我要投稿

Anthropic和Atlassian同台，我看到了SaaS的未来 | SaaStr AI 2026实录

发布日期：2026-05-22 06:33:37 浏览次数： 1558

作者：Linkloud精选

微信搜一搜，关注“Linkloud精选”

引言

SaaStr AI Annual 2026 第一天，两场演讲背靠背。前脚是 Anthropic 的 Head of Industries 讲"怎么用 Claude 把一个跟不上需求的销售团队变成 AI-native org"，后脚是 Atlassian 的 Head of AI 带着 17 年、20 多款产品、450 个 PM 的经验，讲"在存量 SaaS 里落地 AI 的三个反直觉教训"。

一个是 AI 原住民，一个是 SaaS 老住户。有意思的是，他们的结论几乎一模一样。这篇文章把两场演讲拆开揉碎试着回答几个 SaaS 创始人和投资人最关心的问题：AI 对 SaaS 的冲击到底有多大？谁最危险？以及——怎么让 AI 变成你的护城河，而不是别人攻城的梯子。

同一天，同一个结论

想象这么一个场景：

你是一个 SaaS 公司的创始人，手上的产品卖了五六年，ARR 跑到了一个还不错的数字。突然有一天，你的客户跑来问你："你们产品里有 AI 吗？" 接着 VC 也来问："你们的 AI 策略是什么？" 再然后，竞争对手发了一条推："We're AI-native now."

你的第一反应很可能是：完了，要不要推倒重来？

SaaStr AI Annual 开幕这天，两场背靠背的演讲，帮我彻底想清楚了这个问题。

第一场，Anthropic 的 Head of Industries，Eleanor Dorfman 上台。这位女士在 Anthropic 待了一年半，之前在企业软件行业干了 15 年。她要讲的题目是：我们怎么用 Claude 把自己的销售组织从零改造成 AI-native。

第二场，Atlassian 的 Head of AI，Sherif Mansour 上台。这哥们在 Atlassian 待了 17 年（是的，十七年），管着全公司 450 个 PM，负责在 20 多款 B2B 应用里落地 AI。他的题目是：AI 不是魔法，是管道工程，如何向 500 万用户落地 AI 的实战经验。

一个是 AI 公司自己在卖 AI。一个是 SaaS 老兵在往存量产品里塞 AI。

两场演讲的核心结论，出奇地对上了：

不要扔掉你的工具栈。让 AI 成为工具与工具之间的那条线。

PART 01

Anthropic 的故事——需求垂直拉升之后

"The Gap"：一张图讲清楚问题

2025 年 12 月，Opus 4.6 发布。

Anthropic 的行业负责人说，她们从一个"事后看来过于惬意的圣诞假期"回来之后，发现需求曲线垂直拉升了。团队 headcount 还是那条平的线。两条线之间出现了一个巨大的缺口——她叫它"The Gap"。

关键不是缺人。关键是，就算你愿意把团队规模扩大 3 倍、4 倍、5 倍，也不可能在需要的速度内完成 onboard。招人有周期，培训有周期，而需求不等人。

所以她们在 2026 年 1 月（她说"现在回头看像是一辈子前"）问了自己一个问题：

"How do you build an AI-native sales org from scratch, fast?"

答案不是"换一套新工具"。答案是两步走：

Scale what works
——把你已经投资的 GTM 工具栈里的 AI 能力全部打开
Dream up what's next
——用 Claude 把这些工具穿起来，并且在工具覆盖不到的地方由 Claude 补位

不换工具，换"连接方式"

Anthropic 的 GTM 工具栈长这样：

工具	干什么
Salesforce	System of record
Clay	Enrichment
LeanData	Routing
Gong	Calls
Jira	Tickets
Fin (Intercom)	Support
Ironclad	Contracts
Gmail	Mail
Slack	Comms
Snowflake	Data warehouse

11 个工具。每个都花了三年时间围绕自己的需求打磨。不打算扔。

但问题是：AE 每天在这些工具之间跳来跳去，上下文碎成渣。工具各自"有 Claude"，但从 AE 的体感来看，它们是 11 个孤立的 AI 功能，不是一个连贯的客户旅程。

Anthropic 做的事情是：让 Claude 成为工具之间的叙事主线——它在 6 个核心工具之间读写并传递上下文，形成一条完整的客户旅程线索：

Clay（Lead enriched）→ LeanData（Routed）→ Salesforce（Opps created）→ Gong（Call coaching）→ Ironclad（Contract redlining）→ Slack（Closed-won posted）

用 Eleanor 的原话：

"We didn't replace the stack. We made Claude the surface where the stack shows up."

（我们没有换工具栈。我们让 Claude 变成了工具栈浮出的那个界面。）

54% 的新企业客户，走自助成交

这可能是整场演讲里最炸的一个数字。

背景是这样的：过去 15 年，企业 SaaS 行业有一条铁律——Enterprise plans should be gated by a human。企业级套餐必须经过销售人员。客户想跟 AE 聊，AE 也需要在购买旅程中介入。

Eleanor 说：我们没有这个余裕了。需求太多，人不够。

所以她们在 2026 年 1 月 MVP、2 月正式上线了 Enterprise Self-Serve。

这不是降级。这是给买家一条更快的路。

具体做法是双漏斗并行：

所有 inbound leads 先经过 Claude + Clay 自动 enrich、evaluate、qualify
漏斗 A（Self-serve）：Fin by Intercom 引导客户走自助流程——签真正的企业合同（有 ToS、有 invoicing、有 onboarding training）
漏斗 B（Sales）：只有"seller 能改变结果"的 deal 才路由给 AE

结果？2026 年至今，54% 的新增企业客户通过 self-serve 成交。

做 Enterprise SaaS 的创始人，这个数字值得盯很久。Anthropic 不是一家卖 $29/月工具的公司。它的 Enterprise 合同是有 ACV、有法务条款、有 provisioning 流程的正经大客户。而这些客户里超过一半，不需要跟人说话就能成交。

这背后的推动力不是"客户不想跟人聊"。而是 Claude + 合适的流程设计，把人类 AE 在购买旅程中的不可替代性降低了——至少对一部分客户来说。

45 分钟 → 4 分钟：AE 的一天怎么变了？

AE 的日常工作，从早到晚都被改造了。

每天早上一个 prompt 开启：Claude 实时读取 Salesforce、Gong、Calendar、Gmail，给每个 AE 生成当日全量上下文计划——今天见谁，他们上次说了什么，哪些 deal 需要关注，三个优先行动。

提案生成从 45 分钟压缩到 4 分钟：Claude 从 Salesforce 机会信息 + Gong 通话承诺 + Ironclad 已批准定价，自动合成提案草稿，直接路由到 Ironclad。AE 只需要审核，不需要从零拼凑。

Pipeline hygiene 不再是人工活：Claude 对比 CRM 数据和 Gong 通话内容，自动识别矛盾（比如 Gong 记录显示 deal 被法务条款卡住了，但 CRM 仍显示"Negotiation—close 5/15"），把差异写回 Salesforce。Manager 的 forecast call 变成讨论策略的会，而不是对数字的会。

动态 coaching，不是静态方法论：每周 312 条 Gong transcript 进入 Snowflake，Claude 打分、找模式，推送 6 条 coaching moments 到 Slack 频道。重点是——这些 coaching 不是基于某个固定销售方法论的打分卡，而是根据当月业务重心动态调整。上个月的优先级不等于这个月的优先级。

Eleanor 自己说了一句很实在的话：

"Nobody has done this before, and if anyone says they have, they are fooling themselves."

（没人做过这件事。谁说他做过，那是在骗自己。）

最佳实践不再锁死在最好的人身上

最后一个投资方向，也是 Eleanor 说"我最喜欢的"——把顶尖 AE 的最佳实践编码成 Skill，让它成为所有人的基线。

她们做了 5 个 Skills：Morning briefing、Call prep、Customer follow-up、Competitive intel、Create an asset。

其中 Create an asset 是最有画面感的一个：

以前，如果你想为某个 deal 定制一份销售材料（一页纸、landing page、ROI 计算器），你要么是公司排名前五的大 deal，要么你在设计团队有熟人。否则就排队等。

现在，任何 deal、任何 stakeholder、任何阶段，AE 都可以让 Claude 生成完全定制的材料——而且 Claude 知道品牌规范。有人甚至在通话过程中就让 Claude 生成了一份 one-pager。

用她的话说：

"A Skill that knows your brand, your wins, and this account. Tailored decks, one-pagers, and ROI models — on-brand, in minutes."

这意味着什么？意味着过去只有 top rep 才有能力（和资源）做的事情，现在变成了团队的 baseline。组织能力的下限被 AI 大幅抬高了。

PART 02

Atlassian 的故事——17 年老兵的反直觉教训

如果说 Anthropic 是"AI 公司教你怎么用 AI 卖 AI"，那 Atlassian 就是"存量 SaaS 公司教你怎么在老产品里活出新花样"。

Sherif Mansour 上来就亮出立场：

"Every confident claim about deploying AI has an equally confident counterpoint. The truth lives in the contradiction."

关于 AI 落地，没有放之四海皆准的规律。每一条"经验"都有其反例。他分享了三个 Atlassian 内部激烈辩论过的矛盾。

矛盾一：Chat 是万能界面？

外面的声音：所有产品都应该 headless，Chat 是终极 UI，不用再建界面了。

反面的声音：你应该把 Chat 里学到的用例做成专属 SaaS 体验。

Atlassian 的答案：两个都对，而且它们是一个循环。

Sherif 用了一个绝妙的类比——MS-DOS 命令行。命令行曾经是操作系统的万能界面，所有事情都在里面干。后来专属应用（游戏、文字处理、表格）从里面孵化出来了。但命令行没有死，它演化成了开发者和高级用户的工具。

Chat 的命运一模一样。专属产品会从对话中孵化出来，Chat 本身也会留存并继续演化。

Atlassian 发现了三种实际模式：

Automate the prompts：
用户在 Jira Chat 里反复做"用 bug report 建 ticket"→ 直接做成按钮
Prompt → AI workflow：
用户说"帮我选 10 个 ticket 放进 backlog"→ 变成正式功能
Chat → UI → Chat 循环：
用户在 Chat 里说"把 Salesforce 和 Google Drive 的客户反馈提炼到白板上"→ Agent 跨数据源拉取，落到 Whiteboard 专属 UI

关键洞察：Work proximity matters——用户会用离他们最近的 AI。Rovo Chat 每天有数百万用户在用，尽管他们同时也用 Gemini、ChatGPT、Claude。Sherif 自己上周做 PPT 时也是顺手用了 Google Slides 里的 Gemini。因为近。

而且，所有为人类建的功能，都需要再暴露一遍给 Agent 作为 tool/skill。Atlassian 还通过付费 MCP/CLI 把这些能力开放给客户在第三方平台上的 Agent 使用——这是一条新的营收线。

矛盾二：Bolt-on AI 是错的？

外面的声音："不要把 AI 生硬地嫁接到旧工作流上"——bolt-on 这个词本身听着就 low。

Atlassian 的做法：

"我们被告知不要 bolt-on AI。然后我们就去 bolt-on AI 了。这可能是我们做过最好的决定之一。"

他们直接在 Jira Automation 流程里加了一个 Rovo Agent 节点。就这么简单粗暴。

结果呢？客户疯了。他们开始在工作流里做分支、条件、并行——一个 ticket 触发营销 Agent → 生成 Canva 素材 → 社媒发布 Agent 接力。客户自己想出了 Atlassian 没想过的用法。

Sherif 用了另一个比喻——厨房装修。你买了一栋房子，最聪明的做法不是第一天就把厨房推倒重来。先住进去，用一段时间，搞清楚到底哪里不顺手，然后分批改，最后才整体翻新。存量 SaaS 产品同理。

他还分享了一个"顿悟时刻"——人类需要什么，Agent 就需要什么：

人类需要	Agent 同样需要
工具 access	工具 access
上下文	上下文
目标与问责	目标与问责
知道队友在做什么	知道其他 Agent 在做什么

问题没变，规模变了。

结论：对于新产品，可以从头重构。对于有用户的存量产品，先 bolt-on，再迭代——两条路都要走。

矛盾三：雇 10x AI Builder 就够了？

外面的声音：雇一批"全栈 AI builder"（既懂产品设计又能 vibe coding 的人），小团队起飞。

Atlassian 的实验：从全公司选拔顶尖人才，组了 10 个纯 AI builder 小队。

前几周：速度飞快，令人兴奋。

几周/几个月后：陷入停转。

"Everyone was rowing, but no one was steering."

（所有人都在划桨，但没人在掌舵。）

最终，设计师和 PM 自然回归了本职——给方向、给客户洞察、做决策。工程师继续 vibe coding。原来的三角分工没有被消灭，只是比例变了。

有个数字很有意思：Atlassian 的 PM:工程师比本来就比行业低（行业约 1:10，Atlassian 约 1:20）。AI 上线后，工程师产出速度暴增，PM 的体感变成了 1:30 甚至 1:40——"工程师跑得太快，一直回来问'下一步做什么、这个对不对？'"

换句话说，AI 让"做"变快了，但"想清楚做什么"变得更稀缺了。

还有一个发现，跟主流说法反着来——关于"不用招初级了"这个判断：

Atlassian 内部数据显示，初级员工使用 AI 的概率比高级员工高 19%-30%，实验率是高级的 2 倍。

Sherif 用自己 12 岁儿子举例：孩子从可视化编程语言直接跳到 vibe coding，用 Replit 发了 App Store 应用，完全跳过了"死记语法"的步骤。对他来说，这就是正常的编程方式。

而大公司的资深员工呢？他们需要 unlearn 20-30 年的工作方式。这才是最难的。

Atlassian 因此调整了招聘策略：多招初级 + 多招顶级高级，减少中间层。

初级带来新工具和新技巧，高级负责质量把关和方向判断。目标不是 10x builder，是 10x team。

PART 03

所以，AI 对 SaaS 的冲击到底是什么？

两场演讲听下来，我想把结论整理成几个对创始人和投资人最有实操价值的判断。

判断一：冲击不是"替代"，是"重新分配"

AI 没有让 Salesforce 过时，没有让 Gong 过时，没有让 Jira 过时。Anthropic 明确说了——他们 double down 了现有投资。Atlassian 也说了——bolt-on 可能是最好的决定之一。

真正发生的事情是：价值从"工具本身"转移到了"工具之间的连接层"。

谁掌握连接层，谁就掌握客户体验。在 Anthropic 的案例里，这个连接层是 Claude。在 Atlassian 的案例里，这个连接层是 Rovo。

如果你的产品是那 11 个工具之一，你的护城河在于——你的数据和工作流是不是 AI 连接层绕不过去的节点。如果你是可以被绕过的，那才是真正的危险。

判断二：有工作流的存量 SaaS，反而更安全

这听起来有点奇怪，但其实很重要。

Sherif 反复强调的一点是：有用户、有工作流，是巨大优势。因为 Agent 和 AI 要运转，它们需要：工具 access、上下文、目标、协作。这些东西从哪来？从你已经建好的工作流里来。

Jira 的 Automation 里加一个 Agent 节点，客户自己就开始疯狂地编排多 Agent 流程。这不是 Atlassian 发明的用法，是客户在已有工作流的基础上自己摸索出来的。

你的存量工作流 = Agent 的跑道。跑道越长越平整，Agent 能做的事越多，客户粘性越强。

反过来，那些只提供"单点功能"、没有工作流深度的工具型 SaaS，才是最容易被 AI 蚕食的——因为 AI 可以直接替代那个单点功能，不需要你的"跑道"。

判断三：Self-serve 的天花板被 AI 大幅抬高了

Anthropic 的 54% 是一个信号：在 AI 的帮助下，Enterprise Self-Serve 的边界远比我们过去认为的宽。

这对 SaaS 公司意味着什么？过去 PLG 和 SLG 之间有一条很清晰的线——小客户走自助，大客户必须走销售。AI 正在模糊这条线。Claude + Fin 能做的事情，已经覆盖了相当一部分"过去需要 AE 才能完成"的购买旅程节点（解答安全问题、起草合同条款、引导 onboarding）。

这不是说 AE 没用了。Anthropic 明确说了：只有"seller 能改变结果"的 deal 才路由给 AE。但它意味着 AE 被释放出来做更高杠杆的事，而不是被困在重复性的流程里。

换句话说，这是一个 GTM 效率的跃升机会——把 AE 从"流程执行者"解放成"策略影响者"，中间的缝隙让 AI 补上。

判断四：AI 让组织能力的下限抬高了

这可能是对投资人最重要的一个观察。

Anthropic 的 5 个 Sales Skills 干的事，说白了就是：把 top rep 的最佳实践编码成所有人的 baseline。

以前，一个 sales org 的产出高度依赖"top 20% 的 AE 贡献 80% 的 revenue"这个分布。AI 正在压缩这个分布——不是让 top rep 变差，而是让 bottom 50% 大幅提升。

Atlassian 的数据也印证了这个判断：AI 让工程师的产出速度暴增，组织的整体产能上了一个台阶。

对投资人来说，这意味着在评估 SaaS 公司时，需要问一个新问题：这家公司有没有能力用 AI 系统性地抬高组织下限？能做到的公司，这家公司的 revenue per employee 会跳升，而且这种提升是系统性带来的，不是靠一两个明星员工撑的。

判断五：谁把最佳实践编码成 Skill/Agent，谁就建了新护城河

这是两场演讲的最大公约数。

Anthropic 把它叫 Skill。Atlassian 把它叫 Rovo Agent。说的是同一件事：把隐性知识（tacit knowledge）变成 AI 能直接执行的能力。

Anthropic 的 close-out-runbook、collateral-builder，Atlassian 的"把为人类建的功能暴露成 Agent 的 tool"——都是同一个逻辑。

你的护城河不再只是"功能领先"或"数据量大"。新的护城河是——你有多少围绕客户工作流的最佳实践被编码成了 AI 可执行的 Skill？

这些 Skill 越多、越精细、越贴合特定行业的 know-how，竞争对手就越难复制。因为 Skill 背后的输入不只是代码，还有客户使用数据、行业经验、流程设计——这些东西需要时间和规模才能积累。

四条可以今天就开始做的事

两场演讲听下来，加上我自己的理解，给 SaaS 创始人列四条可以立刻上手的事：

1. 把你工具栈里已经嵌入的 AI 功能全部打开，并串联起来

不是"开关打开"就行。关键是想清楚：这些 AI 功能之间，有没有形成一条连贯的客户旅程？还是各自为政的 11 个独立 AI feature？如果是后者，你需要一个"连接层"把它们穿起来。

2. 找到你最好的人在做的事情，编码成 Skill 或 Agent

这是 Anthropic 演讲者的原话："Document what your best reps do and ship it as a Skill." 把 top performer 的隐性知识变成所有人的 baseline。不只适用于 sales——产品、客户成功、support 都一样。

3. 对存量产品，先 bolt-on，再迭代

别被"bolt-on 不够高级"的说法吓住。Atlassian 证明了：直接在现有工作流里加一个 Agent 节点，客户自己会发明你没想到的用法。先跑起来，积累数据和反馈，再决定哪里需要重构。

4. 重新审视你的 sales funnel——哪些环节其实不需要人

Anthropic 的 54% self-serve 比例是在"Enterprise 合同"层面达成的。如果连这么复杂的购买流程都能自助化一半以上，你的产品呢？把 AE 从流程执行中释放出来，让 AI 补上中间环节，让人只出现在"人能改变结果"的时刻。

PART 06

写在最后

SaaStr AI Annual 第一天给我最大的感受是：AI 对 SaaS 的冲击，远比"谁取代谁"复杂得多。

真正的变化是——AI 正在重新定义"工具栈里谁是主角"。过去，每个 SaaS 工具都想当主角，都想让用户在自己这里停留最久。现在，用户越来越不在乎主角是谁——他们在乎的是：我的工作能不能一条线串起来，不要让我在五个 tab 之间跳来跳去。

谁能成为那条线，或者谁能成为那条线绕不过去的节点，谁就赢了。

这不是一个工具级的竞争。这是一个系统级的竞争。

"Your job is to wake up every morning and figure out how you can make Claude and Anthropic incrementally better that day — with our customers, for our cross-functional partners, before your deals."

Anthropic 那位销售负责人最后说的这句话，把"Claude"和"Anthropic"换成你公司和你产品的名字，就是每个 SaaS 创始人今天的功课。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业