Linkloud 引言
很少有企业能在不实施强制裁员的情况下，将团队规模从7000人缩减至不到3000人，同时支撑起更庞大的业务版图。估值曾达450亿美元的金融科技巨头Klarna做到了——其核心驱动力正是全面落地的AI技术。
本期20VC对话Klarna联合创始人兼CEO Sebastian Siemiatkowski。作为全球“先买后付（BNPL）”模式开创者，他指出：软件创造成本正趋近于零；传统SaaS的数据壁垒正被AI Agent瓦解；重构AI-Native架构，将逐步打破金融等传统行业的垄断格局。
Klarna：从BNPL到数字财务助手
Klarna早已超越“先买后付”的单一标签。2023年9月，它以超150亿美元估值登陆纽交所，成为当年最受瞩目的科技股IPO之一。
这家坐拥1.1亿全球用户的公司，正致力于成为每个人全天候的“数字财务助手”，目标是打造纯数字版的American Express。
其底层优势在于自建支付网络，可获取含具体商品明细的完整“数字小票”——不仅知道用户在哪消费、花了多少钱，更清楚买了什么，从而实现精准比价与个性化推荐。
业务已从低频结账工具，扩展至点对点转账、发卡吸储、股票交易等全栈银行业务。
一、软件创造成本归零：传统SaaS护城河的瓦解
1. 开发门槛消失，“躺赢”时代终结
在AI辅助下，软件开发成本持续走低，技术门槛大幅下降。真正挑战正转向数据迁移成本。
传统SaaS的核心护城河长期依赖极高的用户迁移成本：企业运营数据被深度绑定在CRM或垂直系统中，结构化程度高、互操作性差，导致用户即使不满也难以更换。
但商业本质终将回归——无论开餐厅还是做零售，经营者每天都在拼尽全力提升客户满意度与转化效率。科技与金融行业亦无法回避这一现实。
2. AI Agent加速系统切换
AI Agent显著降低系统切换门槛。用户借助AI能力，可一键完成复杂数据从旧系统到新平台的无缝迁移。SaaS行业首次直面结构性威胁。
Salesforce、ServiceNow等大型ERP系统首当其冲。资本市场反应迅速：软件公司市销率已从峰值20–30倍回落至5–10倍区间。
二、重构底层技术：大企业必须走向AI-Native
1. 抛弃零散SaaS，打通数据孤岛
Klarna选择彻底停用外部SaaS订阅，自主重构全栈技术体系。
动因在于对高质量上下文的极致追求：若核心数据分散在项目管理、产品定义、财务等十余个独立系统中，AI将永远无法获得完整、准确的业务背景。
唯有将确定性代码、概率性代码与AI深度融合，构建统一的AI-Native企业操作系统，才能释放机器智能的真实价值。
除Slack等极少数不可替代工具外，“按环节采购专属工具”的旧模式已被全面摒弃。
2. 让AI直接读取代码解答问题
该架构变革在客服领域引发颠覆性影响：系统短期内即承担相当于600–700名全职外包客服的工作量，大幅节省人力成本，并重塑客户服务标准。
初期AI仅处理“本月账单是否支付”等高频简单问题；目标是让用户无需联系客服。但随着能力深化，真正的壁垒浮现——复杂金融咨询的关键逻辑，深藏于源代码的利息计算模块中，而非表面文档。
企业需要的，是一个能深度解析源代码、理解系统运行原理，并用通俗语言向客户解释复杂逻辑的“智能大脑”。这种能力无法通过采购通用方案实现，必须内化为核心技术栈的一部分。
3. 打造专属VIP服务体验
当基础问答由AI近乎零成本解决后，真人价值并未贬值，反而实现跃升。
Klarna采用类似Uber的共享模式，招募热爱产品、熟悉业务的忠实用户兼职客服。尤其覆盖偏远地区用户，提供更具人情味的服务。此举既增加用户收入，又推动NPS与客户满意度飙升至行业高位。
三、团队减半，业务翻倍：AI驱动的组织变革
伴随技术重构，Klarna组织架构发生根本性转变。管理层在提交涵盖点对点转账、股票交易、信用卡扩权、存款增长及国际汇款等复杂金融服务的转型计划时，同步提交了大幅压缩开支的预算表。
目前员工以年均约20%速度自然流失，预计2030年团队将精简至约2000人。多数职能部门持续收缩。
仅两类岗位被重点保留：
- 在全球50多个市场负责维护Nike、Shein等本地商户关系的人员；
- 为客户提供真实人际连接的客服核心骨干。
团队精简释放的利润反哺员工，人均奖金增长近50%，形成“高效运转—员工受益—安全感增强”的正向循环。
为应对欧美股权激励5–10倍差距，Klarna亦持续优化全球人才激励策略。
四、转型数字金融助手：在激烈竞争中破局
1. 各大FinTech机构的错位竞争
面对激烈竞争，Klarna反思银行未来形态，提出核心答案：一个全天候运转的数字金融助手。
例如，该助手可在清晨唤醒用户，并主动识别多付房贷利息，自动与银行重新谈判。企业不再定位为低频支付工具，而是迈向高频综合银行服务。
FinTech赛道呈现明显错位：Revolut聚焦跨境换汇与加密交易；Robinhood锚定炒股人群；而Klarna凭借网购场景起家，女性用户占比更高，更接近生活方式品牌，目标是打造数字版American Express。
2. 用深度数据构筑护城河
进军美国市场是全球化转型成败关键。若固守北欧与德国市场，Klarna将缺乏足够体量支撑长期发展，结局或是出局，或是被美国巨头并购。
在科技巨头、FinTech新势力与传统银行三方博弈中，深度数据资产成为最锋利的破局武器。
依托自建支付网络，Klarna系统沉淀的是带商品明细的“数字小票”，而非单纯交易金额。这使其能精准识别用户购买行为，提供高度个性化的消费建议（如推荐更低价同款隐形眼镜），构建起极强的竞争壁垒。
凭借差异化体验与品牌黏性，Klarna在美国快速积累3000万用户，活跃持卡人数数月内激增200万–300万。
五、人需要的是“智识顾问”，而非“电子宠物”
OpenAI正加速向大众消费品与娱乐平台演进，核心指标聚焦情感连接与用户停留时长，力求复刻《Her》式深度陪伴。这对普通消费者而言是成熟的商业路径。
但在理性至上的商业战场，盲目迎合毫无价值。高管面对复杂战略决策，需要的不是一味附和的“电子宠物”，而是敢于直言、指出逻辑漏洞的“智识顾问”。
Sebastian认为，这正是Claude赢得专业用户信任的核心——拒绝取悦人类，专注解决高难度专业任务。
六、算力压缩：AI到底节省还是浪费？
传统办公场景中，相同信息反复拷贝于Slack、Salesforce及各类文档，造成巨大算力浪费与管理混乱。
大模型训练并非机械搬运重复数据，而是在数学层面高效压缩——上百个版本的《罗密欧与朱丽叶》，最终抽象为同一“爱情故事”特征。
这种压缩能力使整个互联网智慧可浓缩至数百GB U盘。据推测，ChatGPT-5模型数据量或仅相当于全球两三天气象数据总和。
企业追求高质量与低成本的铁律，正推动一场前所未有的“数据大挤缩”。未来系统将借助AI识别能力，严守“单一真实来源”原则，如Wikipedia编辑般精准治理数据。
作为上市不久即投身AI浪潮的CEO，Sebastian每日面临严苛审视。尽管企业端AI普及节奏慢于消费端，但技术洪流不可阻挡。
对他而言，财富数字早已不是终点。真正令人振奋的，是借AI之力终结传统金融机构的旧秩序。
