最近看到一个很有意思的观点：当 AI Agent 成为软件的主要操作者之后，传统软件可能会逐渐“失去头部”。

这里的“头部”不是指头部企业，而是软件面向人类的操作界面，也就是按钮、菜单、表格、仪表盘和各种复杂页面。

这个观点听起来很激进。

过去，我们判断一个软件好不好用，往往看它的页面是否清晰、操作是否顺手、交互是否流畅。但 Agent 并不需要这些东西。它不会因为按钮放在左边还是右边而困惑，也不关心页面配色是否美观。

Agent 真正需要的是明确的数据、稳定的接口、可执行的工具、清晰的权限和能够被验证的操作结果。

于是，一个值得思考的问题出现了：

当软件不再主要服务于“人的点击”，它的核心价值还剩下什么？

界面可能被绕过，但软件不会因此消失

很多人看到 Headless Software 这个概念后，第一反应是：以后 Agent 直接调用 API，Salesforce、SAP 这些传统软件是不是就没有价值了？

这个推论过于简单。

界面确实可能被绕过。

过去，销售人员需要打开 CRM，找到客户页面，修改销售阶段，填写跟进记录，再提交审批。未来，用户可能只需要告诉 Agent：

“把这个客户推进到合同审核阶段，折扣超过 15% 就申请主管审批。”

Agent 可以自动读取客户数据、判断折扣规则、更新销售状态，并发起审批。

在这个过程中，用户可能从头到尾都没有打开 CRM 页面。

但是，这并不代表 CRM 消失了。

Agent 仍然需要知道：

• 客户的正式信息保存在哪里；
• 哪些销售阶段允许被修改；
• 什么情况下需要审批；
• 谁拥有审批权限；
• 哪些操作必须写入审计日志；
• 操作失败后如何恢复。

这些能力并不属于聊天框，也不属于大语言模型本身，而是存在于企业软件的业务逻辑、权限系统和历史配置之中。

所以，Agent 更可能削弱的是软件界面的重要性，而不是直接消灭软件。

传统软件的价值中心会从：

让人方便地操作系统

逐渐转向：

让人和 Agent 都能够安全、可靠地执行真实业务

这两者看起来相似，实际却是完全不同的产品逻辑。

真正难替代的不是数据库，而是组织运行方式

很多人认为，传统企业软件之所以复杂，只是因为历史包袱太重。

既然 AI 可以生成代码，那是不是可以使用 PostgreSQL、几个 API，再加一个 Agent，快速重做一套 SAP 或 Salesforce？

做出一个演示版本也许并不难。

创建数据库表、生成增删改查接口、制作后台页面、接入大模型，这些工作正在迅速变得便宜。

但企业系统最难的部分从来不是这些标准功能。

真正困难的是，一家公司经过多年运行后，会在软件中沉淀大量组织规则。

例如，一笔采购应该由谁审批，不一定只和金额有关，还可能和部门、地区、供应商类型、预算来源、合同状态以及是否紧急有关。

一项销售折扣能不能批准，也可能取决于客户等级、季度目标、产品利润率和历史合作关系。

这些规则有些写在文档里，有些写在代码里，有些藏在系统配置中，还有一些只存在于员工的操作习惯里。

这就是所谓的隐性知识。

它不是一句“公司规定超过十万元需要审批”就能完整描述的，而是一整套在正常情况、特殊情况和异常情况下如何处理问题的经验。

因此，迁移一个企业系统，真正需要迁移的不是数据表，而是这家企业的运行方式。

这也是为什么很多系统看起来功能并不先进，却很难被替换。

它们最大的护城河可能不是技术领先，而是企业已经把自己的组织结构、权限关系、责任边界和异常处理方式写进了系统。

AI 可以降低重新开发前 80% 功能的成本，但最后 20% 的例外流程、权限冲突、历史兼容和合规要求，往往决定了系统能不能真正上线。

换句话说：

能把正常流程跑通，不等于能支撑一家真实企业运行。

MCP 很重要，但它只是“插座”，不是企业治理系统

视频中还涉及了 MCP，也就是 Model Context Protocol。

MCP 经常被描述为 AI 时代的 USB 接口。模型可以通过相对统一的方式发现工具、读取资源并调用外部系统。

这个比喻是合理的。

过去，Agent 接入数据库、GitHub、CRM 和文件系统时，通常需要分别编写适配代码。MCP 希望把这些能力包装成标准化工具，让 Agent 更容易理解“有哪些工具可以使用”“每个工具需要哪些参数”。

但我认为，MCP 最容易被高估的地方，是人们容易把“能够调用”误认为“能够可靠执行”。

一个 Agent 能够调用退款接口，并不代表它应该拥有退款权限。

它能够删除数据，也不代表系统应该允许它直接删除生产数据。

它能够同时修改 CRM、ERP 和财务系统，也不代表多个系统之间的数据一定保持一致。

MCP 解决的是连接问题，但企业真正困难的是治理问题。

治理包括：

• Agent 代表谁执行操作；
• 它能够访问哪些数据；
• 哪些操作可以自动完成；
• 哪些操作必须由人审批；
• 如何记录它做过的每一步；
• 执行错误后如何撤销；
• 多个 Agent 冲突时听谁的；
• 最终责任由谁承担。

所以，未来企业 Agent 的竞争力，不会只取决于模型有多聪明，或者连接了多少 MCP Server。

更重要的是，它是否拥有一套可信的执行机制。

一个真正可用的企业 Agent 系统，至少需要：

模型推理
+ 工具调用
+ 身份认证
+ 权限控制
+ 审批流程
+ 操作审计
+ 异常处理
+ 回滚机制

缺少后面这些能力的 Agent，更像是一个能够操作软件的实习生，而不是可以独立承担责任的数字员工。

软件不会失去“头”，而是会长出新的头

我并不认为 GUI 会完全消失。

人类仍然需要界面来查看结果、处理异常、调整规则、审批高风险操作以及理解 Agent 为什么做出某个决定。

发生变化的，是界面的角色。

过去，GUI 是主要执行入口。用户必须一步一步点击，软件只是被动响应。

未来，用户更可能先表达目标，再由 Agent 完成大量操作，GUI 则负责展示过程和结果。

软件可能逐渐形成三层结构：

上层：人类表达目标
聊天、语音、自然语言指令

中层：Agent 负责计划和执行
任务拆解、工具选择、流程协调、异常处理

底层：企业系统提供可信能力
数据、权限、业务规则、审批、审计

从这个角度看，所谓 Headless Software，并不是软件真的没有“头”了。

而是传统 GUI 不再是唯一的头。

自然语言助手、自动化 Agent、API 和 MCP 都可能成为新的交互入口。

对于开发者来说，最重要的变化也不是赶紧给所有产品加上一个聊天框。

真正需要重新思考的是：

你的系统中，哪些能力可以被 Agent 安全调用？

业务规则是否足够清晰？

接口是否支持重试和幂等？

操作是否可以被追踪和回滚？

哪些任务应该自动执行，哪些任务必须保留人工确认？

如果这些问题没有解决，那么再聪明的模型也只能停留在演示阶段。

AI Agent 时代，软件的竞争重点会逐渐从“谁的页面更好用”，转向“谁能够更可靠地把意图变成结果”。

最终被改变的，不只是软件界面，而是整个软件行业对产品价值的理解。

过去，软件的价值是帮助人操作数据。

未来，软件的价值可能是帮助人管理一群能够操作数据、执行流程并影响现实世界的 Agent。