AI+SaaS的确不只是噱头，但国内人才储备和技术发展都还不够火候！

编者按 NTS                            

当AI+SaaS，今后将有怎样的趋势？企业级产品中，AI落地实践到底难在哪里？究竟是人才储备不足，还是整体行业技术不够，又或是模式本就不对......

本文整理自“2017中国企业互联网技术与产业峰会”的现场对话，内容略有删改。

AI和SaaS的结合只是一个噱头吗？

黄金：互联网的到来让整个时代互联，AI才有了在企业服务行业里落地的机会。从本质来说，AI是基于大数据+算法演进的一种方法，以此赋予产品“生命”，让事物更加智能化、有“思想”。所谓智能化，就是让机器替代人的一些重复性的工作，比如品牌审核等，可以通过AI过滤一些违规作品；再者就是提升效率，我们可以通过数据+算法把流程标准化，进而让产品商业化。这些都是可以在企业服务里能够落地的点。

张溪梦： AI概念近两年在中国非常火热，犹如30年前IBM推BI一样。中国AI获得的投资占全世界的20%，但是大部分的AI技术还是在美国。 AI在企业服务领域有很多的应用场景；比如通过AI把重要销售线索分拣出来，帮助销售人员集中跟进，这样做不但提升了效率，且针对性跟踪销售线索会产生更好的效果。

GrowingIO也一直在用它支持客服人员，比如把重要的工单和代表性的问题进行汇总，再交给产品经理处理。

此外，我们还可以通过机器学习把问题分级：最低优先级是通过社区及自动回复的方式处理；次优先级就是人和机器混合处理；最高优先级则通过人来处理；

未来企业服务最核心的功能依然体现在帮助客户提高效率上，SaaS在云端还有很多机会，但在技术上依然面临很大的挑战。

AI是SaaS的一个爆发点？

李文功：以前还没有SaaS这个说法，统称为应用服务提供商。现在的SaaS被译为：软件即服务，但其实我认为它更适合被称为：服务即软件。因为软件即服务强调的是软件的工具特性，但是服务即软件的概念则体现的是服务。这对于我们在SaaS行业中如何找准自己的定位有着很大帮助。

其实AI就是一种服务，它是把数据和算法结合起来，能够替代人进行思考和决策，给客户更优解决方案的一种方法。如果用软件即服务的思路，就很容易陷入工具的特性里去。

我觉得AI和SaaS有一个非常密切的结合点：未来的SaaS提供的服务，一定有很多人工智能的因素嵌入，唯有这样才能解放用户。简单来说，未来所有的SaaS的产品都应该由AI来做支撑。

龚剑：谷歌已经在AI+SaaS领域进行布局，今年谷歌又收购了印度人工智能公司Halli Labs。我们作为媒体公司，从去年开始做封面云这样的平台，以此提供给个人和机构一些数据服务，这就是AI+SAAS的实践。

目前市场上的同行公司已经从2015年的十多家发展到现在的几百家，AI+SAAS这一方向是大有可为的。目前正处于一个从蓝海到红海、竞争日益激烈的阶段。

阿里和腾讯的发力会使得C端爆发出更有想象力的场景？

李文功：做TO C业务，不见得公司一定要经营C端，而B端企业做任何的业务，其实都要做到比客户自己更懂他的客户，如果达不到这一点，那么也难为其提供非常有价值的服务。

其实我们最近也在研究智能售货柜和无人商店，只是我们的方案没有阿里的人脸识别那么高端。目前人脸识别是最具典型意义的AI，但是真正的用到商业场景来看，还是需要有阶段性的考量。

线下商业最大的问题就是用户行为不能数字化，所以没办法和线上的企业竞争。对于线上的企业而言，用户只要点击网站就能贡献数据价值，这些数据企业都可以拿来做研究分析，找出更好的解决方案。

面对以上难题，借助物联网和人工智能的技术可以让线下的实体店全程的数字化，这样就有机会用AI技术对用户的各种行为需求进行分析，达到更高的零售效率。

因此，研究TOC，AI、物联网数据采集和智能分析的技术是一个很大的蓝海，未来也会有更多的创业者进入这一领域，但最重要的是找到适合自己的切入点。

张溪梦：未来，企业存在的核心基础，就是给自己的客户创造价值。这就要求我们更多地了解客户的需求，最快的方法收集各种数据。这其中包含了线上和线下的数据，把这些数据汇集起来，并分析用户的需求，再去做产品和提供服务。

但最大的挑战是——在技术上如何快速的把这些信息都关联起来，变成学习用户的一种机制？不论是企业服务还是AI企业，其核心就是学习，怎样迅速向我们的客户学习，把学习到的东西再放到我们的产品和服务里去非常重要。同时，这也是一个不断加速迭代的过程，因此我们需要利用各种技术迅速进行匹配。

对于拥有B、C两端用户的易企秀来说，怎样挖掘出新的场景？

黄金：易企秀产品最终使用者都是C端用户。企业中的产品分两类，一类是企业效率管理类产品，用户是员工；一类是帮助企业营销的产品，客户是外部的C端人员。

我们的产品本质是帮助企业拉新，目的是给C端用户浏览并搜集数据。刚开始一些企业的推广非常粗犷—铺天盖地发H5页面，但收效甚微。而易企秀后台的数据可以显示出来浏览页面的用户详细信息，以此可以帮助用户优化投放模型，成效非常明显。

举个例子，我们帮助清华大学招EMBA，一开始效果并不好，后来我们通过数据模型选人群，在标签方面做了一系列的优化，最后以十万元拉到24个付费用户，每个用户付费是65万元。所以，但凡是帮企业获客或者帮助企业营销的产品，最终还是要面向 C端，否则就抓不住B端企业的痛点。

AI现在面对挑战是什么？是人才、模式问题还是……

龚剑：事实上， AI人工智能还是一个“人工密集型”的劳动。目前而言，大多机器学习都是统计机器学习，机器学习中大多又是监督学习。而监督学习很重要的一步就是——人得预先把数据标注好。简单来说，就是需要人为的    进行重复性地标注，让机器替代这些劳动。而对于企业来说，棘手的依然是人才问题。

李文功：AI作为高度的技术密集型的业态，最大的挑战是人才、技术积累方面的欠缺。人才问题，上文已经有所提及，技术积累也同样是很大的制约。微连锁的智能售货柜和无人超市没有选择人脸识别等技术，就是因为现技术能力达不到。也正因如此，我会密切关注亚马逊、阿里等巨头做的基于商品识别的最新技术。

未来AI的对外服务会形成一个生态。专业的事儿由专业人来做，通过SaaS的模式对外提供服务可以帮助企业快速构建起AI为基础的商业模型。

张溪梦：人才的大量时间是花在清洗数据、准备数据上，这是非常缓慢又很无聊的工作，准备数据这个过程其实是AI公司最具挑战的部分。

首先，没有持续的数据源，其次就是处理流程的基本功力不够。做AI创业公司需要在这方面有足够的耐心和投入。

黄金：在我看来，最难的点就是如何将AI和业务结合起来产生效用，而易企秀也想利用后台产生的大数据向人工智能化方面推进。

事实上，易企秀上了智能算法之后，原来需要20人完成的工作现在可以由10人完成，的确能让整个团队的效率提高，由此带来的效用使得人才、技术等方面的问题得以解决。

   后记

   谈到AI，最重要的其实是三点：

 

   1、把线下的行为数据化

 

   2、需要切实了解用户需要什么

 

   3、要有耐心、耐得住寂寞。

《SaaS营销特训营》系列课程下一期即将开班！

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/