「传统 Saas 应用已死？CRM 、 ERP 系统会被彻底取代，Agent 会处理所有工作流？」
每隔一段时间，都有类似的论断、观点出现。
不会的。相反，这些系统会逐渐变成 Agent 的「基础设施」，成为 Agent 网络的后端之一。
最近，Altimeter Capital 合伙人 Jamin Ball 在一篇文章提到，AI Agent 不仅不会杀死传统的软件系统，反而会让企业内部对数据定义和解释这事，变得比以往任何时候都更加重要和值钱。
简单来说，企业 Agent 的能力上限，取决于能否用对「上下文」：用哪个系统里的哪个数据？以及能否理解数据之间的协作规则？输入端数据的准确性，大概率决定了 Agent 完成任务的准确性。
但企业内部的数据、信息，往往都是混乱的。a16z 在前两天发布的 2026 年度预测中提到，企业内部 80% 的知识和信息，都存在于非结构化数据中。数据的时效性、结构化和准确性正在不断下降。
输入端用什么？谁来决定怎么用？Agent 正在倒逼我们，把「做事的方式」和「事实的来源」分开。未来的这类产品的最核心、也是最值钱的，应该是谁能成为那个数据规则的「制定者」。
同样，谁能够帮助企业解决这些非结构化的数据问题，也将会是一个巨大的创业机会。企业需要解决方案来清理、结构化、验证和管理这些混乱数据，才能让下游的 AI 应用真正发挥作用。
超 17000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。
-
最新、最值得关注的 AI 新品资讯；
-
不定期赠送热门新品的邀请码、会员码；
-
最精准的AI产品曝光渠道
01
人类能处理模糊数据，
但 Agent 不能
每隔几周，行业内总会出现类似的说法：「AI Agent 将成为新的记录系统」，「工作流正在取代传统的记录系统」，或者「数据才是记录系统，App 只是个外壳」。这些观点都有点道理，但很容易把事情带偏，把企业最需要的东西：一个可靠的、唯一的事实来源，给忽略了。
我在思考（System of Record）这个概念时，并不会从产品分类入手，只关心一个更根本的问题：「事实的最终来源是哪里？」也就是说，当企业的某个自动化流程需要一个确切信息时，唯一权威的答案从哪来？
现有的工作流越来越自动化，越来越依赖 Agent，系统最脆弱的地方，往往不是基础模型本身，而是Agent 有没有在对的时间，从对的系统，拿到了对的数据。比如，在一个从报价到收款的流程里，只要第一步拿错了价格表、合同条款，或者用了一个过时的 ARR 数据，那后续的所有自动化流程，就都会基于这个错误跑下去。
任何在大型企业工作过的人都明白，现实情况更复杂。就拿「我们的 ARR 到底是多少」这个简单的基本问题来说，问销售，得到的是一个数。问财务，又是另一个数，因为算法和排除项都不同。问会计，他们谈的是「收入确认」，和「合同预订额」根本不是一回事。问法务，他们会告诉你，一家快速发展的公司里，一半的「ARR」背后的合同条款，跟你想的标准化订阅模式根本不是一回事。就连 ARR 这个词的定义都很模糊。对于一个按量付费的业务，ARR 到底是指上个月的年化消费额？还是合同承诺的保底消费？是扣掉折扣之后的金额？还是一个包装过的、过去 12 个月的账单总额？
现在，你让一个 Agent 去「按业务线计算 ARR，然后给董事会做个汇报」。它该用哪个 ARR？哪个数据表是标准？销售和财务冲突了，听谁的？计费系统和数据仓库差了几个点，哪个才是事实？这就是我觉得「记录系统已死」这个说法站不住脚的地方。自动化程度越高，就越需要有人提前把那些最基础、最枯燥的工作做好：定好哪个是正确答案，以及这个答案放在哪。
02
Agent 的能力上限，
取决于能否用对数据
过去，记录系统解决这个问题的方式很直接。客户和商机的数据，归 CRM（客户关系管理系统）；财务数据，归 ERP（企业资源规划系统）；人事数据，归 HRIS（人力资源信息系统）；发票，归为计费系统。虽然不完美，但至少做到了各司其职。但过去十年，大家想把这一切都集中到数据仓库或湖仓里。当时的核心理念是：只要把所有数据集中在一起，加上语义模型和指标定义，就能得到一个单一的事实来源，供所有分析、报表和下游工具统一调用。
这个想法，在实践中只实现了一半。数据仓库和湖仓确实成了很多公司做分析时的核心。团队用 dbt 精心建模，给「官方」指标定了规则，整理出「黄金数据表」给 BI（商业智能）工具用。但问题是，这些都发生在业务操作的下游。销售团队还是活在 Salesforce 里，财务还是在 NetSuite 上关账，客服还是在 Zendesk 里处理工单。数据仓库或湖仓，更像是一面「后视镜」，用于回顾分析，而不是处理实时交易的「前门」。
Agent 的出现，从两个方面根本上改变了这一点。
首先，Agent 天生就需要跨系统工作。跑一个「报价到收款」的流程，它就得在 CRM 、 CPQ（配置、报价、定价）、计费、催收，甚至一些内部小工具之间来回调用；其次，Agent 天生以行动为导向。任务不只是出个报告，而是真的会在这些系统里修改数据、改变状态。这就意味着，Agent 的能力上限，完全取决于它对「哪个系统里的哪个数据才是标准」以及「这些数据之间的协作规则」的理解。这也是为什么像 Databricks 这样的公司被资本市场看好的原因，它们更有机会成为 AI Agent 的调度中心，甚至自己下场开发 Agent。
03
CRM 、 ERP 系统不会消失，
而是从给人用变成给 Agent 用
换句话说，Agent 正在倒逼我们，把「做事的方式」( UX ) 和「事实的来源」分开。未来的交互界面可以是个聊天框，可以是自然语言入口，也可以是专门给 Agent 用的、和传统软件完全不同的界面。但在技术底层，必须得有个地方能说了算，比如「这是标准的客户记录」，「这是有法律效力的合同条款」，或者「这个数字是我们要给华尔街汇报的」。这个「权威存在」的地方，可能是一个传统的记录系统，也可能是数据仓库的语义层，或者是一种新的「数据控制平台」产品，但它绝对不会消失。
正是在这个逻辑下，数据仓库和湖仓似乎就成了 Agent 工作流最自然的底层基础。它们本来就在整合跨领域的数据，也承载了定义业务指标和实体的语义层，同时还是数据治理、血缘和权限控制的交汇点。换个角度看，「数据仓库 + 指标层 + 治理工具」的组合，形态已经超越了传统的报告系统，更像是一个公司里人人都能信赖的「事实登记处」。
但这里还缺了关键的一环：现在这套东西，是给「人」查数据用的，不是给「Agent」跑流程用的。人类可以凭借经验和沟通来处理模糊地带。财务和销售对 ARR 有分歧，可以开会讨论，决定给董事会用哪个数。但 Agent 不行，它需要明确的规则，需要在数据模型里就写好冲突怎么解决。它必须知道，「official_arr」是外部汇报用的，「sales_arr」是算绩效用的，「product_arr」是做产品分析用的。它需要数据仓库不仅能存数据，还能讲清楚这些数据的优先级和业务含义。
业务系统也是类似。我不认为 CRM 、 ERP 这些系统会消失，相反，它们会悄悄地向「带 API 的状态机」转变，核心价值将从服务于人的操作界面，转向服务于机器的程序化调用。Agent 可以发起报价、计算价格、准备合同、处理修改，然后在合适的节点，通过一个清晰的接口，把最终结果写进下游的记录系统。人可能还是会通过网页看到最终状态，但系统的主要用户已经变成了 Agent。记录系统不再是一个让你点来点去的网站，而是一个供机器调用的、保证数据持久和一致性的引擎。
04
企业系统的核心价值，
是把混乱的数据封装起来
如果你相信这个趋势，那「记录系统是不是正在消亡」这个问题，就有点像当年大家从桌面软件转向网页应用时，问「数据库是不是要消失了」一样。形式在变，但本质需求不会改变。
权力的中心可能从大而全的 SaaS 前端，转移到共享的数据层和工作流。但对于能够定义「什么是事实，以及你该如何修改它」的需求，只会更加强烈。
现在，从大家讨论「AI 原生」应用的方式里，已经能看到这个变化。那些最优秀的产品，很少一上来就做个新界面，而是选择紧挨着数据仓库、 CRM 或 ERP，然后开发出能跨系统调度工作的、有自己主张的 Agent。它们的竞争优势，通常是工作流设计、语义建模，以及和客户现有事实来源的深度整合。说白了，在营销口号背后，本质是把企业里混乱的数据，用一个更清晰的契约封装起来，让 Agent 能安全、高效地运行。
这背后还有一个估值逻辑。投资人总喜欢争论，「记录系统」和「交互系统（Systems of Engagement）」哪个估值更高。Agent 让这个问题更复杂了。一个 Agent 如果只是跑在别人的数据上，随时能被换掉，那它可能不值钱。但如果一个 Agent 平台，成了定义指标、规范实体和执行策略的核心，那么无论是底层数据存储在 Snowflake 还是 Databricks 上，它本身就变成了事实的来源。最终，产品得估值倍数取决于和「事实」的相关性，而不是 PPT 上的宣传。
所以我的结论是：记录系统不会死，只是在被「拆解重构」。「记录」本身，也就是事实，会越来越多地存在于数据仓库、湖仓和那些核心业务系统的组合里。在这之上，会有一个新的语义层和控制平台，告诉 Agent 如何安全地读写这些事实。我们熟悉的那些 SaaS 软件界面，重要性会慢慢下降，Agent 和新的工作流界面会成为我们和工作交互的主要方式。但是，对于一个权责清晰、定义明确的单一事实来源的需求，只会越来越强。
换句话说，Agent 不是在取代记录系统，而是在提高一个好系统的门槛。 在 AI 新的周期里，能赢的公司，一定是那些能在稳定、可靠的事实来源之上，做出惊艳的 Agent 体验的公司，而不是那些假装事实来源不重要的公司。
