AI成为入口之后，软件的价值在哪里？Dharmesh Shah的HubSpot答案

一、嘉宾背景

Dharmesh Shah是HubSpot联合创始人兼首席技术官。嘉宾背景资料将HubSpot描述为一家服务中小企业的软件公司，通过整合软件，减少工具碎片化带来的复杂性。这也是Shah讨论AI时持续关注的问题：新增的技术能力，如何帮助同一批客户更容易地完成工作。

Shah在访谈中说，自己开发商业软件已有30多年，如今是最享受构建产品的时期。他把AI视为HubSpot使命的一次更新：早年，中小企业看到了互联网带来的增长机会，却容易被复杂的技术和工具挡住；现在，它们又需要帮助，才能从AI中受益。服务对象的连续性，也贯穿了他对创业试错和成熟软件公司转型的讨论。

这场约59分钟的访谈围绕三个问题展开：什么值得构建，已有软件公司应当如何改变，以及当客户通过AI使用产品时，软件的价值将体现在哪里。Shah同时披露，自己既站在HubSpot的立场上，也投资了OpenAI。他对产品历史的回忆、技术架构的设想与竞争格局的判断，都应放在这一背景下理解；这些提供了一位行业参与者的推理，并非对整个行业未来的独立证明。

二、本期主要内容

Shah将AI放在软件抽象层级不断提高的历史中理解。工具越高级，想法就越容易实现，参与构建的人也越多，但企业原有的业务问题并不会随之消失。他尤其看重学习速度的变化：过去可能要花半年、一年甚至两年才能弄清的事情，现在可以更早通过发布产品、接触真实用户来检验。这是对学习过程的方向性判断，访谈没有给出实测的提速比例。

因此，他不相信一张十八列的表格能够算出最好的创业点子，也不认为统计出多少家小律所，就足以证明需求存在。软件更容易开发，还可能让分发更加困难，因为客户面对的选择也会增加。他建议先缩小范围，明确最初30天服务谁、具体做什么，以及怎样以较低成本获得下一步判断所需的反馈。

HubSpot的起步经历体现了这种调整。Shah回忆，团队选择中小企业，是希望兼顾客户的付费意愿与较广的客户基础。大企业市场面临销售周期长、收入集中、少数客户可能左右产品路线等问题，消费者市场则难以变现。团队最初设想的是“小企业版Oracle”式ERP，后来在商业计划竞赛中将范围缩小为面向律所的ERP，取名Legal Spot。但与律所交谈后，他们发现，对方更关心网站、营销和如何找到合适的客户，产品方向于是转向营销获客。客户谈话改变了团队对问题优先级的判断。

CRM同样不在最初的产品蓝图中。据Shah回忆，公司成立约第五至第六年时，一次客户调查显示，20%的客户使用Salesforce，20%使用其他CRM，60%没有使用CRM。这些比例来自他所述的当时客户样本，并非全部中小企业的CRM采用率。团队发现，客户已经花钱获取销售线索，却因工具复杂、预期成本较高而没有采用后续管理工具。营销与销售业务相邻，公司需要第二款产品，同时又预期CRM厂商会进入营销市场，这几项因素共同推动了HubSpot进入CRM。

HubSpot推出了一款容易使用的免费CRM。Shah特意区分“免费”与freemium，即免费基础版加付费升级的模式，并说明当时已有的营销业务能够为CRM提供补贴。CRM平台的方向是在此后的迭代中逐步形成的。早期营销套件同时覆盖内容管理、SEO、落地页和表单，也出于相似考虑：客户面对的是工具碎片化带来的完整问题，只补上一个功能，未必能解决它。聚焦一类客户，并不妨碍产品覆盖这类客户的一整段工作。

这段历史也延续到HubSpot Next。这个内部实验机制允许团队脱离既有技术栈与品牌，探索产品、市场和技术。Shah正在开发的USpot是一款面向一人公司的CRM，录制时诞生仅30天。他仍在通过小范围产品实验获取反馈，但USpot尚处形成阶段，不能据此认定其已经获得成熟业务所需的验证。

三、核心观点：推理、例子与边界

判断AI创业机会，Shah首先要求创业者正视模型公司的扩张能力。他提出两项检验：在“ChatGPT做不到”后面加上“暂时”，这个机会是否还成立；当前产品尚未提供的能力，背后的整家公司是否有能力做出来。如果缺口未来可以补齐，仅仅填补眼下的功能空白，就不足以支撑一门持久的生意。创业者还需要寻找监管等结构性约束，或判断对方是否虽有能力，却缺少进入这一市场的动力。

他以自己所述HubSpot超过30亿美元的收入为例，认为前沿模型公司当然有能力进入CRM市场，但它们追求的机会可能更大，未必愿意专门争夺这块业务。这是他对资源配置和竞争激励的判断，并不保证模型公司不会进入。激励可能变化，对方也可能通过新产品参与竞争。这套判断方法的价值，在于让创业者看清自己的假设，而非认定某个市场已经安全。

Shah的另一项判断来自产业分工。模型公司出售推理能力和token，既可以直接服务消费者与大型企业，也可以通过熟悉具体领域、拥有客户关系和分发能力的软件公司进入市场，两种路径能够并存。他将其类比于早期云基础设施的发展。同时，他修正了自己在2023年的看法：当时，他认为领先模型公司可能难以被追赶；如今，其他商业模型、开源模型和按任务选择模型的做法，正在减少应用公司对单一供应商的依赖。他没有据此断言模型已经成为商品，更多替代选择也不意味着不同模型在所有任务上都能无损互换。

当AI成为用户入口，界面与软件承担的工作就需要分开看。Shah提到，HubSpot已经提供面向ChatGPT和Anthropic的连接器。他用外卖平台作比：用户看到的应用背后，还有合作关系与履约能力。这个比喻强调的是完成工作所需的系统，并未把配送平台的网络效应归于企业软件。他承认，不同产品的界面价值各不相同；他反对的是HubSpot几乎全部价值都来自界面的判断。对于主要依靠交互体验创造价值的产品，这一论证并不能直接证明其竞争地位同样稳固。

如果把AI界面视为新的浏览器或操作系统，应用就应围绕客户成果、成本、延迟和操作摩擦来优化。Shah举了一个具体例子：要统计爱尔兰客户的数量或收入，应当查询数据库，而非让模型从消息和邮件中推断。他提到的数百万条消息和模型智商数字，是说明问题的修辞，并非性能测试。对于已有确定性答案的问题，引入AI没有必要把查询变成概率推断。

因此，他主张同时保留结构化事实记录与非结构化上下文系统。已知事实需要持久保存，非结构化材料则可以通过上下文图谱等方式组织，为模型推理、代理行动和工作执行提供依据。“第二大脑”在这里需要与数据库配合。至于上下文图谱如何实现、在哪些任务上优于其他组织方式，访谈没有提供比较结果，仍停留在架构方向的讨论上。

成熟软件积累下来的能力，也可以参与这一变化。Shah举例，发送邮件、等待三天、等待用户点击等营销自动化原语，可以重新组合，用于销售自动化。可复用的工作能力由此成为软件价值的一部分。它们能否适应新任务，仍须验证；已有代码的规模和历史，并不自动保证其适合AI时代的需求。

Shah不认同“SaaS末日论”，根本理由是AI扩大了软件能够解决的问题范围。他早年对互联网营销的判断也是如此：互联网让更多营销问题适合由软件处理，AI可能带来新一轮扩张。主持人进一步提出，过去面向小客户的垂直软件，往往依靠较低的合同金额，加上支付或银行卡交换费（interchange）收入经营；AI可能让这类软件为小客户承担更多工作，创造更高价值。这些仍是对机会的判断，访谈没有证明新增收益必然超过新增成本。Shah也明确承认，一些软件公司会在转型中失败。他看好的是软件行业能解决更多问题，而每家公司仍需证明，自己能够交付客户愿意持续购买的成果。

四、学习与应用

对创业者而言，Shah的建议首先是把市场判断落实到可观察的客户行为上。围绕最初30天，可以写清楚服务对象、要完成的工作、如何找到愿意试用的人，以及哪些反馈会促使团队调整方向。Legal Spot的经历说明，客户可能存在后台管理需求，却把更高优先级放在获客上。值得借鉴的是让客户证据改变产品范围。开发成本下降，只有与真实反馈相连，才能降低学习成本。

对平台经营者而言，开发者生态本身也需要作为产品来经营。Shah以Twitter早期开放、后来收紧开发者生态的变化为警示，强调平台不能只关心如何吸引伙伴进入。他描述的HubSpot做法，是向伙伴说明正在建设的方向、无法作出的承诺，以及较少涉足的领域，同时不承诺永远不会进入伙伴的市场。缩短“time to joy”，既包括让开发者尽快跑通API，也包括帮助他们赚到第一笔收入。这两个阶段的阻力不同：接口难以理解，与集成产品难以获得付费客户，需要分别处理。透明沟通能够帮助伙伴判断方向，却无法消除平台未来进入相邻市场的风险。

对技术团队而言，Shah提出的是通过代理式编程检验架构变化：选择行为边界清楚的一部分系统，借助已有测试和评估（evals），比较不同模型或实现方式，再同时衡量质量、延迟和经济性。他谈到20万美元的token预算、用Rust重写，以及用约3个百分点的质量损失换取其他收益，均为假设性例子，并非HubSpot已经取得的项目结果。这类实验能否提供可靠依据，取决于评估是否覆盖关键工作。测试遗漏了重要行为，即使全部通过，也不足以证明替换安全；示例中的质量损失同样不能成为普遍可接受的标准。

对于“第二大脑”或记忆产品，Shah要求先明确客户与任务。仅仅因为通用AI平台目前的记忆能力不足，就搭建一个通用补丁，很难说明产品为何能够持续存在。更具体的问题是：服务哪类客户，他们需要汇入哪些信息，这些信息应形成什么上下文，代理又将据此完成什么工作。如果客户、信息输入和任务结果都不清楚，增加记忆层本身并不能证明需求。

成熟公司还需要考虑实验成果如何进入现有业务。Shah说，Agent AI的Agent Builder已经被吸收入HubSpot；USpot则可能整体并入、保持独立，或只贡献“第二大脑”等原语。实验团队可以先获得技术栈与品牌上的自由，再根据验证结果，决定如何使用HubSpot的分发、品牌、客户关系、评估和代码积累。一个实验有价值，并不意味着整个产品都应进入主业务；其中某项能力能够复用，也可能构成有效成果。

定价同样是实验的一部分。Shah说，USpot很早就开始收费，以了解客户如何判断价格与价值。他还报告，用户愿意为按用量计费提供信用卡的程度，在他以往的项目中少见。这为继续实验提供了信号，但他没有给出转化率、收入或长期使用数据，因此还不足以证明商业模式成立。沿着这一思路，后续验证需要分别观察：用户是否愿意开始付费，收到实际账单后是否继续使用，以及计费方式是否影响他们获得价值。这些是由访谈原则推导出的验证问题，并非节目披露的经营结果。

Shah提到的美国企业形成数据，也只能作为尚待核验的市场背景。他称，2025年美国新成立企业约560万家，录制当年至8月已超过400万家，并预计两年内不雇用员工的比例将超过70%。现有材料仅包含他的口述，没有独立核验依据。即便不雇用员工的企业数量增加，也不能直接推导出某款CRM的付费客户规模。判断一人公司市场的机会，仍需分别验证宏观市场叙述、早期支付信号与持续需求，不能用企业数量代替产品证据。

来源

• 原始节目：Why HubSpot’s Co-Founder Is Betting Against the SaaSpocalypse