我們正處于一種新的軟件支持商業模式的風口浪尖，它將決定未來幾十年的贏家和輸家。我們稱之為服務即軟件。

具體來說，我們相信企業將開始以新的方式組織知識工作，將自動化孤島協調成知識工作的按訂單生產的裝配線。積極尋求這一機會的公司將處于學習曲線上，我們認為這將創造可持續的競爭優勢，更重要的是，贏家通吃的活力。

現在，我們在這里談論的不僅僅是技術供應商。相反，我們相信新的技術、運營和商業模式將會出現，并適用于各行各業的所有企業 。在這篇突發性分析中，CUBE研究團隊提出了一種新的方式來思考企業在人工智能時代將如何運作，對應用程序開發人員、邊緣部署以及安全和治理模型產生影響。我們還提供了我們認為組織可以采取的從今天到未來的道路的一瞥。

從本地到 SaaS 再到服務即軟件

軟件的每一次重大轉變都會帶來技術架構、運營模式和商業模式的變化。例如，當我們從本地軟件轉向軟件即服務時，技術模型從客戶擁有轉變為最終的多租戶模型。運營模式主要是自己動手，然后轉向 SaaS 托管服務，業務模式從主要以資本支出為重點的模式轉變為基于訂閱的模式。我們認為，在代理時代，服務即軟件也發生了類似的動態，如下所示。

我們相信這標志著一個深刻的轉變。在以前的時代——本地和 SaaS——變化主要發生在信息技術部門（企業團隊及其供應商）內部。現在不同的是，整個客戶組織的技術模型、運營模型和業務模型都將發生變化。

從歷史上看，企業在自動化孤島上運行——后臺的企業資源規劃，以及后來的應用程序激增。客戶關系管理是第一個引入新運營模式（云交付）和新業務模式（訂閱與永久許可證）的公司。

今天，企業本身必須開始像軟件公司一樣運營。這需要將這些孤島協調到一個統一的層中，數據和應用程序邏輯折疊成一個集成的智能系統。代理依靠這種協調的上下文來做出決策，并在需要時調用舊應用程序來執行工作流。

以這種方式運營還需要一種新的運營模式：一條用于知識工作的按訂單生產的裝配線，將咨詢的定制與大批量履行的效率相結合。人類監督代理，并在此過程中逐步將他們的專業知識編碼到系統中。隨著時間的推移，組織不會管理少數代理;他們編排了一支軍隊，捕捉整個企業的決策邏輯。

這反過來又實現了基于體驗曲線的新商業模式。隨著機器學習預測流程行為和客戶響應，更多的工作被數字化，邊際成本下降，運營杠桿率增加。編碼的專業知識（更大的差異化）和單位成本下降的結合產生了更強的定價能力和持續的效率提升。

我們的研究表明，這種動態將是贏家通吃的——不僅在消費者在線服務中，而且在任何擁有大量知識工作的行業中，包括制造業（在其管理層內）。我們認為，這是目前正在進行的根本變化。

服務即軟件帶來新的技術模式

讓我們從技術模型、運營模型和商業模型這三個維度進一步分解它們，從技術模型的影響開始。

我們認為下一階段是從碎片化的應用程序孤島轉向統一平臺，如上所示。即使數據整合在湖屋中，它在功能上仍然是碎片化的：銷售、營銷和財務部門都保留自己的星型模式“立方體”，這些“立方體”在整個企業中并不協調。

我們的前提是，這種遷移與堆棧的運營轉變并行運行——從客戶管理的本地到供應商管理的基礎設施即服務/平臺即服務——同時保持本地和云的混合。堆棧的頂端是一個戰略性越來越強的層，我們稱之為情報系統或 SoI。它的工作是綜合上下文，以便代理不僅可以回答“發生了什么”和“為什么”，還可以回答“接下來會發生什么”和“我們應該做什么”。

要記住的重要一點是，自動化孤島阻礙了管理的核心功能——規劃、資源分配和編排，以及跨細節級別和業務領域的全面可見性。數據湖本身并不能解決這個問題;每個星圖模式都是另一個島嶼。在短期內，組織可以從小處著手，讓代理詢問單個域（例如，銷售多維數據集），并通過通過 MCP 服務器調用記錄系統來采取有限的作，例如，查看客戶的投訴并啟動退貨授權。

今天，你可以問“銷售中發生了什么”，但你不能問，“那么營銷到底是如何影響銷售的？履行活動如何影響客戶體驗？您必須創建一個全新的數據工程項目和一組新的多維數據集。關鍵是，今天，我們開始使用代理的方式是，您可以查看內部，也許是一個立方體，您可以讓代理從該領域內的多個角度（例如銷售或營銷）詢問發生的事情。而且，您可以使用使用 MCP 服務器調用此現有記錄系統的代理來執行有限的作。

因此，例如，在客戶服務中，您可能能夠看到該特定客戶的客戶投訴，并且您可能能夠采取一些行動，例如管理退貨授權或一些有限的活動。同樣，這些都是小島嶼，但要在整個企業中獲得更廣泛、全面的可見性，這將需要做大量工作，我們協調數據和業務流程，并得到我們從 Geoffrey Moore 那里借來的概念模型，即智能系統。然后代理系統能夠擁有整個業務的四維動態視圖。

為了實現企業范圍的可見性，必須將數據和業務流程協調到 SoI 中，“代理系統”可以在 SoI 上以動態的“四維”業務視圖進行作。在我們目前的想法中，這就是目標架構。我們今天討論的內容只是一個起點，我們試圖獲得更豐富的觀點。

供應商正在朝著這個方向趨同，例如：

• Palantir 構建了一個本體——一個 4D 地圖而不是孤立的星形模式——為代理工作流程定位得很好。

• Salesforce 提供了一個打包的客戶數據平臺和 Customer 360 流程，因此公司無需從頭開始構建。

• Celonis 提供打包的流程模型，減少自定義編碼。

• SAP 正在通過 Business Data Cloud 實現這一方向。

雖然這些島嶼比昨天的單點應用程序更廣泛，但它們仍然需要拼接在一起。今天的項目是起點;目標是建立一個統一層，為代理提供企業上下文并實現端到端作。

構建數字孿生 – 從數據孤島到智能系統

讓我們看一下我們看到的軟件堆棧，如下圖所示。有變化、轉變和新的競爭動態。在底層，你有基礎設施，我們談論的是計算、存儲、網絡和基礎設施的其他部分、安全性、可觀測性，還有數據移動等。您已經有了參與系統，生成式用戶界面就是我們在下面的圖表上顯示的。

我們認為，隨著用戶越來越多地用自然語言與系統“對話”，企業界面正在變得稀薄。這種轉變重新構建了企業的數字表示應該如何構建。在表面之下，是現代數據平臺——其中包括 Snowflake 和 Databricks——周圍環繞著不斷上升的治理層。數據庫越來越不像控制點;重心正在轉向治理目錄，越來越開源，Apache Iceberg 是推動力，Polaris 和 Unity 等開源目錄實現為這一轉變做出了貢獻。

治理模型將非常關鍵，因為隨著您更廣泛地開放對數據的訪問，您將不得不擁有一個新的治理模型，該模型更加面向政策和動態執行，甚至可能是動態生成的。隨著您讓代理采取越來越多的作，也許通過與記錄系統通信，至少在最初是通過 MCP 服務器進行通信時，您將需要一個全新的治理模型，即管理作。我們過去對應用程序編程接口進行治理，但現在你需要對作進行治理，從本質上管理代理的行為。

在數據平臺層面，我們聽說過很多關于語義層的信息，以及 Snowflake 領導的一項努力，旨在讓大部分行業就語義互作性定義達成一致。我們還沒有所有詳細信息，但為了明確起見，這些是您在儀表板中看到的指標和維度定義，例如客戶生命周期價值或季度銷售額。所以你必須就銷售額的定義達成一致，什么是季度，諸如此類的事情。這是在左下角的綠色方塊上，就在數據平臺層的上方。

我們相信，下一個架構里程碑是智能系統的出現——一個統一的上下文層，可以解釋信號（包括來自商業智能）并為由代理控制框架協調的代理系統提供信息。Fivetran 可能收購 dbt Labs 等市場走勢凸顯了數據平臺的上游推動，這些平臺現在與 Celonis、Salesforce 和 ServiceNow 等以流程為中心的參與者發生沖突。戰略目標是構建企業的數字孿生——一個能夠了解發生了什么、為什么發生、接下來會發生什么以及應該做什么的“4D 地圖”。

然而，端到端可見性仍然受到碎片化的限制。如前所述，當每個星型模式仍然是一個孤島時，在湖屋中整合數據并不能解決問題。即使對單個供應商和實例進行標準化也無法跨域統一數據。正如我們之前提出的跨職能問題（“營銷如何影響銷售？”“履行如何影響客戶體驗？）通常需要新的跨部門多維數據集——這是一項繁重的數據工程提升——而需要的是按需生成此類視圖。

為了實現這一點，治理必須與架構一起發展。隨著訪問范圍的擴大，需要動態實施策略，在某些情況下，需要動態生成策略。隨著代理開始采取行動（最初通過 MCP 服務器調用記錄系統），治理必須從傳統的 API 監督轉變為管理代理行為和意圖的作治理。

至關重要的是，構建數字孿生不僅僅是指標和維度——2D 或 2.5D 快照，例如訂單或銷售。它需要根據客戶如何穿越接觸點以及工作如何真正流動對業務流程進行明確建模。大多數組織不會從頭開始對此進行建模。他們將組裝供應商提供的流程構建塊，就像他們在以前的時代采用打包的應用程序一樣，將它們組合到 SoI 中，以便代理可以在真實的業務環境中進行作——相當于“代理作為顧問”。

在我們看來，前進的道路是一個新的全棧，它有利于數據和流程的端到端集成，而不是創建新的孤島。隨著接口變得稀薄，語言成為控制平面，治理目錄成為控制點，SoI 成為企業大腦，代理系統成為執行層。這就是數字孿生從概念到運營現實的方式。

稍后，我們將討論代理作為顧問在做出決定時考慮的背景。因此，這是一個全新的堆棧，必須組合在一起，我們現在必須考慮端到端集成，而不是添加新的孤島，而不僅僅是數據集成，而是流程集成。

將服務即軟件映射到 AppDev + DevSecOps

[觀看保羅·納沙瓦蒂的完整分析]

我們相信，下一代服務即軟件堆棧與經典的應用程序開發階段（第 0 天、第 1 天、第 2 天）緊密結合，DevSecOps 貫穿于每一步。該鏡頭保留了熟悉的構建-發布-作節奏，同時將重心轉移到托管的、以結果為導向的模型，其中堆棧處理繁重的工作并加快價值實現時間。

第 0 天 — 構建（規劃和設計）

在我們看來，第 0 天是規劃和設計階段，團隊將弄清楚如何構建解決方案以及如何在生產中運行。從應用開發的角度來看，這意味著明確定義架構、API 和所需的基礎設施。服務即軟件方法鼓勵從一開始就以模塊化的云原生部分進行思考，因此可擴展性、可觀察性和安全性被納入其中，而不是以后才亂用。現在是指定合同、護欄和平臺選擇的時刻，這些選擇將使下游階段快速進行而無需返工。

第 1 天 — 發布（部署和配置）

第 1 天是應用程序通過部署和配置實現生命狀態的地方。環境是自動拆分的——通常通過基礎設施即代碼、容器或無服務器設置——因此開發人員可以專注于編寫代碼和發布功能，而不是與基礎設施搏斗。其結果是可重復、可預測的運動，比傳統設置快得多。在服務即軟件模型中，這種一致性是一階特征：平臺抽象了復雜性，以便團隊可以更快地向用戶推送價值。

第 2 天 — 運營（運行和優化）

第 2 天涵蓋應用在生產中運行并開始發展的運營/優化階段。團隊監控性能指標、動態擴展并推出更新而不會中斷。至關重要的是，服務即軟件提供了遙測和反饋，這些遙測和反饋告知應用程序應該如何隨著時間的推移進行改進——這就是為什么第 2 天是持續改進發生的地方。托管模型的優勢在于將運行時信號轉換為安全、快速的迭代。

DevSecOps — 無處不在，端到端

DevSecOps 與流程的每個部分都相關聯——它無處不在。安全性從一開始就內置：自動化測試、策略檢查和漏洞掃描在后臺運行，并集成到 CI/CD 管道中。服務即軟件堆棧支持默認安全的選擇，因此開發人員可以在不引入風險的情況下快速行動。

數據表明什么（價值實現時間和權衡）

我們的研究表明，堆棧可以處理繁重的工作并提供更快的價值實現時間。34% 的受訪者更喜歡托管/基于 SaaS 的交付，而 17% 的受訪者希望純分發。盡管 SaaS/托管產品相對于完全分發功能可能有所減少，但它們可以更快地實現價值。優勢是顯而易見的：開發人員專注于功能、用戶體驗和創新，而堆棧則確保可靠、安全、大規模的運營——對整個 CI/CD 管道和整個軟件生命周期產生重大影響。

底線：通過服務即軟件的視角繪制第 0/1/2 天的地圖，將規劃、發布和運營與一個平臺保持一致，該平臺可以安全地自動化無差別工作、制度化持續改進并加速結果。

為代理時代重新布線運營模式

我們認為，運營維度正在經歷階梯式功能的變化。下面的參考圖將當今的自動化孤島（左）與知識工作的按訂單生產裝配線（右）并置。為了清晰起見，視覺效果故意夸大了，而且——重要的是——反映了一個新出現的現實，即管理者將監督代理大軍，而不僅僅是人類團隊，這呼應了馬克·貝尼奧夫的觀點，即我們是最后一代單獨管理人類的管理者。

從歷史上看，知識工作類似于裝配前的生產線制造——想想小單元中的工匠工作流程，協調和編排由人類處理——幾十年來幾乎沒有改變的模式。現在的機會是圍繞稀缺的人類專業知識組織工作，并理解，無論智能體變得多么先進，隨著時間的推移，人類的判斷和決策都會逐漸傳授給智能體。

按訂單生產模型將批量運營的效率與咨詢工作的定制相結合（如咨詢或投資銀行業務所示）。有了端到端的可見性和數字編排，任何尚未編碼在代理中的專業知識都成為浮動的高價值資源，在需要時精確部署。每一次這樣的人工干預都會被捕獲以供將來使用——類似于產生訓練數據的特斯拉自動駕駛儀脫離——因此下一次發生該異常時不再需要人工。實際上，工作場所是專門為在工作流程中編碼專業知識而設計的，穩步提高代理成熟度并擴大有效能力。

我們將這條裝配線視為一項常青計劃——類似于戰略資本項目，但以運營支出的形式運營。成功指標也相應地發生變化，從傳統的部門效率衡量標準（例如，交易完成和上市時間）轉變為專業知識的放大和真正的智力資本回報。在這種配置中，隨著接口的稀薄和語言成為控制平面，單個經理指揮著大量的代理，定義了我們認為將成為代理時代的運營藍圖。

在這條按訂單生產的裝配線中，我們結合了最好的批量作，并再次借鑒了 Geoffrey Moore 的概念。批量運營的效率，但定制工作可能會在咨詢業務（例如咨詢或投資銀行業務）中找到。你會得到兩者最好的。

但關鍵是，因為你有這種端到端的可見性，你有流程的數字編排，所以發生的事情是，人類的專業知識，沒有在代理中編碼，變成了一種可插拔的資源，本質上這條裝配線在需要時發揮作用，每次有人為干預時， 捕獲以備將來使用。

從勞動力規模服務到數字編碼專業知識：商業模式轉變

我們相信安全和治理不能被掩蓋——尤其是在受監管的行業。合規性、監管和安全仍然是醫療保健（例如 HIPAA）、金融服務和歐盟法規的前沿和中心。通過上述技術和運營模式，我們現在研究商業模式的轉變。

下圖描繪了此處顯示的兩種對比狀態。在當前范式的左側，利潤隨著勞動力的增加而增加：增加產能，增加人員，并希望擴大規模。邊際經濟學因行業而異。在軟件中，非經常性工程在前期占主導地位;持續維護持續存在，但邊際成本在數量上趨于接近零。在硬件領域，銷售成本仍然是一個持續的拖累。在服務業中，勞動力是關鍵投入，通常會導致規模經濟和實現運營杠桿的挑戰。

在右側，我們看到了一個由數字編碼專業知識驅動的根本不同的環境——我們認為這是一個自學、自學的系統，會隨著時間的推移而改進。這成為生產的關鍵投入，這就是為什么我們不僅在技術領域，而且在所有行業都期待贏家通吃的動態。

為了具體說明其影響，請考慮一家律師事務所——服務業務被重新構想為軟件的早期例子。從歷史上看，自“站立式辦公桌上的羽毛筆”時代以來幾乎沒有什么變化——為了承接更多業務，公司聘請了更多的律師;成本隨收入而增加;競爭優勢在于人際關系和聲譽。定價往往是收費的，通常是時間和材料（或從那里加價）。

在新模式下，法律工作逐漸被編碼在代理人中，并作為一個平臺進行作。每次系統遇到新情況時，捕獲的專業知識都會成為智能體知識庫的一部分;下次，該特定模式不需要人類律師。人類專業人員越來越多地監督代理的裝配線。

按小時定價的工作類型——合同、并購任務和類似事項——可以轉向固定費用服務。隨著數量的增加，學習會得到改善，從而創造更大的差異化和更低的成本。數據網絡效應和編碼的專業知識復合在一起，強化了體驗曲線并推動了贏家通吃的結果。實際上，服務企業成為平臺企業，由理解人類語言和組織流程的軟件提供支持。我們認為這是深刻的變化。

在我們看來，這是商業模式轉型的關鍵——從邊際成本不均衡的勞動力規模經濟學到由數字編碼專業知識提供支持的平臺經濟學，在嚴格的合規和治理護欄下進行管理，并能夠大規模地復合優勢。

代理作為“顧問”，業務價值指標，邊緣作為新的數據中心

[觀看薩凡納·彼得森的完整分析]

我們認為，將代理視為企業內部的顧問，最好理解服務即軟件的代理角度。以這種方式構建，代理利用從運營經驗、遙測和邊緣設備數據等來源學到的機構知識、行業最佳實踐和編纂業務流程。這種心智模型簡化了一個復雜的轉變：代理不僅僅是人或簡單的機器人;他們的行為就像嵌入式顧問，利用共享的上下文來交付結果。

我們的前提是企業正在采用兩種不同的方法來衡量代理影響。一種強調計算代理（例如，“部署了 500,000 名代理”）并列出總體投資回報總額。另一個更接近組織實際報告價值的方式，側重于業務成果——節省的資金、實現的機會和體驗改進（例如，凈推薦值和客戶滿意度）。

我們相信第二種方法將推動企業和消費者層面的真正采用，因為它使代理計劃與切實、可理解的結果保持一致。一個著名的例子是 Workato，它有意將代理商打造成“精靈”——一個平易近人的動態隱喻——并圍繞業務影響而不是原始代理數量來定位發布敘述。

從技術上講，我們認為代理杠桿在經典自動化之外增加了一個 Z 軸：以前不切實際的推理、決策和新穎的信息獲取現在變得可行——在早期原型中常常讓人感覺“神奇”。矛盾的是，許多當前的最小可行產品和概念驗證都要求不足;團隊可能還沒有掌握實際可能的事情，因為組織以前從未能夠做這些事情。我們建議圍繞有形的影響指標而不是代理計數來構建計劃、營銷和成功標準，確保標準設置得足夠高，以捕捉代理系統的全部承諾。

合規和治理再次成為首要問題，而不是事后的想法。隨著 AI 的大規模實施和代理的大規模部署，數據的數量、局部性和處理方式又擴大了一個數量級。這加劇了管理數據所在位置、訪問方式、保護方式以及如何提取價值的需求——跨不同規則的司法管轄區。

我們在 theCUBE 上的對話和活動工作強調了具有長期公共部門關系、已建立的數據中心房地產以及電力和水資源的提供商所擁有的結構性優勢，以及每個國家和每個地區所需的政策和立法導航。Equinix 最近在其分析師活動中分享了強有力的例子。我們認為，在高層選擇合適的合作伙伴——那些滿足數據需求并保證其安全的合作伙伴——至關重要;隨著項目規模的擴大，錯誤的選擇會產生棘手的、潛在的生存風險。

我們進一步相信，這個時代遠遠超出了 SaaS 劇本。SaaS加速任務級自動化;服務即軟件在智能級別運行。它引入了更大的復雜性，需要新的工具，并且需要深思熟慮的策略。目標不僅僅是讓簡單的事情變得更快;而是讓非常復雜的事情成為可能。

最后，邊緣成為一個新的數據中心。我們期望邊緣的人工智能，設備不斷向系統報告，這些系統支持不斷發展的、經過現場驗證的最佳實踐——在現實中效果最好，而不僅僅是假設。這種反饋循環還重塑了代理企業中的管理角色，這意味著領導層從僅監督人員轉變為協調代理，整合邊緣來源的信號和機構知識以改善結果。與此同時，一個持久的生態系統角色也出現了，用于對代理本身進行咨詢——一個服務層，幫助組織設計、管理和調整其代理員工隊伍，以確保安全、合規、績效和價值實現。

在我們看來，將代理重新定義為顧問、衡量業務成果、提升合規性和治理、針對數據局部性和基礎設施現實進行合作，以及將邊緣視為一流的計算和數據平面，是從任務自動化轉向企業規模服務即軟件的實際支柱。

長達十年的服務即軟件過渡：現在值得關注的內容

我們相信，這里概述的技術、運營和商業模式轉變將實質性地改變公司的賺錢方式和收費方式。這是我們今后將使用的評估框架，我們將不斷更新。它還與正在進行的分析工作（包括與外部研究合作伙伴的合作）保持一致，旨在揭示服務即軟件創造新的生產力驅動因素。我們將在此背景下評估未來，并跟蹤關鍵指標以觀察其發展。

一個核心問題是現有企業如何處理技術債務。在我們看來，企業面臨著“將死鯨踢下海灘”的選擇——比喻延續遺留負擔——或者根據服務即軟件框架轉變其技術、運營和商業模式。獎品是巨大的生產力提升;不作為的風險是作為軟件提供的新服務的破壞，軟件經濟性微乎其微。我們以前已經看到了學習曲線捆綁的力量——例如，Microsoft 在 1980 年代和 90 年代的捆綁——但我們相信今天的變化要大得多。

這種轉變并不容易。它不僅僅是采用云、更換新的安全框架或建立另一個數據平臺。它是組織轉型的，必須在運營當前業務時發生。有許多缺失的部分需要深思熟慮地解決：

• 數據協調和衛生，以“讓數據倉庫井井有條”。

• 代理互作性和安全性：代理如何相互通信以及如何保護這些交互。

• 代理能力的定價模型：市場仍在試驗中;我們看到 Salesforce 測試方法，但目前尚不清楚其他公司（例如 UiPath）將如何定價價值。

• 數據保留和沿襲：某些行業需要保留多年（通常為七年）。我們預計需要重新創建和解釋代理決策。

• 混合基礎設施經濟：在適當的情況下繼續推動將 AI 引入本地數據。

我們相信這將隨著時間的推移而演變，這就是為什么我們一直說這需要十年的大部分時間才能完全發揮作用。2025 年或 2026 年不會是“代理人之年”。更有可能的是，這將是代理人的十年。

從成本結構的角度來看，商業模式的影響是深遠的。定價代理很難，因為與歷史上的軟件模式不同，現在在新的生產要素——數據之上存在有意義的邊際成本——尤其是計算成本。報告表明，領先的人工智能提供商在運營成本和數據采集/管理方面的支出可能仍約為收入的 45%。這強調了為什么成本結構仍然是首要問題，以及為什么數據治理和質量將直接影響單位經濟。

可觀測性必須與安全性同步發展。傳統的數據沿襲是不夠的。我們將需要代理的可觀測性——捕獲推理跟蹤和用于做出決策的數據——一個支持可審計性、安全性、合規性和取證的新血統。

盡管全面的企業轉型可能需要十年時間，但我們看到了近期的浪潮。未來 12 到 18 個月內，最大的影響將是將生成式 AI 和代理應用于企業用于構建日常軟件的主流工具。軟件行業為主流客戶提供的工具必須首先圍繞代理技術進行重塑——在主流企業更廣泛的服務即軟件平臺完全形成之前。換句話說，我們正在描繪企業重塑的愿景，但用于構建重塑的工具鏈將在未來 12 個月內發生巨大變化。

值得關注的關鍵因素包括現有對技術債務的響應、代理服務的可靠定價模型、數據協調和保留/沿襲方面的具體進展、真正的混合經濟學（人工智能到數據）以及代理可觀察性/安全性的可衡量改進。我們認為，隨著代理十年的展開，盡早與這一框架保持一致的組織——協調調整技術、運營和商業模式——將最有能力抓住學習曲線優勢和服務即軟件經濟學。