本文来自微信公众号： ToB老人家 ，作者：王戴明
曾经有一位软件公司老板找我咨询。
他本身就是那个行业里的专家，有很高的威望，客户也很认可他。所以这家公司最开始根本不缺客户。
但奇怪的是，他的软件公司做得一塌糊涂。
客户买了以后，用得不好，续费率也很惨淡。后来他干脆把公司关掉，彻底结束了自己的软件生涯。
这位老板代表了一类很特殊的软件公司：它们的主业本来不是软件，而是某个行业里的业务公司或者咨询公司。它们非常懂行业痛点，也有自己的管理思想，所以最后忍不住亲自下场，想做一款真正解决行业问题的软件。
这个逻辑听起来非常合理。
既然现有软件不好用，那最懂业务的人亲自下场，不是最应该成功的吗？
但现实恰恰相反。
我以前负责快消品SaaS的时候，就见过类似的事。快消品行业有一位很有影响力的咨询大咖，当时公开说，现在的快消品软件都太垃圾，所以他要自己做一款真正有用的软件，而且半年后就正式推出。
但后来，这款所谓的完美软件再也没有了消息。
这不是个例。过去很多行业专家下场做软件，最后都不太顺利。
我们总认为企业软件的核心是管理思想，但其实真正决定一个软件能不能活下来的，是能不能满足客户的个性化需求，能不能把产品做成标准化，能不能低成本交付，能不能让客户持续续费。
而这些，恰恰是这些行业专家最不擅长的事情。
行业专家最容易犯的错，是以为自己脑子里的方法论，只要做成系统，客户就会愿意用。
但软件不是一本书，也不是一次咨询。
咨询可以靠专家本人解释、调整、现场判断。软件不行。软件要把这些判断变成产品功能、配置页面和交付流程。
这里面任何一环没做好，项目就会变成定制泥潭。
客户说这里要改，那里也要改。你不改，客户觉得软件不贴业务；你都改，产品就越来越重，交付成本越来越高，最后看起来有客户、有项目，但越做越累。
所以过去“咨询+软件”这条路，听起来很美，但真正跑通的不多。
但进入AI时代，软件行业开始发生两个巨变。
第一个巨变，是研发门槛正在快速下降。
软件研发当然还是需要程序员。但过去很多必须用代码、算法实现的逻辑，现在可以用自然语言来实现。
比如现在很多AI软件里的提示词，本质上就是自然语言写出来的代码。
再比如Vibe Coding。它当然不能完全替代程序员，但确实大幅降低了软件研发的门槛。
这对行业专家很重要。
过去他们最痛苦的地方，是懂业务，但很难把业务理解变成软件。现在，大模型正在大幅度降低研发门槛。
更关键的是第二个巨变：AI软件成败的核心，正在从“功能做没做出来”，转向“业务规则有没有被梳理清楚”。
做过企业AI的朋友应该都有一个感触：数据是AI成败的关键。
但这里说的数据，不是传统软件里的字段和记录。
而是业务SOP，也就是那些藏在业务专家脑子里的隐性知识。
很多业务专家自己都没有系统梳理过这些东西。他们平时靠经验和直觉。客户问一句，他知道怎么答；项目现场出一个问题，他知道怎么处理。
但如果你让他把这套判断拆成SOP，他根本就说不清楚。
传统软件公司想从这些人脑子里把SOP挖出来，难度可想而知。
这也是为什么企业AI交付会变得不一样。
我最近陪跑的一个AI项目，也让我深刻地感受到这一点。
这个项目里，产品、技术、交付当然都很重要。但如果真要说谁最不可替代，我觉得是那个业务专家。
因为他知道客户现场的真实规则，知道哪些判断是对的，哪些输出看起来像那么回事但其实没用。
这两个巨变放在一起，就会带来一个结果：
过去那些做软件一败涂地的行业专家，可能真的迎来了新的机会。
因为AI正在弥补他们的短板，同时放大他们的优势。
他们过去缺的是把业务理解变成软件的能力。现在，这个门槛正在下降。他们过去最有价值的行业经验，正在变成AI应用能不能跑起来的关键。
所以我觉得，未来会出现一类新的软件公司。
它不是传统意义上的SaaS公司，也不是纯咨询公司，更不是简单做一个AI套壳产品。
它更像是“咨询+AI产品+交付”的混合体。
咨询提供行业Know-How，AI产品把这些Know-How放大，交付把它落到客户现场，再把经验沉淀回产品里。
过去这条路很难走通。但AI时代，这条路迎来了新的机会。
当然，这不意味着行业专家一定会赢。
如果一个行业专家只是觉得自己懂业务，然后找人做个系统，最后还是会死在老问题上。
真正有机会的人，是能把自己的行业经验拆成SOP、规则、测试集，拆成可以复制的产品和交付方法。
换句话说，懂业务只是起点。
能不能把业务Know-How产品化、标准化、交付出来，才是分水岭。
AI时代，代码本身会越来越便宜。
但代码背后的业务Know-How，会越来越值钱。
过去很多行业专家做软件失败，是因为他们只有Know-How，却很难把它变成一款真正能交付的软件。
现在，这个机会终于重新打开了。
