾用一句話精準形容：「Data is fuel. AI is fire.」但這個比喻留下了一個致命的懸念：火什麼時候該點？應該往哪裡燒？誰決定要點火？這些判斷往往超越資料分析，它們是意義與價值的權衡。
五、AI 也沒有改變輸入介面
另一個值得注意的是，很多討論 AI 取代 SaaS 的人，其實忽略了一件事情。企業系統不只是用來查資料，更重要的是建立資料。企業的核心資料通常是交易資料，例如訂單、庫存、發票、會計分錄與客戶資料。這些資料不會憑空出現。有些人會舉「無人商店」為例，認為 AI 已經取代了第一線的輸入與操作介面。但這其實是錯將「自動化」與「AI」混為一談。無人商店的本質，是標準作業流程（SOP）與硬體設備（如條碼、RFID、感測器）的極致結合。即使沒有 AI，這些第一線的資料擷取技術也一直在進步。把這當作 AI 殺死軟體介面的證據，實在並不恰當。
回到日常的企業場景，即使在使用像 QBoss 或鼎新 A1 這類的入門進銷存與財會系統時，建立一筆會計分錄時，也只需要填幾個欄位：借方科目、貸方科目、金額與日期。如果改成對 AI 說「幫我建立一筆銷貨收入分錄，金額 12000，客戶 A 公司」，理論上 AI 也能完成。但在實際操作時，直接輸入欄位往往更快、更精準，也更容易驗證。如果有一天，你將會計小姐的輸入介面改成一個對話視窗，她鐵定拿著美工刀殺過來。
在這些講求「絕對確定性」與「零誤差」的核心交易流程裡，AI 擅長的「機率性生成」反而會拖慢效率。因此 AI 可以讓查詢變成對話，但在很多核心交易流程裡，結構化輸入仍然是效率最高的方式。
結語：AI 不會殺死 SaaS
Ali Ghodsi 的觀點其實讓一件事變得很清楚。SaaS 沒有被 AI 殺死，它只是換了一種方式存活。介面會變成語言，查詢會變得更普及，產品會逐漸隱形，像 plumbing 一樣在背後運作。但資料仍然需要被建立，交易仍然需要被輸入，決策仍然需要人來完成。在未來的企業裡，最稀缺的資源不再是「解決問題的人」，而是能在混沌中「精確定義問題」的人。AI 可以回答問題，但「問題是什麼」，仍然必須由人來定義。
參考資料：
TechCrunch《Databricks CEO says SaaS isn’t dead, but AI will soon make it irrelevant》
