最近身邊很多朋友都在聊 ETF，主動、被動式都有人買。某次聚會，我隨口問了大家一個問題：「你知道你手上那檔ETF，裡面的成份股是哪些嗎？」幾乎沒有人知道。但這不代表大家不在意自己的錢。恰恰相反 — 大家非常在意結果，只是不想自己來研究工具。沒有人想先去買一本投資聖經、把股票財報讀熟、再自己選股。大家要的是：把錢放進去，讓它增值。買ETF，就是在買一個「我的錢會好好被管理」的結果。

其實不管是個人還是企業，我們花錢買的從來都是結果，不是工具。

企業從請 SI（系統整合商）客製化系統，到改用 SaaS 訂閱服務，本質上就像從找股票營業員下單，進化到用 APP 自己買股票 —同樣的目的，但更快、更便宜、更透明。工具進步了，流程簡化了，但買的還是「讓業務跑起來」這個結果。現在，我們正站在從 SaaS 進入 AI 時代的轉折點。這次的進化更像是：從自己研究個股，到直接買ETF。你不再需要深入理解每一個底層工具怎麼運作，你只需要把目標定好、策略想清楚、工作流程設計對，剩下的交給系統去執行。

這也意味著，軟體公司的形態正在改變。未來的赢家，會是一間「披著服務公司外衣的軟體公司」— 軟體是讓整個公司高效運轉的引擎，服務是我們真正交付給客戶的價值。客戶不需要知道引擎長什麼樣，他們要的，是一個跑得動的結果。

Sequoia 的合夥人 Julien Bek 最近寫了一篇文章，說的正是這件事。以下是我的翻譯，加上幾個值得關注的觀點，分享給大家。

👉 前往閱讀 Julien Bek《Services: The New Software》全文

目錄

1. 引言
2. 理解與判斷力
3. 副駕駛與自動駕駛
4. 走向融合
5. 自動駕駛的切入策略：從外包任務開始
6. 機會地圖

下一家兆元市值公司，將會是一家看似提供服務、實則由軟體驅動的公司。

每一位正在打造 AI 工具的創辦人，都在問同一個問題：當下一版 Claude 把我的產品變成內建功能時，該怎麼辦？他們的擔憂並非多餘。

如果你賣的是工具，你就得不斷和模型賽跑；但如果你賣的是「把事情完成」，模型的每一次進步，都會讓你的服務更快、更便宜，也更難被競爭者追上。

一家公司可能每年花 1 萬美元買 QuickBooks，再花 12 萬美元請會計師結帳。而下一家傳奇公司，不會只賣你記帳工具，也不只是提供會計服務——它會直接把帳結好。

理解與執行能力

寫程式，主要仰賴的是理解與執行能力；知道下一步該做什麼，仰賴的則是判斷力。

把規格轉成程式碼、測試、除錯 — 這些規則很複雜，但終究仍是規則。判斷力則不同。它需要經驗與品味，是多年實戰累積出來的直覺：該先做哪個功能、是否該承擔技術債、什麼時候該在產品尚未完美時就先推出。

一年前，大多數 Cursor 使用者還只是把 AI 當成自動補全工具。如今，更多任務是由 AI Agent 開始執行，而不是由人類親手啟動。在所有職業的 AI 工具使用量中，軟體工程佔了超過一半；其他類別仍停留在個位數。

原因在於，軟體工程本質上是一種高度仰賴理解與執行能力的工作。AI 已經跨過那道門檻，能夠自主完成大部分理解、轉換與執行型任務，並把判斷力留給人類。軟體工程只是第一個到達這個臨界點的領域；接下來，這件事將發生在每一個職業。

副駕駛與自動駕駛

副駕駛（Copilot）賣的是工具；自動駕駛（Autopilot）賣的是把事情完成。

直到不久前，AI 模型的理解、執行與判斷能力仍在發展中，因此更合理的做法，是先打造副駕駛：把 AI 交到專業人士手中，讓他們決定該如何使用。Harvey 賣給律師事務所，Rogo 賣給投資銀行。專業人士是客戶，工具讓他們更有效率，而他們也為最終輸出負責。

如今，模型在某些領域的能力已經足夠成熟，最好的切入點反而是直接成為自動駕駛。Crosby 的客戶，是需要草擬保密協議的公司，而不是外部法律顧問；WithCoverage 的客戶，是需要保險的財務長，而不是保險經紀人。客戶購買的，是結果本身。

在任何職業裡，用來「完成工作」的預算，都遠大於用來「購買工具」的預算。而自動駕駛從第一天起，切入的就是這筆工作預算。

一個領域中，理解與執行型工作的占比越高，自動駕駛就會越快勝出。

走向融合

今天仍需要判斷力的工作，明天可能就會變成 AI 能夠理解與執行的任務。

隨著 AI 系統在特定領域累積越來越多專有資料，逐漸掌握「好的判斷」長什麼樣子，能力邊界也會持續往前推進。副駕駛與自動駕駛，最終會走向融合。

從副駕駛轉向自動駕駛的過程，其實已經在好幾個領域開始發生。但一開始從哪裡切入很重要，因為這會決定自動駕駛現在能在哪些場景率先贏得客戶，並開始累積資料。這些資料，最終會讓它們不只處理理解與執行型任務，也能逐步承擔需要判斷力的工作。

自動駕駛的切入策略：從外包任務開始

企業每花 1 美元在軟體上，就有 6 美元花在服務上。

對自動駕駛來說，整體可服務市場不只是工具預算，而是一個類別裡所有用來完成工作的支出，包含內部人力與外包服務。但最好的起點，是那些原本就已經被外包出去的工作。

如果一項任務已經被外包，代表三件事。第一，公司已經接受這項工作可以由外部完成；第二，這筆預算本來就存在，也更容易被替換；第三，買方原本購買的就是一個完成後的結果。

用 AI 原生服務商取代既有外包廠商，本質上只是更換供應商；但要取代內部人力，牽涉的就是組織調整。

因此，自動駕駛的切入策略應該是：先從已外包、且高度仰賴理解與執行能力的任務開始，打通市場進入路徑；再隨著 AI 能力與資料持續累積，逐步往內部、且更仰賴判斷力的工作延伸。

外包任務是切入口，內部工作才是長期市場。

Crosby 最初選擇從保密協議切入：這是一個範圍明確、主要仰賴理解與執行能力的任務，而且多數公司本來就習慣交給外部法律顧問處理。預算已經存在、範圍清楚、投資報酬很快就能看見，替換成本也相對低。

機會地圖

如果把各類服務放在兩條軸線上觀察：一條是「理解與執行能力 ↔ 判斷力」，另一條是「外包服務 ↔ 內部執行」，就能整理出一張優先順序地圖。括號內為該類別的人力與服務市場規模。

以下清單僅作為示意：

保險經紀（1,400–2,000 億美元）。

這是本清單中金額最大的市場。標準商業保險高度標準化：保險經紀人的附加價值，基本上就是在不同保險公司之間比價、填寫表單，屬於典型的理解與執行型工作。銷售與服務網絡也極度分散，數萬家小型經紀公司都在執行相似流程，因此沒有單一既有業者能完全掌握客戶關係。WithCoverage 和 Harper 是值得關注的新進者。

會計與審計（僅美國外包市場就有 500–800 億美元）。

過去五年，美國流失了約 34 萬名會計師，但市場需求仍持續成長。75% 的 CPA 正接近退休年齡，取得執照的路徑漫長，起薪也落後於科技與金融業。這種結構性人力短缺，正在推動會計業比幾乎所有其他專業領域都更快接受 AI。Rillet 正在打造能自動完成結帳流程的 AI 原生 ERP；Basis 則是從會計師的副駕駛開始切入。

醫療收費流程（美國外包市場 500–800 億美元）。

人們一聽到「醫療」，往往會以為這是高度仰賴判斷力的工作；但收費與帳務這一層，幾乎完全是理解與執行型工作。醫療編碼的本質，是把臨床紀錄轉換成約 70,000 個標準化 ICD-10 代碼。規則很複雜，但終究仍是規則。這個領域的外包已經相當成熟，也多半以成果為基礎計價。自動駕駛要做的，就是用更低成本完成同樣的事。Anterior 是目前走得最前面的公司。

理賠處理（含第三方理賠管理公司，500–800 億美元）。

在保單的另一端，理賠處理也是一個獨立的自動駕駛機會。標準險種的理賠，主要是根據保單條款對照損失表，並依照精算表設定準備金。理賠人員正在老化，卻沒有足夠新人接上。這個市場也大量外包給獨立理賠公司與第三方理賠管理公司，例如 Crawford 和 Sedgwick。同一個保險產業裡，至少存在兩個截然不同的自動駕駛機會。Pace 正在打造理賠處理的自動駕駛，Strala 則在打造 AI 原生的第三方理賠管理公司。

稅務諮詢（300–350 億美元）。

CPA 執照形成了一道法規與專業門檻，但底層工作中有 80–90% 仍屬於理解與執行型工作。稅務自動駕駛每多處理一個地區或稅制，資料護城河就會更深一層。跨地區稅務的複雜性，正是中小企業選擇外包的原因，因為很少有單一內部會計能全面覆蓋。TaxGPT 是早期進入者，歐洲則有 Skalar 和 Ravical。

法律交易性工作（200–250 億美元）。

合約草擬、保密協議、法規文件申報：這些工作高度仰賴理解與執行能力，也經常被外包。它們的工作成果夠標準化，品質也相對容易驗證，因此買方不一定需要深厚的法律專業，也能判斷 AI 輸出是否可信。Harvey 是正在崛起的領先者，並快速往自動駕駛方向前進；Crosby 和 Lawhive 則是一開始就以自動駕駛為核心的新進者。

IT 託管服務（1,000 億美元以上）。

幾乎每一家中小企業都會外包 IT。系統修補、監控、使用者權限設定、警示分類：這些都是在數千個相似環境中反覆執行的理解與執行型工作。既有軟體層，例如 ConnectWise 和 Datto，主要是把工具賣給 IT 託管服務商。至今，還沒有人真正把「你的 IT 會正常運作」這件事，直接作為一個成果賣給企業。Edra 正在自動化 IT 流程，Serval 則在自動化 IT 支援。

供應鏈與採購（2,000 億美元以上）。

多數企業只會認真與前 20% 的供應商談判。剩下的長尾供應商幾乎得不到關注，因為投入人力處理並不划算。合約漏損通常占總採購支出的 2–5%。這裡的切入口，是那些原本就被放棄的工作：不需要先說服企業編列新預算，也不需要取代既有供應商，只是幫企業把原本流失的錢找回來。Magentic 正在打造直接採購的 AI，AskLio 則鎖定間接採購；Tacto 同時為中型企業打造核心資料系統與副駕駛。

招募與人才仲介（2,000 億美元以上）。

這是本清單中最大的服務市場。招募漏斗前段，例如履歷篩選、人才配對、主動聯繫，幾乎都是理解與執行型工作；但說服候選人接受 offer、判斷文化契合度，則高度仰賴多年經驗累積出的判斷力。自動駕駛的切入口，會出現在高量、低判斷需求的職缺，因為這些職缺的配對流程已經相對標準化。Juicebox、Mercor、Jack & Jill 是正在崛起的領先者，並各自從不同層次切入這個市場。

管理顧問（3,000–4,000 億美元）。

這是一個非常龐大的市場，但工作內容大多高度仰賴判斷力。真正有趣的問題是：AI 能否把顧問工作拆解成兩個層次，一個是理解與執行型任務，例如資料蒐集、標竿分析；另一個是判斷型任務，例如策略建議。前者被自動化，後者則仍由人類負責。最有機會勝出的公司，目前還有待觀察。

2025 年，成長最快的 AI 公司是副駕駛。到了 2026 年，許多公司都會嘗試成為自動駕駛。它們已經有產品，也理解客戶需求。但它們同時會面臨創新者的兩難：一旦開始賣「把事情完成」，就等於把原本由客戶自己完成的工作接手過來。

這正是純自動駕駛新創的機會。

你有什麼看法呢？歡迎與我們聊聊