Redian新闻
>
AI+数字化,想象力的极限在何方?

AI+数字化,想象力的极限在何方?

公众号新闻

在Saas领域,AI应用存在着很多同质化的东西。而这些东西,其实就是AI落地的先天性不足:科学素养的缺乏、创新思维的不足和解决问题能力的薄弱。这种情况下,我们应该如何破局?


———— / BEGIN / ———

每一次GPT的能力革新,总会让人惊呼。

本周GPT升级到4o版本,重磅更新了各种能力,输入输出的格式增多,文本、音频、图像都能搞定,能理解画面和声音,甚至能读懂人类面部语言,响应速度和性能也有了很大的提升。

学姐也在第一时间体验了它的文本能力,和4.0相比,无需长串的提示词,就能基于猜想给出合理的内容。输出的内容能有效衔接上下文,逻辑严密。

第一个感受是:模型创业者又要望GPT兴叹了。

这也是这两年AI创业的难点,原本卡在技术上的难题,自己啃着三五个月,进度条才走到10%,底层能力一更新,原有的问题瞬间消失,真是得唱一句:时间都去哪儿了?

当下底层技术确实在一路狂飙,每次出现都带来全新的面貌,但是我们的应用层已经无限趋同了。

企业服务领域,无论是SaaS,还是协同办公平台,各自都花了一年时间去探索AI应用,最终却交出了类似的答卷。

人手配备一个智能小助理,可以用来辅助工作输出答案,有文档功能的一定会应用智能扩写、总结,有聊天窗口的一定会加入上下文总结,视频会议的记录和总结也成了标配。

面对越来越趋同的数字化应用场景,让我们抛下这个问题:面对AI的快速发展,人类的想象力是不是黔驴技穷了?

01

先说个结论:把AI应用到企业数字化上,本身就是一个天大的难题。且,这个难题不会随着技术思维的提升而降低。

SaaS和协同平台本身就是科技企业,拥有强大的技术能力,但是他们也难,为了找一个契合AI的场景也要绞尽脑汁,也要精心计算企业会不会买单。

企业内部自研就更难了,原本技术能力就弱于外部服务商,大量的技术人才又困在业务和技术的匹配中不得解脱。一边在现实业务发展和复杂的利益关系中左支右绌,一边要考虑跟上AI的技术发展,赋能业务。懂业务的人不懂技术,懂技术的人又不懂业务,或者说不能越俎代庖地去为业务负责。

以上,是AI+数字化难题的表象,但归根结底,我认为背后还有3个全民性的问题,阻碍AI应用落地。

02

一则是缺乏基本的科学素养

对于技术有畏难心理,或者反向妖魔化技术畏难是说害怕自己搞不好数字化,弄不懂AI,项目会失败,自己也会承担责任。

本质上是因为了解得不够深入,勇气这件事情,不是来源于自信,而是信息充分下的合理预期。所以只有深入地了解,才能真的解决企业对AI和数字化的深度认识。再说妖魔化。

妖魔化的浅层,是指直接对着新技术说no,凡是不会的不懂的新出现的都是不合理的,思路会被骇人听闻但毫无逻辑的谣言牵着走——鸡会长出9个头,吃什么都会致癌。

换到企业数字化的场景上,也就是使用者会抵触所有的技术,任何形态的技术、机器、系统、APP,都是乱七八糟的“玩意儿”,“不知道有啥用”。

妖魔化的深层,是骗子太多;特别是在新技术出现以后,一大堆人就忙不迭地来割韭菜了。

特别是现在有了短视频这样极大的流量工具,只需要做好煽动情绪的预案,再叠加一套缓解焦虑的产品,大量的人看到标题就冲动下单了。买完后从不去看,下一次想起来自己买了这个产品是因为卖家翻了车。

这样的生态,导致我们对于新技术有一窝蜂的焦虑和好奇,又通过购买低质的科普产品快速消灭热情。

于是乎,大众表情越来越麻木,越来越顺其自然。和多少年前的高速公路收费员也没有什么两样,明知会被颠覆,却没有早早储备新的出路。

03

二则是没有创新思维

我们的教育里,天然就缺乏创新的培养。我们有过恢弘的历史,最雄伟的建筑,最厉害的四大发明,是唯一传承至今的文明古国,我们不应该缺乏对先进事物的想象,也正由于创新和适应能力让我们的文化得以延续。但是在企服行业,创新成为了不值一提的事情。

创业者方面,同质化严重,像素级抄袭在这个行业里屡见不鲜。

在竞争激烈的赛道上,有一度大家都不敢去开发新的功能,上什么能力友商都很快跟进,抄袭的速度比客户正式使用的速度还快,这是何等讽刺的地狱笑话。

何况SaaS厂商有个更尴尬的难题:创新的成本太高。特别是产品后期的新能力,只能满足极小部分特定的用户,却要及大代价去开发,当创新和生意是否划算放在天平的两端,活的兢兢业业SaaS厂商自然也不敢往创新那一端去添加砝码。

客户方面,因为没有创新思维,导致亦步亦趋的学习同行,同行买了什么产品,怎么做数字化也跟着来一套。

客户总觉得:自己思考自己想方法多难,枪打出头鸟,照着抄错了也是大家一起错。中庸做事的观点,特别是在大型企业中,体现得淋漓尽致。

从数据来说,从软件时代到SaaS时代,距今那么多年,卖得好的还是ERP、CRM、HCM这些软件时代的老工具,创业者没有更广阔的想象,束手束脚追求确定性,客户也没有革新自己的认识,只有一起相伴走老路。

04

三则是和问题硬碰硬的能力

如何发现问题,如何从多个问题中选择当前最重要的问题,如何拆解问题逐步解决问题,都是我们不擅长的。反之,我们很擅长一种很圆融的智慧,用巧劲来避开问题,或者软化问题。

也就是说,我们缺少用技术去解决问题的硬碰硬的思维。

大家都知道,信息技术的底层,是0,1组成的二进制语言,是一门逻辑语言。技术擅长解决的问题,是清晰简单的,是有非黑即白的确定性答案的。

所以使用技术的前提,是当前做法是标准化流程化,显现的问题也是清晰可描述,能细化到“A审批流的第一个环节总是卡壳3天”这种问题,技术自然可以挺身而出,提升效率。

技术并不万能,它能把低效变成高效,但很难把混乱变成有序。就像如果一场会议组织混乱结论不清,AI再如何聪明,最后给出的会议纪要也只能云遮雾绕。

说到这里,就不得不提华为何以会成功落地数字化——因为这个企业真的很擅长打硬仗。文化硬,流程硬,作风硬,想好了就落实成总纲,总纲细化成方法论,有了方法论就坚决执行。

仅仅5年,用1年落成愿景,4年完成行动,全公司17万员工,共同完成了销售收入翻番但人员未显著增长的壮举;同时建设了合作伙伴的数字化和消费者门店的数字化,协同提效至秒级,塑造消费者服务全流程线上化。

所以说,要有这样和问题硬碰硬的能力,正视问题,把问题逐条梳理清楚,让机器明白到底从哪个方向辅助,AI才有用武之地。

所以我一直认为,企业没有做到业务的数字化,没有产生业务数据,去谈AI就仿若空中楼阁,不理智也不现实。

05

以上花了不少篇幅,立足于中国企业数字化的土壤,来谈AI落地的先天不足。光戳痛点不给结论,从来不是学姐的风格,所以这里给出2个线索,诸位可以结合自身业务,逐一梳理,或许有机会找到AI落地的最佳点位。

1. 用AI建模解决策略

问题企业内部,往往有一类角色高度依赖于专业知识和经验,但是其经验很难口述和传递,也就导致企业高度依赖这类角色。

我们把这类角色的专业知识和经验还有说不清道不明的感觉都称作【策略】,试着让AI来学习,看看会发生什么。

举个物流行业中例子,这个行业里有一个核心角色,叫做调度,他会负责订单和车辆的匹配。

众所周知,物流是一个利润率极低的企业,调度角色做的好不好,就直接会影响利润率,所以好的调度工资是不低的。

之前这个岗位的策略,需要调度自己去摸索,甚至有的时候要凭借直觉的预测。

最近几年随着行业数字化,有了智能调度功能,虽然没有完全替代调度,但是通过学习调度的分配方式,慢慢把调度无法描述的经验抽象成了一套模型,并能辅助调度做常规性的调度安排所以,AI应用的第一条路,就是基于数据建模技术摸索出一套策略,来支撑对不确定性业务的决策,提升决策的胜率。

2. 用AI解决客户服务的问题

在数字技术诞生以来,特别是互联网诞生后,诞生了非常多新的模式,本质上都是源于对个体提供了更好更优秀的服务,服务的背后是以各种模式将信息光速串联起来。

AI在此基础上,不仅能连接信息,还能理解信息、生成信息,还能一步步引导,帮助人解决问题。

4o的场景里,AI能看到屏幕上的数学题,一步步教导学生,循循善诱的帮助学生解开答案;还可以用语音和人类沟通,比如教美国人学习中文。

这些场景,都证明了AI帮助人解决问题的能力提升,人机之间的交互体验也越来越接近人和人之间的真实触感。那对于企服企业,有太多客户服务的工作了。就像SaaS厂商,服务场景多,成本高呀。

有SaaS公司的老板告诉学姐,有的时候,一个大客户上项目,甚至要部署1年的时间,面对全国那么多的客户,还要建立多个服务中心随时支持,模式极重。那能不能通过AI去解决这个问题,AI去教导用户呢?值得思考。

另外,个人认为阻碍低代码发展的重要原因,就是客户认知门槛太高,而便宜的价格注定了不可能去做个性化服务和实施,那AI现在来了,能不能看到一点机会,也值得探索。我们看到上一代互联网,客户服务做的最好的是电商,基于此,诞生了全球几十万亿的市场。

那这一代,客户服务明显又可以提升几个档次,受益者的名字还未写下,思考和探索也应该步履不停。回顾本文,我们聊了中国市场应用AI的3个本质原因,接下来也给出了2个应用AI的思考方向。

最后,学姐要强调的是:应用AI的基础还是数字化。我们把应用AI当作抚养小孩,小孩是个天分极高的天才,但你需要用数据喂养。

说回这几个概念的关系,学姐用一句话总结。企业数字化的核心在业务数字化,业务数字化的核心在于要素、流程和规则的标准化,而AI的核心就是以上所有标准化后的数据。

———— / E N D / ————

作者:Saas学姐,人人都是产品经理专栏作家

来源微信公众号:SaaS学姐

品牌推广| 内容撰写|广告投放|培训合作

请在公众号后台回复  作 

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
别不懂行!这才是盖饭的极限吃法,犯懒的时候就做它企业数字化,要如何看待SaaS?开眼了!北美巨星Drake出售$8800万豪宅!贫穷限制了想象力!母婴品牌的出路在何方?美股基本面 - 2024_03_22 * 晨报 * 美银:美联储会议前夕美股遭遇大规模资金外流。英镑兑美元跌至一个月低点 围绕辜朝明×陆挺:2024年,全球经济走向何方?不平等将永远存在,我们仍要利用想象力并享受行动主义 | 一周荐书国潮风云|百年老店四度换帅,国货美妆巨头路在何方?去过天津,才知道松弛感的极限在哪AI Talk | 追一科技吴悦:大模型浪潮下,AI员工路在何方智能纤毛粘附设计新范式:超越壁虎仿生设计的极限 | NSR微短剧产业路在何方?从产业政策看未来微短剧生态科研前沿揭秘:碱基不平衡文库,简直是基因测序的极限挑战!终于周五啦。。。。。。梦碎IPO,老板们路在何方?趋势观察|辜朝明:2024年,全球经济走向何方?《路口》巴郞肖氏反射弧手术的过程中国信通院铸基计划与极客邦科技携手打造“铸基计划数字化人才培养专项”,铸就数字化人才发展基石 | Q推荐美国走向何方?特朗普和拜登对十个最重大问题的截然不同立场一场航母大秀,七匹狼打开国牌焕新想象力缓存与效果的极限拉扯:从MHA、MQA、GQA到MLA越南将走向何方?今日arXiv最热NLP大模型论文:微软发布可视思维链VoT,提高大模型空间想象力未完成数字化,不要奢谈智能化|观察家关于数字化,我们是时候刷新认知了Vidu直逼Sora,生数科技:还说“中国sora”就太没想象力了【内附Vidu逐帧拆解】弗吉尼亚州科技公司招工仅限在美出生白人被重罚昨天的跟练最佩服佛口哥的想象力,何其宏伟!UCIe,将Chiplet带向何方?零售企业的数字化,怎么越做越迷茫了?伊朗总统坠亡,伊朗政局会走向何方?想象力在实现目标中的力量 | 今日心理学攀登珠峰成为当下的极限运动 | 经济学人文化
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。