好看不好吃，AI toB背后難為人知的故事

“要吃到「AI to B」的紅利，需要極大勇氣、耐心和運(yùn)氣。”

撰文｜翟文婷

AI正在肉眼可見(jiàn)地泛化與下沉：有問(wèn)必答，能陪聊，還是打工人給自己找的一個(gè)免費(fèi)助理。

見(jiàn)此情形，B 端商家有點(diǎn)急了。大模型如此全能，AI對(duì)一門(mén)生意的理解和經(jīng)營(yíng)，是不是也應(yīng)該發(fā)揮點(diǎn)作用？

只是跟C 端用戶的拿來(lái)主義不同，AI提高B 端生產(chǎn)力的前提是懂這門(mén)生意，甚至可能需要進(jìn)一步精調(diào)訓(xùn)練大模型。

雖然「AI to B」好看不好吃，但沒(méi)有人敢，也沒(méi)有人愿意錯(cuò)過(guò)。產(chǎn)業(yè)鏈的每個(gè)角色或主動(dòng)或被動(dòng)，都被這場(chǎng)AI風(fēng)暴所裹挾。

一、好看不好吃的「AI to B」

一個(gè)春節(jié)，所有人都患上了AI焦慮癥。尤其是面對(duì)「AI to C」的火熱浪潮，血統(tǒng)純正的B類商業(yè)平臺(tái)也坐不住了。

在近日1688舉辦的好生意大會(huì)上，核心的議題就是如何用AI讓生意更簡(jiǎn)單。整個(gè)大會(huì)給人的感覺(jué)就是，1688 看到大模型迭代能力如此之快，開(kāi)始擔(dān)心鏈接工廠的主場(chǎng)是否會(huì)被新的角色替代，這個(gè)中國(guó)最大的B類商業(yè)平臺(tái)不想踏空「AI to B」紅利。

目前1688已經(jīng)有超過(guò)一億的年度活躍買(mǎi)家，很多買(mǎi)家希望AI能更好服務(wù)他們個(gè)性化和輕定制的采購(gòu)需求。而平臺(tái)上超過(guò)一百萬(wàn)的源頭廠商，則希望得到更有效的AI解決方案去幫他們打造柔性供應(yīng)鏈。

雖然需求旺盛，但是AI響應(yīng)B 端能力卻不如C 端那樣，可以即插即用。

相比C端應(yīng)用的普適性，娛樂(lè)性，解決問(wèn)題的即時(shí)性，B端生意要更復(fù)雜，更個(gè)性化，鏈條也更長(zhǎng)。B類商業(yè)平臺(tái)對(duì)模型能力的要求不盡相同。最基礎(chǔ)的，不同行業(yè)所需構(gòu)建的知識(shí)庫(kù)天差地別，知識(shí)壁壘的跨越就是一個(gè)難題。

再進(jìn)一步，同樣是電商領(lǐng)域的AI 客服，C 端買(mǎi)家跟B 端買(mǎi)家要解決的問(wèn)題又不一樣。前者通常是默默下單，有問(wèn)題幾個(gè)對(duì)話輪次可能就解決了；后者不然，需求復(fù)雜，決策鏈條長(zhǎng)，有現(xiàn)貨，有定制，還存在大量復(fù)購(gòu)和議價(jià)。

其實(shí)這是B 端的共通問(wèn)題，他們存在大量非結(jié)構(gòu)化和差異化的元素，簡(jiǎn)單搜索和推薦難以深度匹配他們的需求，更談不上給予他們商機(jī)發(fā)現(xiàn)和決策指引。

當(dāng)然，除這些客觀存在的問(wèn)題之外，國(guó)內(nèi)B 端付費(fèi)習(xí)慣的歷史問(wèn)題，間接導(dǎo)致AI 在B 端推進(jìn)的速度似乎有點(diǎn)慢。現(xiàn)在1688已經(jīng)把平臺(tái)所有AI產(chǎn)品全部免費(fèi)，可謂開(kāi)了B類電商的先河，也足見(jiàn)其押注「AI to B」的決心。

但「AI to B」好看不好吃，要想吃到紅利，需要極大勇氣、耐心和運(yùn)氣。對(duì)1688來(lái)說(shuō)，它需要拿出自己在產(chǎn)業(yè)帶重投入時(shí)那種「結(jié)硬寨、打呆仗」的笨辦法。

二、AI 帶來(lái)的平權(quán)和效率

回到根本，AI在B 端做生意這件事上到底能解決什么問(wèn)題？

以電商為例，1688過(guò)去一直試圖拆解生意鏈路，根據(jù)買(mǎi)賣(mài)雙方的需求，圍繞「找挑詢付履」，技術(shù)團(tuán)隊(duì)試圖抽離出AI 可以發(fā)揮關(guān)鍵作用的場(chǎng)域或環(huán)節(jié)。最后是聚焦在商機(jī)、商品、搜推、客服和經(jīng)營(yíng)幾個(gè)場(chǎng)景，提煉出十幾個(gè)AI 項(xiàng)目，重點(diǎn)發(fā)展。

如果站在橫向的維度，他們似乎打算通過(guò)AI 解決兩件事：平權(quán)和效率。

以選品為例，很多超級(jí)買(mǎi)家可能會(huì)搭建上百人的團(tuán)隊(duì)，從收集數(shù)據(jù)到選品會(huì)，再到成交，他們固定時(shí)間內(nèi)可以并行運(yùn)作所有環(huán)節(jié)。作為一個(gè)人的小B，不論從覆蓋半徑還是財(cái)力，都沒(méi)法與之相提并論。

但是AI 時(shí)代，也許這兩個(gè)群體的商業(yè)戰(zhàn)斗力可以趨于拉齊，這就是所謂的AI 平權(quán)。

除平權(quán)之外，AI 在B 端解決的另一個(gè)核心問(wèn)題是效率。

B2B 產(chǎn)業(yè)生意鏈條長(zhǎng)，左右因素復(fù)雜，這讓決策變得困難。一位經(jīng)營(yíng)輕奢連衣裙、服務(wù)中年女性的商家，需要尋找一款一定價(jià)格區(qū)間、口碑評(píng)價(jià)好的熱銷商品，傳統(tǒng)的做法，是不斷嘗試搜索關(guān)鍵詞提高成功可能性，但AI 可以基于數(shù)據(jù)統(tǒng)計(jì)和邏輯推理提高匹配效率。

平臺(tái)會(huì)根據(jù)海量交易數(shù)據(jù)，通過(guò)生意貨盤(pán)、興趣、采購(gòu)偏好等對(duì)買(mǎi)家進(jìn)行分層，然后用AI大模型結(jié)合賣(mài)家供應(yīng)鏈能力和履約的穩(wěn)定性做一個(gè)匹配。

1688 在大會(huì)上給了一個(gè)數(shù)據(jù)：?jiǎn)?dòng)這個(gè)模型兩周時(shí)間，灰度了 5% 的商家實(shí)驗(yàn)，目前回收的統(tǒng)計(jì)數(shù)據(jù)是商家GMV 平均增量達(dá)到 7.5%。

AI 輔助決策只是其中方面，除此之外，AI 生成圖文、客服、運(yùn)營(yíng)等多個(gè)環(huán)節(jié)，都關(guān)乎效率提升。

可以預(yù)見(jiàn)，隨著「AI to B」的發(fā)展，商家能觸達(dá)過(guò)去不愿意服務(wù)、服務(wù)不好、服務(wù)不了的「小B大C買(mǎi)家」。甚至B和C、內(nèi)貿(mào)和外貿(mào)、線上和線下、國(guó)內(nèi)和國(guó)外的生意邊界都變得模糊。

三、AI解決問(wèn)題的深度更重要

AI解決問(wèn)題的寬度不是瓶頸，重點(diǎn)在于處理問(wèn)題的深度。

目前，很難寄希望AI 能創(chuàng)造多大規(guī)模的GMV ，客戶的使用率、使用時(shí)長(zhǎng)和有效性，是平臺(tái)和商家最關(guān)注的。

普通人使用AI 產(chǎn)出的結(jié)果往往不僅取決于AI 本身的能力，也跟輸入Prompt（提示詞）的精確度相關(guān)。B 端用戶也存在同樣的問(wèn)題，同樣的產(chǎn)品，使用的效果卻很不一樣。

一家義烏的電商供應(yīng)鏈公司，春節(jié)后接入了1688的AI數(shù)字員工之后，公司幾乎進(jìn)入開(kāi)掛局面。

AI 客服能跟買(mǎi)家進(jìn)行多輪對(duì)話，甚至能根據(jù)之前訓(xùn)練的價(jià)格段與對(duì)方談價(jià)，確定交易，AI直接推送合同給對(duì)方。你能想象嗎，一年幾個(gè)億的生意，只有一個(gè)人工客服，其他工作都靠AI 完成。除此之外，維護(hù)老客戶，喚醒沉睡客戶的工作，也都交給AI。AI 完全掌握他的產(chǎn)品、材質(zhì)、工藝、流程甚至庫(kù)存和利潤(rùn)，幾乎可以當(dāng)一個(gè)傻瓜式的智能存在。

當(dāng)然，這一切收獲是他花了大量時(shí)間，針對(duì)AI做了大量訓(xùn)練工作的結(jié)果。

與此同時(shí)，另一位商家卻感到迷茫，似乎也就解放了一些時(shí)間精力，節(jié)省了一些人員成本，生意效果卻沒(méi)有突破性飛躍。這可能跟他投喂AI 語(yǔ)料，建立知識(shí)庫(kù)的水平，開(kāi)放數(shù)據(jù)權(quán)限的程度等有關(guān)系。當(dāng)然，也離不開(kāi)所處行業(yè)的特性和發(fā)展階段。因?yàn)锳I在B類行業(yè)的滲透也是分波次、漸進(jìn)式的。

所以你看，起點(diǎn)相同，但是思路不同，方式不同，行業(yè)不同，甚至運(yùn)氣不同，就會(huì)形成完全不同的局面。

已經(jīng)下水的人，體感不同，站在岸邊的人也在尋找入水角度。不管怎樣，AI對(duì)B類產(chǎn)業(yè)的滲透勢(shì)在必行，有的肉眼可見(jiàn)，有的于無(wú)聲中潛移默化地改變。這一切僅僅是開(kāi)始，畢竟AI 現(xiàn)在解決的都是已知問(wèn)題，那些未知呢？