32% 的组织决定不购买至少一款软件产品或功能，因为他们可以用智能体编码工具在内部自己造出来（McKinsey, 2026）。这不是对采购的预测。它已经发生了，就在上一个预算周期里。
自建与采购的那条线移动了，而且移动得悄无声息——没有厂商宣布，没有人把商业论证送上董事会。有人打开一封续约邮件，看了看价格，看了看编码智能体，然后拒绝了。
下面这部分应该让运营负责人在第四季度续约锁定之前慢下来。在同一份调研中，在这种替换上走得最远的组织——麦肯锡所称的 AI 高绩效者，其中近一半以这种方式避开了一笔采购，而其他所有人只有 31%——报告在使用编码智能体时受到成本约束的频率，约为其他受访者的三倍（McKinsey, 2026）。在"自建而非采购"上经验最多的一群，正是最先摸到天花板的一群。
这个先后顺序比那个头条数字更重要。
这份调研到底说了什么
麦肯锡第十份年度 State of AI 于 2026 年 8 月 25 日发布，调研期为 5 月 4 日至 6 月 8 日，97 个国家的 1,719 名受访者，按各国对全球 GDP 的贡献加权。36% 的受访者就职于年收入超过 10 亿美元的组织。
有一个前提必须先装上，因为它决定了这一切是否适用于你：麦肯锡是按收入而不是按人数切分数据的。本次调研中的"较小组织"指年收入低于 10 亿美元，这其中包含了大量远在 50–500 人区间之外的公司。读结论的方向；不要把自己的组织架构投射进去。
说明之后，三个发现互相咬合。
替换是真实的，而且是集中的。 整体 32%，在科技与医疗最常见，其次是专业服务与能源材料。高绩效者中接近一半。
天花板是真实的，而且落在同一类工具上。 全部受访者中约 20% 表示，与 AI 相关的运营成本（包括 token 成本）限制了他们对 AI 的使用。具体到编码智能体，高绩效者碰上这一约束的频率约为其他人的三倍——而他们在其他类型工具的成本上并没有被不成比例地限制。摩擦恰恰出现在他们替换过去的那个东西上。
能力分布并不均匀。 收入超过 10 亿美元的组织，在至少一个职能中规模化部署 AI 智能体的比例同比从 27% 升至 40%。较小的组织基本原地不动，停在 22%。整体约十分之二的受访者表示已规模化部署编码智能体，在大型企业中这一比例为 31%。
于是，最有条件用智能体替换软件的公司，也正是已经在为此付费的公司。而最被这笔账吸引的公司——SaaS 账单最让人肉痛的那些——恰恰最不可能真正规模化过一个智能体。
为什么这笔交换在九月看起来很便宜
这种吸引力不是幻觉，也不是厂商炒作。软件价格上涨的速度，快过你损益表上几乎所有其他科目。
Vertice 的指数显示，SaaS 通胀在 2026 年 4 月为 12.1%，5 月为 14.2%，6 月达到 16.4%——创下新高，超过 2025 年 11 月 14.7% 的前高，也是他们记录到的最快的两个月加速（Vertice, 2026）。Vertice 把它定位在约为一般通胀率的五倍。同一指数还指出与之并行的"缩水式通胀"：标价上涨，同一档位的功能权限却在悄悄收窄。
带着这个数字和一个能跑的编码智能体坐进续约会议，这笔交换看起来显而易见。三个人在用的工具涨价 16%，对比一个两周内就能交付的自建版本。
问题在于：正在做的那个比较，并不是正在买的那个比较。
在"自建替代采购"的交换中，真正转移过来的是什么
一份 SaaS 合同是固定的、有支持的、由外部维护的负债，并带有已知的续约日期。取代它的是三样彼此分离的东西，而其中只有一样会出现在商业论证里。
一张变动的 token 账单。 许可证是可预测的；推理是按量计费的，并随使用量、重试，以及智能体决定读取的任何东西一起增长。这正是麦肯锡高绩效者所说撞上的那一行。
一个永久的内部维护负责人。 不是造它的那个人。是 2028 年还握着它的那个人——那时它调用的 API 变了，而唯一理解它的工程师已经离职。
智能体所写代码的可维护性特征，可测量地差于它所替代的代码。
没人点名的那个维护负责人
GitClear 的 Maintainability Gap 研究分析了 2023 至 2026 年间 6.23 亿次代码变更，发现质量信号同时朝错误方向移动：代码块重复上升 81%，单次提交内复制粘贴上升 41%，掩盖错误的结构上升 47%，两周内 churn 上升 15%——与此同时，重构移动的代码行下降 70%，跨文件函数调用（复用的信号）下降 35%，长期遗留代码维护相对 2022 年水平下降 74%（GitClear, 2026）。
他们形容这个结果的说法最为有用：永久 V1 组件。上线之后再也没有被整合的代码，因为没人会去重构一个智能体可以重新生成的东西。
谷歌的 DORA 项目从另一个方向抵达同一处。在约 5,000 名受访者中，开发者的 AI 使用率从 76% 升至 90%，AI 辅助下的交付吞吐恢复到持平或更好——但交付的不稳定性作为采用的代价仍然存在，而 DORA 对 AI 的解读是：它是其落地的组织系统的放大器（DORA, 2025）。前一年的版本曾测得，AI 采用度每提高 25%，交付稳定性下降 7.2%（TechTarget, 2025）。
放大器是值得记住的那个词。一家 300 人的公司，只有一名超负荷的内部开发者，没有部署流水线，它不会因为生成了某个软件厂商产品的替代品，就获得那家厂商的纪律性。它获得的是自己的纪律性，只是更快。
走得最远的那群人最先摸到天花板
大多数技术争论都在争"怀疑者以后会不会被证明是对的"。这一次实验已经跑完了，结果就躺在产生热情的那同一份数据里。
替换最激进的那些组织，正是今天报告编码智能体成本受限频率为其他所有人三倍的那些（McKinsey, 2026）。不是泛泛的成本受限——那一项他们报告的比例很正常。而是专门发生在他们切换过去的那一类工具上。
这就是从内部发现天花板时它的样子。你用一条变动科目替换掉一条固定科目，使用量因为东西好用而增长，于是那条变动科目不再小于你取消掉的那一条。
对中型市场的经营者来说，推论不是"别自建"。而是：在决策那一刻摆在你面前的成本曲线，只是它的第一个月。
诚实的反方意见
三条界限，直说。
自报式调研数据不是审计。 麦肯锡的数字是受访者对自己组织的说法。没有人把所声称的内部自建与总账核对过，而"决定不购买"里也包含了本来就不可能成交的决定。
在一组可以界定的情况下，自建确实更优。 当流程是你公司特有的，当没有厂商能在不做重度配置的情况下适配，当那个东西体量小、稳定、并且只读取你已经拥有的系统——自建一直都站得住脚，而智能体降低了它成立的门槛。那 32% 并不是一概的错误。
一年的质量数据不是对一个十年的判决。 GitClear 测量的是当下 AI 辅助编码的样子，而此时工具与实践都还不成熟。那些信号可能会改善。目前还没有。
而以上这些都改变不了的一点是：这笔交换把厂商的资产负债表问题转成了你的。那是一次转移，不是一笔节省——除非你给这次转移标了价。
哪些续约让这笔交换站得住脚
第四季度关闭之前的四个动作。没有一个需要新厂商，也没有一个要求你放弃自建方案。
- 按十二个月的增长后用量给 token 科目定价，而不是按试点量。 如果替代方案只有在今天的调用量下才更便宜，你找到的不是节省，而是一个时间差。按当前用量的三倍建模，看看这个决定还站不站得住。
- 在取消合同之前，先点名维护负责人。 一个名字、他时间的一个百分比、以及一个继任者。如果没人愿意给出数字，那么这次自建是用未分配的人力在买单——也就是用某个人的晚上。
- 按"谁来承接故障"给续约排序。 凡是触及薪酬、合规、面向客户的计费或受监管数据的，保留带 SLA 和赔偿条款的厂商。内部报表、你本就拥有的系统之间的胶水、单个团队的流程工具——自建方案在这些地方才是诚实的。
- 把 16% 的续约报价当作谈判信号，而不是判决。 SaaS 通胀接近一般通胀的五倍，意味着报出的涨幅是市场驱动的，而且往往可以谈。给一次续约做基准比对，比拥有一个代码库便宜，而且这个月就能做。
你取消的许可证，是一笔你不再支付的成本。你自建的系统，是一笔你开始拥有的成本——而在这条路上走得最远的那些组织，正在那份让这笔交换显得诱人的同一调研里，告诉你它从哪里开始不再便宜。
在下一份续约发出之前，挑一个在砍单名单上的工具，写下 2028 年谁来维护它的替代品。如果那一行还是空白，就续约。
