当HR SaaS企业全力投入AI转型两年后，却发现战略落地陷入困境。从最初的内嵌AI助手到构建多智能体群，再到All in One平台，每一步看似技术升级实则暴露战略失焦。本文深度复盘中小SaaS企业的AI转型困局，揭示在资源有限情况下如何平衡技术追逐与商业本质，找到垂直领域与AI结合的真正破局点。

2024年4月2日，领导宣布：我们“正式”进入全员AI办公时代。每人注册ChatGPT账号，学习AI相关技能，并在实际工作中分享案例。

与此同时，作为一家中小型HR SaaS公司，我们的产品战略也发生了“根本性”转向——全面AI化。换句话说，价值体系从快速响应客户需求，调整为优先确保AI产品落地。

两年过去了，结果如下：

• AI办公：产研伙伴公费配备了Trae账号，非产研伙伴使用豆包（免费）。使用情况呈明确的金字塔结构——极少数人深度使用，绝大多数仍停留在“代替百度一下”的层面。
• AI产品：从商业角度看，处于典型的 “战略性亏损”阶段。说得直白些，就是做了不少AI产品探索，真正付费的客户寥寥无几。

为什么会这样？

今天，我们一起来复盘，试图找到一个答案——一个中小型SaaS企业在AI时代，应该如何转变产品思路。

我先抛出两个观点：

1. 用户价值：AI是工具，是生产力变革级别的工具，但同样无法违背基本商业逻辑。商业的起点是用户价值——有了用户价值，商业价值才有了前提。
2. 长板理论：每个人、每家企业都有自己的长板。如果AI使用得当，它是buff叠加器；使用不当，反而会进一步削弱企业竞争力。

这两个观点我们先放在这里，稍后再回看。现在，让我们把视线拉回到时间轴上，一起梳理这两年AI产品的落地实践。整个过程可以划分为六个阶段：

阶段一：AI助手阶段（2023年4月—2024年4月）

使用角色：招聘HR、绩效HR等

核心技术：提示词＋AIGC

核心产品：内嵌于已有SaaS产品，无独立产品形态

核心场景：招聘环节用AI撰写职位描述、面试问题；绩效环节用AI撰写沟通反馈等。例如，招聘HR在发布职位时，可直接调用AI助手生成职位描述，一键回填至招聘流程。

产品形态：AI助手完全嵌入现有SaaS，贴合用户使用场景，无独立入口。

这个阶段属于 “史前阶段” ，发生在2024年2月之前，采用最原始的AI能力。

阶段二：内部效率工具（2024年4月—7月）

使用角色：客服、客户成功、实施经理、销售经理

核心技术：RAG＋提示词

核心产品：AI考勤助理、AI绩效助理、AI员工助理、AI薪酬助理、AI招聘助理、AI销售助理等

产品形态：钉钉AI助理平台＋钉钉聊天入口

核心动作：搭建全新知识库，涵盖产品手册、常见问题、案例实践等，作为AI助理的知识支撑。

核心场景：内部伙伴对产品操作或规则不清楚时，直接在钉钉群或私聊中咨询对应AI助理。例如询问年假发放规则、如何进行成本拆分等。

阶段三：HR助理（2024年6月—9月）

使用角色：人力专员、员工

核心技术：RAG＋提示词

核心产品：HR助理（自建）

产品形态：自有SaaS平台＋独立入口

核心动作：通过自建Agent，为管理员和员工构建完整的HR助理闭环。管理端支持上传企业薪酬、考勤、假期规则、合同等，构建私有知识库；员工端可查询企业制度与政策。

核心场景：HR在电脑端维护知识库，设置权限，让HR助理学习；员工对企业制度有疑问（如产假规则）时，直接咨询HR助理，由后者基于知识库作答。

阶段四：多智能体群

使用角色：人力专员、人力经理、员工、部门负责人

核心技术：提示词＋Function Call＋Agent

核心产品：数据决策Agent、绩效管理Agent、假勤管理Agent、成本管理Agent等

产品形态：自有SaaS平台＋独立入口＋Agent群

核心逻辑：围绕核心用户的需求场景，以工程化思维和穷举思维，像做项目一样逐步构建多个智能体，每个智能体独立解决某一领域的问题。

核心动作：每个智能体单独编写提示词，封装对应API接口，打通内部数据，完整走标准项目流程（立项—研发—测试—上线）。

核心场景：用户遇到某个领域问题（如“如何提升绩效”），可在电脑端或手机端选择对应Agent（如绩效管理Agent），通过自然语言完成绩效数据报告的生成（数据图表、问题分析、行动建议等）。

阶段五：All in One智能体

使用角色：人力专员、人力经理、员工、部门负责人、老板

核心技术：提示词＋ReAct＋工具链

核心产品：MeAI平台

产品形态：自有SaaS平台＋单一入口＋MeAI

核心逻辑：用户层面统一入口，无需区分使用哪个Agent；产品层面统一调度，MeAI根据用户输入判断调用哪个工具（数据查询、报告生成、假勤申请等），自动输出结果。

核心动作：将原先独立智能体的能力拆分为原子级工具。例如，数据决策Agent原本将数据调取、看板生成、报告生成封装在一起，现在拆为三个独立能力。

核心场景：用户输入问题（如“如何提升绩效”），MeAI自动推理并调用工具（查询绩效、薪酬、考勤数据，调用看板绘制能力等），最终输出绩效报告。

这一阶段发生了两个 “小插曲”。

第一个插曲：抽调部分资源，围绕SaaS产品个性化需求的插件平台，研发了一个内部AI编程工具，让非产研伙伴（客服、客成、实施等）通过自然语言编写插件，满足客户个性化需求。

第二个插曲：MeAI平台的用户角色发生变化。原本聚焦于人力专员、HR等SaaS产品核心角色，中途转向企业内部所有角色（不再局限于HR SaaS产品的用户，而是包括销售、运营、营销等），目标成为更通用的B端AI产品。

阶段六：MeClaw

使用角色：运营、销售等

核心技术：OpenClaw

核心产品：MeClaw

产品形态：云部署的Claw

核心逻辑：帮助企业低成本构建自己的Claw，让每个角色都能“养”自己的龙虾，冷启动角色以运营为主。

核心动作：以角色（如运营）的工作流为核心，构建对应Skills，打通上下游系统。

核心场景：以自媒体运营为例，“龙虾”可自动选取主题、生成内容，自动登录公众号（草稿箱）、小红书等平台完成分发。

如果你看完了上面的旅程，可能会有一个感受：做了很多事，眼花缭乱，甚至分不清不同阶段的区别。

是的，这正是最关键的问题。

我们像一只被意外装进AI瓶子里的苍蝇，拼命挥动翅膀，到处乱撞，却忘了自己是一只“苍蝇”——我们有既定的基因、主业和边界。

作为一家创立多年的HR SaaS企业，我们的基因是互联网产品基因——“小步快跑，快速迭代”的工程化思维，以快速验证用户价值为基础；是 “定位—聚焦”的价值体系，聚焦人力资源的入转调离、招聘、绩效、考勤、薪酬、培训等关键场景，提供以HR、HRD、老板为核心角色的订阅制SaaS产品，助力客户数智化转型。

然而，在资源极度有限的情况下，我们服务的用户角色一直在飘忽不定：一会儿想解决内部客服效率，一会儿想解决产研效率，一会儿想解决HR的问题，一会儿又想解决HRD的问题，甚至还想解决内部销售效率问题。产品形态、定位、技术选型随之变化，而这些变化与老板的关注度高度重合。

这些都是表象。深层原因是：“All in AI”的战略，只是一个口号，并未真正落地。

• 战略层面，我们一直有3—4个产品方向并行——本地化/SaaS产品迭代、插件化市场、AI、国际化。我们只听到“今年要聚焦AI”的口号，却没有听到“今年聚焦AI，放弃国际化、放弃插件化、放弃本地化/SaaS产品迭代”的决断。至少，没有做到绝对的资源倾斜——80%资源投入AI，其余20%留给其他方向。
• 产品层面，我们始终没有找到清晰的产品定位，更谈不上完成PMF。某个客户的老板心血来潮问一句：“你们有AI产品吗？”“有预算吗？”“有，10万以内可以考虑。”于是我们就做了一个对应的AI产品。等差不多上线时，对方冷静下来，严肃地问：“你们的AI助理，跟飞书、钉钉有什么区别？”我们回答：“我们有上千家客户的私有数据，还有多年积累的行业Know-How，更能精准解决你们的问题。”对方说：“开通给我试试？”试用后，就没有然后了。
• 技术层面，我们的人才储备仍停留在互联网产品阶段，对AI技术、产品的认知全靠自学，研究深度和学习速度远远落后于最新技术1—2年。而AI技术的升级速度远超我们的学习速度——我们追RAG，追Function Call，追ReAct，追MCP，追Vibe Coding，追Skills，追OpenClaw，越追越远，越远越想追。

但有两个问题，我们始终没有回答：

• AI时代，HR SaaS的产品形态可能是什么？
• 我们做AI产品的独特价值在哪里？

互联网时代的SaaS产品形态是GUI——用户用眼睛看，用鼠标点击，完成操作。这种形态会如何演变？

目前，一个阶段性的答案是CLI——用命令行加Skills的交互方式，通过自然语言对话即可完成指令与动作。C端产品如通义千问，已能帮用户点外卖、打车；B端产品如钉钉的悟空，也在帮律师、HR、店长完成自己的工作流。

如果继续推演，最终产品形态会是 “SaaS软件＋AI Agent” ，还是像Claude Code那样，完全由CLI（或Chat）＋Skills＋工作流编排组成？

以考勤为例。

现有流程：员工通过SaaS的GUI界面完成打卡、请假、加班等操作，管理员从工作台确认与统计。这是软件时代的交互模式。

加上AI Agent后，可能演变为：员工通过聊天IM的自然语言（含语音）完成操作，AI Agent自动确认、异常提醒；管理员也可在聊天窗口用自然语言指令，获取任何形态的结果（如Excel或邮件），甚至直接将分析结果分发给目标用户。

这个过程中，原有的GUI界面保留，AI Agent只是另一个入口。

如果SaaS的GUI界面彻底消失（即所谓 “SaaS已死” ），那么对员工或管理员来说，可能只剩下一个命令行工作台或唯一的Chat入口。一切从自然语言描述的需求开始，AI识别意图后自动完成操作（打卡、请假、统计、分析、优化流程等）。当需要界面呈现时，AI直接调用编码能力生成相应界面——例如，管理员想查看每天有异常的员工，AI就绘制一个日历页面展示异常情况。

但这里存在一个问题：如果交互形态变成后者，企业的管理模式是否也必须变革？现有的管理模式基于固定工作流编排（如请假必有审批流程和审批节点）。如果模式不变，工作流不变，那么Chat或命令行方式未必符合多数人的习惯，也不一定符合边际经济收益——实时生成编排工作流或界面的成本较高。

如果把人机交互抽象为 “大脑＋眼睛＋手”的组合——大脑负责思考与决策，眼睛负责识别与验收，手负责执行——那么以OpenClaw为代表的新产品形态，用大模型替代大脑，用Skills替代手，但 “眼睛”这一部分似乎很难被替代，尤其是需要视觉化呈现的内容。

因此，无论技术如何演进，可视化页面的价值始终存在。只是随着技术进步，它可能从100%预编排的模式，演变为更灵活的编排模式——工作流、规则被拆解为原子能力，部分预编排，部分动态编排，甚至根据需求实时生成新的编排能力。

除了产品交互形态，我们还需要回到另一个问题：中小型SaaS企业做AI产品转型的独特价值在哪里？

前面提到，我们的劣势很清晰：资源不足、人才密度不够。

优势呢？船小好调头、垂直领域的私有化数据、垂直领域的行业Know-How。

但这些优势能成立，前提是战略必须聚焦。战略方向上，必须明确唯一的产品方向；用户客群上，必须明确核心客群，最好与现有客群重合；产品方向上，也必须明确唯一的产品。除非这个产品确定无法完成PMF，彻底宣告失败，才可启动另一个探索。切忌多个完全不同方向的产品同时推进。

私有化数据的挖掘与训练，可能是一笔巨大的投入，甚至需要引入专有高阶人才进行预训练。更现实的切入点，或许是把领域内的Know-How高效转化为对应的Skills，确保它们真正成为生产力。

比如制造业，500人的绩效与薪酬管理问题，如何从方法论层面拆解为可落地的解决方案，转化为可执行的能力，赋能不同角色拿到结果？

HRD关注的是 “方法论＋解决方案＋效果”的工作流组合；HR关注的是 “工作流编排落地”的Skills。

不同行业、不同企业阶段、不同管理理念的企业，各有各的诉求。而你的Know-How，就是将这些诉求私有化并落地执行，帮助他们拿到符合预期、甚至超预期的结果。

这套循环的本质是：业务方法论 → 专属解决方案 → 工作流编排Skills → 成果收益。

写在最后

两年前，我们喊出“全员AI办公”时，多少带着点兴奋和焦虑的混合情绪。两年后回头再看，AI确实改变了一些东西，但远没有改变所有东西。它没有让我们的产品一夜之间脱胎换骨，也没有让我们的客户蜂拥而至。但它确实逼我们回答了一个问题：我们到底擅长什么，以及我们到底想去哪里。

对于中小型SaaS企业而言，AI不是灵丹妙药，而是一面镜子。它照出了我们的长板，也毫不留情地暴露了我们的短板。真正的机会，不在于跑得最快、追得最猛，而在于清楚自己是谁、手里有什么、能帮谁解决什么问题。

或许，AI时代正确的姿势，不是“All in AI”，而是 “All in 我们自己” ——把长板磨得更利，把护城河挖得更深，然后用AI把这一切放大。

毕竟，工具终究是工具。能跑多远，看的从来不是脚下的路，而是赶路的人。