Klarna CEO Sebastian Siemiatkowski：SaaS 已死，记录系统将是下一个

软件成本正在趋近于零。这就是核心论点。而 Sebastian Siemiatkowski 不仅仅是在会议舞台上说说而已。他正在一家拥有 1.14 亿用户和 340 万日交易量的上市公司内部执行这一战略，在业务持续增长的同时，将 Klarna 的员工人数削减了一半。

节目概要

这是 Sebastian Siemiatkowski 和 Harry Stebbings 在 20VC 节目中的一次广泛对话。Siemiatkowski 经营 Klarna 已有 20 年，他是为数不多的积极围绕 AI 进行重组，而不仅仅是口头谈论的上市公司 CEO 之一。对话涵盖了 SaaS 估值的崩溃、Klarna 的内部 AI 转型、金融科技领域的竞争格局，以及创始人应对危机的心理。这次对话的价值在于其具体性：实际的员工人数、关于自建与购买的真实决策，以及对 CEO 们私下与公开场合言论的坦诚反思。

我们所知的软件的终结

Siemiatkowski 的核心论点很简单：如果创建软件的成本接近于零，那么拥有软件的价值也接近于零。对代码收取订阅费的 SaaS 公司将会看到它们的估值倍数大幅压缩。

“The cost of creating software is going down to zero. That’s it. Everyone will be able to generate software at any point of time.” 创建软件的成本正在降至零。就是这样。每个人都将能够在任何时候生成软件。

他区分了企业软件中的两种价值。第一种是软件本身，即代码、功能、用户体验。这正在被商品化。第二种是数据，即客户记录、交易历史、多年来积累的行为模式。这些数据保留了价值，甚至可能增值。

他的预测：SaaS 公司的收入倍数将收敛至 1-3 倍，远低于近期 20-50 倍的溢价。他的论点是，如果任何公司都可以按需生成等效的软件，那么转换成本就会崩溃，随之而来的是收取高额订阅费的能力。

真正的威胁：数据转换成本也在瓦解

但 Siemiatkowski 更进一步指出，即使是数据护城河也受到了威胁，只是时间线不同而已。

“接下来会给所有人带来坏影响的是数据的转换成本。” 历史上，企业客户之所以留在供应商那里，是因为迁移数据既痛苦又危险。但 AI 正在使数据迁移变得可行。如果一个 AI 系统能够理解、映射和传输系统之间的数据，那么 SaaS 公司最后一道可防御的护城河也会被侵蚀。

这导致了他所说的“企业压缩”：AI 不仅会取代单个软件工具，还会整合整个类别。如今，企业运行着数十个重叠的系统，因为不同的团队在不同的时间购买了不同的工具。AI 可以识别冗余、合并系统，并减少企业的总体软件足迹。他用维基百科的方法打了个比方：你不能直接创建一个新文章，你首先必须搜索它是否已经存在。公司今天的工作方式并非如此，但 AI 将推动它们走向整合。

Klarna 的 AI 转型：从 7000 人到 3000 人以下

对话中最具体的数据点：Klarna 通过自然减员（无需裁员）从大约 7000 名员工减少到 3000 名以下，而业务仍在继续增长。

“We’ve gone from 7,000 people, we’re now below 3,000. We’ve shrunk 50%. And I didn’t ask for a single dime to do all this.” 我们已经从 7000 人减少到现在的 3000 人以下。我们缩减了 50%。而且我没有为此要求过一分钱。

当被问及 2030 年的员工人数时，他表示可能会“甚至低于”2000 人。

转型始于客户服务。Klarna 构建了自己的 AI 客户服务系统，而不是从供应商那里购买。原因是 Klarna 每天处理数百万次客户互动；这些互动产生的数据比任何现成的解决方案都更有价值。通过内部构建，他们可以在自己的数据上进行训练并更快地迭代。

关键的洞察：对于那些对你的业务至关重要并产生专有数据的功能，构建自己的 AI 是一种竞争优势，而不是成本。对于商品化的功能，这并不重要。

自建 vs. 购买：为什么 Klarna 选择构建自己的 AI

Siemiatkowski 强调要在内部构建客户服务 AI。他的理由有几个层面：

1. 数据优势：Klarna 每天处理 340 万笔交易。当用于训练和微调模型时，这种大量的互动数据会创建一个比任何通用解决方案都更了解 Klarna 特定客户的系统。

2. 迭代速度：通过内部团队，他们可以每天发布改进。而通过供应商，他们只能等待供应商的路线图。

3. 成本结构：AI 客户服务系统每次互动的成本远低于人工客服，并且随着模型的改进，成本持续下降。

4. 竞争护城河：如果每家金融科技公司都从同一家供应商那里购买相同的客户服务 AI，那就没有差异化了。构建自己的 AI 可以创造不对称性。

他承认这种逻辑并不适用于所有事情。对于不产生战略数据的后台功能，现成的解决方案就足够了。原则是：在数据创造复合优势的地方构建，在数据不创造复合优势的地方购买。

Nubank 的教训：错失十亿美元的机会

Siemiatkowski 透露，他曾有机会早期投资 Nubank，但错过了，他估计这个决定让他损失了大约十亿美元。

他欣赏 Nubank 的是他们的执行纪律和对客户的关注。他认为 Nubank 比 Revolut 更有可能在美国市场取得成功，因为 Nubank 从零开始在巴西这个庞大而复杂的市场中建立起来，并证明了他们可以战胜现有银行。

他对 Revolut 的看法：他们的客户群比 Klarna 少一半，他有信心 Klarna 会胜过他们。但 Nubank 是一个不同级别的竞争对手。

红杉资本和 Michael Moritz 如何加入董事会

Klarna 获得红杉资本投资的故事揭示了创始人的坚持：

Siemiatkowski 连续四年拜访红杉资本的办公室，每次都推销 Klarna 作为数字金融服务平台的愿景。前三次拜访都以礼貌的拒绝告终。第四次拜访时，Michael Moritz 同意加入董事会。

改变的不是推销的内容，而是证据。经过三年持续的执行，数字本身就说明了一切。Siemiatkowski 的结论：最好的投资者关系是通过反复接触和展示执行力建立起来的，而不是通过一次精彩的推销会议。

一旦加入董事会，Moritz 就成为了真正的战略合作伙伴。Siemiatkowski 形容他是一个从根本上挑战思维的人，并提到了“我一直铭记于心的一条建议”：坚持信息，专注于核心故事，不要试图解释一切。

CEO 们对 AI 的真实想法（但不会公开说）

Siemiatkowski 表示，私下里，他交谈过的大多数 CEO，包括与 Dario Amodei 的对话，都比他们在公开场合表现出来的更认可 AI 的变革潜力。私下承认和公开声明之间的差距是巨大的。

他观察到，这一代 AI 正在将每一位 CEO，甚至是上市公司 CEO，再次变成建设者。他提到与 Mike Cannon-Brookes（Atlassian）共进晚餐，后者告诉他现在“凌晨 5 点就起床写代码”，这在以前是不可能的。

对于 Siemiatkowski 自己来说，他不是一个程序员，但像 Claude 这样的 AI 工具已经发生了变革。他描述了一个具体的经历，他使用 Claude 创建了一个动画可视化，解释了一个复杂的财务会计概念。结果结合了通常需要动画师、设计师、会计师和财务专家的技能。没有一个人会拥有所有这些技能；AI 是他第一次体验到超越人类能力的东西。

“This is actually the first time I felt that AI could do something that humans couldn’t.” 这实际上是我第一次感觉到 AI 可以做一些人类做不到的事情。

不构建的投资者将会失败

Siemiatkowski 对投资格局提出了一个尖锐的论点：那些不亲自使用 AI 工具的风险投资家和董事会成员将失去评估 AI 原生公司的能力。

理由是：如果你没有体验过 AI 能做什么，你就无法评估一家初创公司关于 AI 驱动效率的主张是真实的还是夸大的。你要么错过真正的 AI 原生公司，要么为 AI 包装过的公司支付过高的价格。

这延伸到他对企业 AI 采用的看法。他修改了他对转型发生速度的估计，现在认为它会比他最初预期的要慢。技术能力正在迅速发展，但人类的采用，尤其是在企业中，远远落后于消费者的采用。

“I think we underestimate how fast consumers adopt and overestimate how fast enterprises adopt it.” 我认为我们低估了消费者采用的速度，高估了企业采用的速度。

估值陷阱

Siemiatkowski 坦率地谈论了 Klarna 自身的估值历程，从欧洲估值最高的金融科技公司到痛苦地降至 65 亿美元，以及随之而来的裁员。

他思考高估值何时变得危险的框架是：风险不在于纸面上的数字，而在于它所诱导的行为。高估值会使创始人变得自满，使招聘变得更加困难（因为股权预期被抬高），并在外部认知和内部现实之间造成差距。

他分享了一个具体的例子：当 Klarna 处于估值顶峰时，他说的一切都被认为是 brilliant。当估值暴跌时，同样的决策被视为灾难性的。实质没有改变，改变的只是框架。

压力之下：在危机中建设

对话中最私人的部分揭示了 Siemiatkowski 处理逆境的心理框架。

他描述了 Klarna 危机期间接受 MSNBC 采访的情景，当时一位充满敌意的评论员基本上在直播中宣布该公司已经死亡。采访结束后，他开车去办公室，以最大音量播放 Queen 的“Under Pressure”，并通过他的偶像兹拉坦·伊布拉希莫维奇（与他同一天出生，1981 年 10 月 3 日）的视角重新审视了这一刻。

他的重新定义：职业运动员一生都在梦想着参加冠军联赛决赛。压力、审视、风险，那是梦想，而不是障碍。同样，作为一家上市公司 CEO，在危机期间面临着巨大的审视，“这就是我签约的目的”。

更深层次的故事是他的移民背景。他的父母在他八岁时离婚，他的父亲开始酗酒。小时候，他得出结论，金钱是家庭功能障碍的根源，解决金钱问题就能解决一切。这推动了他的创业雄心。痛苦的尾声：一旦他有了钱，他就慷慨地给了他的父亲，他的父亲用它来喝更多的酒，最终把自己喝死了。“有些问题是金钱无法解决的。”

梦想、愿景和第一天的电子邮件

在 Klarna 成立六个月后，Siemiatkowski 在深夜给他的联合创始人发了一封电子邮件，列出了未来 20 年发生的一切：从瑞典扩展到芬兰和挪威，然后是德国，然后是全球，然后用金融服务攻击银行。

他反驳了 Harry 关于“愿景是胡说八道”的断言。虽然承认你无法知道具体的道路，但他认为方向性的雄心很重要。他从一开始就知道他想建立一家全球银行。他不知道的是如何建立。

他对常见的风险投资框架的不同意之处在于：要求种子轮前的创始人提供详细的愿景是具有约束性的，而不是赋能的。在你实现当前章节之前，你无法解锁下一个章节。但是，拥有想象这些章节的雄心壮志，才能将那些构建持久事物的人与那些为退出而优化的人区分开来。

一些观察

这次对话之所以引人注目，是因为 Siemiatkowski 并不是在场外对 AI 颠覆进行理论化。他正在一家拥有 20 年历史的上市公司内部亲身经历，该公司拥有真实的收入、真实的客户，以及做错事的真实后果。

• SaaS 压缩理论现在得到了具体证据的支持：一家上市公司在保持增长的同时，将其员工人数削减了一半，其 CEO 预测还会进一步减少。这不再是一个预测；这是一个正在进行的案例研究。
• AI 的自建 vs. 购买框架比大多数框架更清晰：在数据复合的地方构建，在数据不复合的地方购买。很简单，但大多数公司还没有内化它。
• 采用速度的不匹配，消费者快，企业慢，解释了当前 AI 能力和 AI 对就业的影响之间的脱节。技术已经准备好了；组织还没有。
• 对 SaaS 公司来说，最被低估的风险不是 AI 取代他们的软件。而是 AI 使数据迁移变得容易，从而消除了最后真正的锁定。
• 他个人的故事，从连续七天吃煎饼的移民孩子到经营一家价值 65 亿美元以上的金融科技公司，提醒我们，创始人的动力往往植根于一些无法制造或教授的东西。