Agent 就是新一代 SaaS：从卖工具到卖工作本身
一句话摘要：这篇素材围绕 Greg Isenberg 在 The Startup Ideas Podcast 中提出的 “building agents is the new SaaS” 判断，系统拆解 Agent SaaS 的创业方法：不要把 agent 当成炫技脚本，而要找到已经有人在付工资的高频 workflow，先观察真人工作细节，再做 最小可用 Agent、评估测试集和控制室包装，最后按劳动力或业务结果收费。
基本信息
- 原始标题：Agent 就是新一代 SaaS，这个判断可能会颠覆你对创业的认知
- 来源：人人都是产品经理 / 深思圈
- 原始 URL：https://www.woshipm.com/ai/6425507.html
- 采集方式：Telegram bot prefetch，本次直接 ingest，未重新抓取
- 原始素材：
raw/articles/2026-07-07-102719-tg-9ca37b.md - 主题归类：AI创业、AI商业化趋势、企业AI落地
核心观点
- Agent SaaS 卖的不是软件工具，而是工作本身：传统 SaaS 让客户买工具后自己干活，agent SaaS 直接承诺“这份烦人的活由我们来做”。餐厅电话前台 Slang AI、家庭服务公司调度和销售 Same Day 的共同点不是技术炫，而是替客户接住漏接电话、预订、短信、改期和跟进这些原本要雇人做的重复岗位。
- 值钱 workflow 的前提是已经有人为它付工资：Greg 的筛选标准是找到前台、客服、调度员、协调员等已存在的人力成本，再判断能否用 AI 更便宜、更稳定地接管。好的 workflow 有五个特征：发生足够频繁、完成标志清晰、已经接入 Gmail/Slack/Shopify/HubSpot/Zendesk/Stripe 等软件、边缘案例可学习、买家能真切感受到损失。
- 动手做 agent 前要先蹲在真人身边看 10-20 个案例：真正有价值的不是“客人问几点开门”这种表面问题，而是厨房何时收工、哪张桌适合婴儿车、露台何时关闭、VIP 如何识别、私人宴会何时转接等隐性规则。素材反复强调“细节就是产品”，谁能挖出这些未写下来的工作细节，谁的 agent 才真正可用。
- 第一版不该追求全自动数字员工，而应从最小可用 Agent 开始：靠谱的 MUA 形态包括起草加审批、分诊、协调、有边界行动四类。创业者应先从可预测 workflow 和一个明确承诺开始，只有当动态判断真的创造价值时，再逐步把自主权交给 agent。
- 真正让 agent 卖成 SaaS 的是外层包装和可控性：客户需要日志、审批环节、控制规则、人工交接边界、上线前测试区和决策解释。agent 可能活在电话系统、收件箱、Slack 或 CRM 里，但客户购买时需要“控制室”感觉。
- 评估测试集既是质量工具，也是销售工具：素材建议用 50 个真实案例搭建 Agent 工作流测试集，标出正确分类、补充问题、处理策略和人工复核边界。每次改 prompt、模型、工具或 workflow 都让 agent 回测试集跑一遍；销售时可以透明展示“50 条维修请求中 42 条正确、6 条需人工复核、2 条错误及修复方式”。
- 商业化路径是先把它当劳动力卖出去，再逐步产品化：最快路径不是闭门做完整软件，而是在同一细分领域卖出 2-3 个试点，用“人工 + AI”先把结果交付出来，再把重复部分产品化。定价可从 1500 美元搭建费 + 1000 美元月费、2000 美元搭建费 + 每个合格预约 30 美元、3000 美元月费覆盖 500 张工单等简单方案开始。
- 分销要把旧世界的痛苦拍给人看：最有效内容不是解释大模型原理，而是 workflow 拆解式内容：旧做法中漏接电话、翻日历、忘跟进如何让老板崩溃；新做法中 agent 如何接电话、问对问题、核实服务区域、更新 CRM、边缘情况转人工。素材用“卖止痛药，不是卖维生素”概括这一点。
实操内容保留
1. 值钱 Agent Workflow 五项筛选标准
| 维度 | 判断问题 | 示例 |
|---|---|---|
| 发生频率 | 这件事是否每天/每小时发生？ | 每条入站线索、每通电话、每张工单、每次预约、每笔订单 |
| 完成标志 | 是否一眼能判断做没做完？ | 活儿订上、工单分类、退款批下、供应商约上、客户拿到答案 |
| 软件连接 | 是否已经接入可调用系统？ | Gmail、Slack、Shopify、HubSpot、Zendesk、Stripe、OpenTable、Yelp |
| 边缘案例 | 是否既不是纯规则，也不是完全主观？ | 重复劳动里带一点判断，判断多到需要 AI，但没多到无法预测 |
| 痛感可见 | 买家能否直接感到损失？ | 漏接电话、回复太慢、线索流失、日程空置、低价值协调工作太贵 |
2. 细分行业机会打分法
- 选一个细分领域：屋顶维修、医美诊所、Shopify 品牌、物业管理、保险代理等。
- 写下 20 件人们经常抱怨的事：漏接电话、融资问题、保险文书、预约提醒、线索筛选、爽约挽回、会员升级、退换货、批发线索跟进。
- 对每件事按五个维度打分：发生频率、痛点昂贵程度、完成状态是否清楚、需要接入哪些工具、预算掌握在谁手里。
- 优先选择“已有付费行为 + 高频 + 损失可见 + 可接软件 + 边缘可学习”的工作流，而不是先有技术再找场景。
3. Agent 说明书七要素
- 触发事件：什么事件会唤醒这个 agent？电话进来、工单创建、线索提交、邮件到达还是客户回复？
- 背景信息：它需要知道哪些客户、订单、服务区域、库存、规则、历史记录和上下文？
- 可用工具：它能读写哪些系统，能查日历、更新 CRM、发短信、创建工单还是发起退款？
- 自主权限：哪些事它可以自己决定并执行？
- 人工审批：哪些事必须先让人批准？
- 升级/交接：什么情况下要把人拉进来，例如投诉、VIP、金额超过上限、规则冲突？
- 成功标准：怎么判断这件事算做成功，例如预约订上、工单分类正确、客户拿到有用答案？
4. 最小可用 Agent 四种第一版形态
- 起草加审批型：读取背景信息，起草回复、报价或下一步方案，由真人批准。适合高风险、需要一点创意或本来就有审批流程的场景。
- 分诊型：把进来的工作分类并转到对应地方，例如维修请求、账单问题、退款申请。
- 协调型：在系统和人之间来回穿梭，查空档、发提醒、追问缺失信息，让事情持续前进。
- 有边界的行动型：在明确规则下直接做具体动作，例如订预约、发跟进消息、处理 50 美元以下退款。
5. 评估测试集最小做法
- 收集 50 个真实案例：50 通电话、50 条线索或 50 条维修请求。
- 为每个案例标注正确答案：分类、补问信息、是否可自动处理、是否要转人工、最终结果。
- 每次修改 prompt、模型、工具或 workflow 后回归测试。
- 销售时透明展示结果：例如“42 条分类正确，6 条需要人工复核，2 条出错；错误原因是什么，如何修复”。
- 把测试集当成 agent 的“健身房”，持续训练、校验和建立客户信任。
6. 试点与定价参考
| 方案 | 定价 | 适用阶段 |
|---|---|---|
| 单 workflow 月费 | 1500 美元搭建费 + 1000 美元月费 | 初期试点，客户容易理解 |
| 按结果收费 | 2000 美元搭建费 + 每个合格预约 30 美元 | 预约/线索等结果可归因场景 |
| 工单额度包 | 3000 美元月费覆盖到 500 张工单 | 物业、维修、客服等高频任务 |
7. 30 天从零到一节奏
- 第 1 天：挑一个漏掉工作就会亏钱的细分领域，如家庭服务、物业管理、保险代理。
- 第 2 天：采访 10 个真正做这份工作的人，让他们共享屏幕录制 workflow，只观察不急着写代码。
- 第 3 天：挑出一个频率高、痛点明显、能接入现成软件、成功标准清楚的 workflow。
- 第 4 天：写 agent 说明书：触发条件、背景信息、工具、规则、交接方式、评估方法。
- 第 5 天：用人工 + AI 手动跑一遍，用 Claude 或 ChatGPT 复制背景信息、生成草稿、真人审批，验证 AI 是否有用。
- 第 6 天：做最小可用版本，通常起草审批型或分诊型即可。
- 第 7 天：用 50 个真实案例搭出评估测试集。
- 第 2 周：在同一细分领域卖出 2 个试点客户。
- 第 3 周：加上包装层：日志、审批、设置项、数据看板、交接规则。
- 第 4 周：发布 workflow 拆解内容，把试点案例变成社会认证，并开始测内容形式、获客成本和客户终身价值。
关键概念
- Agent SaaS — 把 AI agent 当作“可交付工作”的 SaaS 新形态，核心商品是劳动力与业务结果。
- 最小可用 Agent — 不追求全自动员工，而从起草审批、分诊、协调或有限行动的最小闭环切入。
- Agent 工作流测试集 — 用真实案例标注正确处理方式，作为 agent 回归评估和客户信任工具。
- AI Agent 智能体、Agentic Workflow、MVP、AI商业化趋势、AI创业、企业AI落地 — 本文所在的更大知识网络。
与其他素材的关联
- 与 2026-06-19-woshipm-ai-commercialization-endgame 高度互补：后者提出 AI 商业化终局是“结果收费”，本文给出如何把 agent 包装为可收费工作、如何试点和定价的具体创业路径。
- 与 2026-07-07-woshipm-marc-lou-opc-product-matrix 形成创业打法对照：Marc Lou 侧重独立开发者产品矩阵和 Build in Public，本文侧重垂直行业 workflow、人工 + AI 试点、劳动力式定价。
- 与 2026-05-23-woshipm-sop-as-cot-agent-clone-expert 同样强调“先看真人怎么干活”：前者通过驻场观察挖老专家 12 步隐性 SOP，本文通过录屏和 10-20 个案例挖前台/调度员/客服的隐性规则。
- 与 2026-05-26-智能客服MVP三件事 一致反对“一上来做全能 Agent”：两者都主张从高频、小而痛、边界清晰的流程切入，并把模型放进确定性流程和人工复核机制中。
- 与 2026-07-07-woshipm-product-slow-fde-sample-field 互补：后者强调企业内部要用样板田翻译机会，本文强调创业者也要用小试点和测试集把机会先跑出来。
原文精彩摘录
“传统 SaaS 卖的是软件，你给客户一个工具，客户自己用工具去干活。但 agent SaaS 卖的是工作本身，你直接告诉客户，这份活你的团队不用再手动干了，我们来做。”
“如果一份工作已经有人在给员工发钱，给外包公司发钱，给前台，给调度员，给协调员发钱，那这里面就存在一个机会，用更便宜的方式把这份工作接过来。”
“真正的甜蜜点，是重复劳动里带着一点判断，判断多到需要 AI 帮忙，又没多到完全没法预测。”
“不要急着去写 prompt，不要急着去搭代码，先花时间看一个真人怎么把这件事做完，看十到二十个案例，让对方录屏，让对方一边做一边讲解自己在想什么。”
“细节就是产品。”
“workflow 走的是一条可预测的路径，而 agent 是在动态做判断，创业者应该先从可预测的路径开始，只有当判断真的能创造价值的时候，才逐步把自主权交给 agent。”
“agent 负责干活，但让客户相信这件事的，是包在外面那层东西。”
“你要做的是卖止痛药，不是卖维生素。”