企業級實踐為“燃料”，大模型助推Kyligence產品力向上_風聞

回顧2023年，最火熱的科技話題無疑是生成式AI。

從ChatGPT橫空出世，到“千模大戰”如火如荼，AIGC正式破圈，成為企業數字化轉型的新關鍵詞。

在紅杉中國《2023企業數字化年度指南》中，通過調研235家企業可知，79.4%的受訪企業已經開始進行AIGC應用的初步探索，23.6%的受訪企業已經利用AIGC產生明顯價值。

圖源：紅杉中國

這些數據清晰地反映，大部分企業都希望擁抱這一波大模型的技術浪潮，AI企業級應用的奇點正在到來。

對於服務於企業數字化的科技公司來説，這既是一次技術迭代的挑戰，也是重新定義產品力的機遇。數智化商業創新再次席捲To B企業服務賽道。比如，12月19日，大數據分析和指標平台供應商跬智信息（Kyligence）發佈了數據和分析領域垂直大模型司南，與旗下產品Kyligence Zen（智能一站式指標平台）、Kyligence Copilot（AI 數智助理）結合，旨在幫助企業以更快週期、更低成本落地AI。這是企服賽道玩家擁抱大模型，探索升級產品的一個縮影。

那麼，大模型的應用，能否有效提升企服產品服務力？企業數智化轉型下，中國企服會迎來哪些機遇？

一、技術knowhow+企業級實踐，中國企服大模型落地的先行條件

擁抱AI技術是整個科技界的共識。而在企業管理領域，新技術的價值更是可以在實踐中更清晰地被感知。

過去，從拿到數據、清洗與規整數據、建立模型、分析數據，直到做出業務決策，在經營層面對IT技術人員與業務人員之間的協同要求高，在效率方面也往往不盡如人意，因為數據是滯後的。

隨着科技進步，利用新技術來優化經營策略成為企業必選項。數字化轉型也確確實實帶給了一部分企業紅利。

然而，數字化轉型並不總是成功的。企業變革最重要的目標是提升運營效率，但是如果沒有符合當下管理現狀的轉型路徑，企業很難從技術創新中獲益——數字化不僅是IT範疇，也是業務管理範疇。

問題是，每一家企業的轉型對於自身來説都是一個新鮮案例，而一套成熟的管理產品和體系，需要技術knowhow與業務knowhow的雙重沉澱。顯然，這兩者是矛盾的。

正因如此，企服賽道才會隨着數智化進程而迎來快速發展的機遇。而商業化成功的企服公司提供的不僅是好的產品，還有成熟的落地經驗。只有對企業業務有足夠多的思考和沉澱，才能讓新技術發揮其價值。

筆者瞭解到，目前海外市場落地大模型商業化應用的企業，大部分本就是企服賽道的“老玩家”。比如，微軟、Salesforce、Adobe、SAP、Palantir等公司。

而Kyligence探索大模型應用之前，也已經服務中國、美國、歐洲及亞太的多個銀行、證券、保險、製造、零售、醫療等行業客户，包括建設銀行、平安銀行、浦發銀行、北京銀行、寧波銀行、太平洋保險、中國銀聯、上汽、長安汽車、星巴克、安踏、李寧、阿斯利康、UBS、MetLife等全球知名企業，並和微軟、亞馬遜雲科技、華為、安永、德勤等達成全球合作伙伴關係。

可以説，大量客户服務的經驗，是企服公司開啓AI變革的必要條件。那麼，大模型能夠為企業服務行業帶來哪些新的突破？

二、“AI+”落地數智賦能，使用效率與學習門檻的雙重顛覆

企業轉型的難題就是答案：效率與門檻。

當下，企業級產品結合AI大模型，最直接的表現就是可以根據用户的自然語言輸入，快速生成符合用户需求和預期的內容和結果。未來，隨着多模態大模型技術演進，AI大模型可以幫助企業級軟件拓展新的功能和應用，因為它們可以利用海量的數據和知識，生成各種類型和風格的內容，滿足不同的業務和場景需求。

從具體應用來看，在海外市場，微軟通過開放Azure OpenAI賦能旗下產品，提升員工的效率；Salesforce也通過Einstein GPT將公共和私有AI模型與CRM數據相結合，在銷售、服務、營銷、商業等各個領域提供人工智能自動創建的內容，以適應實時變化的客户信息和公司流程。

在國內通用軟件領域，騰訊會議基於混元大模型打造了AI小助手，只需要簡單的自然語言指令，就能完成會議信息提取、內容分析等複雜任務，會後還能生成智能總結紀要。

而在數據分析的垂直賽道，Kyligence推出的基於AI大模型的數智助理Kyligence Copilot，目的也是提升企業效率和降低企業數字化門檻。

**從效果來看，大模型的應用落地已經逐步釋放生產力。**以Kyligence為例，通過搭載AI數智助理，Kyligence核心產品Kyligence Zen（智能一站式指標平台）實現了決策效率和使用門檻的“雙殺”。

一方面，如今的Kyligence Zen可以靈活響應不斷變化的業務分析需求，提升業務決策效率。

圖源：Kyligence

另一方面，通過自然語言對話，讓企業使用者更方便地獲取數據洞察和建議，而不需要編寫複雜的 SQL 語句或者使用其他工具，降低了學習成本。

圖源：Kyligence

**“企服產品+大模型”毫無疑問順應了當下企業管理需求。**紅杉中國在《2023企業數字化年度指南》中提出，在當前不確定性增大的商業環境中，部分受訪企業的運營面臨着巨大的壓力。無論是市場競爭加劇，還是消費者需求日益多元化，或者是科技進步帶來的挑戰，都促使企業必須動態調整其經營策略以適應變化。

可以預見，企服領域會不斷湧現各種類型的實時智能服務，以實現企業經營實時的決策制定。圍繞AI核心能力，增強企業分析和決策能力，成為企服賽道下一個增長點。

圖源：艾瑞諮詢

隨着智能化浪潮的到來，Kyligence在幫助企業數智化轉型的同時，也為自身按下了名為“AI+”的發展快進鍵。

三、釋放數智生產力，鋪開數字經濟萬億藍圖

從數字化到數智化，一場變革浪潮已不可避免。以AI變革企業運營與管理效率，是中國企服公司必須邁出的新航程。

一方面，國內外的“AI+”企業級應用已經初見商業化成果。

梳理大模型海外進展，天風證券指出，從微軟、Salesforce、Adobe、SAP、Palantir等公司的產品節奏看，大模型逐漸應用落地場景。頭部企業級軟件公司已經開始進入了大模型商業化的新階段。

同時，在國內企服賽道，相關企業也有了豐富的落地案例和獨特打法。比如，Kyligence“AI+指標+知識庫”的體系。根據公開資料，Kyligence展示了潘多拉指標平台的應用案例。

圖源：Kyligence《2023指標平台建設方法與實踐白皮書》

據悉，該平台為銀行億級數據量級下多維分析提供了完整的解決方案。從效果上看，根據《白皮書》，潘多拉平台縮短數據開發週期平均3-5 天；大數據報表開發人力耗費減少30%；常規需求替換率達到25%以上（不依賴數據開發而製作的看板）。

**另一方面，基於實踐效果，企業對於擁抱新技術的態度越來越積極。**調研機構Gartner預判，到2026年將有超過1億人和機器人同事（生成式 AI）一起工作或有一個AI助手；到2027年，將有近15%的新應用程序由AI自動生成，無需人工參與。

這也為擁抱大模型落地的企服公司帶來前所未有的機遇。從2022年《“十四五”數字經濟發展規劃》，到2023年《數字中國建設整體佈局規劃》，企業數字化轉型被提升至更高的高度。而AIGC激發了數字經濟的活力與創造力，大模型必將引領AI的未來道路，加速數字經濟發展。

展望未來，智能時代的新紀元正在到來，數字經濟蓬勃發展。根據灼識諮詢預計，全球AI市場將於2030年達到1萬億美元；AI在各垂直領域的應用滲透率也將繼續提升。

一張萬億規模的產業藍圖在中國企服公司面前徐徐鋪開。擁抱技術變革，將其轉化為自身產品力、服務力，企服公司才能走上發展“高速公路”。

來源：松果財經