MCtalk · CEO对话 x 有赞丨SaaS+AI，工具如何真正驱动业务增长

阮良：这两年我们看到大家对 SaaS 行业的看法呈现出了两极分化的态势，有充满希望的积极声音，也有行业寒冬的悲观论调。

有人认为，SaaS 行业正在经历一段寒冬期。数据显示，2023 年 SaaS 市场整体的投融资交易数量呈现出下降趋势，报道的融资事件减少了 58%，融资金额减少了 37%，平均每笔交易金额减少了 33%。

数据反映出的是市场对于 SaaS 领域投资的谨慎态度，以及可能存在的市场泡沫消退的现象。去年上半年，一篇《中国市场不需要 SaaS》的文章广泛传播，加深了行业从业者们的悲观情绪。

但是也有观点认为，细拆融资轮次和结构，天使轮、战略投资和 A 轮融资出现的频次在变高，表明市场对早期阶段的 SaaS 项目依然有浓厚的兴趣和信心。

另外，随着企业数字化转型进程的不断深入，越来越多企业开始寻求 SaaS 化解决方案，以提高效率和降低成本，这些 SaaS 方案广泛出现在了零售、直播、电商、营销、财税、人力资源等场景，多元化的应用场景表明 SaaS 在垂直领域的渗透提升，价值获得了越来越多认可。

有赞在国内 SaaS 行业耕耘了多年，所以也想听听白鸦总是怎么看待这些论调的，从你的经验和体感来看如何？

白鸦：其实我并没有觉得过去两年是寒冬。我去观察美国市场，会发现过去两年从业务角度看恰恰不是寒冬。

从一个经济低谷慢慢缓过来的时候，企业会意识到，我们不仅要发展和增长，还要管理好现金流和支出预算，于是很多企业降低了自研的、定制化的比例，更多地开始采购符合自身需求的、按年付费的 SaaS 软件。另外，阮良刚刚提到的一点，人们在国内互联网上的消费越来越多，疫情也进一步培养了人们线上生活的习惯。

当很多工作线上化之后，企业采购 SaaS 软件进行沟通管理、线上做生意等需求就产生了。所以从中国企业数字化的需求来看，过去两年 SaaS 的机会是在增加的。

只是从资本角度来说，可能确实经历了一些降温，但这个降温也是和前几年资本过热相对比而言的。过去资本投资 ToB 很热的时候，大家完全不管商业纪律。所谓的商业纪律，我认为是要看投入回报，看商业化场景，业务能健康发展；而前几年的现象是，资本很充沛，投资人能一直为企业输血，企业自身不具备造血能力，收入增长带来的也是亏损的增长。

阮良：不得不提的另一个话题是 AI，特别是去年大模型这么流行之后，很多企业都把 AI 融入到了产品层面或公司运营层面。

在网易数智，有一块业务叫做七鱼智能客服，传统的智能客服通过 NLP、ASR 等 AI 技术为基础，帮助商家提升客服效率，优化客户体验。大模型横空出世后，我们将大模型用在了很多原本 AI 做得不够深的地方。

举例来说，好的客服团队会以日为单位，将所有的接待记录整理成一份总结报告提交至客服系统中，用于日后客服工作的精细化管理。

这项工作对客服人员来说其实非常繁重，现在有了 AI 接入客服软件后，它能自动将一天会话总结摘要提交。这只是很小的一方面。

另一方面，我们在为品牌商家搭建智能客服知识库时，在冷启动阶段，原本我们需要派 AI 训练师将相似问答的知识库建立起来，这项工作非常耗费精力。现在有了大模型之后，冷启动知识库的搭建变快，这些相似问题答案建立的时间大幅缩短，还能扩展出更多的相似问题，能更有效的提升客户提问的解决率。

这对中小规模商家来说感知没有那么明显，但对大型商超来说效果立竿见影，因为大商超产品类别很多，所对应的智能客服要掌握的知识也更多，解答问题的速度越快，商家的成本就越低。甚至 AI 能够兼顾客户提问的情绪，提供比人更好的回答语气。

更重要的是，AI 能将 CEO 和消费者连接起来。基于上述的工作，我们通过 AI 衍生出来一项新的服务，叫做客户之声。我们会发现，当组织规模越来越大，客户数越来越多，就会不自觉地离客户越来越远，传递客户声音的链路就变得很长。

虽然我们销售团队一直在定期做项目复盘，但是做得并不好，一方面，销售本身任务重，工作繁忙，难以兼顾；另一方面，每个销售个体看到的都是单点客户，复盘可能会存在片面的情况。

好的一点是，我们的销售行为、服务行为都是在线上的，客户联络和流转都是数据化的。因此，我们利用 AI 和所有系统数据去提炼全盘信息：最近客户在关心什么？哪些功能被咨询的最多？客户喜欢我们什么？不喜欢我们输单是因为什么？基于这些最真实的、来自客户的声音指导和反哺于产品服务进化，把产品做的更好。

而且用 AI 做这些事，时间周期可以间隔得更短，我们能更实时动态的了解客户，真正将我们的管理层与客户产生连接，而不只是获取被层层总结过的信息，或是通过员工的层层汇报和转述才能听到。

最终将这部分实践经验商业化，提供给我们的品牌客户，让他们也能通过 AI 去听到消费者的声音。这时的 AI 就不只是个生产工具，而是有价值的生产资料了。

白鸦：回到大模型的价值，我认为当下主要体现在两个方面：无限的创意供给、替代标准化的重复性劳动。

无限的创意供给是指，当我对某些事情产生了一些想法，并想基于这些想法落地一些具体的创意时，大模型可以提供更多的创意供给。我能够选择好的创意方向，并要求 AI 继续朝这个方向去优化创意，最终慢慢打磨成产品。典型的诸如独具一格的营销文案、非常有冲击力的营销海报等等。

在一定的方法论和确定性的标准下，AI 可以替代人工完成标准化的重复性劳动。就比如阮良刚刚提到的客服场景，在过去，我们有了一套几万组问答的知识库之后，为什么还要人工来回复客户呢？因为用户的语气不同、语言组合方式不同，需要人脑将答案换一种方式表达出来，在这一方面，大模型完全可以做得非常好。

再比如 UI 设计，当一套产品的 UI 风格确定了之后，每一个界面设计都是在那个风格标准下的重复劳动。以及测试或者开发的过程，将 AI 融入原来的业务逻辑和算法中，它就可以输出确定的结果。

阮良：而且往往这些重复性的劳动还非常耗费时间。有人可能担心，通过 AI 替换这部分重复工作，会直接把岗位消灭掉。但其实不是，我们可以把人力把资源释放出来，做更有价值的事情。

想起前段时间，我们销售同事为客户汇报项目阶段性进展，项目数据都是系统中现成的，去摘录下来并汇总成 PPT 格式就是比较重复繁杂的工作，他就自己做了一个小工具去拉取现成数据，按相对固定的方式自动形成 PPT，然后才以人工介入优化，减少了非常多的时间。

白鸦：正确使用 AIGC 工具，借助这些 AI 工具系统性思考，让人去做更多创造性的工作。我有一个建议思路，大概分成了四步走：点燃自己、系统性地整理信息、验证想法的有效性、形成可实现的计划。

• 点燃自己：这是前提条件。不断感受自己内心，对这个想法是不是真的有热情，在遇到困难时是否有解决和应对的勇气。唯有热爱、愿景，才能唤起源源不断的能量和动力。

• 系统性地整理信息：梳理自己的思考和相关信息，整理的过程不要先去找工具，重在思考这些信息之间的内在关联，通过一定逻辑把信息串联起来，这个思考过程很重要，是认知的成长。随后再考虑借用 AIGC 工具，GPT 背后是一个极其庞大的数据库和一套简洁的算法，用好提示词可以把数据范围收缩到你想要的大小，提供更准确的答案。

• 验证想法的有效性：有了思考框架之后，很多东西依然是假设的，需要通过更详尽的资料数据或亲身调研等等，将没有把握的猜测假设一一验证。

• 形成可实现的计划：将验证后的信息整理成完整的计划和方案，计划必须是可实现可落地的，并确定计划中决定成败的关键环节，可能这些关键环节中依然有假设，但一定要让大多数环节有把握，减少不确定的关键环节数量。

不过工具只能是工具，可以作为启发，但无法替代你直接交付结果，创造性的工作还是需要人去完成。

阮良：刚刚聊到了很多 AI 的价值、在客户服务交付方面的提效，其实在组织内部应该也产生了一些影响，包括组织变革、人才需求等方面。

以网易为例，我们一开始提出要积极拥抱 AI，部分同事一开始会有些抗拒，认为 AI 是来替换我的工作了，即使不完全替换掉也会让我的价值变低。网易最大的群体是工程师，我们从工程师切入进行了软硬兼施的尝试。

软的一方面是，邀请一些主动开放、对 AI 态度更积极的工程师加入 AI 相关项目组，从项目实践和氛围中感受 AI 的价值，大家会发现相比于之前埋头敲代码带来非常大的效率提升，增加了对 AI 的认同。

硬性的一方面，我们内部会定期进行 AI 技术和课程培训，并要求所有工程师参与考试，及时补足技术上的短板。总的来说，AI 时代组织对人才的要求产生了很大变化。

白鸦：大的感受是一致的，一是员工已经习惯了原有的思考和工作模式，不愿意走出舒适区，二是拥抱变化还可能会对自己的既得利益产生影响，因此抗拒变化。

哈佛大学的社会工程学上有一条“3.5% 定律”，一项社会运动要发起成功，只需要 3.5% 的人真诚参与其中就可以。因此对于拥抱 AI 这件事，不需要组织内很多人进来，只需要 3.5% 的人真心去做就可以了。

太多人参与进来，阻力会变大，因为组织内会有 1/3 的人不愿意革新，1/3 的人害怕被 AI 颠覆丢掉工作，企业内部做 AI 创新可以采取临时和灵活的组织形态。