PART 1
「Headless」聽起來新，其實先問 agent 要做哪一種事。
Seema Amble 從 Salesforce 的 Headless 360 說起。這個宣布本身未必代表產品真的大改，因為很多企業軟體早就有 API。重點是市場開始承認：未來存取 CRM、ERP、文件系統的人，不一定是人，也可能是 agent。
Steven Sinofsky 把問題拆成三類。第一類是 lookup，只是查資料，這比較容易。第二類是 do，agent 要代表某個人或角色改動系統，這就牽涉到權限、付費席次、稽核軌跡與責任。第三類是 analyze，agent 跨多個系統分析資料，這很有價值，但每一步都要能驗證。
找到客戶、合約、機會、文件。像新的搜尋入口。
寫入 CRM、核准報銷、改訂單。需要權限與稽核。
跨資料源推論風險、線索或效率。需要可驗證推理鏈。
PART 2
企業軟體的黏性，不只來自 UI 習慣。
這集反對一個常見想像：如果 agent 不看 UI，傳統 SaaS 的護城河就會消失。Seema 說，軟體過去的確圍繞人類工作流設計。銷售每天進 CRM，財務依賴 CRM 輸出計費，行銷再接著用這些資料。流程久了，肌肉記憶、部門依賴、外部夥伴與唯一事實來源都會黏在一起。
Steven 的補充更直白：最黏的軟體，往往是已經在收錢、已經被公司拿來運作的軟體。真正讓 Outlook、SAP、保險系統、支付系統難以取代的，常常不是產品經理一開始設計的功能，而是多年後被發現卡住整個組織的細節。
登入、按鈕、報表、工作流。
業務規則、法規要求、組織習慣、跨部門依賴。
PART 3
SAP 不是一個資料庫加 API。
節目中最重要的反駁，是「把資料抽出來就能重做 SAP」這個想法。SAP 的價值不只是資料放在哪裡，而是它封裝了公司多年來如何採購、製造、會計、審核、關帳與回報。大型企業導入 SAP 需要多年，不只是系統整合商慢，而是公司把自己的規則寫進系統。
所以 agent 時代不會自動把系統 of record 變成愚笨資料庫。相反地，當 agent 要真正代表公司行動，系統裡的規則、權限、例外、稽核與責任會變得更難繞過。UI 可以被抽象掉，但業務邏輯不能被假裝不存在。
PART 4
AI 會自動化舊工作，也會創造新長尾。
Steven 提醒，科技轉換時大家容易把既有工作量想成固定蛋糕：原本需要 n 個人與 m 套軟體，AI 只是把 n 變小。這低估了生產力提升後會冒出的新場景。
Amazon 退貨、差旅費、合約、放射科、客服，節目裡反覆出現同一個模式：當一件事被自動化，組織不會停止思考。它會開始分析更多例外、優化更多流程、處理更細的風險。工作不只是被拿掉，也會被提升到另一層。
收據、通話、文件、會議、客服紀錄更容易被擷取。
找出哪種旅程、話術、客戶、合約條款真的有效。
不是「少做一點」，而是能管理以前看不見的長尾。
PART 5
新創機會在兩個巨頭之間，不在正面複製巨頭。
Seema 說，今天很多機會不是直接砍掉 Salesforce、SAP 或 Workday，而是在既有系統旁邊建立新的可見性與行動層。先收集以前沒被系統化的資料，再把它變成判斷、優先順序與 agentic loop。
Steven 的版本更像創業建議：不要用同一種方式正面攻擊既有品類。大型軟體公司會把 AI 接在原產品旁邊，不會主動破壞自己的 go-to-market 與收入結構。新創最有機會的位置，是兩個既有系統或兩個部門中間，用新方式解決過去沒被定義好的工作。
客戶會拿二十年清單問你缺哪八千個功能。
連接銷售與財務、產品與設計、IT 與預算。
語音、文件、現場作業與 agent 回饋會形成新資料源。
Agent 不會讓企業軟體只剩資料庫。它會逼大家重新看見：資料底下還有規則、責任與公司真正的運作方式。
這是這集 a16z 對 headless software 最值得保留下來的提醒。
你會從哪個角度看 agent 進企業？
這不是測驗。選一個你最想繼續追問的角度。
想看更深入的脈絡？
a16z 原始影片包含 Seema Amble、Steven Sinofsky 與 Elena Burger 對 headless software、MCP、SaaS 黏性、SAP、Stripe、Box、企業網路效應與 AI 新創機會的完整討論。
觀看原始影片 →本頁為繁體中文互動閱讀整理，來源以 a16z YouTube 原始影片為準。頁面不構成商業、法律、稅務或投資建議。