眾所周知，AI能幫助我們高效解決問題，減少重復(fù)繁瑣的工作。在商業(yè)上能夠提高轉(zhuǎn)化率，例如電商平臺的推薦算法。那么，AI和SaaS行業(yè)結(jié)合會碰撞出什么火花呢？本文作者對此進(jìn)行了分析，與你分享。

一、AI正在大殺四方

今年9月，抖音及海外版 TikTok 宣布，蟬聯(lián)全球移動應(yīng)用收入榜冠軍。兩款軟件共吸金超過 3.15 億美元，是去年的1.7倍。

歷數(shù)字節(jié)的發(fā)家，離不開AI的加持。應(yīng)用了AI的猜你喜歡，總是能猜到用戶的心里，讓人一刷就停不下來。

但要追尋這項技術(shù)的源頭，抖音還真該感謝下亞馬遜。2000年，亞馬遜首先把智能推薦引入了商業(yè)市場。

事情源于一場人類與機(jī)器的間的賭約。

面對公司引入人工智能的決定，亞馬遜的編輯團(tuán)隊嗤之以鼻，推薦好書這件事情機(jī)器怎么能干？機(jī)器能懂什么是好書嗎？

這場賭約應(yīng)聲而落。

一邊是身經(jīng)百戰(zhàn)的圖書編輯，一邊是才剛誕生不久的初期AI。

最開始形勢是一邊倒的，但僅僅用了半年時間，AI通過自我學(xué)習(xí)，在推薦的成功率上已經(jīng)遠(yuǎn)超人工團(tuán)隊。

事情的結(jié)果大家都知道了，這項技能現(xiàn)在幾乎成為了電商領(lǐng)域的標(biāo)配。

音樂、小說等方向也不甘寂寞，紛紛跟上，猜你喜歡就這樣被應(yīng)用到了C端客戶的方方面面。

而現(xiàn)在，這股AI的風(fēng)，也吹向了B端領(lǐng)域，在SaaS行業(yè)大殺四方。

工具類SaaS，靠著生成式AI，來生成圖片，生成文本，甚至生成視頻。

業(yè)務(wù)類SaaS，在AI客服、AI電話營銷之后，又有了AI面試、AI報稅等場景，新花樣層出不窮。

與此同時，AI和人類的競爭，也被各種影視題材反復(fù)演繹。站在科技和人文的十字路口，我們有必要從新技術(shù)的應(yīng)用層面，來看看AI的現(xiàn)狀和挑戰(zhàn)。

二、AI的能力幾何

AI到底是什么？

簡單來說，AI是一種技術(shù)，是一種讓機(jī)器學(xué)習(xí)人的思維的技術(shù)。

那機(jī)器應(yīng)該如何學(xué)習(xí)人的思維呢？四個字可以概括——題海戰(zhàn)術(shù)。

比如說我們希望AI能快速識別出圖片中是否有貓。

我們需要喂給AI一堆有貓和無貓的照片，然后讓AI判斷哪些照片有貓，最后再給AI“改作業(yè)”，告訴它實際哪些圖片是有貓的。通過投喂-判斷-糾錯的反復(fù)循環(huán)，不停訓(xùn)練AI輸出判定成功的概率。

再比如我們希望AI預(yù)測出更符合的用戶心意的商品。

我們需要給到AI大量的數(shù)據(jù)，包括商品的數(shù)據(jù)，用戶自身和相似用戶的行為數(shù)據(jù)，讓AI在一次次試探中，建立用戶屬性和商品屬性的關(guān)聯(lián)，最后得出可能和用戶關(guān)聯(lián)最大的商品。

這有點像是人類所說的【洞察】，在數(shù)不清的大量因素中，揪出最相關(guān)的因子，得出最優(yōu)解。

這個過程，本質(zhì)是解決目標(biāo)函數(shù)最大化問題的一種數(shù)學(xué)運(yùn)算，也被AI界稱為深度學(xué)習(xí)。

幾乎在任何領(lǐng)域，深度學(xué)習(xí)都能發(fā)揮識別、預(yù)測、分類、合成的作用。

也是因為有了深度學(xué)習(xí)做基礎(chǔ)，NLP（自然語言處理）技術(shù)才有了發(fā)揮空間。

這個技術(shù)看起來很陌生，但實際我們生活中，經(jīng)常在享受它的便利。

對著手機(jī)喊Siri，問天貓精靈現(xiàn)在幾點了，讓小米智能控制家里的掃地機(jī)器人工作，這些時候，都是在使用機(jī)器理解語義，正確應(yīng)答的能力。

NLP能幫助機(jī)器理解人類的語言，甚至能聯(lián)系上下文的語境，給到合乎情理的答案。

例子雖然有些細(xì)思極恐，但可以讓我們初步一窺NLP的能力。

當(dāng)然NLP犯錯的可能性也很大，人工智能不具備常識，創(chuàng)造力，在分析推理和抽象概念也很弱。但現(xiàn)在已經(jīng)實現(xiàn)的能力，已經(jīng)能讓人類生活得到一些便利。

如果說NLP讓機(jī)器會“說話”，還有一個領(lǐng)域是讓機(jī)器只干不說的。

它就是近幾年很熱的RPA（機(jī)器人流程自動化）賽道。

這個賽道的“小機(jī)器人“生活在電腦里，它沉默寡言，只要你運(yùn)行程序，就能按照設(shè)置好的路徑自動開始工作。

非常像是一個任勞任怨，全年無休的小助手。

具體來說，這個小助手的能力可以體現(xiàn)在哪些方面呢？

大量數(shù)據(jù)+簡單邏輯+重復(fù)工作，是最能發(fā)揮它工作的空間。

例如報稅，對于很多企業(yè)來說，工作量大還容易產(chǎn)生風(fēng)險。

需要財務(wù)人員登錄報稅系統(tǒng)，手工錄入發(fā)票信息，填寫并提交納稅申請，最后審核納稅后打印納稅審批表。

而只要設(shè)置了自動化的步驟，應(yīng)用了機(jī)器人系統(tǒng)。需要的時候點擊運(yùn)行，平均平均報稅時間從30分鐘減少到3分鐘，效率也提高了85%以上。

另外，機(jī)器人的每一步都有記錄，幫助企業(yè)覆蓋業(yè)務(wù)管理系統(tǒng)和驗證機(jī)制。

除了上面介紹到的深度學(xué)習(xí)、NLP、PRA，像面部識別、ARVR、無人駕駛、硬件機(jī)器人也可以歸為AI的領(lǐng)域。

而且，這些能力還可以相互疊加。

例如一個居家型機(jī)器人，就要求能自動識別，自動按流程工作，甚至完成一些額外的內(nèi)容。

讓機(jī)器具有人類的思維和智慧，不再是一句空話。

三、AI+SaaS，碰撞出了兩個趨勢

AI擁有和人類近似的智慧，再加上不知疲倦的光環(huán)， 簡直是老板們夢想中的員工。

但各個產(chǎn)業(yè)的所有企業(yè)中，只有不到10%的企業(yè)應(yīng)用了AI技術(shù)。

企業(yè)選擇AI的過程，遇到的問題多種多樣。

首先是需求層面，aI作為新興的技術(shù)手段，擁有百花齊放的子領(lǐng)域，普通人很難全面地了解AI有什么能力，更別提說明確提出需求，說清楚希望有一個什么樣的AI，來解決自身經(jīng)營的什么問題。

其次是技術(shù)應(yīng)用層面。貴是最大的原罪，團(tuán)隊，算法，乃至機(jī)器運(yùn)力，全都是燒錢的元素。

而這個時候，SaaS公司挺身而出，為企業(yè)使用AI提供了方案：我在系統(tǒng)里應(yīng)用了AI能力，能在財務(wù)（HR/銷售等）方向提效，省去至少3-5個員工的工作?！?/p>

趨勢一：越來越多的SaaS產(chǎn)品正將AI技術(shù)核心業(yè)務(wù)中

AI所有的應(yīng)用場景，都是為了提升效率。

從工業(yè)革命開始把工作拆的更細(xì)，或許就注定會有今天。

當(dāng)年我們讓人和人之間按步驟來協(xié)作，到如今，讓人和機(jī)器互相接力。

在繁瑣耗時但能力要求相對單一的事情上，人類可以拍拍AI的肩膀，把工作交給它。

開完會了，做會議記錄太麻煩，用會議軟件可以一鍵語音轉(zhuǎn)文字。

當(dāng)前幾乎所有企業(yè)協(xié)同的軟件，都有了這項能力。

人工坐席成本高，那用智能外呼。

現(xiàn)在不少SCRM就把這個能力嵌入了自己服務(wù)。

圍繞賦能銷售流程的賣點，改造客戶提升質(zhì)量。

可以根據(jù)不同的業(yè)務(wù)運(yùn)營場景，制定符合自身情況的AI流程和話術(shù)，使用真人錄音，真實且情緒飽滿。

除了打電話，AI外呼能根據(jù)通話情況，自動分析語義并判斷客戶意向，按意向高低，并發(fā)送短信引導(dǎo)用戶添加銷售人員。

根據(jù)統(tǒng)計，每天人工撥打電話量一般為100-300通，而AI外呼能做到一個機(jī)器人坐席每日可撥打300-800通電話，節(jié)省70%人工成本，加粉效率可達(dá)15%-40%。

而在人類不擅長的大數(shù)據(jù)分析和相關(guān)因子預(yù)測等領(lǐng)域，也可以讓AI先上。AI分析完成后，拍拍人類員工的肩膀：這些結(jié)論給你，你看看對你有用嗎？

CRM，可以使用AI，給銷售流程提供更多決策參考。

場景1：根據(jù)成單概率給線索打分

當(dāng)市場部搜集過來的線索，可以根據(jù)線索特征進(jìn)行打分，讓銷售優(yōu)先跟進(jìn)成功率高的客戶，最大化工作效果。

場景2：預(yù)測客戶LTV

當(dāng)客戶簽約后，轉(zhuǎn)為客戶成功團(tuán)隊維護(hù)，此時如果可以預(yù)測客戶的LTV（全生命周期價值），就可以更好的給客戶進(jìn)行分層，以及配備合適的服務(wù)資源。

場景3：挖掘客戶流失傾向

所以如果能提早判斷客戶流失傾向，對于公司無疑有極大的價值，公司可以動員資源去接觸和挽留。

在HCM領(lǐng)域，也有SaaS企業(yè)應(yīng)用了AI技術(shù)。

例如在智能化人才庫上，可以使用AI做數(shù)據(jù)引入和激活。
首先是人才的自動化入庫，將合適的候選人直接推送到HR面前，進(jìn)行人才打撈。

然后再進(jìn)一步，通過短信郵件或者智能外呼等自動化方式去激活候選人，挖掘他們的意向。

這個過程應(yīng)用了AI技術(shù)，形成了從人才庫的整理-打撈-激活的閉環(huán)。

此外不少BI SaaS，也以使用AI為亮點。

數(shù)據(jù)統(tǒng)計出來了還不算，對數(shù)據(jù)作出分析和預(yù)警，讓企業(yè)更直接的體驗到數(shù)據(jù)價值。

從SaaS軟件的使用過程來說，大致分為 1數(shù)據(jù)線上化- 2流程線上化- 3流程提效。

而SaaS企業(yè)的難題，在于怎么樣激勵企業(yè)完成這三步，最后讓企業(yè)看到價值。

AI或許就是很好的一個突破口，不需要企業(yè)走過完整的流程，動員全部的人力。可以只用一個單點，就能讓企業(yè)看到效果的增強(qiáng)，解決SaaS軟件價值感知慢，造成的客戶激活難的問題。

對成功的渴望不會引領(lǐng)成功，只有成功才會引領(lǐng)成功，我們要做的，就是用AI去為企業(yè)造就一個個小成功。

SaaS公司應(yīng)用的AI能力，除了自建，還可以外采。

這是第二個趨勢：互聯(lián)網(wǎng)巨頭入局，開放AI能力。

亞馬遜云，就有一款開放的智能AI工具。

只要準(zhǔn)備好豐富的數(shù)據(jù)，設(shè)置需要的模型，不用理解機(jī)器是如何工作，就能預(yù)測出最后的概率數(shù)據(jù)，并得出和結(jié)果高度相關(guān)的因素。

舉個例子，外呼團(tuán)隊每天會接收大量的銷售線索，所以需要從線索中找到接通成功率最大的客戶，來安排每天的工作。在應(yīng)用了模型預(yù)測，并按照預(yù)測成功率從高到低撥打，電話接通率從35.17%，到達(dá)了49.4%。

騰訊云，已提供了超過300多項標(biāo)準(zhǔn)化AI開放能力和80+AI行業(yè)解決方案。

All in AI的百度，以及在IaaS上領(lǐng)先的阿里云，也都在AI上提供了大量的開放能力。

四、AI+SaaS的挑戰(zhàn)

根據(jù)Gartner2022 年度人工智能技術(shù)成熟度曲線，智能應(yīng)用已經(jīng)翻過了第一座大山，進(jìn)入到穩(wěn)步爬升期，距離生產(chǎn)成熟期只有2-5年的時間窗口。

此時，讓我們把目光放在局限和挑戰(zhàn)上，縱觀全局，了解AI。

1. AI的落點有局限

對于生產(chǎn)者，要警惕的是面子工程和虛假繁榮。

找到最適合切入AI的落點，一方面是選擇技術(shù)發(fā)展得比較成熟的領(lǐng)域。例如整理數(shù)據(jù)并預(yù)測、語言理解、翻譯、應(yīng)答。

另一方面是結(jié)合自己的業(yè)務(wù)，尋找真正能用AI做到效率提升的部分。劃定好AI和人類的分界線，AI負(fù)責(zé)定量分析、成果優(yōu)化和重復(fù)性工作，人類按其所長貢獻(xiàn)自己的創(chuàng)造力、策略思維、復(fù)雜技藝、熱情和愛心。

另外，購買者的沖動消費(fèi)也是需要注意的。

誰說企業(yè)決策就一定深思熟慮，SaaS行業(yè)有太多購買后再也不打開軟件的客戶。

所以面對用戶，面對AI這種有門檻的概念，克制描述AI的能力和效果。

2. AI的技術(shù)有局限

AI的技術(shù)局限來自于世界本身。

即然用機(jī)器來模仿人工智能，讓機(jī)器來學(xué)習(xí)人類世界產(chǎn)生的物料。

那么，人類的思想上限就是AI的思想上限。AI會吸收好的，也會吸收偏見。

以AI的深度學(xué)習(xí)為例。

它離不開海量的相關(guān)數(shù)據(jù)、單一領(lǐng)域的應(yīng)用場景以及明確的目標(biāo)函數(shù)。這三項缺一不可，如果缺少其中任何一項，深度學(xué)習(xí)將無用武之地。

海量的相關(guān)數(shù)據(jù)，除了偏見，還會涉及合法獲取，隱私安全等問題。

單一領(lǐng)域的應(yīng)用場景和明確的目標(biāo)函數(shù)，會非?？简炂髽I(yè)的價值觀。如果在預(yù)測模型中，只以單一的利潤作為指標(biāo)，忽視員工和客戶的體驗和幸福，或許也并不合理。

同時，AI也被證實不具備常識和邏輯推斷，這給了AI犯錯的可能。

最后AI不可解釋的特性，也會對企業(yè)帶來一些挑戰(zhàn)。

淘寶曾經(jīng)的排序算法，采用過“有指導(dǎo)的機(jī)器學(xué)習(xí)”方法，參與排序的參數(shù)是通過算法生成的。這樣效果最好但是無法解釋。

也就是說，淘寶官方有時候不太容易解釋為什么某些指標(biāo)的權(quán)重會比較高，而某些指標(biāo)又比較低？舉個例子，假設(shè)系統(tǒng)自動判斷“收藏量”的影響權(quán)重很低，但確實難以說明為什么會是這樣的。更重要的是，面對賣家來質(zhì)疑時，淘寶沒辦法挺直腰板、理直氣壯地說，你這家店流量降低，是由于某種原因，你們需要通過怎樣的方法來提高你的店鋪流量。

當(dāng)然淘寶在2011年修改了自己的排序規(guī)則，做到了可解釋原因，與此同時應(yīng)該也犧牲了一些轉(zhuǎn)化率。

它把參與搜索排序，尤其是判斷賣家服務(wù)質(zhì)量的各項因素，包括退款率、糾紛率、轉(zhuǎn)化率、好評率、DSR動態(tài)評分等，都明確出來，告訴賣家排序有所變化的原因是哪些。

所以，從不可解釋到可解釋。背后的是人類想要什么，是最高的轉(zhuǎn)化率，還是更好的生態(tài)。

3. AI的高效有局限

AI解決的是高效的問題，但是當(dāng)效率是否有臨界值？效率讓我們更快的抵達(dá)那個終點，但我們要那么快抵達(dá)終點做什么？

正如很多人說畢生夢想是財富自由，但是財富自由以后要追求什么？

我們需要結(jié)果，或許我們也需要慢下來。畢竟AI的誕生，是希望人類有更多的閑暇享受為人的樂趣，而非像機(jī)器一樣工作。

總的來說，AI是一個很不錯的切入點，能夠讓SaaS企業(yè)找到一個切入口，讓用戶更快的看到和體驗到直觀的價值。但AI帶來的風(fēng)險和局限我們也應(yīng)該考慮在內(nèi)。

當(dāng)我們有了一項新的技術(shù)能力，我們也要有使用技術(shù)的智慧和原則。先理解，再應(yīng)用，才能保護(hù)好企業(yè)的初心，為客戶和自身實現(xiàn)價值雙贏。