SaaS的“大模型焦慮”

0 評論 972 瀏覽 9 收藏 21 分鐘

隨著(zhù)大模型技術(shù)的興起,SaaS行業(yè)正面臨前所未有的機遇與挑戰。本文深入剖析了SaaS廠(chǎng)商在A(yíng)I化升級過(guò)程中的'大模型焦慮',并探討了如何通過(guò)戰略性的AI應用找到自信,實(shí)現產(chǎn)品與服務(wù)的轉型升級,為SaaS行業(yè)的AI之路提供了寶貴的思考與方向。

在向 AI 的轉型升級中,行業(yè) Know-how 依然是 SaaS 廠(chǎng)商可靠的壁壘。文|張保文大模型落地的另一面,是 SaaS 的AI化升級。在與大模型的雙向奔赴中,SaaS 廠(chǎng)商如何走出“大模型焦慮”,找到“AI自信”?

01 “大模型焦慮”

“所有軟件,都值得用大模型重做一遍”。

2022 年底,ChatGPT 火爆出圈,也把不少 To B 從業(yè)者帶入一種“大模型焦慮”中。

兩、三個(gè)月后,第一波焦慮慢慢緩解下來(lái)。因為大家發(fā)現,當時(shí)的大語(yǔ)言模型,更像一個(gè)偏 C 端的“大號玩具”,加上大語(yǔ)言模型幻覺(jué)、隱私安全、落地場(chǎng)景等制約,距離真正的 To B 生產(chǎn)力工具,還有點(diǎn)遠。

隨著(zhù) OpenAI 開(kāi)放 API 接口,Meta、谷歌推出開(kāi)源大語(yǔ)言模型,以及大語(yǔ)言模型應用開(kāi)發(fā)工具 LangChain 的興起,大語(yǔ)言模型在 B 端的商業(yè)化路徑,逐漸清晰起來(lái):

首先,開(kāi)源降低了大語(yǔ)言模型技術(shù)應用的門(mén)檻。例如,SaaS 廠(chǎng)商可以在開(kāi)源大語(yǔ)言模型的基礎上,訓練和微調自己的行業(yè)大模型,幫助客戶(hù)解決具體業(yè)務(wù)場(chǎng)景中的問(wèn)題;此外,LangChain 等 Agent 平臺和工具,也為 SaaS 廠(chǎng)商的創(chuàng )新和業(yè)務(wù)探索提供了很多便利。

職行力創(chuàng )始人兼 CEO 林華榮,一直在密切關(guān)注大語(yǔ)言模型技術(shù)的進(jìn)程?!伴_(kāi)源大語(yǔ)言模型只是變化的起點(diǎn),真正讓 To B 行業(yè)興奮起來(lái)的,應該是 LangChain 這類(lèi)可以實(shí)現 Agent 概念的框架出現。大家開(kāi)始意識到:AI 已經(jīng)可以被業(yè)務(wù)場(chǎng)景需求駕馭了?!?/p>

在林華榮看來(lái),通過(guò)類(lèi)似 LangChain 的開(kāi)源框架,加上 RAG 技術(shù)(檢索增強生成),大語(yǔ)言模型通過(guò)外掛知識庫(向量數據庫),很好地解決了大語(yǔ)言模型非要訓練才可用的問(wèn)題。這也讓許多 SaaS 從業(yè)者非常興奮,至少找到了一個(gè)大語(yǔ)言模型落地最直接的場(chǎng)景:企業(yè)內部知識庫的智能問(wèn)答。

“大語(yǔ)言模型可私有化部署,企業(yè)數據可私有向量化,是大語(yǔ)言模型技術(shù)在 To B 場(chǎng)景落地的重大轉折點(diǎn)?!?/p>

無(wú)論 SaaS 廠(chǎng)商,還是企業(yè)客戶(hù),在訓練大語(yǔ)言模型時(shí),都比較擔心數據安全和知識產(chǎn)權保護的問(wèn)題:把自己的數據喂給大語(yǔ)言模型,訓練結果萬(wàn)一被對手抄去了怎么辦?

大語(yǔ)言模型技術(shù),模擬的是人的神經(jīng)網(wǎng)絡(luò )方式,不同于傳統的硬盤(pán),它的數據存儲和管理都很難精確化管控。因此,林華榮認為,通過(guò)“訓練”來(lái)實(shí)現企業(yè)“私有智慧大腦”是存在一定誤區的。

首先,訓練大語(yǔ)言模型掌握了特定的知識以后,要求大語(yǔ)言模型要對信息做一些針對性的保密,這有點(diǎn)像內部員工交流時(shí),“我告訴你個(gè)秘密,你不要告訴別人”,實(shí)際上就很難真正保密了。

其次,大語(yǔ)言模型的輸出和人類(lèi)的表述方式類(lèi)似,大多數情況下并沒(méi)有所謂的“標準答案”,如果缺少一些知識邊界的約束,就會(huì )不可控地產(chǎn)生“幻覺(jué)”,也就是我們經(jīng)常說(shuō)的“一本正經(jīng)地胡說(shuō)八道”。

最重要的是,企業(yè)知識本身存在持續性的快速迭代,訓練完的知識,如果要替換舊的知識,不能像以前那樣通過(guò)硬盤(pán)信息的“刪除”或“修改”操作來(lái)實(shí)現。新舊知識,就會(huì )像人的記憶一樣會(huì )產(chǎn)生疊加,很容易產(chǎn)生混淆,這樣也會(huì )產(chǎn)生“幻覺(jué)”。

基于以上分析,林華榮以為,“通過(guò)知識向量化的方式,把企業(yè)知識植入私有的向量數據庫,這些向量數據庫可以部署在自己的云上,或者本地服務(wù)器上,類(lèi)似于以往 SaaS 對企業(yè)私有數據所提供的混合部署,這樣就能很好地解決大語(yǔ)言模型落地的隱私安全問(wèn)題;同時(shí),通過(guò) Agent 平臺來(lái)約束大語(yǔ)言模型在不同的場(chǎng)景下,在指定的知識范圍內,作出篩選回答,就可以較好地解決大語(yǔ)言模型在 To B 場(chǎng)景的幻覺(jué)產(chǎn)生問(wèn)題?!?/p>

Gartner 技術(shù)成熟度曲線(xiàn)表明:每一項新技術(shù)從誕生到成熟,都會(huì )經(jīng)歷技術(shù)萌芽、欲望膨脹、泡沫破裂、穩步爬升、技術(shù)成熟的周期,同時(shí)也會(huì )伴隨著(zhù)一些“短期高估”和“長(cháng)期低估”的誤判。

從長(cháng)期看,AI 浪潮不可逆轉,應當看到AI 轉型升級的戰略意義;從短期看,如何“+ AI”,利用AI升級自己的產(chǎn)品,許多 SaaS 廠(chǎng)商尚處于摸索階段,應當避免因為 FOMO(錯失恐懼癥),而盲目投入或轉向。

在向 AI 的轉型升級中,行業(yè) Know-how 依然是 SaaS 廠(chǎng)商可靠的壁壘。

經(jīng)歷過(guò)短期焦慮,面對大語(yǔ)言模型浪潮,林華榮充滿(mǎn)信心,“這波大語(yǔ)言模型技術(shù),核心價(jià)值還在于 AIGC ,也就是通過(guò)大語(yǔ)言模型來(lái)把企業(yè)內的隱性經(jīng)驗,輸出成可用的顯性知識或者服務(wù),大語(yǔ)言模型技術(shù)正在重塑我們的產(chǎn)品。所以我們今天不僅不焦慮了,而且由于我們在知識運營(yíng)管理賽道上的 Know-how 積累,反而對未來(lái)的市場(chǎng)更加自信?!?/p>

02 “落地之痛”

據牛透社調研,目前大語(yǔ)言模型在國內 To B 場(chǎng)景的落地,仍處于探索和試點(diǎn)階段,主要有智能客服、企業(yè)培訓、AI面試、營(yíng)銷(xiāo)獲客、數據分析、法律咨詢(xún)、產(chǎn)品研發(fā)等場(chǎng)景;此外,還有一些偏 AI 平臺、工具類(lèi)的賽道,如低代碼、AI Agent、RAG flow等。

在大語(yǔ)言模型的商業(yè)化落地中,目前主要面臨安全合規、準確性、可控性、易用性、規?;忍魬?。

安全合規:這是企業(yè)經(jīng)營(yíng)不能觸碰的“紅線(xiàn)”。大語(yǔ)言模型商業(yè)化,也必須符合國家法律法規,確保信息安全、內容合規;此外,還要滿(mǎn)足一些行業(yè)的特定要求,比如金融、政務(wù)行業(yè),一些場(chǎng)景會(huì )要求大語(yǔ)言模型私有化部署。

準確性:生成數據不準確、文案效果不理想、胡說(shuō)八道……幻覺(jué)問(wèn)題,仍是大語(yǔ)言模型在 To B 場(chǎng)景落地的一個(gè)重要“BUG”。我們也發(fā)現有廠(chǎng)商在探索通過(guò) Function Calling(函數調用)、RAG(檢索增強生成)等技術(shù),以增強生成內容的實(shí)時(shí)性和準確性。

可控性:安全可控是決定 To B 產(chǎn)品使用深度的一個(gè)重要因素。如何解決安全可控?除了合規和準確性要求,權限管理也非常重要。以知識管理場(chǎng)景為例,如何讓大語(yǔ)言模型在不同場(chǎng)景下,針對不同權限的對象,輸出正確的知識,動(dòng)態(tài)權限管理非常重要,否則就只適用于淺層次場(chǎng)景,很難在全員應用的場(chǎng)景落地,業(yè)務(wù)價(jià)值也將大打折扣。

易用性:“我們公司里,Prompt 寫(xiě)得最好的,不是產(chǎn)品經(jīng)理,也不是技術(shù),而是測試工程師”。有 SaaS 廠(chǎng)商在面向客戶(hù)提供 Prompt 工具時(shí),發(fā)現客戶(hù)不會(huì )用,甚至連自己的人員也不清楚怎么去用。這種情況下,能面向普通使用者,不用敲代碼就可以搭建業(yè)務(wù)應用的 Prompt 工具就非常重要。

規?;捍笳Z(yǔ)言模型技術(shù),一定是在某個(gè)行業(yè)、某類(lèi)客戶(hù)中普惠,讓大多數人可用,才能真正實(shí)現規?;?。受制于成本、實(shí)施能力、技術(shù)穩定性等因素,有的 SaaS 產(chǎn)品結合大語(yǔ)言模型技術(shù)后,只能服務(wù)極少部分的高客單價(jià)客戶(hù),還無(wú)法全面推廣。

此外,咨詢(xún)、數據治理等生態(tài)服務(wù)同樣也不可少。SaaS 廠(chǎng)商要與AI生態(tài)廠(chǎng)商、客戶(hù)共建標準化解決方案,通過(guò)“大模型+服務(wù)”,才能更好地閉環(huán)。

在大語(yǔ)言模型落地中,如何界定大語(yǔ)言模型的能力邊界(優(yōu)勢)?

一些高頻、高標準化、海量數據的場(chǎng)景,如數據分析、客戶(hù)洞察等,不僅適合傳統數字化技術(shù),同樣也比較容易結合大語(yǔ)言模型的優(yōu)勢。

以 Chat BI 為例,結合大語(yǔ)言模型的自然語(yǔ)言處理和數據分析能力,能夠極大提高對話(huà)式 BI 的能力,使 BI 產(chǎn)品更易被業(yè)務(wù)場(chǎng)景深度使用;此外,大語(yǔ)言模型在自然語(yǔ)言交互、推理能力、學(xué)習效率、執行能力等方面的優(yōu)勢,能夠擴展、打通原來(lái)某些智能化環(huán)節,甚至會(huì )重新定義一些工作流程和崗位。比如在大語(yǔ)言模型能力的加持下,客服部門(mén)就有可能實(shí)現從服務(wù)中心到銷(xiāo)售中心的升級。

林華榮說(shuō),做管理軟件出身的人,容易習慣性地通過(guò)軟件來(lái)增加管理控制的精確性,但如果僅從精確性來(lái)使用大語(yǔ)言模型技術(shù),就很可能限制了大語(yǔ)言模型的優(yōu)勢能力:“我們要把大語(yǔ)言模型當作‘人’,而不是當作工具來(lái)看,這是一個(gè)非常重要的思考方式?!?/p>

在企業(yè)級大語(yǔ)言模型產(chǎn)品的實(shí)施交付上,同樣也需要把大語(yǔ)言模型當作“人”來(lái)理解,并不局限于數據訓練、微調等技術(shù)服務(wù),而是要具備駕馭大語(yǔ)言模型的能力,讓它能為企業(yè)所用。林華榮把大語(yǔ)言模型實(shí)施歸結為三項主要工作:提示詞工程、Agent 流程設計、行業(yè) Konw-how 植入。核心目標是要把行業(yè) Konw-how 轉化為駕馭AI的能力,幫助客戶(hù)實(shí)現業(yè)務(wù)結果。

03 “升級之路”

大模型浪潮下,企業(yè)的 AI 轉型,不再是一個(gè)選擇題,而是一個(gè)生存題。

在與一部分 SaaS 廠(chǎng)商的交流中,我們發(fā)現產(chǎn)研提效,是目前“SaaS+AI”的一個(gè)重要落地場(chǎng)景。

例如,一家 SaaS 企業(yè)產(chǎn)品負責人表示,自今年2月份以來(lái),便要求所有研發(fā)人員必須使用大模型開(kāi)發(fā),否則就會(huì )被要求離開(kāi)公司。目前該公司AI寫(xiě)代碼占到了60%,研發(fā)效率得到了極大提升。

除了在產(chǎn)研和運營(yíng)上的提效,SaaS 廠(chǎng)商也在積極探索產(chǎn)品與大語(yǔ)言模型技術(shù)的結合點(diǎn)。

林華榮表示,這里面一個(gè)難點(diǎn)在于大語(yǔ)言模型與傳統管理軟件輸出的價(jià)值,是兩個(gè)不同的維度?!肮芾碥浖儆诮鉀Q管控性的系統,而大語(yǔ)言模型技術(shù)則相反,是要替代人的知識類(lèi)高負荷工作。這也是為什么很多 SaaS 廠(chǎng)商一直很難找到大語(yǔ)言模型和自身產(chǎn)品產(chǎn)生 ‘化學(xué)反應點(diǎn)’的原因?!?/p>

這一差異,造成大語(yǔ)言模型技術(shù)與國內大部分企業(yè)管理軟件的融合,仍處在體驗升級階段,尚未深入管理業(yè)務(wù)的核心。SaaS 企業(yè)的 AI 升級,也因此分為兩條路線(xiàn)(或兩個(gè)階段):

一為體驗升級之路。即讓原有能力,能夠更好地被 AI 駕馭和驅動(dòng)。這是適合當下大部分 SaaS,尤其一些復雜的管理軟件 SaaS 廠(chǎng)商的升級之路。

二為重塑產(chǎn)品之路。即利用AI能力,做出一個(gè)全新的產(chǎn)品。這是適合更多創(chuàng )意工具、知識管理、智能客服等 AIGC 相關(guān)賽道 SaaS 廠(chǎng)商的升級之路。

相比之下,體驗升級之路,更容易落地,但 SaaS 廠(chǎng)商在這條路上,多少有點(diǎn) FOMO(錯失恐懼癥)的因素:有的是被大語(yǔ)言模型裹挾,不得不卷;也有的是想在大語(yǔ)言模型藍海中找到新機會(huì )。

這有點(diǎn)像燃油車(chē)到電動(dòng)車(chē)的轉型:原來(lái)只是做汽車(chē),現在還要裝上冰箱、彩電……核心產(chǎn)品、價(jià)值鏈沒(méi)變,更多是在卷體驗(同樣價(jià)格水平更多體驗),很容易掉入“炫技陷阱”:為了一點(diǎn)體驗改善,去加大語(yǔ)言模型,最后叫好不叫座。

想象一下:用大語(yǔ)言模型去點(diǎn)外賣(mài)、訂機票,是不是真的比用 APP 更便捷?SaaS 廠(chǎng)商在交互體驗升級上的投入,是否真的能夠提高客單價(jià)和續費率?

重塑產(chǎn)品之路,目前主要集中在 AIGC 高度相關(guān)的賽道。

以職行力為例,林華榮提到,以往職行力產(chǎn)品主要面向中大型客戶(hù),這些企業(yè)都是具備相對較為完備的知識培訓體系的,職行力可以在此基礎之上,幫助客戶(hù)解決讓培訓更有效果的問(wèn)題,從而快速提升人效;但由于中小企業(yè)往往都不具備完備的知識培訓體系,所以,以往職行力是不做中小企業(yè)客群的:不是不想做,而是做不了,因為這樣往往會(huì )把軟件交付做成咨詢(xún)案交付。

大語(yǔ)言模型技術(shù)出來(lái)之后,職行力推出了基于 AIGC 的智能陪練系統。與以往的產(chǎn)品相比,這更像是一種快速見(jiàn)效的“特效藥”。

無(wú)需通過(guò)漫長(cháng)的系統化治療(建立培訓體系并推動(dòng)體系落地),而是直接給每一位員工配備一名貼身的“專(zhuān)業(yè)醫生”(提供咨詢(xún)、輔導、帶教服務(wù)的專(zhuān)業(yè)教練),就可以更加快速、高效、低成本地滿(mǎn)足中小企業(yè)客群在業(yè)務(wù)培訓上的需求,這就是傳統產(chǎn)品和大語(yǔ)言模型能力結合后產(chǎn)生的“化學(xué)反應”。

結合以上兩條路線(xiàn)來(lái)看,SaaS 廠(chǎng)商在大語(yǔ)言模型方向的探索,目前主要還在于提升產(chǎn)品交互體驗,提高研發(fā)和運營(yíng)效率上:比如在現有產(chǎn)品上增加特性,提升交互體驗,或體現在一些單點(diǎn)功能的突破上,尚未與業(yè)務(wù)深度融合。從更長(cháng)期看,隨著(zhù)大語(yǔ)言模型對 To B 業(yè)務(wù)場(chǎng)景的滲透, SaaS 廠(chǎng)商可能就需要思考如何借助大語(yǔ)言模型,重構產(chǎn)品服務(wù)。也就是說(shuō),體驗升級之路,最終會(huì )走向重塑產(chǎn)品之路。

無(wú)論哪條路線(xiàn),大語(yǔ)言模型技術(shù),都為 To B 行業(yè)帶來(lái)了新的生態(tài)融合。

近段時(shí)間,國內大語(yǔ)言模型廠(chǎng)商,逐漸從“拼參數”轉向“爭生態(tài)”。SaaS 廠(chǎng)商也能從中明顯感受到大廠(chǎng)態(tài)度的轉變:以往找大語(yǔ)言模型廠(chǎng)商談 API 合作,對方可能不太理會(huì );現在各賽道頭部的 SaaS 廠(chǎng)商,經(jīng)常都會(huì )收到多家大模型廠(chǎng)商的測試邀請。

說(shuō)到底,大模型廠(chǎng)商的商業(yè)化破局,關(guān)鍵還在應用生態(tài):ISV 伙伴的質(zhì)量和數量,決定了大模型廠(chǎng)商的市場(chǎng)滲透能力和長(cháng)期優(yōu)勢,這也是近期國內通用大語(yǔ)言模型“價(jià)格戰”背后的邏輯。

但也有一部分 SaaS 廠(chǎng)商,看到了在 AI 生態(tài)中面臨的挑戰:AI Agent平臺、AI 原生應用,會(huì )不會(huì )沖擊到原有 SaaS 的地位?

林華榮認為, SaaS 廠(chǎng)商的 AI 升級,有點(diǎn)類(lèi)似于燃油汽車(chē)向電動(dòng)汽車(chē)升級轉型的過(guò)程。如果讓汽車(chē)廠(chǎng)商自己去做電池,或者生產(chǎn)車(chē)載彩電、冰箱,顯然是有點(diǎn)不現實(shí)的。更合適的方式是去找專(zhuān)門(mén)的電池廠(chǎng)家、電器廠(chǎng)商合作。要做到這一點(diǎn),燃油汽車(chē)廠(chǎng)商首先要做的是把自己原有平臺升級到電動(dòng)化平臺,能夠掛載電池和電機,在車(chē)內可以接入冰箱、彩電等各種電器。

對于 SaaS 廠(chǎng)商來(lái)說(shuō),關(guān)鍵也是要保持開(kāi)放,與專(zhuān)業(yè)的大語(yǔ)言模型廠(chǎng)商、Agent廠(chǎng)商合作,讓自己能被AI驅動(dòng),融入到AI生態(tài)中。

04 結語(yǔ)

在大語(yǔ)言模型的商業(yè)化落地上,目前還面臨安全合規、準確性、可控性、易用性、規?;榷嘀靥魬?,如何降低大語(yǔ)言模型技術(shù)的服務(wù)成本,完成閉環(huán)是關(guān)鍵。

SaaS 的 AI 升級,目前主要有兩條路線(xiàn):一為體驗升級之路:即讓原有能力,更好地被 AI 駕馭和驅動(dòng);二為重塑產(chǎn)品之路:即利用 AI 能力,做出一個(gè)全新的產(chǎn)品。隨著(zhù)大語(yǔ)言模型對 To B 業(yè)務(wù)場(chǎng)景的滲透,體驗升級之路,最終會(huì )走向重塑產(chǎn)品之路。

大模型時(shí)代,行業(yè) Know-how 依然是 SaaS 廠(chǎng)商可靠的壁壘。尤其是資本退潮以后,SaaS 廠(chǎng)商打造盈利模型,最終還是要回到核心競爭力上,積極融入 AI 生態(tài)。相比較卷價(jià)格,卷專(zhuān)業(yè)價(jià)值更有未來(lái)。

本文由人人都是產(chǎn)品經(jīng)理作者【牛透社】,微信公眾號:【牛透社】,原創(chuàng )/授權 發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉載。

題圖來(lái)自Unsplash,基于 CC0 協(xié)議。

更多精彩內容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒(méi)評論,等你發(fā)揮!