老牌软件加入 AI，垂直创业公司还能赢在哪里？

一家创业公司做出一个能读取客户资料、回答销售问题的 AI 产品。演示很顺畅，客户也觉得方便。几个月后，客户原本使用的 CRM 推出类似功能，采购负责人开始问：已有系统里也能做，为什么还要买一个？

这是垂直 AI 团队必须面对的竞争。a16z 的 Seema Amble 在《The Incumbents Are Coming》中指出，传统软件厂商拥有的数据和动作权限，在智能体开始执行工作后会更有价值。创业机会也需要重新理解。

聊天入口改变了，业务系统仍然重要 #

原文以 Salesforce 与 Anthropic 的 Claudeforce 为例，讨论从 Claude 中操作 CRM 的方向，并对厂商宣称的能力保留了限定。

这里有一个容易混淆的变化：用户少打开一次 CRM，不代表 CRM 里的客户记录、权限和业务动作失去了价值。聊天界面可以移动，可靠保存事实和执行操作的系统仍然需要存在。

对创业公司而言，做出一个更舒服的入口只是第一步。它还需要回答：客户为什么要持续把工作交给这个产品？

从找资料到作判断，责任越来越重 #

原文将应用层 agent 分成检索、流程、政策和自主判断四类。可以用一个假想的退款流程理解这段递进。

检索助手找到退款条款；流程 agent 根据输入填写退款申请；政策 agent 判断这笔申请是否符合公司的规则；更自主的 agent 则可能结合客户关系与成本，决定是否给予特殊处理。

每一步都多承担了一部分责任。找到条款可以检查出处，执行动作可以核对系统结果，判断例外则需要明确谁能批准、哪些证据足够。

因此，产品向更高自主性发展时，评估方法也要变化。回答看起来合理，还不足以说明处理结果对业务有益。

完整工作常常跨过几个系统 #

传统厂商的优势是深度掌握自己的系统。垂直产品的一种机会，则来自某项工作实际跨越多个系统。

例如处理供应商延期：订单在采购系统，承诺在合同里，库存属于另一套系统，客户交付时间又在销售记录中。一个产品若能把这些信息连接起来，识别真正受影响的订单，并推动相关负责人完成处理，就可能创造额外价值。

但接入数量并不是充分证据。接了五个系统却只汇总信息，客户仍然要自己判断、找人和追进度。产品需要逐步证明，它能承担这项工作中有价值的部分。

学习闭环，要学会解释一次修改 #

垂直 AI 经常强调自己能从专家反馈中学习。这里最重要的细节，是知道反馈为什么发生。

假设专家修改了一份建议，原因可能是资料过时、公司政策变化、法律判断有误，或只是表达风格不合适。把这些修改全部归为模型错误，会让系统学到混乱的信号。

更有价值的反馈记录，应能还原当时的输入、依据、建议、专家修改和最终结果。团队才有机会判断某一类失败是否减少，也能避免把客户甲的规则误用到客户乙。

这种机制需要成本。专家时间、反馈质量和任务频率，都会影响改善速度。保存了历史记录，不等于已经形成持续优势。

创业公司的起点可以更具体 #

面对老牌厂商，垂直团队可以先选择一项边界清楚、经常发生、专家能够评价的工作。

例如，与其承诺“成为销售团队的 AI 大脑”，可以先证明自己能更快完成某类报价审核：资料齐全，依据可见，例外有人处理，结果能回到业务系统。之后再沿着客户已经信任的工作扩展。

客户最终比较的是完成工作需要多久、要多少人工介入、出错后怎样恢复，以及持续使用是否划算。传统厂商有基础，创业公司也有聚焦的空间；双方都需要通过真实交付证明能力。

---

本文结合 Seema Amble 于 2026 年 9 月 3 日发布的 a16z 原文 展开讲解。退款、供应商和报价场景为假设；四类 agent 是概念框架，产品案例未在本文做生产验收。