「AI大模型如何刷新SaaS?」直播回顧_風聞
BImpact-宇婷,To B行业观察者、资深媒体人、博主。-04-19 20:42

訪談、編輯|宇婷 稿件助理|曉飛
AI會怎樣融入軟件和To B、SaaS 行業?如何與用户進行交互?To B新勢力的直播間,邀請了:愛點擊的市場總監Bobo,用友大易產品部副總監王磊,紛享銷客創始人兼 CEO 羅旭,基智科技創始人兼CEO張文戰(按討論順序)進行了一場直播討論。
直播中我們討論了以下問題:
1、為什麼準備接入文心一言?文心的接入方法是什麼?今天看了發佈會之後,對於文心一言有什麼期待?
2、在考慮接入文心一言的時候,有沒有考慮同時接入ChatGPT?
3、目前考慮將AI和已有實際業務場景如何結合?
能夠給客户帶來的新價值是什麼?本次接入AI,和以往已經有的AI應用突破性創新在於什麼?接入AI過程這中是否有一些心得?
4、如何考慮AI的成本投入。
5、作為創始人和CEO,如何進行AI的戰略部署?
6、5個關於AI的價值觀和觀點
(1)對話式學習會成為主流。
(2)AI不會撒謊。
(3)AI的本質是軟件,中國AI的機會是做差異化
(4)AI時代的決策=AI預測+人的判斷
(5)您認同在使用AI過程中可能會出現波動,需要剋制使用AI。
本文梳理了各位嘉賓在討論之中非常有價值和參考性的觀點,按照嘉賓討論的順序,做了摘要:
1、愛點擊市場總監Bobo
AI目前對於營銷端熱來説確有衝擊,但仍處於輔助角色。
愛點擊其實是為企業提供從技術到策略以及到落地執行,在於數字化運營和營銷雲的服務。我的分享從市場口徑切入。其實愛點擊本身是有大數據基因的,而且在AI 這個領域已經做了很多年的佈局和探索的,營銷端跟人工智能的結合就是密不可分的。最近這段時間,我們投入了很大的人力,會再做一些比如説像自然語言處理,流程自動化這部分的技術和企業方的實際的需求,而且我們已經有了一些落地的成果,和相對成熟的基於 AI 的全域營銷數字化解決方案。
未來可能會在一些人機協同、智能化運營,甚至説智能化創意的生成等方面有一些突破,因為這幾個是營銷端非常常見的需求。也可以説聯合百度來打造一些解決方案,以豐富和拓展愛點擊原有的數字化和智能解決方案上的一些場景。在本土語境適配上,文心一言還是比較有優勢的。
AIGC能夠增強內容管理的系統能力。在市場人做內容、品牌傳播,甚至廣告投放時,可以快速自動生成文本。如果進行規模化訓練,可以不斷優化生成本文,效率的提升不止一倍、兩倍,會達到指數級效果。
在營銷端效果和轉化分析、數據洞察、策略優化上,AI能夠對線索的數量,或者是生命週期的轉化率、 ROI 等等這些營銷鏈路上比較關鍵的指標進行分析。數據分析接近於實時。更重要的是能夠一直迭代和優化。
站在市場人的視角,AI作為一個關鍵詞,再一次進入到全人類的視野之中。
它的技術以及場景的適配,提升的就不僅僅是一個段位了,我們每一條文案的輸出,很有可能都經過 AIGC 能力的加成。不僅僅在營銷端,在各行各業都會突破邊界。
AI目前對於營銷端熱來説確實有衝擊,但目前仍然處於輔助的角色。
當人工智能本身的社會屬性更加凸顯的時候,會有一些安全風險,社會治安等這一方面會有一定的挑戰。就像過去幾年我們還在討論數據安全問題一樣,大家也是經歷過恐慌的,但數安法、個保法紛紛出台,使這件事就變得可管可控了。現在包括歐盟、新加坡,還有日本等一些國家,已經出台了一些相關的他們應該是叫倫理準則,可能我們接下來也會有一些規範約束。
2、用友大易產品部副總監王磊
多模態處理能力,
推動超出傳統的職位投放平台,拓展新玩法。
用友大易是一家在行業處於領先地位的智能雲招聘解決方案供應商。是一家做人力資源 SaaS 產品的企業,貼合用户的場景,並給客户提供更大的價值。
我們自己也進行一些測試,文心一言在做一些自然語言處理、語義聯想,以及提供一些人可理解的話術方面。在自然語言和話術方面,對它是有更深的期待。舉個例子——翻譯應用。不光是中文、英文,還有一些泰文、馬來西亞文等,還包括語言翻譯過程中的人工檢查介入。以及多模態的框架處理能力,能夠生成高質量的職位描述,以及根據文字生成配圖和視頻,進行網站、抖音、嗶哩嗶哩的投放。這就會超出傳統的職位投放平台,拓展出新玩法。
考慮用文心一言的原因在於,百度目前有崑崙芯片,在當下的國際形勢下,百度在國內做得不錯。其次百度的搜索算法、圖文搜索算法,自動駕駛算法在國內發展還不錯。數據上,對於數據出境我們的考慮會非常謹慎。
以及抽象總結職位要求。減少HR工作量。通過語言處理能力,把簡歷中的工作經歷、教育經歷、畢業院校等內容,做一個增強解釋。抽取職位畫像和簡歷畫像進行嚴格匹配,優先推薦符合崗位的候選人。
通過文心一言,全面給面試官提供指導,以考察和評價候選人。
文心一言的自學習能力,更新迭代速度和匹配行做得非常好。它今天是一個 100 分,明天可能就是 1000 分,成長速度特別快。
在成本和價格上,我們也會做其中的平衡,比如效果、性能以及給客户帶來的價值。
人工智能的奇點可能會在2030 年左右就能到來。這個奇點的概念就是它的智能程度可能會達到我們一個普通成年人的智商水平,這是一件很可怕的事情,就是它在到達成年人水平的那一天之後,它就會迅速地超越我們每一個普通人。所以説這對社會帶來的,無論是往小了説是我們的產品,往大了説對全人類就是一個顛覆性的技術的突破,這塊讓人還是很心驚的。
國內對於AI的使用和追求,和國外可能沒有太大的差異,只是最終訓練的數據模型不太一樣。但最終的目標活着説對於AI所提供的服務,總體目標是一致的。
ChatGPT 到底能為我們做什麼。目前發現,很多情況下是我們的想象力,還不知道它能為我們做什麼。其實它可以做很多的事情,只不過它的能力有可能慢慢地通過自學習已經達到了,但是我們還在找它的應用場景。
AI需要個人和整個社會一起形成共識。包括個人的自我約束,和比較極客的羣體,約束整體的行為。
3、基智科技創始人兼CEO張文戰
智能客服場景要求AI的時效性達到毫秒級別響應速度。
我是百度出來的,所以對百度還是有一些情感上的傾斜。我們這個團隊在 10 年前做過類似的東西,所以我對百度做這個事還是比較認可的。我們也是首批內測的。整體上超乎我的預料,當然跟 GPT 4比還是稍微有一點點差距。從這方面來看,我們整個公司對這個新技術還是比較積極的。第二點就是,我們業務場景上確實是能用到。因為我們在做這種對話式的AI,所以説其實還挺需要它。
ChatGPT 我們用的挺多的,我們公司內部也買了很多付費版本,也調用它的 API 做了一些微調,以及市Facebook 出的大模型,谷歌我們全部都試過。
先從百度、谷歌、Facebook,這幾個大廠來對比,百度是比這幾個大廠都要好的,而且好很多,像谷歌開發佈會已經翻車了,百度這個沒有翻車,然後體驗起來效果也還不錯,我覺得從這個維度來看還不錯。第二點在於我們測了很多跟ChatGPT的對比,包括B接入了ChatGPT 的這個能力之後,我覺得不相上下,而且在一些中文的理解上,其實百度會比它好一些。第三點,文本需要推理,其難度比圖片和視頻高。在歸納能力上,百度比ChatGPT差。第四點,基於上下文語境的理解,基於場景的理解,比如説我讓它去模擬一個對話,我充當一個人,他充當另外一個人,對場景的理解這塊其實跟 GPT比起來還不錯了。所以説我們也做了很多測試。基本上我是覺得可能會超出我們的一個預期。
我們的場景更多是偏實時類的,時效性要求會比較高的。比如電商類的客户,他可能會對電話觸達、老客户激活,或者有一些新的活動出來以後,需要有一些機器人的電話去觸達通知這樣的場景很有幫助。
包括偏公安類的場景,有一些反詐的電話會打出去,就是説我們的場景對實時性要求會很高。
現在看來,整體上ChatGPT 跟百度的時效性都會稍微差一點,所以這個方面的商業化我們還得去再探討一下到底能不能滿足我們的時效性。時效性可能要在毫秒級別來響應才OK。現在這種生成式的回答就是一個字一個字吐出來,這個時間還挺長的,這在我們這種時效性要求很高的場景可能會稍微有點問題,但是在我們一些智能客服類的場景裏面還會好一點。
這大模型出來,它其實是對生產關係的重塑,以前整個生產關係可能需要很多人從非結構化數據當中找到結構化數據的一些規律,然後再通過算法,相當於把非結構化變成結構化的基礎之上進行模型算法處理。但是ChatGPT的邏輯在於,我不需要你做這種非結構化到結構化數據之間的一個轉化,你給我一些這種非結構化數據,我就可以幫你去識別。它的一個價值在於它把生產關係改變了。
大模型出來,它其實是對生產關係的重塑,以前整個生產關係可能需要很多人從非結構化數據當中找到結構化數據的一些規律,然後再通過算法,相當於把非結構化變成結構化的基礎之上進行模型算法處理。但是ChatGPT的邏輯在於,我不需要你做這種非結構化到結構化數據之間的一個轉化,你給我一些這種非結構化數據,我就可以幫你去識別。它的一個價值在於它把生產關係改變了。
我們也沉澱了大量的對話的數據,基於他們的模型之上,我們再做一個小模型,或者我們做些微調,或者拿我們數據去訓練一下,看看是不是能夠滿足我們對時效性的要求,這塊也能讓我們節省很多成本。
對於ChatGPT 的技術封鎖的情況,比如説它有可能對中國企業是封鎖的,大家要翻牆,要掛一些海外的網絡。特別是在國內的一些垂直行業當中,有很多這種在封閉網絡裏面的數據,我們能不能傳給他,這個安全性是需要考慮的,我覺得這個還是很重要的一個地方。
整體上來看,未來如果國內的是大模型,可能比ChatGPT 稍微弱一些,但是不要差距太大,可能還是會有很多中國企業使用中國的這種大模型,畢竟要考慮安全性的問題。
其實中國有非常多的人在從事類似這種客服類場景的工作。我們大約統計過,基本上有大幾千萬的人在做這種事情。這個對話類的產品,其實會對現在的產品有一個很大的變革。現在基本上國內的,包括在海外有一些比較好、比較大的公司做這種產品,基本上都是基於規則,基於一些配置文件,基於一些行業的知識往裏去配置,而且需要大量的運營人員參與進來,然後把人的經驗放進去,非常依賴於人。這其中也是有一個值得探索的問題。ChatGPT 會把很多之前人做的事情取代掉,他們之間到底是一個什麼關係,如果這個模型做得很好,是不是很多人會失業。我們希望給他們插上人工智能的翅膀,他之前產能可能只有10,那加上我的能力以後他可能產能變成20,變成 30 ,的效率增加。
所以我覺得這個模型的發展如果能夠達到商業化拐點的時候,我覺得會使整個賽道有非常大的變化。包括ChatGPT 對多模態的一個支持,以後可能會有更多的虛擬人出來,他是有大腦的。現在的虛擬人基本上都是一段錄音、一個文本來驅動,他其實是沒有大腦的。如果把這種人的形態加上 GPT 的這種大模型,他也有大腦了,以後整個的變化還是會比較大的,基本上不需要人出來錄視頻。
當然對於我們來講,我們確實也是挺需要他來改善我們整個體驗的,現在的邏輯是,有很多人蔘與進來,人是會有很多好的壞的感情在裏面,機器可以被訓練成我們想要的樣子,比如笑臉相迎,而且能夠把整個效果做得很好。比如淘寶智能客服,現在國內有很多公司在做這個事,當人工客服不在線時,是由智能客服來掌管的,這裏面就是一個非常好的場景,是它一個整體的價值,如果線上客服比較智能的話,會直接影響到銷售額,從這個角度來思考這個問題的話,我覺得它價值還是比較大的。
其實我們也在努力,但我認為ChatGPT 類似這種大模型以後會像雲服務一樣,比如咱們現在很多服務器,買了阿里雲和百度雲,核心是買它的CPU,買它存儲。我們認為大模型以後會變成一個基礎的雲服務,它是一個標準化的雲服務。我們是基於這個雲服務之上,來做一些算法展示小模型,或者我們自己去微調一些,或者在它之上我們再做一些算法模型來適配某一個行業。它的核心還是在於這個大模型它能做到一個什麼程度,這個程度會決定整個商業化是不是能夠有一個比較好的進程。所以我們目前來看還是有差距的。比如給你寫一些文檔,離線的一些場景,然後跟這種時效性,很靠前端的場景可能會稍微少一點。在大後端寫個文案,寫個報告,做個計算的題目,這是 OK 的。但能直接去跟用户溝通交流,影響到用户能夠下單,或者影響到用户能夠去有一些動作,我們覺得還需要時間,就看這個大模型整個演進的過程,這是其一。第二是要看這個硬件的成本是不是能夠降很快。因為如果它效果很好,但是成本也很高,也很難去商業化。所以目前在我們這個場景,其實還需要一段時間。
我們本來就是在做 AI 的這個事兒,只是這個大模型確實比我們做得好很多,它可能是一個量級上的一個提升,所以我們本身就會比較深入的去參與這個事。AI 這個事情其實是公司的一個戰略性的問題,一個方向性的問題,就是大家信不信這個事, AI 這個事情是不是能夠改變世界?是不是以後的一個未來?
所以我覺得在頂層設計上是需要有這種思考的。整個戰略是需要有定力,我們非常相信這個事,也是這個背景出身的,所以我們當然會很深入的去投入進來去做的事,這是我的第一點。
第二點就是,你畢竟是做企業,你要為你的股東,為你的員工,為大家一塊來負責,所以説可能不能一步到位,就需要有一個幾年的規劃,總得是有一些服務能夠提供客户,慢慢的迭代。它確實是一個長週期的,它不是一個短週期,它不像以前做 To C 一樣,我今天上線一個功能,睡一天,早上起來,一大批用户全來了,那個時代已經過去了。所以需要有一些戰略定力來長期投入。
AI就跟一個小孩一樣,你去培養它,鍛鍊它,你每天跟它講好東西,那它就挺陽光的,挺向善的,反之則會變壞。
我們可以大膽暢想一下,以後會有一些法律來規定這個機器人不能幹什麼,我覺得在不久將來家庭的機器人肯定會有很大的普及性,法律會對機器人有一定的約束。但核心是我們要怎麼來看待這個事兒,從國家層面怎麼看擁抱它還是要封殺它,如果是擁抱,那就得去給它制定一些方式方法,制定一些策略。
4、紛享銷客的創始人兼CEO羅旭
AI 讓 CRM 系統從工具型變成業務型。
實際上我們在 CRM 這個領域有非常豐富的結構化和非結構化的數據,而這些特別是這種數據大模型,若它對非結構化數據的處理能力,和通用的理解能力,具備了一定的像人一樣的思考能力的話,其實是對未來人和數據交互的一種大的躍升。
這讓 CRM 系統從一個工具型的 CRM 變成一個業務型的CRM是一個很好的機會,現在從一個業務型的 CRM 極有可能因為它具備了交互能力之後,變成一個賦能型的真正能給銷售管理者和企業決策者帶來跨越式質的飛躍的非常好的動力。
可能的跨越式場景上,非結構化數據,比如聊天記錄、即時消息等。CRM 軟件裏面填了很多銷售記錄,因為這銷售記錄可能會涉及到比如説在線索裏填的記錄、在商機裏填記錄、在客户系統裏填的記錄,甚至在工單裏填的記錄、在合同裏做的一些標註。
這些信息以前是靠一層層的管理者去和自己的銷售不斷去做總結。那麼這些非結構的數據,如果將來藉助這種大模型的數據幫他去做分類,幫他去做關鍵語義的概括,或者去做一些分析,他就會極大地賦能銷售在各個銷售環節的能力。
很多企業的銷售可能同時在跟進多個商機,但是究竟哪個商機是當下最重要、最緊急的,商機的哪個階段是需要做出哪些關鍵動作,銷售自己的一些判斷往往是不夠精準的,通過對大模型的訓練,給到銷售一些指導,那對銷售以及銷售管理者來講,都是最大的福音。
核心的期待也跟張文戰説的是一樣的,就大模型技術,它未來就像個芯片一樣,它更多的一個應用是提供通用的能力,另外是它對這些行業應用提供支撐,去解決具體的問題。所以可能説從SaaS、 PaaS 未來還會出現一種東西叫MaaS,這種模型變成一種賦能的工具和平台,未來針對企業提供更多的企業級的接口,或者企業級的這種專屬的服務,讓企業自己能對這些參數進行微調,能對它進行訓練,形成另外一種叫專屬垂直場景裏面的子訓練模型,甚至將來如果能夠更進一步形成子模型的子模型。
對於企業級用户,特別是中大型企業,它的數據樣本也很豐富,它在藉助我們或者藉助百度大模型的同時,又形成自己的子模型,讓整個營銷的實現全渠道、全場景、端到端的智能化,這樣對整個生產力的釋放,對效率提升,就是非常大的躍升。所以我覺得核心還是看百度未來怎麼去開放它的能力。
對比ChatGPT 和文心一言,確實現在還有差距,但我不擔心,因為這種大模型的自我淨化能力可能 6- 9 個月一個版本。隨着用户量的不斷增加,假如現在文心一言能有個 1 個億、 2 個億、 3 個億或者 5 個億的用户,它能不停的去使用它的模型,不斷訓練。加上它自身的一些訓練模型,對於其能力的躍升我們倒一點都不擔心,主要是看最後它能提供什麼樣的能力,開放給像我們這樣的企業級的服務廠商。
另外,很多企業的業務是非常閉環的,就需要擁有一個閉環性的數據模型,比如説做 HR 的公司,或者説做 CRM 的公司,他們的一些核心業務場景,你在公網裏是搜不到的,這就是企業真實的非常封閉的數據模型。所以針對這部分企業,我們的核心是把AI能力賦予企業,讓企業在合規的安全的環境裏,自我進行訓練。因此MaaS會成為一種新能力。
對於大模型的選用上,看三點,第一是看政策法規,第二是看能力,第三是看性價比。其實更多的還是從合規性,從商業價值,還有從它本身的能力上來看。從性價比上來看。如果説國家政策法規允許你用,企業如果覺得性價比合適,那肯定是擇優使用。當然我覺得百度文心一言也有它自己獨特的優勢,有本土自身的對中文語言理解的優勢,以及它積累的中文這個環境下的語料、數據這些優勢。
這一次大模型帶來的改變,最核心的是它會重新去定義CRM,CRM 的工具它特別不一樣,在全球來看,像 Salesforce、Dynamics,其實數得出來很成功的公司就非常少了,很多都是被包裹在所謂的 ERP 公司裏面。它難做的原因就在於它極度的非標,而且它的行業化差異又非常巨大,受到人的因素受干擾非常大。
所以就是説ChatGPT 的出現,會把一個工具型的軟件,提升成一個業務型的軟件,最後變成一個智能型的業務軟件,就相當於會變成銷售體系的一個作業軟件。以前對於CRM 定位叫客户關係管理,更多的像一個客户容器,去沉澱客户資料,沉澱客户跟進的過程,沉澱跟進的記錄,它是為管理而生,就是決策者去管理和管控這個過程。它不是為賦能而生,它不是作業平台,它不像財務軟件拿來做賬來做管理排級分析,是財務人員特別喜歡的。它也不像 HR 軟件入轉、調離、考核、績效評價,是 HR 人特別喜歡的。絕大部分銷售是不喜歡 CRM 軟件的,因為它是被管控的。
因為 CRM 裏面有大量的非結構化數據,這種大模型它對非結構化數據的友好的理解能力和內容的生產能力,會讓CRM變成一個賦能的、助力的工具,從一個工具躍升成業務賦能和一個賦能平台。所以我説它可能就叫客户關係管理工具會變成一個客户價值管理工具,或者是客户價值管理平台,它會重新定義CRM。我們對這點方向是非常非常看好。以後可能就是銷售人,他會主動給企業管理者説我們一定要買一個具有大模型的CRM,因為它能夠提高效率,不管是做一些文案還是客户的方案,還是去跟進客户,儘早的去關單、贏單,真正賦能銷售。
AI是智能時代的加速器或智能時代的公共服務,這個智能公共服務會重新改造和刷新各行各業。
其實人也是個“超級AI”,人從出生到死亡,也是在一個不斷學習的過程。所以如果説這個 AI 大模型確實是很強後,我們因為 AI 的賦能而慢慢地喪失或丟失掉自我的學習能力,這對某一類人來説是一個莫大的悲哀。
我們可能是要面臨的一個新的問題,在一個 AI 時代,怎麼重新去定義自己,重新定義每個人的價值存在感。第二點這種被動。 AI 這個詞起的也挺好,因為它叫AI,如果翻譯成中文拼音就叫“愛”,就是情感。
從目前來講,我不知道機器什麼時候會有情緒,但是機器要有情感這件事情可能是會非常難的。當機器的智能到一定程度之後,在這個情緒和情感問題上,人和機器之間如何去結合和有一定的隔離(剋制邊界)的手段,這件事情也是我們要思考的,可能是另外一個能力的問題。最後可能人要去重新定義人。