ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
企服赛道下一次爆发,离不开与AIGC碰撞的火花
8184点击    2024-06-04 10:12

借助AIGC,为客户带来十倍价值。



新线中产,新消费自由打折零食,能否撑起万店规模?冲击万店,汉堡界能跑出下一个蜜雪冰城吗? 


有人将中国的AIGC创业者或者说大模型创业者们分为两类——技术派与市场派。技术派信仰scaling law(规模定律),相信随着模型能力跃升、模型成本降低,AIGC终将在所有行业中赋能、变革,甚至颠覆一切。


市场派认为众多创业者在技术之间未必有那么大的差距,各家之间的技术方差会逐渐缩小,最终的胜利,属于最早在市场上开始滚雪球的人,而非最早在实验室验证技术的人。


两者之间的争议、辩论,也是中国大模型赛道、AIGC相关赛道的有趣看点之一。技术派将scaling law奉为圭臬,市场派也只肯押注有现金流回血。


其实也不怪市场派投资大佬看重现金流,甚至持有资产,都未必如现金流充沛更能吸引人。因为资产可能会缩水,比如万科最近出让的深圳湾总部用地,2017年拿地价31.4亿,现出让价22.4亿,持有六七年利息成本也占20%左右约6亿,等于亏了15亿左右,几乎腰斩。


而稳定的现金流,对于任何一家公司,尤其是企服公司,在当下都尤为珍贵,自然也成为投资人非常看重的点。


在近日盛景嘉成创投、金沙江创投联合举办的《企服公司如何借助AIGC实现不烧钱的爆发性增长》闭门研讨会上,盛景嘉成创始合伙人彭志强、金沙江创投主管合伙人朱啸虎就表达了同样的观点:企业要回归商业本质,要有自我造血能力;这只是第一步,企服公司更要拥有为客户新创造10倍价值或降低90%的成本的能力。


10倍价值,实现起来会有多难?两位投资人给出的思路也非常一致——AI是中国企服“改命”的关键因素,只有用AIGC赋能10倍价值才有可能。


10倍价值,那等于又是一个新的企服爆发期,何以可能?在流量成本愈加昂贵的当下,不烧钱,企服公司又能否实现这种爆发?AIGC在企服公司的市场拓展与产品开发中,又能够发挥出怎样的效用?


市场与技术谁重要?AIGC其实全都要


市场与技术谁更重要,其实是投资人抛给大众的一个争议题,引发更多人关注这个问题。


但投资人自己,未必需要做这道题。因为两者就是左右手,不可能只要一方而不要另一方。企服赛道的选择,不是二元论,市场落地与技术先进虽然并非绝对因果联系,但同时也并不冲突,而是要取决于创业公司在技术转化、市场拓展、需求挖掘等多方面的综合实力。


而AIGC给企服行业带来的,就不仅是新技术的变化,也带来了更多需求,让企业有机会去开启全新的市场。



盛景嘉成创始合伙人彭志强


盛景嘉成创始合伙人彭志强在闭门会上就指出,为什么中国的软件公司发展得不温不火?为什么中国的 SaaS公司大多数陷入泥潭,只有极少数成功?关键问题在于企服公司是否有能力为别人降本增效。但过去这些年,企服公司自身都没有降本增效,比如,研发投入和销售转化之间严重不成正比,那又如何为别人降本增效?因此,企服公司要增肌减脂,要制定“极简增长战略”,与核心客户和核心需求无关的事情就应坚决少做或不做,“做除法”。


彭志强表示,企服公司要做到“把简单留给客户,把难度(复杂)留给自己”。只有通过AI新技术革命、极简增长方法论,找到不烧钱的爆发性增长道路,才能重新回到资本市场的主流。


那么,技术上如何做到“把简单留给客户,把难度留给自己”?AIGC技术自然成为主角。


比如,中国很多行业、企业都缺乏专业的数据分析人才,对BI有很大需求。但BI如何适配这么多行业的差异化需求?一个一个啃项目,不仅企服公司自己需要扛下研发成本高昂的代价,对于客户来说,在需要一些小功能时,又往往难以及时被开发满足。不仅没有“把简单留给客户,把难度留给自己”,最后企服公司自己反而被难度给难住了。


而新的AIGC模式,如GPT Store,数百万的应用可以在非常短的时间内开发出来,能够解决众多小问题,开发者也因此获得收入。


在成熟的企服市场,如美国,由于软件生态丰富,客户也更喜欢聚焦解决某一类问题的小而美软件而不是大而全软件。因为需求聚焦、就可以把功能做到极致,企业也更容易被整合,所以企服公司在IPO之外也有更多并购整合之路可以走。


时代变了,AIGC让企服从冷兵器进入火药时代


中国的企服赛道,从2000年用友推出REP开始算起,也有20多年历史了,to B市场对专业程度要求更精细,创业者往往也都是行业老兵,有过10年以上的从业经历。这一点不像C端企业,没卖过红薯的人一样可以卖好红薯,没有做过雪糕的人也并非不能打造潮牌雪糕品牌。C端创业,品牌营销的能力是可以跨行业复用的。


而B端不行。从聚拢人才、产品研发、建立品牌到搭建销售网络,再到满足客户差异化需求,建立产品价值认知,往往都需要漫长的时间。稳健成长的企业,往往寿命比一夜爆红的企业更长——不过企服赛道也不像C端,很难出现一夜爆红的企业。


在企服赛道,AIGC确实有着更多的想象,比如AI+OA,让 AI 技术在 OA 场景中快速将人、应用和数据进行匹配,实现多种协同应用场景下人机交互;还有AI+CRM,AI+SRM,AI+ERP等等。


AIGC让企服行业告别了过往依赖大量人力和低效流程的“冷兵器时代”,迈入了一个以大模型、AIGC为驱动力的“火药时代”。这种转变不仅仅体现在工作效率的飞跃提升上,更核心的是彻底改变了企服的形态和战略格局。


怎么改变的?



金沙江创投主管合伙人朱啸虎


正如金沙江创投主管合伙人朱啸虎在闭门研讨会上举了一些例子:瑞典的Klarna公司通过GPT开发了一个24小时在线能处理35种语言的AI助手,很容易就代替了近2/3客服人员的工作。再比如金沙江投的一家AI面试公司,企服产品就很受大企业青睐,因为它解决了AI追问的幻觉问题。


朱啸虎指出,面试是非常严肃的事情,对于像腾讯、美团、招商银行这样的大公司来说,如果AI面试出现“幻觉”,AI追问了一个很傻的问题,这对于大厂来说是无法接受的。所以,控制并去掉“幻觉”是实际应用中非常重要的门槛。


他表示,今天的企服软件公司如果没有AIGC赋能,已经无法引起投资人的兴趣了,并且要在不烧钱前提下能够实现业绩100%的增长,且是纯的订阅收入,投资人才会愿意看一看,但也只是4、5倍PS,可以说今天的投资人是“既要也要还要”。这对创业者来说是非常大的考验,但真的好公司是可以做到的,所以企业一定要自我造血,有正向现金流。


在朱啸虎举的例子中,看似企服公司借助AIGC轻松实现了大客户突破或者很大比例的降本增效,但其中依然有很多门槛。而这些门槛,本质上在于数据,在于企服公司能否抢到重要场景的数据,能否将数据清洗好之后做垂直调优。


单单数据本身就很有价值,朱啸虎还透露,这家AI面试公司去年面试了100万人次,今年差不多能面试300万人次,每个面试大概30-40分钟,仅这些人机对话数据就很有价值。


朱啸虎表示,AIGC+是非常难的,最难的是行业的know-how、行业的垂直场景、行业数据,但+AIGC是很容易的,所有的软件都可以用+AIGC,其中有很多机会,甚至可以说,AI是中国企服唯一的希望。

当然,企服的时代已经变了,AIGC带来了足够多的弹药,既可以让你有机会从几把枪到有机会逐鹿天下,也可以让你早早被别人击倒,眼睁睁看着机会失去。


颠覆,正在企服赛道发生


中国为什么没有如Salesforce一样的世界级企服公司?


或许,市场,制度,技术之外,还有更多因素需要考虑。但干成任何一件事情,都需要聚拢足够多的人才,才有可能。而投资人中的市场派,似乎不讲究创业者的技术能力、亮眼学历,只看现在的市场表现、只看现在赚不赚钱,会不会标准太单一了?


其实也不是。


彭志强就指出,一个好公司应该有健康的现金流,并能可预见地赚到与估值相匹配的真金白银的利润。但“可预见的利润”,并不要求公司今天就赚钱,但必须能看到未来赚钱的前景,至于是一年后、三年后还是五年后的可预见利润,取决于公司的核心能力和发展潜力。


企服公司的未来,也同样要考量其AIGC方面的核心能力与发展潜力。


企服赛道所倚重的AIGC,也有很多未来可能发生的颠覆。


开源能不能追赶上OpenAI为代表的闭源?一旦OpenAI不能维持目前的领先优势,是否意味着开源的胜利?毕竟,开源就意味着有几万、几十万甚至更多的开发者参与,而闭源大模型再强,不过就是几百个程序员的一家公司。


企服赛道,属于巨头还是属于更多创业企业?过百个大模型,到底能有几个跑出来?


或许我们不知道谁能跑出来,但我们能预设谁都跑不出来吗?或许也未必。


不说大模型,单说企服赛道,这就是一个能够容纳成千上万个企服创业企业的大生态、宽赛道。


比如,美国的企服市场非常成熟,一般来说,除了全公司统一的软件或SaaS产品,甚至每个部门都有自己部门高度独立和专业的软件。即便是规模较小的公司,也可能同时运行着数十种不同的软件。这样的生态,也意味着在大而全企服巨头之外,更多小而美企服创业企业,同样拥有生长的土壤。


创业生态本就是一个动态变化、相互交织的生态系统。AIGC到底改变了什么?对于企服赛道而言,AIGC只有先给自己带来数量级变化的降本增效,才能随后给客户带来惊艳感。正如朱啸虎所说,要让客户像消费者一样产生尖叫,让客户能“见面签单”,第一面POC(Proof of Concept,概念验证)、第二面正式合同。


风险投资家,原网景创始人Marc Andreessen曾于2011年8月在华尔街日报上发表一篇著名文章,《软件正在吞噬世界(Software is eating the world)》。Andreessen认为,越来越多的主要企业和行业正在软件上运行并作为在线服务提供——从电影到农业再到国防。这些软科技公司,正在入侵和颠覆既定的行业结构。在接下来的十年里,预计会有更多的行业受到软件的颠覆。


Andreessen在13年前就卓有远见地指出,Oracle和Microsoft等大型软件公司日益受到Salesforce和 Android 等新软件产品的威胁,虽然看似两者并不直接相关。抢你场子的,并不是你的同行。


回到我们想讨论的问题,企服公司的爆发性增长,不烧钱能办到吗?其实还要要追问的是,企服公司客户的爆发性增长,不烧钱能办到吗?


毕竟,存量时代,企服公司的客户也更关心如何找到新的客户?如何做好留存复购?如何提升利润率?在行业增长陷入天花板之下,还有哪些结构性的机会值得挖掘?


企服以前是一个稳健增长、市场空间庞大、很难出现赢家通吃的行业,也同样可能是一个爆发十倍价值创造、能够大鱼吃小鱼的快速增长赛道。


颠覆,正在发生。


文章来源于“亿欧网”,作者“陈俊一


关键词: AIGC , AI , AI企业 , AI企业服务
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda