有贊白鴉：AI 的最大意義，是讓客戶把產品用得更好了

面臨 AI 沖擊，企業軟件行業會不會做著做著就沒了？如何找到 AI 應用的場景？

整理｜保文；編輯｜燕子

在「DeepTalk」第三個系列話題欄目「AI 落地實戰」對話中，崔牛會創始人 & CEO 崔強，與有贊創始人 & CEO 白鴉，圍繞 “從想法到原型：ToB 公司如何啟動第一個 AI 功能模塊？” 這一主題進行了深度對話。

白鴉認為，AI 不是新玩家的機會，而是老玩家的升級機遇。AI 將推動企業軟件實現從賣功能向賣結果轉變，是軟件行業的一個 “天大的機會”。

中國的 SaaS 從業者正面臨供給出清和 AI 升級的 “雙浪疊加”，破局之道是讓自己賺錢和主動進行 AI 升級。

以下是經牛透社編輯整理的對話內容：（有刪減）

“老玩家” 的升級機會

崔強：我們從 2022 年聊起，那一年 ChatGPT 剛出來。2022 年，你剛好也在美國待了很長時間。

當時是什么原因，讓你投入這么大的時間和精力去美國研究 AI 這件事，并且之后回國就開始自己動手干？

白鴉：主要有兩個原因。

第一個原因，當時有朋友在關注 AI 投資，讓我一起去看看。在看的過程中，我發現AIGC的發展勢頭很可能為軟件行業帶來一個巨大的升級。當時國內也找不到特別多的人聊這件事，所以就想去美國看看。

第二個原因，我一直在看有贊的國際化機會。去美國之前，我計劃是在美國待三個月，再去歐洲待三個月，東南亞待一兩個月，最后回國。所以，一半的任務是看 AI，一半的任務是看國際化。

到美國，正好碰上 ChatGPT 大火，我就在美國待了四個多月，把歐洲、東南亞的行程計劃也取消了，迫不及待地回國開干。

崔強：當時你的最大感知是什么？有哪些焦慮或者顧慮？

白鴉：當時，關于國際化我有一個非常堅定的認知：如果我們要做國際化業務，我自己肉身在中國是不可能做好的，所以我就放棄了。

關于 AI，我感覺到以往我們賣軟件，更大程度上是在賣功能，AI 來了之后，我們賣的不是一個軟件功能，而是直接向用戶交付結果。這對于軟件行業是一個 “天大的機會”，所以我就立刻回國。

當然，我們在做這件事時，也問過自己幾個問題：

第一個問題，這究竟是誰的機會？是傳統 SaaS 的機會，還是新企服公司的機會？

后來，我們認為這不是新玩家的機會，而是老玩家升級的機會。AI 和移動互聯網浪潮不一樣，移動互聯網來了之后，中國網民從 3 億增加到 10 億，每天多了幾小時的使用時長，這帶來了一個增量市場，也帶來了很多新玩家的機會。

但 AI 并沒有給企業服務行業帶來很多的增量用戶，所以，它不是新玩家的機會，而是老玩家的升級機會。

有意思的是，中國的 SaaS 從業者們現在又面臨著 “雙浪疊加”：一個是供給出清，一個是 AI 升級。所以，從國外回來之后，我同時要干兩件事：一是讓自己賺錢，等待供給出清；二是 AI 升級。這是我們對第一個問題的思考。

第二個問題， AI 到底應用在哪？

當時我畫了一條線：越往后端的應用場景會越 “軟件化”，越往前端的應用場景會越 “AI化”。

后端場景如倉庫、供應鏈管理等，作業流程相對穩定，企業組織短期也不會有很大變化，仍用數字化軟件管理就可以了。所以，越后端的就越軟件。前端場景如廣告投放、內容營銷、消費者運營、在線銷售，這些場景會越來越 AI 化。

第三個問題，會不會做著做著行業就沒了？

我們的答案是不會。AI 是越垂直就越強大，越通用就越普通。所以，我們深耕垂直領域就可以了。

軟件，從本質上看，就是在結構化數據上套一層圖形界面的 “殼”，中間把殼和數據庫 “粘” 在一起的是 API。目前，AI 更多的是把圖形界面迭代成一個更友好的、更新的人機交互方式。

當然，這樣說可能不夠精確，但大體如此。無論是做 AI，還是做軟件，都需要先完成對客戶作業流程的抽象，才會有合理的數據庫，這兩者是必不可少的。

所以，未來即便 SaaS 和軟件行業沒了，企業服務行業仍會存在，我做的事情依然是理解和抽象客戶的業務邏輯，建立數據庫，但不同的是要為客戶交付結果。

崔強：AI 落地到產品功能和應用場景，要做的第一步是什么？

白鴉：一開始并不知道能做什么，但又必須做，所以我們就試著去做。

第一步，是先搞定自己的心態。前半年我們最主要的動作是在組織上，重要的戰略要組織先行。

我做的第一件事，是在公司的二樓辦公區做了一個 AI 部門，搞了一個透明辦公區，讓公司所有人都能看得見。如果我要做一個 AI 項目，就會拉上產品經理、技術團隊組成一個項目組在這個辦公區干活，現在這個 AI 部門叫 AI 使能部。

后來，我們又做黑客馬拉松，智能打卡、快捷任務這些 AI 功能都是從黑客馬拉松出來的。我也參與了一些 AI 的早期基金。

AI 落地場景

崔強：黑客馬拉松中第一個落地項目是什么？

白鴉：我們的產品，主要經過了兩輪大的迭代。

第一輪是利用生成和對話能力，做出了生成營銷文案、智能助手、自動任務。現在我們在自有模型基礎上，做了一些開箱即用的智能體產品。

我們的智能體產品主要分為托管類（代運營）、營銷類（如營銷活動策劃）、自動任務三大類。

崔強：你們在選擇這些產品時，如何判斷它是必做的，或者是要放棄的？

白鴉：首先是在理解這一輪 AI 能力的基礎上，判斷它能為企業服務行業帶來什么變化。

這輪 AI 在某種程度上，是腦力勞動的工業革命。我們要去理解腦力勞動背后的工作流程，抽象出它的業務邏輯和業務流，結合新的 AI 技術設計新的工作流。

我們設計 AI 產品的大邏輯，是要準確理解客戶業務的作業流程，抽象背后的業務流和業務邏輯，并從中找到兩個點：哪些地方我們可以創造 10 倍價值？哪些地方我們擁有獨特的數據？

我們的基本做法是找到具備這兩點的場景。

目前，我們看到的應用場景主要分為三類：一是可以外包或者托管的場景，比如客服和銷售等外包場景，或者小紅書賬號運營和微信小店等托管場景；二是通過人海戰術就能做好的事，這里面通常可能出現 10 倍價值的場景；三是我們擁有大量最佳實踐和數據，可以為商家提供正確的改善和運營建議的場景。

以上三類場景，基本上可以理解為兩件事：外包公司干的事情，和咨詢公司干的事情。

崔強：剛才你提到 AI 是老玩家升級的機會。你覺得最佳實踐是最重要的一個方面嗎？

白鴉：我認為最佳實踐并不是最重要的。很多最佳實踐，如果不能提煉成數據，也是沒用的。

能否做好 AI，取決于兩個重要因素：行業垂直數據加上行業 “老法師”，二者結合才能打造出一個成功的 AI 產品。

崔強：做一個智能體的成本和門檻不高，你怎么看許多小智能體公司參與市場競爭的這種現象？

白鴉：我有兩個原則：第一，不去看那些拼命卷價格，甚至卷免費的所謂競爭對手；第二，做好自己真正擅長的行業和領域，而不是隨意擴大。

崔強：剛才你談到可訓練的數據最重要。對于你們公司內部的 AI 團隊，你們真實的業務數據也是完全對他們開放的嗎？

白鴉：除了必須保密的東西之外，我們其它數據都是向所有人開放的。如果為了防止競爭對手拿到我們的一些業務知識和行業數據，就要付出公司內部信息和協作不通暢的代價，只會讓損失更大。

戰略就應該打明牌，要保持開放。

崔強：原來的 AI 部門改成了 AI 使能部，它的定位是什么？

白鴉：主要做三件事：一是做有贊自用的 AI 產品；二是做面向有贊商家的基礎大模型；三是教其它部門如何做 AI。

概括來說就是讓有贊把 AI 用起來，做有贊的基礎模型，以及指導、參與和支持其他部門的 AI 項目。

崔強：成立 AI 部門對于 AI 落地的實際意義有多大？

白鴉：更大的意義，是解決了如何讓商家更好地用好有贊這件事。同樣是有贊的產品，有的商家可以用得很好，有的商家卻始終用不起來，主要原因在于后者缺乏懂得如何做好這件事的人。

過去我們是賣功能，客戶如果不會使用我們的功能，就拿不到結果。AI 來了之后，我們可以直接向客戶交付結果了。

所以，AI 對于有贊的最大意義，在于讓商家可以把有贊用得更好了。

商業化挑戰

崔強：現在你們的 AI 產品是以訂閱模式收費，還是以 訂閱+RaaS（按結果付費）的模式來收費？

白鴉：今天還沒有到成熟商業模式的階段，未來大概率是按照工作量和結果來收費。但我們今天還沒走到這個階段，還是把這些能力加到我們不同的產品版本里。

改變銷售方式和商業模式，應該是在產品和市場真正匹配之后再升級，即先要創造價值，再去獲取價值。

崔強：現在你們AI 產品的商業化大概是一個什么樣子？能評估出來 AI 帶來的收入量級嗎？

白鴉：準確來說，我們是在今年四、五月份才開始做 AI 商業化的。我覺得大概率要到明年，AI 才能真正帶來收入上的變化，預計會為我們帶來大約二三億的收入。

崔強：ToB 企業在做 AI 產品時，如何做好 MVP（最小可行化產品）。在這個過程中你有哪些建議？

白鴉：我做產品時不怎么看 MVP，主要還是看 PMF（產品市場匹配度），還是要先想清楚幾個問題：

第一，市場價值是否真正存在？這件事情非常重要，很多時候價值都是我們自己假設的。所以，如果要直接交付結果，就要清楚這個結果對于客戶來說是不是真的重要？

第二，今天做 AI 產品，通常需要經歷一個TPF（產品技術匹配）的過程。因為今天的模型在很多地方都能做到 80 分，但在有些地方可能出現 “負分”，這樣向客戶交付結果就會出現問題，所以必須有一個技術驗證的過程。

崔強：通用大模型也可以做很多事情，未來 SaaS 廠商必須要自研垂直大模型嗎？

白鴉：過去十幾年，我們有一個特別好的習慣：積累了大量的數據和行業最佳實踐。

每個客戶都有檔案卡，我們會定期復盤和總結知識、經驗，我們還有分行業的 CSGB（客戶成功指導手冊），以及質檢和運營方面的專家，具有數據集、測試集、用戶場景等基礎積累。做垂直模型所需要的數據量，并沒有大家所想象得那么大，這件事現在是可行的。

所以，我們明確地要做到“業模一體”。一定要把業務揉進模型里，才能確保有確定性的交付結果。

當然，“業模一體” 一定要考慮成本問題。這里還是要感謝開源精神，DeepSeek 一開源，也幫助我們真正實現了 “業模一體”，大大降低了成本問題。我們花了更多精力在模型訓練上，持續調優強化學習的獎勵參數。

實際上，現在 AI 投入的成本，與以往的技術投入相比其實并不算大，而且我們也要相信摩爾定律：未來卡和算力的成本，一定還會不斷下降。

崔強：成立新的 AI 部門之后，整個組織的協作方式有什么改變嗎？

白鴉：這是一個很令人頭疼的問題：一個十多年的公司，要干一件新事情，整個公司要怎么升級？不同的公司有不同的做法。

這個問題，我們也想了很久，最后的結論是：戰略型的跨部門協作，最好的解決方案就是不用協作。

重要的戰略級動作，如果一號位能夠帶頭做，就不存在協作不協作的問題了，這是我們的第一個動作。

第二個動作，是讓資源向干 AI 的人傾斜。比如不干 AI 的人，是不可能獲得升職機會和獎金的，這些資源都會給到那些干 AI 的人。

崔強：剛才你說黑客馬拉松出了很多好的創意，并且都商業化了。對于這些商業化的產品，你們除了發獎金，還會有一些額外激勵嗎？

白鴉：直接給錢就好了。舉個例子，我們公司內部論壇設了一個 “AI 先鋒賽” 的專區，每月都會讓大家提報 AI 實用案例，比如用 AI 解決了用戶什么需求。

上個月公司內部提報了 23 個案例，選出來了 11 個體驗好、可以規模化的案例，并為相關人員發放獎金。還有黑客馬拉松，更多是為大家創造一個能夠將熱情和想法發揮出來，并且可以落實到日常業務項目中的平臺。

這些是我們在組織上所做的事。

崔強：在商業化過程中，有沒有遇到一些問題或挑戰？

白鴉：最大的挑戰可能是銷售講不清楚。DeepSeek 之后，整個國人對 AI 都有自己的認知，銷售反而不知道怎么賣自己的 AI 產品了，這是我們接下來需要重點解決的問題。

我認為大概可以分為四步來解決：第一步，要讓產品做到知道如何賣，這件事我們已經在做了；第二步，要讓客戶成功在續費和服務過程中知道如何賣；第三步，是讓直銷知道如何賣；第四步，是讓渠道知道如何賣，整體上應該是這樣的節奏。

崔強：SaaS 企業在 AI 投入上，如何把握好節奏，你會給大家哪些建議？

白鴉：ToB 行業不是做研發型的技術創新，而是做應用型的技術創新。最重要的基本功是理解客戶，找到客戶真正的需求點和價值點，然后再利用成熟的技術去做應用創新。

所以，我覺得更應當收斂，而不是直接沖進去 All in，這也是最危險的一種做法。

說明：文章為牛透社原創，未經允許謝絕轉載。