没有到来的 SaaS 末日：Atlassian CEO Mike Cannon-Brookes 谈 AI、平台与工作入口

一、嘉宾背景

这期节目来自 Nilay Patel 主持的 Decoder，采访对象是 Atlassian 联合创始人兼 CEO Mike Cannon-Brookes。节目主题很明确：AI 是否会让 SaaS 公司失去价值，企业工作流会不会被模型和 agent 接管，Atlassian 这样以 Jira、Trello、Rovo 和协作/工作管理平台为核心的公司如何重新解释自己的位置。

Atlassian 在节目中被放在企业协作和流程管理的中心。Nilay 开场把它描述为许多公司赖以运转的平台型企业，产品帮助大型团队组织工作、建立公司知识库、管理流程。Mike 则把 Atlassian 定义为连接业务团队和技术团队的平台，尤其服务于那些把软件和技术当作核心竞争优势的组织。

这个背景决定了他的回答不是普通 SaaS 创业者的防御姿态，而是一个平台公司 CEO 对企业复杂性的辩护。他讨论 Jira、Confluence、Trello、Loom、Rovo、MCP、CLI、Dia 和设计系统时，始终围绕同一个问题：AI 能自动化很多步骤，但大公司仍需要知道工作在哪里、谁负责、流程是否健康、风险是否可控、跨系统上下文是否可信。

节目还涉及 Atlassian 自身的组织变化。Mike 说公司约有 1.2 万到 1.3 万名员工，长期采用全球分布式办公；组织上是功能型结构叠加大量矩阵，两大产品组、两个 CTO 和大型平台团队并存。Atlassian 还把内部 IT 与工程职能并入 chief people 职能之下，因为 AI native 转型同时牵涉人才、系统、MCP servers、内部系统可操作性、AI rollout 和 token spending 管理。换句话说，Mike 不只是在评论 AI 对别人业务的影响，也在解释 Atlassian 如何重排自己的组织机器。

二、本期主要内容

这期访谈的主线，是 Nilay 用“SaaS apocalypse”的行业叙事持续追问：如果 AI 能读取工具、调用接口、生成中间件、操作旧系统，企业还需要漂亮的 SaaS 界面、统一平台和昂贵迁移吗？Mike 的回答分成两层。第一层是承认 AI 会改变流程执行；第二层是强调流程可见性、平台治理和任务界面不会因此消失。

他先重新解释 Jira 的角色。Jira 不是开发者、市场或财务人员真正完成工作的地方，而是 human reference to work 和协作型 workflow engine。企业本质上由许多系统和流程组合而成，Atlassian 的价值是让这些流程在个人、团队和组织层面可理解。AI 可以让流程跑得更快、更可靠、质量更稳定，但不会消除“看懂公司正在发生什么”的需求。

销售合同例外审批是节目中最具体的例子。Mike 说，如果客户只是要求 45 天付款而不是标准 30 天，AI 也许可以处理约 80% 的这类简单例外；但如果客户要求 90 天付款，还叠加其他商业、法律、销售关系和战略因素，就仍需要人类直觉和判断。这个例子说明他的自动化观：AI 先处理规则化、低风险、可模式化的步骤，然后把剩下的高判断密度环节暴露得更清楚。

面对“前沿模型四五年后能运行整家公司”的说法，Mike 认为这只适用于相对简单的公司。真实企业有全球规则、合规、法律、不同地区员工、客户交付、行业竞争和人类创造性带来的不一致。他用银行网点作类比：移动银行没有简单消灭网点，而是改变了网点职能，让它们从基础转账转向更高层客户服务。他据此推断，五到十年后知识工作者和开发者甚至可能更多，因为 AI 提升了完成任务的能力，也抬高了行业竞争门槛。

节目中段转向 Atlassian 的平台化。Mike 说公司超过一半 R&D 投入在平台层，应用在总投资中的比例越来越小。平台层包括 AI gateways、chat、automation、identity、logging、governance、compliance、content classification、home 和 search。Rovo 的优势不是 Atlassian 自己造 foundation model，而是它能跨企业内容搜索，在 Jira、Loom、Service Collection 等产品内理解上下文，并保持一致操作。

这也解释了他为什么尖锐反驳 headless SaaS。他承认 MCP server 和 CLI 很重要，甚至说 Atlassian 拥有全球使用量最高之一的 MCP server，刚完成重写和大升级，也发布了几个高频 CLI。他还说，使用 Atlassian MCP/CLI 的客户创建更多 Jira issues、seat 增长更快、ARR 增速是不使用者的两倍，并在 earnings call 上称至少快 5%。但他同时说，如果软件供应商只剩数据库或 MCP server，软件价值就很低；超过 98% 使用 Atlassian MCP server 的人仍继续使用用户界面。

在岗位和组织部分，Mike 拒绝“工程师、设计师、产品经理谁会消失”的二元判断。他看到的是边界融合：设计师能交付可运行代码原型，工程师能做更多设计判断，产品经理、营销、财务、HR 也能从原型走到发布代码。但企业级发布仍依赖平台鲁棒性、合规、数据驻留、法律约束和客户安全。Atlassian 的设计系统 MCP 和 CLI 是他用来说明“平台放大专业能力”的例子：设计团队一部分工作在建设可扩展、灵活、可构建的系统，另一部分解决最难的 5% 设计问题，从而让数千甚至近万名工程师构建更一致、更好看的功能。

后半段，节目转向 Dia。Nilay 将 Atlassian 以略高于 6 亿美元收购 The Browser Company 放在浏览器、搜索流量、Web 应用和 AI agent 背景下追问。Mike 的答案是，知识工作者一天中 80% 或 90% 的时间都在浏览器里，但他们主要不是在读网页，而是在 Gmail、Google Calendar、Slack、Atlassian、Salesforce、Loom 等 SaaS 应用里工作。因此 Dia 不是普通浏览器，而是面向企业知识工作者的“doer”。

Dia 的功能例子包括 tabs、split screens、pinned tabs、groups、AI、dynamic/live tab groups。documents live tab group 可以跨 Google Drive、Confluence、SharePoint 等工具自动打开和关闭文档标签。Morning brief 是 Mike 所说最受欢迎的功能，它跨日历、消息、文档工具读取大量内容，并在用户本机本地生成当天最重要事项。Dia/Deer 还像一个随浏览行为持续更新的迷你 CRM，维护人与关系、SaaS 应用上下文，用 AI 去重、归一化并判断任务优先级。

节目最后，Nilay 问消费 AI 是否缺少像企业场景那样聚焦的好产品。Mike 认为消费 AI 还早，技术断裂产生的关键应用常常并不与底层技术线性相关；iPhone 的相机和 GPS 后来启发 Instagram、Uber 这类应用，但这些不是初代 iPhone 发布时就显而易见的。他提到 Muse 和一个带人格的 AI agent chatbot Talen 作为早期探索，并强调 AI 不是产品，而是技术：好的 AI 应该像手机拍照背后的计算摄影一样，消失在体验里。

三、核心观点：推理、例子与边界

Mike 最核心的判断是：企业软件的价值不只是“执行任务”，而是让复杂组织里的工作、责任、流程、权限和上下文保持可见。这解释了他为什么把 Jira 称为工作的 human reference，而不是实际干活的地方。开发者可能在 IDE 里写代码，销售在 CRM 里推进客户，法务在合同系统里处理条款；但组织管理需要知道这些动作如何汇合成流程，哪里卡住，谁需要判断，哪些指标说明系统正在变好或变坏。

这也是他反驳 SaaS apocalypse 的起点。把 SaaS 想象成会被一个聊天框或模型吞掉，隐含的前提是企业工作主要是在数据库里读写信息。Mike 描述的企业则更像由规则、合规、法律、地区、人员、客户和竞争约束组成的动态系统。AI 可以读取、总结、调用、生成，但组织仍要决定什么可以自动批准，什么必须升级，谁对例外负责，怎样证明流程符合客户安全和法律要求。销售 deal exception 的例子就是这个逻辑的缩影：45 天付款这类简单变体可以自动化，90 天付款叠加其他条件的例外仍需要商业判断。

他的第二个核心观点是：平台没有过时，反而更重要。当 AI 降低单个功能的构建成本，护城河就从“我有一个功能”转向“我能不能让这个功能在企业环境中安全、合规、一致、可治理地工作”。因此 Atlassian 把超过一半 R&D 投入平台层，建设 AI gateway、身份、日志、治理、合规、搜索、自动化和内容分类等共享能力。Rovo 的优势不是 Atlassian 自研基础模型，而是能跨产品、跨企业内容做带上下文的搜索，并保持一致操作。

在 headless SaaS 问题上，Mike 的论证锋利，但并不简单。他不是否认 MCP 和 CLI，恰恰相反，他说 Atlassian 的 MCP server 每天有数百万人使用，CLI 也有很高使用量，使用者的 Jira issue、seat 和 ARR 增长都更快。他真正反对的是把“可被 agent 调用”误读为“用户界面没有价值”。他用超过 98% 的 MCP server 使用者仍使用 UI 来说明：互操作层会让软件被更多地方调用，但任务界面、设计质量和界面上下文仍是用户完成复杂工作的关键位置。

岗位变化上，他的观点也不是“AI 不会影响就业”，而是比简单替代更复杂。设计师能写可运行原型，工程师能做更多设计判断，产品和运营职能也能发布代码，这会让协作更快、角色边界更宽。但他明确划出边界：家庭或个人工具可以 vibe code 到够用，大型组织的软件要面对欧洲合规、数据驻留、国家法律、客户安全和规模化交付。也就是说，AI 扩展了谁能参与构建，却没有取消企业级工程、设计系统、安全和合规平台的必要性。

他对组织结构同样克制。Nilay 提到 Cloudflare 的 Matthew Prince 关于“measurers”的观点，以及 Meta 内部关于 50 人管理跨度的报道；Mike 接受组织会变得更宽、更扁，但怀疑极端跨度可复制、可规模化。他的 input-bound/output-bound 分类更实用：法务、客服等职能受输入量约束，AI 提高处理效率但不会凭空增加合同；工程、营销等职能更受创意、组织、流程和平台约束，通常不会出现“路线图做完了”。这个区分让 AI 组织变革从口号变成可诊断的问题：哪些团队的瓶颈是输入量，哪些团队的瓶颈是想象力、协调和执行系统。

这些观点也有不确定性。Mike 是 Atlassian CEO，他的立场自然会强调平台、界面和企业复杂性；节目中的增长数字、MCP/CLI 使用效果和 98% UI 延续使用，都是他引用的 Atlassian 口径，不能直接扩展成所有 SaaS 公司的普遍事实。他对未来五到十年知识工作者和开发者更多的预测，也是一种战略判断，不是节目独立证明的劳动力统计结论。更稳妥的读法是：在复杂、受监管、跨系统的大企业里，AI 更可能重组工作形态，而不是立刻把所有 SaaS 和知识岗位归零。

Dia 部分延续了同一套逻辑：AI 的价值不是把用户赶进 chatbot，而是让应用读懂用户工作的上下文。Mike 认为知识工作者大部分时间在浏览器中，但浏览器已经不只是网页容器，而是 SaaS 应用的工作表面。Dia 的 morning brief、live tab groups 和关系图谱，试图把日历、文档、消息、会议、CRM、LinkedIn 等信号变成“今天先做什么”的判断。这里的关键不是 AI 炫技，而是把复杂系统折叠成一个更平静、更可控的入口。

消费 AI 的讨论给这期节目增加了一个更广的产品判断。Mike 认为 AI 不是产品，而是技术；好产品会隐藏模型、tokens、gateways 和数据中心，让用户感到事情更顺、更可信。这个观点的限制在于，企业用户和消费者的信任条件不同：企业场景可以依靠权限、合规、本地处理和管理员策略建立边界，消费场景则需要在隐私、心理依赖、人格化交互和文化接受度上继续探索。Mike 用 Instagram、Uber 和 iPhone 的历史类比说明杀手级应用可能滞后出现，但类比本身不能证明 AI 一定会复制智能手机路径。

四、学习与应用

对企业采购者来说，这期节目最可用的启发是：评估 AI SaaS 不应只问“模型能不能生成内容”或“agent 能不能调用接口”，还要问它是否理解组织上下文、权限、安全、流程状态和跨应用关系。一个能自动批准简单合同例外的系统很有价值，但它还必须清楚哪些例外需要升级，哪些规则来自法律或客户承诺，哪些动作要被记录，哪些结果需要被经理看见。

对 SaaS 公司和内部平台团队来说，Mike 的平台论给出了一套投资优先级。AI gateway、身份、日志、治理、合规、搜索、自动化、内容分类和设计系统不是后台杂活，而是 AI 时代产品体验能否规模化的基础设施。越多人能用 AI 生成代码、原型、报告或工作流，越需要共享平台把输出拉回同一套安全、设计和运营标准。否则，“人人都能构建”只会制造更多不一致、不可审计、无法交付给客户的半成品。

对管理者来说，input-bound/output-bound 是一个比“裁掉中层”更具体的诊断框架。法务、客服、审批、支持等团队，可以先在输入队列中寻找重复、规则化、低风险的步骤，让 AI 提高吞吐和一致性；工程、营销、产品等输出型团队，则更应该投资创意生成、协作速度、决策质量、设计系统和发布平台。两类团队都可以用 AI，但目标不同：前者偏效率和质量控制，后者偏放大想象力和执行能力。

对个人职业发展来说，节目给出的方向不是恐慌式“转行”，而是扩大边界，同时保留专业峰值。设计师可以学会交付可运行原型，工程师可以提高设计判断，产品经理和运营人员可以用代码表达想法；但在企业环境中，真正稀缺的仍是能理解约束、做判断、把原型接入安全合规平台、并解释取舍的人。Mike 所说的 imagination asymmetry 也提醒个人：当信息整理越来越便宜，主动发现问题、提出方向、组织他人和承担判断会更值钱。

对产品设计者来说，Dia 的讨论很有操作性。AI 功能不必总是以“聊天框”出现，也不必把模型过程展示给用户。Morning brief 的产品思想，是跨工具读取上下文，然后把复杂性变成一个高信任、低压力、可行动的开始界面。应用到其他产品，可以追问：用户每天最需要重新建立上下文的时刻在哪里？哪些页面、评论、日历、任务、文件和人物关系可以帮助排序？哪些计算应该在本地完成，以获得安全和信任？

边界同样重要。Mike 的观点最适用于复杂、跨职能、受监管、需要协作的大型组织；对小团队、低风险内部工具或一次性脚本，headless、CLI、agent 操作可能已经足够。平台化也有代价：建设共享能力昂贵、慢、需要强组织协调，过度统一可能压制单个应用的任务适配性。Mike 自己也承认，应用仍必须完成具体工作，不能把企业软件混成一个模糊的大产品。

因此，这期节目的实际落点不是“AI 会不会杀死 SaaS”，而是如何判断软件价值在 AI 之后转移到哪里。可以被模型调用的数据层会变得更基础，规则化流程会更快被自动化，界面不会因为 MCP 存在就消失，组织不会因为 AI 报告就自动变简单。更有韧性的方向，是把 AI 放进可治理平台、任务化界面、设计系统和清晰决策机制里，让人类判断出现在真正需要承担责任的位置。

来源

• 原始节目：The SaaSpocalypse that wasn't, with Atlassian CEO Mike Cannon-Brookes | Decoder