在海外的AI产品已经发展到什么程度了？有哪些有效的应用，今天我们通过一个分享来看一下，AI在SaaS领域哪些地方有效？哪些还无效？
Ironclad首席执行官兼联合创始人Jason Boehmig与Andreessen Horowitz合伙人Seema Amble在SaaStr Annual上分享了他们对SaaS领域人工智能(AI)当前有进展和尚未有进展情况的观察。
随着Ironclad从2014年的AI优先概念发展成为E+轮公司，以及a16z广泛的投资组合视图，他们的见解为SaaS中AI的现状提供了宝贵的视角。
当前SaaS人工智能的发展情况
1.人工智能驱动的客户引导和客户支持
我们看到许多公司使用自己构建的AI工具或通过第三方AI SaaS供应商成功地帮助用户了解新的行为或首次使用产品。
从演示到支持、用户引导和实施，一切都可以从AI帮助中受益。事实证明，AI在以下领域协助客户引导和支持方面特别有效：
- 引导用户完成首次产品体验：在用户第一次使用产品时，提供引导和帮助，确保他们能够顺利地了解和使用产品的基本功能。
- 自动化实施：通过自动化工具或流程来减少人工干预，加快产品部署或服务实施的速度，提高效率。
- 降低专业服务成本：通过自动化和优化流程，减少对昂贵的专业服务的依赖，从而降低整体成本。
- 自动发现用户偏好：利用数据分析和机器学习技术，自动识别用户的喜好和习惯，以便提供更加个性化的服务或产品推荐。
- 有效扩大客户支持规模：随着用户数量的增加，确保客户支持服务能够高效扩展，以满足更多用户的需求，同时保持服务质量。
正如Jason从Ironclad的经历中所述："作为创始人，让我抓狂的是让客户建立账户并成功使用该平台需要付出太多的努力。人工智能可以帮助发现合同中的偏好，了解法律团队喜欢如何谈判，并在软件中自动实现这一点。
我对此感到非常兴奋，因为它可以帮助扩大产品类别，可以帮助扩大我们能够成功服务的客户数量，并降低我们的服务成本。"
实施并让客户尽快使用你的产品是许多SaaS公司面临的难题。因此，如果你可以减轻自己的负担，并获得从你的许多其他客户和客户本身那里学习过的人工智能的帮助，为什么不使用它呢？
2.基本手工工作自动化
目前，人工智能自动化的最佳应用领域在于简化以前需要大量人工参与的日常任务。成功案例包括：
转录和笔记记录（例如Zoom摘要）
电子邮件文案生成（例如MailChimp）
文献搜索与分析
表格填写和数据输入
这在垂直SaaS中尤其有影响，其中行业特定的手动流程可以实现自动化，可以在减少人力资源的同时保持质量。
3.核心模型功能保留在主分支上
企业无需从头开始构建定制的AI模型，而是通过以下方式获得成功：
使用基础模型（如GPT-4）进行微调
添加RAG（检索增强生成）功能
持续对基础模型快速改进
"我认为有趣的是，我们发现可能我没有想到的是，我们继续使用主分支，继续使用核心功能，并通过微调和RAG等其他技术对其进行补充。对我们来说，GPT-4.0加上一些微调，再加上特拉华州判例法数据集上的一些RAG比自定义模型表现得更好，"Jason分享道。"继续使用主分支有很多好处，因为你可以在交付时快速改进基础模型。"
4.利用垂直领域数据
很多公司正在成功地识别出哪些业务流程或需求（垂直概念）最适合通过自动化和AI来提升效率或效果。一旦识别出这些垂直概念，这些公司就会与AI合作，以便更好地理解和应用这些核心概念，从而实现自动化和智能化。Ironclad就是一个例子，作为SaaS公司，我们都经历过合同谈判。在红线标注流程中，如果每家公司都有自己喜欢并用作标准的特定模板，那么将这些模板合并成一个双方都能接受的最终合同可能会遇到障碍，因为将这两者结合起来形成一份商定的最终合同可能会花费大量成本和时间。
这正是人工智能可以发挥作用的地方。
它不仅可以比较两个文档或模板，还可以查找根概念并确定每个文档中概念的差异。因此，如果人工智能理解垂直领域概念，它在这个例子中可以提供所谓的概念红线，从而比较两个文档中的相同位置的内容，以更好地帮助律师更快地谈判合同。
除了这个例子之外，许多SaaS公司已经通过深入了解和实施垂直特定概念（而不是尝试构建自定义模型）获得了成功。这种方法正在带来真正的商业价值：
特定领域的准确率更高
更好地理解行业特定概念
为专门用例提供更有价值的输出
5.创始人驱动的人工智能创新
Andreessen Horowitz合伙人Seema Amble分享道，他们从创始人组合中发现，尤其是那些推出AI产品或独立产品的创始人，正在提升其创始人层面对AI人性化方面的参与度。
Seema解释道："你确实需要创始人层面的参与和推动，以推动产品发展，并将人工智能作为战略的核心，因为如今每家SaaS公司都是人工智能公司。因此，如果你想在人工智能原生产品方面脱颖而出，你同样需要创始人驱动的能量。"
这种以创始人为主导的专注型人工智能方法有助于：
推动快速创新
克服组织阻力
弥合核心产品与人工智能能力之间的差距
人工智能（AI）在软件即服务（SaaS）领域中尚未解决的问题
1.从广度到深度
从广泛、横向的人工智能应用起步的公司发现，他们需要缩小关注范围。
在a16z，Seema发现许多正在构建AI优先SaaS应用程序的公司开始缩小使用案例或市场范围，而不是更加横向拓展。一个例子是，去年涌现出大量工作流自动化工具，因为这是使用LLM为SaaS提供支持的一种非常切实可行的方式。工作流自动化可以处理从填写表格到文档提取、会议摘要、创建文本等所有事情。
a16z看到几家工作流自动化公司都是从非常横向的基础开始的，随着时间的推移，业务范围缩小到只服务特定行业。为什么？专注于特定垂直行业的人工智能集成，更全面地了解这些用户以及他们如何与产品互动，这种精细化运营策略比泛泛而谈、缺乏针对性的推广更为有效。
2.企业依赖于自助式的销售结构
尽管产品驱动增长（Product-Led Growth, PLG）的趋势正在流行，但对于AI驱动的企业级产品来说，完全依赖自助服务的销售模式正面临挑战。并不是所有的产品都适合采用PLG模式，特别是在企业级市场。
Jason解释道："如果三年前我能给自己一些建议，那就是想办法销售更多价值数百万ARR的可重复交易。这是提高效率的途径，而不是试图在PLG上精确调整单位经济效益。我认为这也会在未来的人工智能产品中发挥作用。与人类倾向于更大的交易相比，自助服务企业可能会很艰难。"
简而言之，在AI驱动的企业级产品中，自助服务销售模式可能不是最佳选择，而是需要更多的人工介入和大型交易的销售策略来提高效率和效果。
3.完全自动化角色和代理
复杂角色的完全自动化尚不可行。我们最近使用SaaStr调查数据撰写了一篇文章，报告称83%的人尚未让AI SDR发挥作用……然而……
相反，制胜的方法是人机协作：
–人工智能工具辅助训练有素的专业人员：在这个框架下，专业人员（如医生、工程师、分析师等）会使用AI工具来提高工作效率和质量。AI工具可以帮助专业人员处理大量数据，进行模式识别，或者执行重复性任务，而专业人员则可以利用他们的专业知识和经验来做出最终的决策。
–复杂操作的人工监督：对于复杂或高风险的操作，需要人类进行监督。AI可以处理许多任务，但在某些情况下，人类的直觉、判断和道德责任感是不可或缺的。因此，即使AI参与了操作，人类也需要保持对整个过程的监督，以确保结果的正确性和安全性。
–关键输出的质量控制：在任何关键的产出或决策过程中，都需要进行质量控制。这意味着人类需要检查AI的输出，确保其准确性和可靠性，必要时进行调整或修正。这样可以减少错误，提高整体工作的质量。
让我们以销售代理为例。无论你与销售中的AI代理进行过何种互动，你是愿意拥有完全AI的销售代表，还是愿意拥有受过培训并由世界上最优秀的AI销售智能协助的销售主管？撇开成本不谈，我们认为大多数公司都会选择后者。而这种人机结合将击败机器。
4.通过复杂的操作实现质量
对于更复杂的操作，目前仍需要人类参与推动操作。例如，目前在人工智能生成的图像中，仍然会出现图像中包含人类的第三只手臂或第六根手指，或完全错误的文本的情况。没有品牌经理会考虑批准人工智能生成的图像。然而，一些工具在处理这些图像质量问题方面已经有了很大的改进。
在处理一些复杂的操作序列时，特别是在那些不能容忍出现不准确或错误答案的情况下，比如法律案件或历史背景分析，人工智能（AI）目前还没有达到足够的成熟度。
5.定价和货币化
行业还没有确定一个主导的AI能力定价模式，因此这是一个正在进行实验的领域。SaaS公司仍在尝试各种定价模式，包括：
核心产品集成：将AI功能直接整合到核心产品中，并以此为基础定价。
高级升级等级：提供基础服务，并设置额外的付费升级选项，用户可以支付更多费用以获得更高级的AI功能。
附加模块：提供额外的AI功能作为可选购的模块，用户可以根据需要购买这些模块。
基于结果的定价：根据AI服务的结果或效果来定价，即用户根据AI服务带来的实际效益支付费用。
由于AI技术的独特性和其带来的价值难以量化，因此找到合适的定价策略对于SaaS公司来说是一个挑战。不同的公司可能会根据自己的业务模式、客户群体和市场定位来选择不同的定价策略。
关键要点
虽然人工智能在特定用例中发挥了真正的价值，特别是在增强人类能力和自动化日常任务方面，但许多应用仍处于早期阶段。目前，成功的关键在于具有明确用例、强大的垂直领域理解和周到的人机协作的重点应用，而不是完全自动化。
正如Jason总结的那样，"我们对人工智能的期望已经达到顶峰……要想走出低谷，我们必须找到人工智能中可重复的价值。"那些能够识别并执行这些特定价值主张，同时保持适当的人为监督的公司正在取得最显著的成果。
没有评论:
发表评论