大数跨境

麦肯锡年度报告|32%的企业不买软件了?

麦肯锡年度报告|32%的企业不买软件了? Fun AI Everyday
2026-11-15
4
导读:既然 AI 已经可以帮助企业自己开发软件,企业是不是应该把更多系统收回来自己做?

最近太忙了,更新很不及时,后面会努力更新的。

今天分享下我今天看的一个麦肯锡的报告,这个报告其实8月底就发布了《The state of AI in 2026: On the road to ROI》。

因为我本职工作是 2B 的解决方案顾问,所以找了个我个人比较感兴趣的角度和大家分享这个报告,原文我也放在文末的“阅读全文”里。

开始正文。

如果你是一家公司的老板,每年花几十万甚至上百万元购买各种企业软件,突然有一天,员工告诉你:“这个系统我们可以自己做,而且可能比买的更好用。”

你会怎么选?

麦肯锡这一篇《2026年 AI 发展状况报告》其实也是个调研报告,调研发现 32%的受访者表示,所在企业已经因为能够利用 AI 编程工具自行实现某些功能,而决定不再购买至少一款软件产品或功能。

过去几年,AI 行业一直讨论的是 AI 会不会取代程序员。现在,一个更直接的商业问题出现了:

如果企业可以自己开发软件,谁还需要软件公司?

一家8万人的公司,开始取消软件订阅了

今年1月,AI 编程平台 Lovable 分享了一个客户案例。

这家公司叫 eXp Realty,是美国一家大型房地产经纪公司,旗下有超过 8.3万名房地产经纪人,业务覆盖多个国家。

和很多大型企业一样,eXp Realty 每年需要采购大量软件:内部沟通平台、房产展示网站、客户管理工具、AI 助手等等。

这些软件单独看可能并不贵,但企业规模一大,就是一笔不小的费用。

比如,它原来使用的房产网站服务,按照每名经纪人每月11美元收费。

而且,公司每进入一个新市场,都需要考虑系统配置、数据对接以及供应商的开发进度。

后来,eXp Realty 开始尝试用 Lovable 自己开发。

他们建立了一套覆盖26个国家的房产网站平台,能够连接20多套 CRM 系统。按照公司披露的数据,新平台让相关支持工单减少了85%。

他们还开发了一个叫 The Hub 的内部沟通平台,替代原本为经纪人购买的软件服务,每年节省约 100万美元的许可费用。

另一个基于 OpenAI API 开发的 AI 助手及内部工具,也替代了此前采购的部分企业 AI 服务,同样节省了约 100万美元。

eXp Realty 这个案例中,变化的还不只是省钱。

以前企业想要一个新功能,需要向软件供应商提出需求、沟通方案、等待开发。如果是个标准产品本来就没有的功能,还可能要额外支付定制费用。

现在,业务团队可以尝试自己完成一部分开发工作。

对于那些需求相对简单、使用范围有限、又需要频繁修改的内部工具,自建与采购之间的成本差距,确实可能越来越小。

最先受到冲击的,反而不是那些最贵的软件

与此同时,另一家企业软件公司 Retool 也发布了一份《Build vs. Buy》报告,专门研究企业是自己开发软件,还是购买现成产品。

这份调查覆盖了 817名 Retool 客户和软件开发相关从业者。

结果发现,35% 的受访者表示,团队已经用自行开发的工具替代了至少一款 SaaS 产品的功能;78% 预计今年会开发更多内部工具。

答案并不意外。

工作流自动化、内部管理工具、BI 报表、表单、项目管理,这些都是比较常见的自建目标。

原因也很容易理解。

比如,一家公司采购了一套项目管理软件,可能只需要其中 20%的功能,但仍然需要为所有使用者购买账号。

而业务部门真正想要的报表、审批规则、数据字段,标准软件未必都有。

过去大家觉得不完美也只能接受,因为自己开发更麻烦。

现在,一个熟悉业务的员工,可能通过 AI 开发工具在几天内做出基本可用的内部系统。即使后续还需要工程师完善,门槛也和过去不一样了。

当然,软件公司并没有立刻失去客户,但客户多了一个选择。

这就会改变供应商和客户之间原来的关系。

以前一家软件公司可能靠某个非常具体的功能,服务几百家企业,每年稳定收取订阅费。

但如果这些功能已经能够借助 AI 以较低成本重新实现,那么它原来的收费依据就会受到挑战。

这里需要区分两种情况。

第一种是功能相对简单的工具,比如内部报表、表单、轻量审批、信息管理和一些工作流自动化。

这些工具通常面向有限的使用者,出现问题的影响范围相对可控,比较适合评估自建。

第二种则是涉及财务、核心交易、供应链、医疗数据等业务系统。

这些软件不只是提供几个页面和功能,还需要长期保证数据准确、权限安全、业务连续性,以及不同系统之间的协同。

后一类软件当然也可能受到 AI 影响,但企业未必会因为可以快速生成代码,就愿意替换已经稳定运行多年的核心系统。

因此我不太认同一种流行的说法:AI 编程成熟后,SaaS 公司都会被淘汰。

真正受到冲击的,可能是那些除了功能本身之外,没有太多其他价值的软件。

软件巨头的收入却还在增长

如果 32%的企业已经开始考虑不买软件,是不是意味着整个 SaaS 行业马上要进入衰退?

事情并没有这么简单。

10月底,企业软件巨头 ServiceNow 刚公布了第三季度财报。

它的季度订阅收入达到 39.88亿美元,同比增长 21%。公司还把 2026年 AI 产品的年度合同价值目标上调到了 17亿美元。

也就是说,一边是企业开始用 AI 替换外部软件,另一边却有大型软件公司仍然保持不错的增长。

这两件事为什么可以同时发生?

我觉得关键在于,我们经常把“开发一套软件”和“长期运营一套企业系统”混为一谈。

举个例子。

假设一家公司销售部需要一个客户拜访管理系统,记录客户名称、拜访时间、商机进度,生成简单的业务报表。

这样的系统,现在完全有机会用 AI 辅助开发出来。

但如果你要把它作为一家大型企业的正式系统,问题就多了。

销售人员离职之后,谁来接管他的客户?不同部门能看到哪些信息?数据怎么与 ERP 和财务系统同步?如果同一客户在几个系统里有不同编码怎么办?系统出现错误后,谁负责恢复和追溯?

这些事情并不会因为 AI 能写代码,就自动得到解决。

尤其对于大型企业,软件开发往往不是最昂贵的部分。系统集成、业务规则梳理、数据治理、长期维护,以及由此带来的组织协调成本,可能更加复杂。

Retool 的调查也发现一个值得警惕的现象:60%的受访开发者曾经在没有 IT 部门监督的情况下自行开发工具。

这意味着 AI 可能一边帮助企业减少外部软件采购,一边制造出大量新的内部系统。

也就是说,十年前常说的的“烟囱”式架构,又回来了。

过去公司的 IT 部门头疼的是,各部门各自采购了太多软件,数据不互通,系统难管理。

未来还有可能出现另一个问题:各部门自己开发了太多软件,没人知道到底有多少套、谁在维护、哪些数据被调用。

开发门槛降低之后,系统数量可能越来越多,但企业的整体管理复杂度未必随之下降。

这也是为什么 ServiceNow 这类公司的商业价值,不能只用它提供了多少软件功能来衡量。

它还提供跨部门的业务流程、数据管理、权限、审计、系统集成和持续运营能力。

AI 让“把一个功能做出来”变得越来越便宜,但没有让“把一项复杂业务长期管好”变得同样便宜。

这可能就是企业软件市场接下来会出现分化的原因。

软件公司未来到底卖什么?

我觉得除了软件开发成本降低,AI 还可能带来一个更深层的变化:企业到底为什么购买软件?

过去,一家公司购买 CRM、ERP、WMS 或者其他企业系统,往往是因为自己没有能力开发。

软件厂商把通用功能提前做好,再把产品卖给不同客户。

但这种商业模式始终存在一个问题:通用产品很难完全适应每家公司的业务。

所以在实际项目中,经常会出现一种情况:客户明明已经买了一套系统,却还需要花大量时间和费用,把软件改造成适合自己的样子。

企业需要适应软件,软件也需要适应企业。

而 AI 编程让这种关系有机会发生变化。

如果客户可以比较容易地开发自己需要的功能,那么软件厂商的价值,就不能只停留在“我已经把这些功能做好了”。

比如一家制造企业需要管理生产计划、订单和库存,它当然可以尝试自行开发一些简单工具,但真正困难的,可能是如何让销售预测、生产排程、库存配置和供应商交付协同起来。

客户最终希望解决的是缺货、库存积压、交付不准时等业务问题,而不是单纯拥有更多软件功能。

因此我有一个判断:

未来企业软件的竞争,会逐渐从“谁拥有更多功能”,转向“谁更懂业务,谁能真正帮助客户解决问题”。

这里还存在一种很值得关注的新模式。

企业不一定完全自己开发,也不一定直接购买一套标准软件,而是购买一个稳定的技术平台,再根据自己的业务需求,通过 AI 不断增加和调整应用功能。

前面 Harmonic 的案例,其实已经有这个特点。

它替换了某些单独采购的 SaaS 工具,但依然需要 Retool 作为开发和运行平台,也继续使用 Salesforce、Slack 等外部产品。

所以,“企业开始不买软件”不一定意味着企业 IT 支出整体下降。

有可能是原来花在十几款独立软件上的钱,逐渐转向更少的平台,以及数据、算力、集成和安全服务。

对于软件厂商来说,这意味着一个商业模式的变化。

过去可以卖标准化产品,再向客户收取定制开发费用。

未来如果客户已经能够自己完成部分定制,那么厂商可能需要更多依靠平台能力、行业经验、数据资产、系统可靠性以及持续服务来收费。

甚至连传统的按账号数量收费,也会面临新的问题。

比如一家客服中心原来有100名员工,需要购买100个系统账号。未来如果 AI Agent 能够承担其中一部分工作,企业还需要购买同样数量的账号吗?

也许以后客户更愿意按实际完成的工作量、交易量或者业务结果付费。

当然,按用户数收费不会立刻消失。很多业务系统仍然需要真人使用和监督, AI Agent 也会增加新的计算与运营成本。

但这个问题已经值得软件公司提前考虑。

当客户购买的不再只是一个供员工操作的软件,而是一套能够直接完成工作的系统,原来的计费方式也可能需要改变。

如果我是企业客户,我会怎么选?

因为我本身也在做企业数字化解决方案,所以读到这里,我还会想到另一个问题。

既然 AI 已经可以帮助企业自己开发软件,企业是不是应该把更多系统收回来自己做?

我觉得未必。

事实上,我甚至认为,AI 越降低软件开发门槛,企业越需要想清楚哪些能力值得自己掌握。

对于使用范围小、业务规则简单、变化频繁的内部工具,自建可能越来越划算。

比如某个部门的经营分析页面,或者原来依赖 Excel 和人工维护的一套简单台账。如果团队具备基础的技术和数据管理能力,确实没有必要每个需求都购买一套独立软件。

但对于核心业务系统,我认为企业还是需要谨慎。

以仓储管理系统为例,表面上看,无非是入库、上架、库存、拣货、出库这些功能。

但真正做过仓库数字化的人会知道,难点不在页面,而在业务规则和执行过程。

同一个商品能不能放在多个库位?批次效期怎么管理?缺货时怎么处理订单占用?库存盘盈盘亏如何与财务系统保持一致?发生异常时,如何保证实物和系统记录一致?

这些规则不仅要开发出来,还需要长期适应实际业务的变化。

AI 当然可以提高开发效率,但并不代表它已经理解了每个行业、每家企业的业务经验。

所以,如果从企业客户的角度看,我可能会把系统分成不同层次:

一些轻量工具、临时需求、个性化报表,可以更多考虑 AI 辅助自建。

那些承载关键业务流程、需要高可靠性和长期维护的系统,则需要综合比较成熟产品、自建方案及混合模式。

至于哪些核心能力必须自己掌握,哪些可以交给外部合作伙伴,也应当取决于企业自己的技术能力、业务特点和长期发展规划。

这里还有一个非常现实的问题。

AI 可能让开发一个系统只需要过去十分之一的时间,但不意味着五年运营成本也会降到十分之一。

如果开发人员离职,后续没有人维护;如果系统连接多个核心数据库,却没有完整的安全和权限管理;

如果代码持续修改,却缺乏版本控制和测试,那么原本节省的软件费用,很可能通过其他方式重新付出去。

所以企业需要算的,不只是开发成本,而是长期拥有这套系统的全部成本。

这也是我认为“自己开发还是购买软件”,在 AI 时代反而会成为一个更加重要的管理决策。

最后,回到麦肯锡最开始的 32%。

严格来说,这个数字并不是说 32%的企业已经停止购买软件,而是在有 AI 使用经验的受访者中,有 32%表示所在企业曾经因为 AI 自建能力,放弃采购至少一款软件或功能。

对于企业,这是好消息。更多选择,可能带来更合理的成本、更灵活的系统,以及对自身业务更强的控制力。

但对于软件公司,这意味着原来的一部分竞争优势正在减弱。未来几年,软件公司之间的差距可能会越来越明显。

有些公司原本依靠相对简单的功能就能获得稳定收入,现在可能面临更大的定价压力。

但另一部分公司,如果真正掌握企业的关键业务场景、数据和复杂流程,AI 反而可能帮助它们更高效地服务客户,降低交付和定制成本。

以上,祝你今天开心。

【声明】内容源于网络
0
0
Fun AI Everyday
每天分享一个好玩的AI应用
内容 124
粉丝 0
Fun AI Everyday 每天分享一个好玩的AI应用
总阅读6.8k
粉丝0
内容124