早在20世紀(jì)90年代末期，SaaS概念就已經(jīng)誕生，但直到2010年云計(jì)算被廣泛采用，SaaS市場(chǎng)才真正開始掀起波瀾。從那時(shí)起，SaaS行業(yè)經(jīng)歷了迅猛的發(fā)展。根據(jù)Statista的數(shù)據(jù)，預(yù)計(jì)到2027年，SaaS行業(yè)市場(chǎng)規(guī)模將達(dá)到3391億美元。
盡管人工智能的概念并不新鮮，但直到2020年ChatGPT-3的問世，生成式AI才真正進(jìn)入普通用戶的生活，帶來了前所未有的便捷和能力。如今，AI與SaaS的結(jié)合正在掀起一場(chǎng)新的革命。這一結(jié)合不僅重新定義了軟件服務(wù)行業(yè)，還為企業(yè)的增長(zhǎng)、效率和創(chuàng)新開辟了全新的道路。
對(duì)于SaaS行業(yè)的領(lǐng)導(dǎo)者而言，深入理解AI與SaaS的結(jié)合所帶來的變革力量，將是未來成功的關(guān)鍵。這種融合將推動(dòng)企業(yè)更智能地運(yùn)營(yíng)，提升用戶體驗(yàn)，并為客戶提供更加個(gè)性化的服務(wù)。未來，SaaS平臺(tái)將不僅僅是工具，而是企業(yè)戰(zhàn)略的核心組成部分，助力企業(yè)在激烈的市場(chǎng)競(jìng)爭(zhēng)中脫穎而出。
SaaStr創(chuàng)始人Jason Lemkin在今年的SaaStr Annual 2024上指出，自2024年起，人工智能將成為SaaS產(chǎn)品的基礎(chǔ)功能。他強(qiáng)調(diào)，自動(dòng)化已經(jīng)滲透到企業(yè)業(yè)務(wù)的每個(gè)環(huán)節(jié)，傳統(tǒng)的工作流程和儀表盤已難以滿足現(xiàn)代企業(yè)的需求，AI正推動(dòng)自動(dòng)化workflow進(jìn)入新的階段。
盡管生成式人工智能仍處于起步階段，但其發(fā)展速度迅猛，正成為數(shù)據(jù)科學(xué)家們眾多學(xué)術(shù)研究的焦點(diǎn)。同時(shí)，它也吸引了風(fēng)險(xiǎn)資本家和戰(zhàn)略投資者的大量資金投入。Crunchbase的數(shù)據(jù)顯示，今年有超過四分之一的資金流向了人工智能初創(chuàng)公司。
生成式人工智能預(yù)計(jì)將影響所有商業(yè)領(lǐng)域。麥肯錫的一項(xiàng)研究表明，員工執(zhí)行的任務(wù)中有60%至70%適合自動(dòng)化。其經(jīng)濟(jì)影響更是深遠(yuǎn)，預(yù)計(jì)生成式人工智能每年將帶來2.6萬億至4.4萬億美元的經(jīng)濟(jì)價(jià)值。麥肯錫指出，客戶運(yùn)營(yíng)、營(yíng)銷、銷售、軟件工程和研發(fā)領(lǐng)域?qū)⑹艿阶畲笥绊?，這些正是SaaS應(yīng)用的基石。
SaaS的靈活性、可訪問性及基于云訂閱模式，使其成為釋放人工智能變革潛力的理想平臺(tái)。這些特性不僅能促進(jìn)AI與SaaS之間的協(xié)同關(guān)系，還將使企業(yè)在不斷變化的市場(chǎng)中保持敏捷、競(jìng)爭(zhēng)和以客戶為中心。
SaaS企業(yè)如何將AI應(yīng)用到自身的產(chǎn)品和服務(wù)中？AI將為SaaS企業(yè)帶來哪些變化？
協(xié)同還是對(duì)峙？AI和SaaS的關(guān)系？
在SaaS行業(yè)中，人工智能的應(yīng)用正日益多樣化，旨在提升客戶體驗(yàn)、自動(dòng)化業(yè)務(wù)流程并促進(jìn)企業(yè)增長(zhǎng)。
以下是人工智能在SaaS中一些備受矚目的應(yīng)用實(shí)例：
-
對(duì)話式AI：重新定義客戶與智能聊天機(jī)器人和虛擬助手之間的互動(dòng)，提供更加豐富和直觀的體驗(yàn)。
-
生成式AI：通過個(gè)性化內(nèi)容的打造，增強(qiáng)營(yíng)銷活動(dòng)的效果，提高客戶的參與度和滿意度。
-
預(yù)測(cè)分析：借助AI技術(shù)揭示未來趨勢(shì)，助力企業(yè)制定明智的戰(zhàn)略決策，幫助其在競(jìng)爭(zhēng)中占得先機(jī)。
-
計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)平臺(tái)：為計(jì)算機(jī)提供“視覺”能力并自動(dòng)化學(xué)習(xí)流程，正在引領(lǐng)行業(yè)變革的浪潮。
SaaS Alliance發(fā)布的《Future of SaaS Report 2022》報(bào)告顯示，對(duì)于AI如何賦能 SaaS 產(chǎn)品的各個(gè)方面，高達(dá)48%的受訪者堅(jiān)信，最顯著的優(yōu)勢(shì)在于數(shù)據(jù)收集；20%的受訪者認(rèn)為可擴(kuò)展性是關(guān)鍵；16%的受訪者更看重客戶服務(wù)；此外，同樣有16%的受訪者強(qiáng)調(diào)了網(wǎng)絡(luò)安全的重要性。
AI驅(qū)動(dòng)的自動(dòng)化在SaaS領(lǐng)域的作用遠(yuǎn)超簡(jiǎn)單的替代手動(dòng)任務(wù)。它是一種變革力量，通過運(yùn)用機(jī)器學(xué)習(xí)和尖端算法來模擬人類智能，能賦予軟件以智能和主動(dòng)性。因此，深刻理解AI驅(qū)動(dòng)自動(dòng)化的精髓以及它是如何革新傳統(tǒng)工作流程的至關(guān)重要。
AI專家Tarun Gujral認(rèn)為，AI將從以下幾個(gè)維度增強(qiáng)SaaS平臺(tái)的能力和產(chǎn)品：
1、自動(dòng)化
在AI 技術(shù)被融入到SaaS產(chǎn)品之前，員工們往往不得不將大量時(shí)間和注意力投入到重復(fù)性任務(wù)和復(fù)雜的數(shù)據(jù)分析中?，F(xiàn)在隨著AI的引入，軟件能夠自動(dòng)執(zhí)行一系列既定的指令和流程，其將有效減少甚至消除人與IT系統(tǒng)之間的直接交互。這種自動(dòng)化集成能有效提升工作效率、降低出錯(cuò)率，并讓人力被釋放出來去處理更復(fù)雜的任務(wù)。
人工智能技術(shù)通過其在處理各種任務(wù)上的精湛表現(xiàn)——比如發(fā)送電子郵件、生成發(fā)票和追蹤用戶行為——將徹底革新業(yè)務(wù)操作流程。SaaS軟件的精髓在于其自動(dòng)化能力，它追求以最少的人工介入來簡(jiǎn)化用戶任務(wù)。而人工智能加持的SaaS解決方案，更是能將這種自動(dòng)化推向一個(gè)令人矚目的高效率水平。
2、個(gè)性化
在客戶的需求、目標(biāo)和財(cái)務(wù)狀況日益多樣化的今天，提供量身定制的服務(wù)對(duì)于提升業(yè)務(wù)效能至關(guān)重要。深刻理解客戶的真實(shí)需求，并據(jù)此提供滿足他們期望的個(gè)性化解決方案，已成為企業(yè)獲得成功的關(guān)鍵。
企業(yè)可以利用人工智能技術(shù)分析客戶數(shù)據(jù)，進(jìn)而創(chuàng)造出與客戶特質(zhì)相呼應(yīng)的個(gè)性化體驗(yàn)。在SaaS行業(yè)，特別是在營(yíng)銷自動(dòng)化領(lǐng)域，AI技術(shù)能夠根據(jù)用戶的特定偏好定制溝通策略，且其在提升用戶的參與度和轉(zhuǎn)化率方面已經(jīng)得到顯著證明
雖然在人力資源、預(yù)算和時(shí)間上的約束可能會(huì)限制企業(yè)提供個(gè)性化服務(wù)，但SaaS集成的人工智能還提供了一個(gè)激動(dòng)人心的解決方案：它能推動(dòng)了性化服務(wù)的可擴(kuò)展性。利用AI算法，企業(yè)現(xiàn)在可以定制推薦產(chǎn)品、內(nèi)容模塊甚至儀表板布局等各個(gè)方面，以滿足不同用戶群體的具體需求。
3、預(yù)測(cè)分析
AI系統(tǒng)能通過細(xì)致地分析客戶數(shù)據(jù)，并運(yùn)用尖端的人工智能與機(jī)器學(xué)習(xí)技術(shù)進(jìn)行預(yù)測(cè)分析。盡管“預(yù)測(cè)分析”一詞涵蓋了從數(shù)據(jù)挖掘到統(tǒng)計(jì)建模等一系列數(shù)據(jù)科學(xué)的概念和方法。但值得慶幸的是，AI工具背后的那些復(fù)雜機(jī)制通常是對(duì)用戶隱藏的，這使得即便是沒有技術(shù)背景的人員也能輕松進(jìn)行數(shù)據(jù)分析。
最終用戶可以直接享受到數(shù)據(jù)建模帶來的成果，如個(gè)性化內(nèi)容的定制化展示。同時(shí)，業(yè)務(wù)優(yōu)化專家能夠通過用戶友好的儀表板來利用數(shù)據(jù)分析的結(jié)果——這些儀表板以直觀易懂的方式清晰展示了計(jì)算結(jié)果。這些儀表板能被廣泛應(yīng)用于企業(yè)AI平臺(tái)、商業(yè)智能(BI)工具以及客戶關(guān)系管理(CRM)系統(tǒng)等關(guān)鍵領(lǐng)域。
4、網(wǎng)絡(luò)安全
SaaS行業(yè)的快速擴(kuò)張帶來了客戶數(shù)量的激增，這使得加強(qiáng)SaaS軟件的安全性變得尤為關(guān)鍵。SaaS平臺(tái)通過集成人工智能技術(shù)可以建立額外的防護(hù)措施，以更有效地抵御惡意軟件的侵襲。
人工智能能夠不間斷地監(jiān)控著軟件內(nèi)的用戶行為，任何異?；顒?dòng)——可能預(yù)示著安全威脅的跡象——都逃不過它的"眼睛"。這種主動(dòng)防御機(jī)制有助于在網(wǎng)絡(luò)釣魚、未授權(quán)訪問和其他安全事件造成損害之前，及時(shí)發(fā)現(xiàn)并制止它們。
AI就像是一個(gè)始終警惕的安全警衛(wèi)，它熟悉日常的網(wǎng)絡(luò)安全模式，并能在檢測(cè)到任何異常時(shí)立即發(fā)出警報(bào)。AI還能持續(xù)追蹤最新的網(wǎng)絡(luò)威脅，確保軟件不受新出現(xiàn)風(fēng)險(xiǎn)的侵害。
無論是打擊欺詐性電子郵件、保護(hù)云端數(shù)據(jù)、隔離受感染的系統(tǒng)還是啟動(dòng)備份程序，AI都像一個(gè)無聲卻高度警覺的數(shù)字守衛(wèi)，確保一切運(yùn)行的安全與穩(wěn)定。
5、降低成本
人工智能（AI）的興起將有效賦能企業(yè)實(shí)現(xiàn)運(yùn)營(yíng)自動(dòng)化和做出更精準(zhǔn)的數(shù)據(jù)驅(qū)動(dòng)決策的能力，而且通常能夠與其現(xiàn)有系統(tǒng)靈活融合。通過采用人工智能，企業(yè)有望在多個(gè)運(yùn)營(yíng)環(huán)節(jié)實(shí)現(xiàn)成本的顯著降低，并增加收入。
然而，盡管AI在降低成本方面具有巨大潛力，我們也需要意識(shí)到，部署AI同樣需要付出一定的成本，包括初始的開發(fā)費(fèi)用和后續(xù)的維護(hù)支持。因此，在評(píng)估AI可能帶來的成本節(jié)約時(shí)，企業(yè)必須綜合考量這些成本與預(yù)期效益，做出明智的決策。
SaaS企業(yè)如何正確引入大模型（LLMs）
1、大模型能為SaaS帶來哪些價(jià)值？
將大模型能力企業(yè)融入自身產(chǎn)品已是幾乎所有SaaS企業(yè)的必選項(xiàng)。投資人Chris Rainville認(rèn)為，大型語言模型（LLMs）將通過兩種基本方式增強(qiáng)軟件產(chǎn)品：一是更好地理解和處理非結(jié)構(gòu)化數(shù)據(jù)，二是更具擴(kuò)展性地創(chuàng)建內(nèi)容和工作產(chǎn)品。
他認(rèn)為，LLMs開啟了一個(gè)新時(shí)代的自動(dòng)化和將誕生越來越多高度靈活的軟件，打破了以往工作流軟件必須嚴(yán)格遵循固定業(yè)務(wù)流程的局限。
隨著AI agents的出現(xiàn)，這些智能系統(tǒng)可以繪制公司的流程圖，并動(dòng)態(tài)調(diào)整軟件配置，甚至取代傳統(tǒng)的定制軟件。在這樣的商業(yè)環(huán)境中，軟件公司的靈活性和可定制性得到了極大提升，但競(jìng)爭(zhēng)優(yōu)勢(shì)和壁壘也隨之降低，其他公司同樣可以使用相似組件。因此，AI軟件公司的護(hù)城河尚不明確，可能在于垂直化、專有數(shù)據(jù)集和品牌效應(yīng)。
AI SaaS專家Othmane Khadri指出，自計(jì)算機(jī)技術(shù)誕生以來，實(shí)現(xiàn)自然語言的無縫理解和生成一直是用戶界面設(shè)計(jì)的最高追求。然而，在現(xiàn)實(shí)世界中，用戶界面常常不盡如人意，充斥各種臃腫的菜單、按鈕和滑塊。
他強(qiáng)調(diào)，LLM的出現(xiàn)，將徹底改變這一切。與LLM的互動(dòng)就像是在與人對(duì)話，我們可以隨意提問，而它們能給出富有洞察力的答案。此外，LLM能夠理解語境，捕捉細(xì)微之處，甚至能展現(xiàn)幽默與同情。這不僅僅是信息處理，更是真正的連接——這對(duì)SaaS應(yīng)用來說可能是革命性的，無論是在客戶服務(wù)、潛在客戶溝通還是同事間的互動(dòng)等場(chǎng)景應(yīng)用中。
生成式人工智能的應(yīng)用不僅限于通用模型。它們可以被精心定制，以滿足特定領(lǐng)域的需求，從而形成像聊天機(jī)器人和動(dòng)作機(jī)器人等多種形態(tài)的操作系統(tǒng)，這些系統(tǒng)能夠無縫地融入現(xiàn)有環(huán)境。通過為這些LLM定制解決方案，以滿足“最后一英里”的需求，SaaS企業(yè)可以實(shí)現(xiàn)更高的精確度，最小化錯(cuò)誤，并促進(jìn)更具情境性的互動(dòng)。
2、SaaS企業(yè)如何適配大模型
Othmane Khadri指出，AI SaaS團(tuán)隊(duì)可以選擇對(duì)大型語言模型（LLM）進(jìn)行微調(diào)，也就是通過特定的數(shù)據(jù)集來進(jìn)一步訓(xùn)練LLM。當(dāng)然，這樣的做法是否劃算，很大程度上取決于企業(yè)的應(yīng)用具體性以及手頭上的數(shù)據(jù)是否足夠豐富？這樣滿足上述條件，才能通過微調(diào)實(shí)現(xiàn)顯著的性能提升。
第一，如果企業(yè)的數(shù)據(jù)集不夠龐大，就無法支持有效的LLM微調(diào)，或者現(xiàn)有的預(yù)訓(xùn)練模型已經(jīng)能夠滿足你的業(yè)務(wù)需求，那么過度投資微調(diào)可能會(huì)遭遇收益遞減的風(fēng)險(xiǎn)。在這種情況下，進(jìn)行LLM微調(diào)可能只能帶來邊際效益。
另一方面，如果使用的數(shù)據(jù)過多，可能會(huì)導(dǎo)致模型“過度擬合”，即模型變得過于專業(yè)化，以至于在更廣泛的應(yīng)用場(chǎng)景中效果不佳。因此，對(duì)于一些團(tuán)隊(duì)來說，找到合適的數(shù)據(jù)量平衡點(diǎn)，以適應(yīng)他們的具體應(yīng)用場(chǎng)景，可能是一個(gè)挑戰(zhàn)。
同時(shí)，使用自己的數(shù)據(jù)進(jìn)行訓(xùn)練時(shí)，必須小心謹(jǐn)慎，確保AI模型不會(huì)生成任何帶有偏見或有害的輸出。雖然這通常是可以控制的，但企業(yè)必須密切關(guān)注所使用的數(shù)據(jù)，確保其用于訓(xùn)練和LLM微調(diào)時(shí)，不會(huì)引起法律、道德或隱私方面的問題。
此外，當(dāng)考慮到需要投入的手動(dòng)維護(hù)工作，包括持續(xù)監(jiān)控、重新訓(xùn)練、校準(zhǔn)響應(yīng)和處理模型漂移時(shí)，將意味著任務(wù)非常繁重。因此，投資回報(bào)率必須足夠高，才能證明這些努力是值得的。
第二，如果SaaS企業(yè)所在領(lǐng)域或者行業(yè)極為特殊和針對(duì)性強(qiáng)時(shí)，采用特定數(shù)據(jù)集對(duì)大型語言模型（LLM）進(jìn)行微調(diào)是明智的選擇，因?yàn)檫@樣的定制模型在性能上通常會(huì)顯著超越那些僅經(jīng)過基礎(chǔ)訓(xùn)練、功能較為通用的LLM模型。
AI驅(qū)動(dòng)的SaaS設(shè)計(jì)原則
在SaaS中搭載AI能力，意味著設(shè)計(jì)SaaS的方式也較傳統(tǒng)發(fā)生很大變化，DevRev的專家認(rèn)為，AI驅(qū)動(dòng)的SaaS設(shè)計(jì)應(yīng)該遵循以下原則：
1、AI應(yīng)用需要極其可擴(kuò)展的知識(shí)圖譜
當(dāng)電子郵件等關(guān)鍵業(yè)務(wù)應(yīng)用程序無法提供實(shí)時(shí)響應(yīng)時(shí)，我們會(huì)迅速轉(zhuǎn)向Slack、Teams等協(xié)作工具。但這些平臺(tái)在工作流程整合和搜索功能上的不足，又會(huì)導(dǎo)致以下問題：
- 協(xié)作的脫節(jié)：雖然這些工具在促進(jìn)人與人之間的協(xié)作方面表現(xiàn)出色，但它們無法有效實(shí)現(xiàn)人工智能與人類之間的協(xié)同工作。
- 數(shù)據(jù)孤島：對(duì)話和上下文分散在多個(gè)系統(tǒng)之中，這使得將信息點(diǎn)串聯(lián)起來變得更加困難。
企業(yè)要想有效應(yīng)用AI，數(shù)據(jù)是至關(guān)重要的輸入，它驅(qū)動(dòng)著后續(xù)的所有操作。AI模型處理的數(shù)據(jù)越多，意味著其提供的輸出、洞察和工作流程就越有效。
目前，企業(yè)應(yīng)用程序可能需要與多達(dá)17個(gè)不同的數(shù)據(jù)源進(jìn)行交互。只是簡(jiǎn)單地將AI添加到這些系統(tǒng)中，可能導(dǎo)致多個(gè)“人工智能項(xiàng)目”的產(chǎn)生，這不僅需要大量的咨詢工作和定制化的集成任務(wù)，而且這種集成通常非常脆弱。
因此，至關(guān)重要的一點(diǎn)是，要將數(shù)據(jù)整合、標(biāo)準(zhǔn)化，并在客戶、產(chǎn)品、員工和活動(dòng)之間建立連接。通過構(gòu)建強(qiáng)大的知識(shí)圖譜，企業(yè)可以將所有數(shù)據(jù)匯集到一個(gè)地方。
最終將使首席客戶官、首席技術(shù)官或首席產(chǎn)品官不再受制于IT部門。他們不必依賴數(shù)據(jù)團(tuán)隊(duì)來獲取信息。利用基于AI的即插即用的分析和語義搜索，就能夠獲取做出業(yè)務(wù)決策所需的知識(shí)。
2. AI應(yīng)用需要數(shù)據(jù)管道和持續(xù)訓(xùn)練
提取、轉(zhuǎn)換、加載（ETL）流程是實(shí)施人工智能（AI）項(xiàng)目的基礎(chǔ)環(huán)節(jié)，但傳統(tǒng)上這些任務(wù)被分散到各個(gè)團(tuán)隊(duì)獨(dú)立處理。每個(gè)團(tuán)隊(duì)都需負(fù)責(zé)管理復(fù)雜的數(shù)據(jù)管道，診斷故障點(diǎn)，并解決出現(xiàn)的各種問題。這種分散的處理方式往往導(dǎo)致效率低下、結(jié)果不一致，以及操作過程繁瑣。
ETL流程不應(yīng)該被當(dāng)作事后考慮的環(huán)節(jié)，也不應(yīng)該僅僅依賴臨時(shí)解決方案。相反，ETL應(yīng)該被直接整合到AI平臺(tái)的核心架構(gòu)中，為組織提供數(shù)據(jù)攝取、轉(zhuǎn)換和加載的簡(jiǎn)化流程，從而減輕個(gè)人和團(tuán)隊(duì)的工作負(fù)擔(dān)。這樣的集成方法有助于提升整個(gè)AI實(shí)施過程的效率和效果。
3、AI應(yīng)用需要智能標(biāo)簽
標(biāo)簽是數(shù)據(jù)系統(tǒng)的關(guān)鍵組成部分，它們有助于識(shí)別數(shù)據(jù)的關(guān)鍵屬性或特征。在客戶關(guān)系管理（CRM）系統(tǒng)中，客戶資料可能會(huì)根據(jù)人口統(tǒng)計(jì)、購(gòu)買行為、參與度或其他標(biāo)準(zhǔn)進(jìn)行標(biāo)記。
隨著平臺(tái)技術(shù)的不斷進(jìn)步，標(biāo)簽系統(tǒng)也在發(fā)展，它不再僅限于基礎(chǔ)的分類，而是擴(kuò)展到了更復(fù)雜的層次結(jié)構(gòu)中，使得數(shù)據(jù)能夠更全面地反映出企業(yè)的客戶、產(chǎn)品和人員等背景信息。
精細(xì)化的標(biāo)簽系統(tǒng)簡(jiǎn)化了執(zhí)行AI驅(qū)動(dòng)任務(wù)的過程，包括偏轉(zhuǎn)、去重、路由、歸因和分析等，有助于識(shí)別模式、相關(guān)性和聯(lián)系，從而使得決策過程和行動(dòng)執(zhí)行更為精確和有效。
4、AI需要不斷的數(shù)據(jù)抓取
為了使AI系統(tǒng)能夠高效地交互并理解來自不同數(shù)據(jù)源的信息，在最新的架構(gòu)設(shè)計(jì)中，AI代理被設(shè)計(jì)成持續(xù)抓取和處理包括結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)在內(nèi)的各種數(shù)據(jù)島，執(zhí)行聚類、分類、去重等關(guān)鍵操作。
換言之，AI代理被賦予了對(duì)系統(tǒng)外部信息的探索欲。它們需要從多樣的文檔庫(kù)、文件夾以及各種外部數(shù)據(jù)存儲(chǔ)庫(kù)中提取信息。
通過這種方式，AI系統(tǒng)能夠利用額外的見解和上下文信息來豐富其知識(shí)圖譜，進(jìn)而獲得有價(jià)值的洞察，并支持做出明智的決策。
5、AI應(yīng)用必須具備低延遲能力
業(yè)務(wù)應(yīng)用在處理復(fù)雜流程和海量數(shù)據(jù)時(shí)，常面臨性能挑戰(zhàn)和數(shù)據(jù)管理難題，尤其是在業(yè)務(wù)規(guī)模增長(zhǎng)的情況下。諸如遺留系統(tǒng)架構(gòu)、網(wǎng)絡(luò)擁堵、硬件資源限制和數(shù)據(jù)庫(kù)性能瓶頸等問題，都可能成為引發(fā)延遲的關(guān)鍵因素。
開發(fā)AI驅(qū)動(dòng)的SaaS應(yīng)用程序的團(tuán)隊(duì)必須對(duì)數(shù)據(jù)獲取、處理和服務(wù)過程中的延遲問題保持警覺，同時(shí)確保不以犧牲數(shù)據(jù)的完整性為代價(jià)。用戶期待的是快速響應(yīng)，任何形式的延遲都可能對(duì)他們的體驗(yàn)和滿意度造成負(fù)面影響。因此，采納高效的數(shù)據(jù)處理實(shí)踐和工具變得尤為關(guān)鍵。
6、AI = 注意力（自定義上下文）
人工智能需要深入掌握企業(yè)的分類體系——也就是對(duì)數(shù)據(jù)和知識(shí)進(jìn)行層次分明的分類。這種層次化的分類理解能力，使得人工智能能夠高效地導(dǎo)航和解釋信息的上下文，類似于人類在特定情境下判斷不同資源的相關(guān)性。
要將這種情境感知能力融入人工智能，需要各方共同努力，將專業(yè)知識(shí)和組織內(nèi)部知識(shí)整合到底層系統(tǒng)和平臺(tái)中。通過將這些專業(yè)領(lǐng)域的知識(shí)“前置”到操作系統(tǒng)或平臺(tái)中，企業(yè)可以建立起標(biāo)準(zhǔn)化的方法來管理和運(yùn)用特定的企業(yè)環(huán)境，確?？蛻艋?dòng)的連貫性和可控性。
本質(zhì)上，人工智能的核心關(guān)注點(diǎn)不單單是數(shù)據(jù)處理，更重要的是理解并把握企業(yè)生態(tài)系統(tǒng)中那些微妙的相互關(guān)系和優(yōu)先級(jí)排序。
7、重視人類+人工智能代理的協(xié)同性
人類和人工智能各自擁有獨(dú)特的優(yōu)勢(shì)。人工智能擅長(zhǎng)快速而準(zhǔn)確地執(zhí)行重復(fù)性任務(wù)，而人類則更擅長(zhǎng)處理新出現(xiàn)的挑戰(zhàn)、未知情境和模糊不清的環(huán)境。這種互補(bǔ)性使得人與機(jī)器成為理想的合作伙伴。我們不應(yīng)將人工智能看作是對(duì)就業(yè)的威脅，而應(yīng)將其視為助力人類實(shí)現(xiàn)更多成就的協(xié)作伙伴。
人工智能將使人類能夠?qū)Ｗ⒂诟顚哟蔚墓ぷ?，將那些表面化和單調(diào)乏味的任務(wù)交給機(jī)器去完成。然而，這也意味著在某些關(guān)鍵時(shí)刻，人工智能系統(tǒng)需要將任務(wù)轉(zhuǎn)交給人類，或者反過來。這樣的協(xié)作需要精心設(shè)計(jì)、關(guān)注細(xì)節(jié)和對(duì)用戶的深刻理解，以便充分發(fā)揮各自的優(yōu)勢(shì)。人工智能代理將采用以客戶為中心、以產(chǎn)品為導(dǎo)向的平臺(tái)，實(shí)現(xiàn)知識(shí)圖譜構(gòu)建、工作流程自動(dòng)化、分析引擎和語義搜索等功能。
8、人工智能需要更嚴(yán)格的數(shù)據(jù)治理
數(shù)據(jù)治理是當(dāng)今企業(yè)面臨的一個(gè)重大挑戰(zhàn)。在眾多組織內(nèi)部，數(shù)據(jù)會(huì)根據(jù)其保密級(jí)別和對(duì)業(yè)務(wù)流程的重要性被劃分為多個(gè)層級(jí)：
核心的產(chǎn)品和工程數(shù)據(jù)是企業(yè)知識(shí)產(chǎn)權(quán)中最寶貴的資產(chǎn)。這些數(shù)據(jù)一旦泄露，可能會(huì)向競(jìng)爭(zhēng)對(duì)手透露組織的產(chǎn)品發(fā)展藍(lán)圖和潛在的安全漏洞。因此，產(chǎn)品和工程數(shù)據(jù)應(yīng)當(dāng)是最后一批遷移至云端的數(shù)據(jù)，并且在處理這類數(shù)據(jù)時(shí)，必須采取極為嚴(yán)格的安全措施和合規(guī)性要求。
9、人工智能需要10倍更快的迭代和實(shí)驗(yàn)速度
在操作系統(tǒng)、模型、界面和社區(qū)的發(fā)展日新月異的今天，AI原生SaaS解決方案需要適應(yīng)這些快速的變化，并滿足以下要求：
適應(yīng)新時(shí)代的生態(tài)系統(tǒng)：需要有一個(gè)平臺(tái)，這個(gè)平臺(tái)應(yīng)該能夠安全地托管客戶代碼，并且支持多種現(xiàn)代編程語言，以適應(yīng)不同客戶的需求。
API和Webhook的細(xì)粒度計(jì)量和計(jì)費(fèi)：強(qiáng)調(diào)應(yīng)用程序編程接口（API）和網(wǎng)絡(luò)請(qǐng)求（Webhook）應(yīng)該能夠詳細(xì)記錄和計(jì)費(fèi)每一次服務(wù)的使用情況，而不是通過設(shè)置使用限制來控制客戶使用。
公共路線圖：意味著SaaS平臺(tái)應(yīng)該有一個(gè)公開的產(chǎn)品發(fā)展計(jì)劃（路線圖），允許用戶在平臺(tái)上相互交流，并向產(chǎn)品經(jīng)理提供反饋。
多層設(shè)計(jì)思維：為了應(yīng)對(duì)企業(yè)復(fù)雜的知識(shí)體系和需求，SaaS解決方案需要采用多層次的設(shè)計(jì)方法，以便于理解和導(dǎo)航?，F(xiàn)在，這種設(shè)計(jì)甚至可以在增強(qiáng)現(xiàn)實(shí)（AR）體驗(yàn)中實(shí)現(xiàn)，提供了一種更直觀和互動(dòng)的方式來處理復(fù)雜信息。
AI Native SaaS VS Embedded AI SaaS
"人工智能原生"（AI-native）是指那些從底層架構(gòu)到核心服務(wù)都圍繞人工智能構(gòu)建的產(chǎn)品和公司。這與簡(jiǎn)單地將AI作為現(xiàn)有系統(tǒng)的附加功能的做法截然不同，這些企業(yè)從一開始就致力于充分利用AI的能力，以此來推動(dòng)其業(yè)務(wù)領(lǐng)域的創(chuàng)新和提高效率。例如，Jasper和Copy.ai等近兩年流行的SaaS工具就是典型的AI Native SaaS，這些企業(yè)從產(chǎn)品設(shè)計(jì)、到GTM策略、收費(fèi)模式都與傳統(tǒng)SaaS有很大差別。
"嵌入式人工智能"（Embedded AI）則是指將人工智能技術(shù)整合到現(xiàn)有的產(chǎn)品和服務(wù)中的做法，這樣做可以在不改變產(chǎn)品或服務(wù)本質(zhì)的情況下，提升它們的性能和用戶體驗(yàn)。這種策略將有利于傳統(tǒng)SaaS企業(yè)通過采納AI技術(shù)，以提高性能、加強(qiáng)用戶互動(dòng)和提升服務(wù)效率。
比如知名CRM服務(wù)商Salesforce將于近期推出兩款全新的自主AI銷售agent：Einstein Sales Development Rep (SDR) Agent和Einstein Sales Coach Agent。
營(yíng)銷技術(shù)服務(wù)商Hubspot推出了包括AI Search Grader在內(nèi)的一系列AI產(chǎn)品，標(biāo)志著其從傳統(tǒng)SaaS向AI驅(qū)動(dòng)的SaaS產(chǎn)品轉(zhuǎn)型。
然而，Glasswing Ventures的創(chuàng)始人兼執(zhí)行合伙人Rudina Seseri指出，僅僅集成了一些AI API并不能使SaaS公司真正轉(zhuǎn)型為AI公司。"人工智能原生不僅僅是指有一個(gè)光鮮的界面，調(diào)用了OpenAI或Anthropic的API，并且有類似人類的交互方式，"她解釋道，"而是必須真正地將算法和數(shù)據(jù)置于核心位置，使它們成為SaaS企業(yè)所提供價(jià)值的一部分。"
Seseri強(qiáng)調(diào)，客戶和投資者評(píng)價(jià)AI公司與SaaS初創(chuàng)公司的標(biāo)準(zhǔn)存在顯著差異，理解這些差異至關(guān)重要。例如，在SaaS領(lǐng)域，可以推出一個(gè)尚未完全成熟的產(chǎn)品，但在AI領(lǐng)域，由于各種原因，這種做法是不可行的。
對(duì)于SaaS產(chǎn)品，開發(fā)過程包括編碼、質(zhì)量檢測(cè)，然后發(fā)布測(cè)試版——它可能還不是最終成品，但可以推向市場(chǎng)并開始運(yùn)營(yíng)。
而人工智能則是另一回事：你不能只是簡(jiǎn)單地將它推向市場(chǎng)并期待獲得最佳效果。這是因?yàn)锳I產(chǎn)品需要時(shí)間來培養(yǎng)模型，直至它足夠成熟，能夠真正服務(wù)于客戶，并在商業(yè)環(huán)境中贏得客戶的信任。
在AI SaaS企業(yè)早期階段，AI算法的學(xué)習(xí)和訓(xùn)練需要迅速提升，同時(shí)要達(dá)到一定的優(yōu)秀程度，這樣才能吸引客戶購(gòu)買并為企業(yè)創(chuàng)造價(jià)值。但對(duì)于處于早期階段的初創(chuàng)公司來說，找到訓(xùn)練效果和市場(chǎng)需求之間的平衡是一項(xiàng)挑戰(zhàn)。
這也增加了尋找早期客戶的難度。她建議，初創(chuàng)公司的創(chuàng)始人們不要花太多時(shí)間應(yīng)付那些沒有購(gòu)買需求，僅僅只是想了解AI前沿技術(shù)的客戶群。她強(qiáng)調(diào)，重要的是要專注于自身的產(chǎn)品，并幫助真正的潛在客戶理解你的價(jià)值主張——即使你的產(chǎn)品還未完全成熟。
DevRev的專家也持與Rudina Seseri類似觀點(diǎn)，其認(rèn)為，隨著市場(chǎng)對(duì)人工智能驅(qū)動(dòng)的解決方案的渴望日益增長(zhǎng)，對(duì)SaaS進(jìn)行重新設(shè)計(jì)以整合人工智能已成為一個(gè)日益清晰的趨勢(shì)。僅僅將人工智能技術(shù)嫁接到現(xiàn)有系統(tǒng)上，可能僅能帶來一時(shí)的收益。但這遠(yuǎn)遠(yuǎn)不足以應(yīng)對(duì)舊有架構(gòu)在用戶體驗(yàn)和低延遲技術(shù)方面的深刻挑戰(zhàn)。這種做法難以實(shí)現(xiàn)必要的速度和效率，從而無法提供卓越的用戶體驗(yàn)，或讓應(yīng)用程序在激烈的市場(chǎng)競(jìng)爭(zhēng)中獨(dú)樹一幟。
他強(qiáng)調(diào)，將人工智能技術(shù)引入傳統(tǒng)系統(tǒng)雖然看似是一個(gè)可行的解決方案，但這些系統(tǒng)在設(shè)計(jì)時(shí)并未考慮AI算法的復(fù)雜數(shù)據(jù)處理需求。因此，簡(jiǎn)單地將AI技術(shù)添加到傳統(tǒng)系統(tǒng)中，往往會(huì)導(dǎo)致在性能、可靠性、維護(hù)成本和用戶體驗(yàn)方面的妥協(xié)。
當(dāng)前，向人工智能的轉(zhuǎn)變與前幾年企業(yè)大力推行的數(shù)字化轉(zhuǎn)型在本質(zhì)上并沒有太大差別。換言之，將AI生硬地融入現(xiàn)有架構(gòu)可能導(dǎo)致拼湊的解決方案，這些方案將無法充分利用AI的變革性潛力。
因此，未來的優(yōu)秀SaaS應(yīng)用程序?qū)⒃谲浖_發(fā)的初期階段就將人工智能作為核心要素，將其深度整合到軟件架構(gòu)的每一個(gè)層面。這是實(shí)現(xiàn)“人工智能優(yōu)先”理念的關(guān)鍵。這樣的方法能讓SaaS應(yīng)用從一開始就具備內(nèi)在的智能和適應(yīng)性。
要想建立適應(yīng)未來的持續(xù)競(jìng)爭(zhēng)力，商業(yè)軟將需要像桌面應(yīng)用必須適配移動(dòng)設(shè)備一樣利用AI 改造原先的產(chǎn)品功能，使其具備極速響應(yīng)、搜索優(yōu)先、偏轉(zhuǎn)優(yōu)先、推薦優(yōu)先等能力。確保在人工智的支持下，用戶能夠與應(yīng)用無縫互動(dòng)，并即時(shí)獲得協(xié)助。以及，利用高級(jí)搜索算法和預(yù)測(cè)分析，人工智能系統(tǒng)實(shí)現(xiàn)主動(dòng)預(yù)測(cè)并滿足用戶需求等。
Benchmarkit創(chuàng)始人&CEO Ray Rike則認(rèn)為，傳統(tǒng)SaaS公司在引入AI過程中有很大優(yōu)勢(shì)，因?yàn)樗鼈儞碛袠O其寶貴的資產(chǎn)——數(shù)據(jù)。這些數(shù)據(jù)是實(shí)現(xiàn)人工智能應(yīng)用價(jià)值的基石。
這些公司在長(zhǎng)期服務(wù)客戶過程中積累的數(shù)據(jù)，能夠構(gòu)筑成一道防線，幫助它們抵御新興的AI原生SaaS公司的競(jìng)爭(zhēng)。盡管釋放這些交易數(shù)據(jù)的潛力面臨著巨大的挑戰(zhàn)，但所獲得的回報(bào)也將是極其寶貴的。
他指出，當(dāng)前，許多傳統(tǒng)的SaaS公司需要重新調(diào)整他們存儲(chǔ)數(shù)據(jù)的結(jié)構(gòu)，以便這些數(shù)據(jù)能夠用于訓(xùn)練基礎(chǔ)的大型語言模型。同時(shí)，他們還必須解決現(xiàn)有客戶對(duì)“數(shù)據(jù)隱私”的擔(dān)憂，確保在利用這些數(shù)據(jù)時(shí)不會(huì)泄露客戶的機(jī)密信息。
相比之下，原生的生成式AI初創(chuàng)公司沒有上述的顧慮，但相應(yīng)地也缺乏數(shù)據(jù)基礎(chǔ)和分銷渠道等多方面的優(yōu)勢(shì)。 【聲明】?jī)?nèi)容源于網(wǎng)絡(luò)
