AI Agent 正在重做 SaaS，但第一批公司已经被账单吓醒
2026-05-26 · AI Strategy
第一波 AI 产品问的是一个简单问题：模型会不会回答？
下一波 AI 产品问的是一个更难的问题：Agent 能不能把事情做完，而且这笔账公司付得起？
这个转变很关键。聊天机器人一般只有一次清晰的交互成本。Agent 不一样，它背后有一串隐藏成本：读上下文、调用工具、搜索资料、重试、分支执行、调用更强模型、写中间文件，最后还可能失败。
用户看到的是“它好像真的会干活了”。
老板看到的可能是“为什么这个月 token 账单爆了”。
所以，2026 年 AI SaaS 最重要的指标，可能不再是提示词数量、用户席位数、聊天次数，而是：
每完成一个真实任务，到底花了多少钱？
这篇文章延续今天 WindFlash AI Daily 中文日报 里的一组信号：Agent 更接近真实工作流，AI 基础设施越来越专业化，而企业开始追问 AI 到底是在提升利润，还是把成本换了一个名字。
1）SaaS 正在从“辅助工具”走向“代办执行”
过去两年，大多数企业 AI 功能本质上还是助手：Copilot、聊天侧边栏、写作辅助、搜索框、总结器。
它们有用，但仍然偏“建议”。
现在的方向不一样了。Gartner 今年的判断是，很多企业会从购买“辅助型 AI”转向购买能承诺工作流结果的平台。人在其中的角色，也会从亲自点软件、填表格、搬数据，变成监督系统是否正确执行。
这才是 Agent-first SaaS 的真正含义。
不是“给软件加一个聊天框”。
而是：
- Agent 能看到正确的业务上下文
- Agent 能在权限范围内采取行动
- Agent 的行为可以被审计
- 高风险场景有人能接管
- 工作流最后能产生可衡量的结果
McKinsey 的 2025 AI 调研也指向同一个结论：真正从 AI 获得明显价值的公司，不只是加 AI 功能，而是在重新设计工作流、扩大 Agent 使用，并明确哪些模型输出必须经过人工验证。
换句话说，AI 的价值不在“装饰旧界面”，而在“改变工作本身”。
2）真正贵的不是一次回答，而是整条循环
一次简单的 LLM 调用很好算账：输入 token，加输出 token。
但 Agent 贵在循环：
- 读取上下文。
- 选择工具。
- 查看结果。
- 更新计划。
- 再试一次。
- 卡住时换更强模型。
- 风险高时交给人审查。
最近一篇研究 Agent 编程任务 token 消耗的 arXiv 论文发现，Agent 型任务可能比普通代码聊天或代码推理消耗多得多的 token。同一个任务，不同运行之间的 token 消耗也可能相差很大，而且花更多 token 并不必然带来更高准确率。
这就是经济陷阱。
如果一家 SaaS 公司按月收固定订阅费，但每个 Agent 任务的成本都可能不受控地膨胀，它的毛利就会变得越来越难预测。产品看起来用量很好，业务上却可能越跑越亏。
OpenAI 和 Anthropic 都已经提供使用量与成本相关的接口或管理能力，这不是偶然。Anthropic 的 Usage and Cost API 明确提到用途包括追踪 token、对账、监控产品表现、设置告警和优化成本。
这说明一件事：AI 成本可观测性已经不是锦上添花，而是产品基本功。
3）为什么大家还是想做 Agent-first SaaS
因为诱惑太大了。
如果 Agent 能操作已有平台，创业者和投资人自然会想象一批新的 SaaS：
- CRM 不只是提醒跟进，而是自动跟进
- 财务工具不只是报异常，而是自动对账
- 客服软件不只是分发工单，而是直接解决问题
- 数据分析工具不只是画图，而是主动调查原因
- 开发工具不只是生成代码片段，而是完成一次改动
这也是为什么“收购或重做传统 SaaS，然后用 Agent 改造工作流”的想法开始变热。
但这个故事只有在经济账成立时才成立。
如果 Agent 帮人省了 10 分钟，却在模型调用、重试、工具使用和人工审核上花掉更多钱，那就不是自动化，而是一个更贵的界面。
真正应该计算的不是“AI 使用量”，而是：
每产生一个被接受的业务结果，完整成本是多少？
4）每个 Agent 产品都需要 ROI 仪表盘
现在很多 AI 产品看的是错指标。
它们会看总 token、总请求数、模型分布、延迟、错误率。这些当然有用，但它们回答不了老板真正关心的问题。
一个 Agent-first SaaS 至少应该看八个指标：
1. 任务完成率
Agent 是真的完成了工作，还是只是制造了一堆过程？
2. 结果接受率
用户、审核人或下游系统是否接受了它的输出？
3. 每个完成任务的成本
不是每次调用成本，也不是每次聊天成本，而是整条工作流的总成本。
4. 人工救援率
Agent 卡住或产生高风险结果时，人需要介入多少次？
5. 重试深度
Agent 在成功或失败前，平均循环了几轮？
6. 模型升级比例
系统有多频繁从便宜模型升级到更强模型？
7. 上下文复用率
同样的政策文档、表结构、产品说明、客户历史，是不是每次都被重新读一遍？
8. 单个结果的利润
扣掉模型、工具、基础设施和人工审核成本后，这个工作流到底还赚不赚钱？
没有这些数字，公司管理的就不是 AI 产品，而是一个绑着信用卡的 demo。
5）实用打法：限制范围、分层路由、缓存上下文、先验证再执行
最后能胜出的产品，不会是让 Agent 到处乱跑的产品。
胜出的会是那些把 Agent 工作变得可控、可算、可验证的产品。
限制任务范围
不要从“做一个什么都能干的 Agent”开始。
先选一个成功标准很清楚的工作流：
- 关闭这个客服工单
- 识别这张发票
- 更新这条 CRM 记录
- 准备这份续约简报
- 找出这些测试失败原因并提出补丁
边界越清楚，风险和成本越可控。
按难度分配模型
不是每一步都需要最强模型。
分类、抽取、格式化、路由，可以用更便宜的模型。规划、模糊判断、最终审核，再交给更强模型。目标不是“到处用最强模型”，而是在正确步骤使用正确模型。
把上下文缓存当成产品能力
Agent 反复读取同样的政策、表结构、产品文档、客户历史，是很常见的浪费。
提示词缓存、检索设计、结构化记忆、清晰的上下文边界，不只是后端细节，而是利润杠杆。
先验证，再执行
Agent 权限越大，越需要检查点：
- 执行前先预演
- 高风险动作需要审批
- 每次工具调用留下记录
- 能回滚就要设计回滚
- 置信度不够就升级或交给人
没有验证的自主执行，不是 Agent-first SaaS，而是运营债务。
6）新的创业问题
过去 SaaS 创业问的是：
能不能做一款人们每天都会用的软件？
Agent-first SaaS 要问的是：
能不能让软件可靠、安全、赚钱地完成工作？
这是两个完全不同的问题。
它要求产品设计、工作流设计、成本控制、模型路由、权限架构、人工审核设计一起工作。赢家不会只是提示词写得更好，而是系统设计得更好。
结语
Agent-first SaaS 一定会来，因为它的价值太强了：少点按钮，少搬数据，少等人接力，软件真的开始替人完成工作。
但 token 账单会成为分水岭。
下一代 AI 公司不是证明 Agent 能行动，而是证明 Agent 能在有利润的前提下行动。