脱碳入硅，美国SaaS企业的智能化进程

AI技术的发展，似乎为SaaS企业带来了新的方向。笔者观察美国SaaS企业进程，总结经验，希望对中国相关企业带来一些参考。

编者按

人是一种由规则组成的碳基生命，进食之于存续，犹如生病之于凋零。而企业组织是一种由规则组成的群体，在人类进化的长河中，将人所被制定的规则转嫁到了组织之上，直到现在，企业成为了新的群体性生命。

直觉是发自内心的，而理性则是反人性的。企业的管理如同人的生存之道，这是一个由直觉慢慢总结为经验，再由经验出发提炼出规则的过程。就像对于猎食动物的恐惧深植在草原部落上原始祖先的海马体中，同样的，对于企业组织的未雨绸缪也是企业领导记忆深处的商业案例的反射。

所以，靠直觉和经验管理企业，是企业大脑中最直接的反射。一套可被参照且自动执行的智能化流程，是每一个企业最终极的理想。

从最早由经验管理公司，再到S.O.P.的出现，借由网络把S.O.P搬上云端变为SaaS，最后，其实还是期望能进化成可被AI执行的流程。但是，对于经验的迷信，对于证据的直觉依赖，是存于人类碳基结构的基因之中的。

基于硅体的人工智能不是要复制人的智能，而只是要适应经验的短板。本文作者纵览发迹于美国硅谷与其他北美地区的SaaS企业，希望能较为全面地展示一套企业组织如何利用A.I.进入到智能化的进程中，勾画一个脱碳入硅的蓝图，为中国SaaS企业提供方法论的参考。

一、作者序

横轴表示为公司规模（以员工数量单位）；纵轴表示为SaaS产品的使用量

众所周知，美国的企业们拥有世界上相对来说最深厚的技术储备。随着各个体量的大小公司纷纷采购SaaS产品，服务于企业端的软件数量激增，也因此造就了一条成熟的软件供给与采购的链条。

以销售科技类公司Chiefmartec为例，在2011年公司旗下拥有150名销售人员，覆盖了广告、内容管理、客户关系管理、销售、数据分析与公司运营管理等领域。这一数字在2017年达到了5000名，在如今的2019年更是达到了7040名。

2011年度的销售科技板块：共有150家供货商

2017年度的销售科技板块：共有5000家供货商，到了2019年，数字为7040家供应商

现如今的美国SaaS市场以趋近于饱和，且已经出现了许多平台级的解决方案。

为了用来区分这些产品，我们将传统的SaaS公司归纳为四个不同属性的战略：

1. 用户精准型区别于传统通用的解决方案，比如Salesforce所提供的，用户精准型的企业擅于在一个绝对垂直领域为其客户细分提供适配且精准的服务，在一定程度上放弃了广阔的市场来达成市场与产品的高度匹配，即「Product-Market-Fit」。
2. 市场细分型与前者不同的是，市场细分型的企业是从一个市场大小的绝对值来看的，这类企业专注在一个体量比较有限的市场细分下，比如专门服务中小型企业，即「Small and Medium-sized Businesses, SMBs」。
3. 产品精耕型产品精耕型企业的产品通常强调极大限度地优化产品，可能仅以20%的产品功能便获得了80%的回报，以一个极简化的姿态来参与市场竞争。
4. 双边优化型双边指的是客户端与企业端，双边优化型的企业擅于在产品战略上让企业端与客户端同时产出价值，让客户成为产品自传播的渠道，从而提升企业价值。

但是，在过去几年中，我们开始看到一种更为独特的企业战略，并且因此孕育了一大批新兴企业。尽管在这些企业中，他们拥有不同的行业区分和业务区分，但是他们都拥有一个共同的「人工智能先行的战略」，即「AI-First Strategy」。

AI为传统SaaS赋能的过程，可以被看作是一场范式的跃迁。因为AI赋能之后的软件行业，将呈现出一些从未有过的业务形态、一种千人千面的使用体验、一个未曾想过的商业潜能。但这也不是说所有的商业模型都适合被AI智能化，企业需要考虑的是从传统架构迁移到智能化平台后所带来的投资回报，一味地追求数字化与智能化，并不会简单地提升所有业务的价值。

因此，本文的核心诉求是给予读者一个价值判断的框架，去理解这个时代变迁后的商业新格局，从新的纬度来看目前格局的企业划分，以及思考一下人工智能为行业和企业带来的结果。

在接下来的章节中，将要为读者展示三种独特的AI结合SaaS战略，正式他们让这些新兴企业与传统SaaS服务提供商区别开来，以及五个来自不同公司的AI应用。另外，在最后一个章节中，将要讨论为什么SaaS企业的AI赋能却不能带来一个赢者通吃的终局。

值得一提的是，企业AI智能化产业的先驱之一李开复博士是极为看好AI赋能的未来，但是在这里本文根据三个纬度的数据分析，来一一驳斥其中玄机。

二、三种独特的AI+SaaS结合战略

AI+SaaS结合型的企业在功能上也具备之前提到的四种战略的特征，并且在一定程度上，大部分企业可以很轻易使用用户精准型战略的。但是AI为这些新兴企业赋予了一个全新的产品形态，这点是传统SaaS企业难以望其项背的。

举例来说，随着计算机视觉技术的演进，一个基于面部捕捉和情感分析的商业智能化产业就被开辟出来了。如今，经销商可以根据客户在购物过程中的体态和表情变化来分析哪一类商品更受欢迎，大学课堂上的演讲和当堂反应也可以被用来分析哪一位老师更能吸引学生注意力。

所以，「AI先行」的公司可以被归纳为三种独特的战略模式：

1. 能借助AI运行超复杂系统和超负荷任务。以Invenica为例，凭借基于机器学习开发的预测模型能够通过预测多个单点电力栅极的活动状态来管理整个复杂的电力网。凭借此项技术，Invenica更是拿下多个订单，为多个管理系统提供预测模型。
2. 能够借助AI转录和分析以往并不能被数字化的数据形式（e.g. 计算机视觉）。拿Tractable AI来说，其AI+SaaS的解决方案被应用于汽车保险领域，通过一套成熟的计算机视觉算法，在经过成千上万张受损汽车的图片集训练之后，能够精准快速的分拣车祸保单并移交到相应的流程化处理环节。
3. 能够借助AI将传统SaaS的体验提升10倍以上。在这里举一个中国公司的例子，助理来也通过搭建智能化的自动应答机器人为企业提供了一个定制化场景的客服应答体验。

「AI先行」的定义可以被诠释为「缺少了AI的赋能，产品所提供的核心价值将一无是处」。换言之，一个真正的以「AI先行」为核心战略的企业应将AI纳入其价值主张之中。

如果剔除掉AI技术，「AI先行」企业将运行超复杂系统和超负荷任务；同理，缺少了AI，「AI先行」企业将无法理解极为抽象的数据形态，更谈何在其上建构逻辑关系；如果没有了AI，那与传统SaaS企业和企业服务产品有何不同，在已经饱和的市场何来容身之地。

三、三种独特的AI+SaaS结合战略

如前文所述，「AI先行」的SaaS企业与传统SaaS企业在本质上是不同的，接下来我们将探讨一下AI在企业级服务中的实际作用。

尽管AI的功能性划分不尽其数，我们不妨以一种终局的思维分类一下AI多起的作用。

传统的功能性划分将AI拆解如下：

首先，智能应用的目的是为了分析商业形式，即「模式识别Pattern Recognition」；其次，便是对未来可能性的预测，即「预测分析Predictive Analytics」；然后，是针对特定限制条件的行为设定以达成结果优化，即「行为优化Optimization」；接着，将这套方法融合进特定的应用场景中，即「场景定制Personalization」；最后，达成在复杂数据之上建立逻辑关联，以此将这套算法推广，即「数据商用Data-as-a-Commodity」。

我们沿着这个逻辑，将公司分别在垂直业务和平行行业两个纬度做更细化的解读：

1. 模式识别

在「模式识别」这个语境中的企业往往擅于从庞大的历史数据中找出隐藏着的关联性，但是这样仅仅是帮助他们理解过去、分析现在，却不能预测未来。

举例来说，Tractable公司从车祸照片的数据中判断出肇事者、损伤程度以及其他的数据样本。但需要注意的是，Tractable是在利用过去的数据来判断当下所发生的交通事故，并不能对何时何地发生交通事故做出预判。

承上，主要围绕「模式识别」发展业务的公司在自动化决策上是有点薄弱的。这类公司虽然诟病粗放的人工操作，但是一定不会用机器取而代之。因为，他们认为人工智能还没有发展足够可靠的地步，而往往项目的沉没成本让公司难以在一个机器程序上试错。

但是也有公司在尝试跳出「模式识别」固有模式，这里有两个典型的案例：首当其冲的是CB Insights公司，其业务核心便是利用聚合和分析私有公司底层数据的能力为投资机构提供商业决策。私有化投资其实和其他品类的投资产品类似，要求挖掘和分析跨行业的、极细颗粒度的行为数据，这原本是人更擅长的抽象工作，而非机器。

第二个例子是利用「模式识别」在早期癌症诊断上的应用。虽然基于AI技术的癌症诊断工具在许多准确性测试中都优于人类，但是万分之一误诊的可能性都是灾难性的，所以人类常常作为机器诊断的补充，在其后充当着最后一道关卡。

推荐阅读：叶紫

（正文已结束）

免责声明及提醒：此文内容为本网所转载企业宣传资讯，该相关信息仅为宣传及传递更多信息之目的，不代表本网站观点，文章真实性请浏览者慎重核实！任何投资加盟均有风险，提醒广大民众投资需谨慎！