过去一年，SaaS行业正经历一场前所未有的变革。随着大模型技术的飞速发展，企业自主开发工具的能力大幅提升，Salesforce和Adobe等巨头因“AI替代论”引发股价剧烈波动。这一趋势引发了行业对垂直SaaS价值的深刻反思：当通用智能足够强大时，垂直领域的应用是否还有存在的必要？
AI对SaaS的影响并非“终结”，而是“重塑”。虽然产品形态和交付方式将发生根本性变化，但垂直领域深入特定业务场景、构建完整业务闭环的能力，短期内难以被通用模型完全替代。Moka作为国内HR SaaS领域的先行者，早在2023年ChatGPT发布后便迅速布局，推出了基于大模型的产品Moka Eva。经过两年迭代，Moka近日宣布将Eva升级为三个Agent（招聘Eva、人事Eva、BP Eva）及一个底座平台Moka AI Studio，标志着其从“销售软件”向“提供智能同事”的转型。
在Moka CEO李国兴看来，新发布的三个Agent各司其职：招聘Eva专注于优化招聘流程，从需求确认到候选人筛选、面试安排，仅在最终决策环节需要人工介入；人事Eva则处理入离职、考勤、薪酬核算等事务性工作，通过理解业务场景和系统规则，自主完成重复性任务；BP Eva则瞄准HRBP的核心职能，通过分析员工在线行为数据，持续识别人才优势并实时校准工作目标。这种设计不仅提升了效率，更重新定义了HR工作的边界。
以招聘流程为例，传统模式下HR需花费大量时间与用人经理沟通需求，而招聘Eva通过主动追问细节（如AI工程师的具体方向、岗位职责），帮助用人经理精准勾勒人才画像。在候选人筛选阶段，Eva可自动生成职位描述、发布职位、主动寻源，并在面试前通过电话沟通确认基本信息。尽管目前大多数岗位仍需人工面试，但Eva已能通过分析面试内容为后续筛选提供参考，形成“需求-筛选-面试-优化”的闭环。
BP Eva的推出则体现了AI对管理模式的颠覆。传统HRBP依赖半年一次的人才盘点和绩效评估，而BP Eva通过实时分析员工在线行为数据（如会议记录、代码提交、销售拜访记录），持续识别个人优势和工作偏差。例如，某员工在多次会议中提出挑战性观点，AI可为其打上“真诚直接”的标签；工程师的AI工具使用频率则成为评估其技术能力的维度。这种基于行为数据的评估方式，使管理者能第一时间发现问题并调整策略。
李国兴强调，BP Eva的有效性依赖于企业数字化协同的渗透率。只有当员工工作数据充分在线化，AI才能通过分析这些数据提供决策支持。这一趋势正推动企业加速数字化进程，而先行者已开始以AI为核心重构组织运作方式。例如，某连锁餐饮企业通过AI面试覆盖40%的招聘量，店长仅需审核结果；某智能硬件公司则通过AI替代大部分重复性工作，将节省的人力成本转化为员工激励。
这些案例折射出“AI原生组织”的雏形。李国兴认为，AI原生组织的核心特征包括：个体成为擅长使用AI的超级个体、组织形态极度扁平化、中层管理价值弱化。以Block公司为例，其通过AI重构组织后，员工规模从1万精简至6千，仅保留一线执行者、直接责任人（DRI）和教练（Coach）三个角色。这种模式下，AI承担信息中枢角色，实时收集并分析工作数据，使CEO可直接掌握全局，无需依赖多层汇报。
面对企业自主开发工具的挑战，李国兴认为垂直SaaS的优势在于深度理解业务场景。以招聘为例，企业可自行开发简单Agent生成职位描述，但涉及候选人沟通、渠道对接等复杂交互时，专业厂商的经验和技术积累便成为关键。垂直SaaS可通过积累客户数据形成网络效应，例如基于脱敏数据提炼最佳实践，反哺企业优化招聘策略。
在李国兴看来，垂直SaaS的长期壁垒在于速度、AI人才密度和数据积累。快速跑通新场景的产品市场匹配度（PMF）、组建善于使用AI的精干团队、通过合规数据反哺客户，将是构建竞争优势的核心。他以AI人才识别为例：传统简历筛选依赖技术栈匹配，而未来需通过分析项目成果和AI工具使用情况评估能力，这需要垂直SaaS基于实践沉淀独特数据模型。
从HR SaaS到Moka AI，Moka的产品架构已演变为三层：底层是满足个性化需求的Moka AI Studio，中间是承载数据流转的系统层，上层是执行关键任务的智能Agent。李国兴透露，未来五年Moka将实施“AI×全球化”战略，依托海外团队拓展国际市场，同时探索AI在更多业务场景的应用。他坦言，AI时代充满未知，但摸清技术边界、提前布局场景，将是抓住机遇的关键。
