有赞白鸦：AI 的最大意义，是让客户把产品用得更好了

面临 AI 冲击，企业软件行业会不会做着做着就没了？如何找到 AI 应用的场景？

在「DeepTalk」第三个系列话题栏目「AI 落地实战」对话中，崔牛会创始人 & CEO 崔强，与有赞创始人 & CEO 白鸦，围绕 “从想法到原型：ToB 公司如何启动第一个 AI 功能模块？” 这一主题进行了深度对话。

白鸦认为，AI 不是新玩家的机会，而是老玩家的升级机遇。AI 将推动企业软件实现从卖功能向卖结果转变，是软件行业的一个 “天大的机会”。

中国的 SaaS 从业者正面临供给出清和 AI 升级的 “双浪叠加”，破局之道是让自己赚钱和主动进行 AI 升级。

以下是经牛透社编辑整理的对话内容：（有删减）

Tips：观看对话原视频，可通过【牛透社视频号-直播回放-6月18日】获取

“老玩家” 的升级机会

崔强：我们从 2022 年聊起，那一年 ChatGPT 刚出来。2022 年，你刚好也在美国待了很长时间。

当时是什么原因，让你投入这么大的时间和精力去美国研究 AI 这件事，并且之后回国就开始自己动手干？

白鸦：主要有两个原因。

第一个原因，当时有朋友在关注 AI 投资，让我一起去看看。在看的过程中，我发现 AIGC 的发展势头很可能为软件行业带来一个巨大的升级。当时国内也找不到特别多的人聊这件事，所以就想去美国看看。

第二个原因，我一直在看有赞的国际化机会。去美国之前，我计划是在美国待三个月，再去欧洲待三个月，东南亚待一两个月，最后回国。所以，一半的任务是看 AI，一半的任务是看国际化。

到美国，正好碰上 ChatGPT 大火，我就在美国待了四个多月，把欧洲、东南亚的行程计划也取消了，迫不及待地回国开干。

崔强：当时你的最大感知是什么？有哪些焦虑或者顾虑？

白鸦：当时，关于国际化我有一个非常坚定的认知：如果我们要做国际化业务，我自己肉身在中国是不可能做好的，所以我就放弃了。

关于 AI，我感觉到以往我们卖软件，更大程度上是在卖功能，AI 来了之后，我们卖的不是一个软件功能，而是直接向用户交付结果。这对于软件行业是一个 “天大的机会”，所以我就立刻回国。

当然，我们在做这件事时，也问过自己几个问题：

第一个问题，这究竟是谁的机会？是传统 SaaS 的机会，还是新企服公司的机会？

后来，我们认为这不是新玩家的机会，而是老玩家升级的机会。AI 和移动互联网浪潮不一样，移动互联网来了之后，中国网民从 3 亿增加到 10 亿，每天多了几小时的使用时长，这带来了一个增量市场，也带来了很多新玩家的机会。

但 AI 并没有给企业服务行业带来很多的增量用户，所以，它不是新玩家的机会，而是老玩家的升级机会。

有意思的是，中国的 SaaS 从业者们现在又面临着 “双浪叠加”：一个是供给出清，一个是 AI 升级。所以，从国外回来之后，我同时要干两件事：一是让自己赚钱，等待供给出清；二是 AI 升级。这是我们对第一个问题的思考。

第二个问题， AI 到底应用在哪？

当时我画了一条线：越往后端的应用场景会越 “软件化”，越往前端的应用场景会越 “AI化”。

后端场景如仓库、供应链管理等，作业流程相对稳定，企业组织短期也不会有很大变化，仍用数字化软件管理就可以了。所以，越后端的就越软件。前端场景如广告投放、内容营销、消费者运营、在线销售，这些场景会越来越 AI 化。

第三个问题，会不会做着做着行业就没了？

我们的答案是不会。AI 是越垂直就越强大，越通用就越普通。所以，我们深耕垂直领域就可以了。

软件，从本质上看，就是在结构化数据上套一层图形界面的 “壳”，中间把壳和数据库 “粘” 在一起的是 API。目前，AI 更多的是把图形界面迭代成一个更友好的、更新的人机交互方式。

当然，这样说可能不够精确，但大体如此。无论是做 AI，还是做软件，都需要先完成对客户作业流程的抽象，才会有合理的数据库，这两者是必不可少的。

所以，未来即便 SaaS 和软件行业没了，企业服务行业仍会存在，我做的事情依然是理解和抽象客户的业务逻辑，建立数据库，但不同的是要为客户交付结果。

崔强：AI 落地到产品功能和应用场景，要做的第一步是什么？

白鸦：一开始并不知道能做什么，但又必须做，所以我们就试着去做。

第一步，是先搞定自己的心态。前半年我们最主要的动作是在组织上，重要的战略要组织先行。

我做的第一件事，是在公司的二楼办公区做了一个 AI 部门，搞了一个透明办公区，让公司所有人都能看得见。如果我要做一个 AI 项目，就会拉上产品经理、技术团队组成一个项目组在这个办公区干活，现在这个 AI 部门叫 AI 使能部。

后来，我们又做黑客马拉松，智能打卡、快捷任务这些 AI 功能都是从黑客马拉松出来的。我也参与了一些 AI 的早期基金。

AI 落地场景

崔强：黑客马拉松中第一个落地项目是什么？

白鸦：我们的产品，主要经过了两轮大的迭代。

第一轮是利用生成和对话能力，做出了生成营销文案、智能助手、自动任务。现在我们在自有模型基础上，做了一些开箱即用的智能体产品。

我们的智能体产品主要分为托管类（代运营）、营销类（如营销活动策划）、自动任务三大类。

崔强：你们在选择这些产品时，如何判断它是必做的，或者是要放弃的？

白鸦：首先是在理解这一轮 AI 能力的基础上，判断它能为企业服务行业带来什么变化。

这轮 AI 在某种程度上，是脑力劳动的工业革命。我们要去理解脑力劳动背后的工作流程，抽象出它的业务逻辑和业务流，结合新的 AI 技术设计新的工作流。

我们设计 AI 产品的大逻辑，是要准确理解客户业务的作业流程，抽象背后的业务流和业务逻辑，并从中找到两个点：哪些地方我们可以创造 10 倍价值？哪些地方我们拥有独特的数据？

我们的基本做法是找到具备这两点的场景。

目前，我们看到的应用场景主要分为三类：一是可以外包或者托管的场景，比如客服和销售等外包场景，或者小红书账号运营和微信小店等托管场景；二是通过人海战术就能做好的事，这里面通常可能出现 10 倍价值的场景；三是我们拥有大量最佳实践和数据，可以为商家提供正确的改善和运营建议的场景。

以上三类场景，基本上可以理解为两件事：外包公司干的事情，和咨询公司干的事情。

崔强：刚才你提到 AI 是老玩家升级的机会。你觉得最佳实践是最重要的一个方面吗？

白鸦：我认为最佳实践并不是最重要的。很多最佳实践，如果不能提炼成数据，也是没用的。

能否做好 AI，取决于两个重要因素：行业垂直数据加上行业 “老法师”，二者结合才能打造出一个成功的 AI 产品。

崔强：做一个智能体的成本和门槛不高，你怎么看许多小智能体公司参与市场竞争的这种现象？

白鸦：我有两个原则：第一，不去看那些拼命卷价格，甚至卷免费的所谓竞争对手；第二，做好自己真正擅长的行业和领域，而不是随意扩大。

崔强：刚才你谈到可训练的数据最重要。对于你们公司内部的 AI 团队，你们真实的业务数据也是完全对他们开放的吗？

白鸦：除了必须保密的东西之外，我们其它数据都是向所有人开放的。如果为了防止竞争对手拿到我们的一些业务知识和行业数据，就要付出公司内部信息和协作不通畅的代价，只会让损失更大。

战略就应该打明牌，要保持开放。

崔强：原来的 AI 部门改成了 AI 使能部，它的定位是什么？

白鸦：主要做三件事：一是做有赞自用的 AI 产品；二是做面向有赞商家的基础大模型；三是教其它部门如何做 AI。

概括来说就是让有赞把 AI 用起来，做有赞的基础模型，以及指导、参与和支持其他部门的 AI 项目。

崔强：成立 AI 部门对于 AI 落地的实际意义有多大？

白鸦：更大的意义，是解决了如何让商家更好地用好有赞这件事。同样是有赞的产品，有的商家可以用得很好，有的商家却始终用不起来，主要原因在于后者缺乏懂得如何做好这件事的人。

过去我们是卖功能，客户如果不会使用我们的功能，就拿不到结果。AI 来了之后，我们可以直接向客户交付结果了。

所以，AI 对于有赞的最大意义，在于让商家可以把有赞用得更好了。

商业化挑战

崔强：现在你们的 AI 产品是以订阅模式收费，还是以 订阅+RaaS（按结果付费）的模式来收费？

白鸦：今天还没有到成熟商业模式的阶段，未来大概率是按照工作量和结果来收费。但我们今天还没走到这个阶段，还是把这些能力加到我们不同的产品版本里。

改变销售方式和商业模式，应该是在产品和市场真正匹配之后再升级，即先要创造价值，再去获取价值。

崔强：现在你们AI 产品的商业化大概是一个什么样子？能评估出来 AI 带来的收入量级吗？

白鸦：准确来说，我们是在今年四、五月份才开始做 AI 商业化的。我觉得大概率要到明年，AI 才能真正带来收入上的变化，预计会为我们带来大约二三亿的收入。

崔强：ToB 企业在做 AI 产品时，如何做好 MVP（最小可行化产品）。在这个过程中你有哪些建议？

白鸦：我做产品时不怎么看 MVP，主要还是看 PMF（产品市场匹配度），还是要先想清楚几个问题：

第一，市场价值是否真正存在？这件事情非常重要，很多时候价值都是我们自己假设的。所以，如果要直接交付结果，就要清楚这个结果对于客户来说是不是真的重要？

第二，今天做 AI 产品，通常需要经历一个 TPF（产品技术匹配）的过程。因为今天的模型在很多地方都能做到 80 分，但在有些地方可能出现 “负分”，这样向客户交付结果就会出现问题，所以必须有一个技术验证的过程。

崔强：通用大模型也可以做很多事情，未来 SaaS 厂商必须要自研垂直大模型吗？

白鸦：过去十几年，我们有一个特别好的习惯：积累了大量的数据和行业最佳实践。

每个客户都有档案卡，我们会定期复盘和总结知识、经验，我们还有分行业的 CSGB（客户成功指导手册），以及质检和运营方面的专家，具有数据集、测试集、用户场景等基础积累。做垂直模型所需要的数据量，并没有大家所想象得那么大，这件事现在是可行的。

所以，我们明确地要做到 “业模一体”。一定要把业务揉进模型里，才能确保有确定性的交付结果。

当然，“业模一体” 一定要考虑成本问题。这里还是要感谢开源精神，DeepSeek 一开源，也帮助我们真正实现了 “业模一体”，大大降低了成本问题。我们花了更多精力在模型训练上，持续调优强化学习的奖励参数。

实际上，现在 AI 投入的成本，与以往的技术投入相比其实并不算大，而且我们也要相信摩尔定律：未来卡和算力的成本，一定还会不断下降。

崔强：成立新的 AI 部门之后，整个组织的协作方式有什么改变吗？

白鸦：这是一个很令人头疼的问题：一个十多年的公司，要干一件新事情，整个公司要怎么升级？不同的公司有不同的做法。

这个问题，我们也想了很久，最后的结论是：战略型的跨部门协作，最好的解决方案就是不用协作。

重要的战略级动作，如果一号位能够带头做，就不存在协作不协作的问题了，这是我们的第一个动作。

第二个动作，是让资源向干 AI 的人倾斜。比如不干 AI 的人，是不可能获得升职机会和奖金的，这些资源都会给到那些干 AI 的人。

崔强：刚才你说黑客马拉松出了很多好的创意，并且都商业化了。对于这些商业化的产品，你们除了发奖金，还会有一些额外激励吗？

白鸦：直接给钱就好了。举个例子，我们公司内部论坛设了一个 “AI 先锋赛” 的专区，每月都会让大家提报 AI 实用案例，比如用 AI 解决了用户什么需求。

上个月公司内部提报了 23 个案例，选出来了 11 个体验好、可以规模化的案例，并为相关人员发放奖金。还有黑客马拉松，更多是为大家创造一个能够将热情和想法发挥出来，并且可以落实到日常业务项目中的平台。

这些是我们在组织上所做的事。

崔强：在商业化过程中，有没有遇到一些问题或挑战？

白鸦：最大的挑战可能是销售讲不清楚。DeepSeek 之后，整个国人对 AI 都有自己的认知，销售反而不知道怎么卖自己的 AI 产品了，这是我们接下来需要重点解决的问题。

我认为大概可以分为四步来解决：第一步，要让产品做到知道如何卖，这件事我们已经在做了；第二步，要让客户成功在续费和服务过程中知道如何卖；第三步，是让直销知道如何卖；第四步，是让渠道知道如何卖，整体上应该是这样的节奏。

崔强：SaaS 企业在 AI 投入上，如何把握好节奏，你会给大家哪些建议？

白鸦：ToB 行业不是做研发型的技术创新，而是做应用型的技术创新。最重要的基本功是理解客户，找到客户真正的需求点和价值点，然后再利用成熟的技术去做应用创新。

所以，我觉得更应当收敛，而不是直接冲进去 All in，这也是最危险的一种做法。