大模型背景下的企业应用软件创业者行动框架

大模型已来，用洞察驱逐焦虑

靖亚资本是聚焦早期企业服务投资的价值创造型基金，在早期投资了助力企业提升电话销售及客户成功的人工智能辅助系统循环智能、“一句话生成可编辑的UI设计稿”的专业UI设计工具即时设计、大模型基础设施“世界上最快的向量数据库" Zilliz等领先的AI应用软件和基础软件公司。

因为持续观察企业应用软件结合人工智能的机会与挑战，在近期更是跟数百位创业者就大模型x场景做了深入交流，也在上海/北京举办了以大模型为主题的活动，更深刻感知到2022年11月30日发布的基于大模型的ChatGPT给企业应用软件创业者带来的已接近5个月的巨大心理冲击。

最深的焦虑来自于围绕着“人工智能超过人类”的两个问题，“何时”和“后果”，即如果“人工智能超过人类”真的会出现，那何时会发生？这对人类意味着什么？不同答案背后都站着全球最领先的科学家和企业家，莫衷一是。

最直接的焦虑来自于”市场蛋糕“的再分配。大模型会大幅降低使用企业应用软件的门槛提升企业应用软件的渗透率，而且能够提升用户的生产力，所以“企业应用软件的蛋糕”会扩大。但是“蛋糕”的分配也将会发生变化：已启程的企业应用软件创业者担心自己被颠覆、希望能够借此机会分到更多“蛋糕”，尚未启程的担心自己抓不住机会。

作为创业者背后的创业者的VC投资人，深知创业机会往往来自于对趋势的深刻洞察。洞察来自于对场景和技术的深刻研究，来自于无穷好奇心驱使的学习和思考。

洞察数量绝不会多也不需要多，毕竟巴菲特和芒格穷尽毕生努力，回报仅源自于两只手就能数得过来的洞察。

建议每位创始人在自己的笔记本写下对大模型 x 场景的洞察，跟信任的人讨论，也在实践过程中不断修正。这将会是一场趣味横生的探索之旅，行动会越来越坚定，而焦虑会越来越少。

不变的商业本质
满足人们迫切的需求

大模型背景下，企业应用软件的商业规律没有变化，依旧需要围绕客户满足需求。

目前涌现的创业公司看起来就像都在拿着人工智能的锤子在找钉子，并将大量时间投入到融资过程而非深入调研客户需求。融资能够降低各种不确定性带来的焦虑，然而因为缺乏对客户需求的深刻洞察，创业者大多在做同质化竞争，或者在浅层次应用人工智能技术能力。

技术推动（锤子）是有价值，但前提是找到真实的需求（钉子）。B端客户是在为Jobs-to-be-done而非技术付费。红杉资本的创始人唐·瓦伦丁最喜欢的问题在当下尤为引人深思，“Who cares？”，在解决谁的需求？他迫切需要什么？

回答了客户的需求问题以后，需要深入思考大模型有哪些核心能力使得这些问题能够被很好地解决，把技术逐步变为产品，再转化为商品。

目前看到有三种特征的场景因为降本/增收效果明显而进展较快：

明码标价的场景。完成场景中同样的需求，新方式（使用 AIGC）的成本明显低于老方式（人工），LLM 带来的ROI 更能讲清楚。本质上是供应链中出现了价廉质优的新供应商。

Jasper：海外的文案代写市场是一个成熟的（价格透明、成本透明、交付标准透明）市场，LLM 在相同交付标准下带来了明确的内容成本降低。

蓝色光标：全面停止文案、视觉外包。同样也是成本透明，他们发现了AIGC的供应价格更低。

知识密度强、人力成本高昂的行业：比如设计师、医疗、教育、律师、老师，在这些场景里大模型可以提升人效，赋能设计师的midjourney商业化进展较快。本质上是出现了一个更高效的虚拟助理快速完成 0-60分的事情，提高效率。

数字化程度高且付费习惯好：比如电商品牌，他们正在利用大模型大幅提升内容生成效率和效果。可能没有探索出最佳实践，但仍然属于early adopter，本质上是因为对新鲜事物的接受度高、且相信LLM 能带来提效果。

企业应用软件一定需要重视并逐步引入大模型能力

最近一次规模化的创新涌现是基于手机的移动互联网。手机除了拥有PC的功能以外，还具有三个很重要的，但PC没有的功能：位置定位，通讯录，摄像。

这三个功能是滴滴（位置定位）、美团（位置定位）、微信（通讯录）、抖音（摄像、通讯录）等现象级移动互联网软件产品的基础。谁能更深刻地理解这三个能力，就更有机会抓住移动互联网的机会。

值得注意的是，从PC互联网起家的软件公司如阿里、百度、腾讯也充分重视了移动互联网的功能特点，推出了手机淘宝、手机百度、微信产品。

新一代企业应用软件也一定需要重视并逐步引入大模型的能力。目前看，大模型的突出能力包括ChatUI、生成、推理和任务编排等。

图形用户界面（Graphical User Interface，简称 GUI）于20世纪70年代由美国施乐公司研究人员发明，这样的设计使得计算机实现了字符界面向图形界面的转变，开启了新的纪元。从此以后，Windows、MAC OS等操作系统陆续出现，GUI成为了人与软件交互的主要方式。

人与软件交互其实分为两个很重要的部分，其一是内容，其二是流程，内容的输入和输出决定了软件价值，而流程决定了软件价值传递给使用者的效率。“CRM做得再好用也是让人类按照流程重复自己的行为但是不直接产生ROI”，大模型将会使得软件能够更加以内容为核心，更好地提升帮助用户Jobs-to-be-done。

早在2016年，“网络女皇”、KPCB前合伙人玛丽·米克尔认为，“语音交互有望成为下一代人机交互的新模式”。然而因为过去人工智能技术上还没法让机器“听懂”人话，基于对话的用户界面（简称ChatUI）现在才变为可能。

这里值得重视的是，ChatUI并非狭义上的语音/文字，其输入/输出将会是包括图片、视频等多种模态的，实现对人、内容和环境的多维度感知。而且，由于企业应用场景的准确性、保密性和效率性，在大多数场景下，ChatUI将不会替代GUI，而是以GUI+ChatUI结合在一起，实现最高效的平衡方案。

举个例子，PhotoShop有很多强大的基于GUI的编辑能力，但也因此非常难学。随着ChatUI出现，不需要学习 photoshop 的复杂功能就能基于大模型的生成能力完成初步设计。大模型能够让Photoshop变得既能够发挥其精准操作的能力，又变得更为易用。

就正如2C软件创业者参考淘宝/微信/抖音等定义的各场景最佳GUI实践，随着Salesforce、Adobe、Office等领先企业应用软件公司的探索，ChatUI（基于对话的用户界面）的最佳实践也将一步步探索出来，更多创业者也将有学习的范例，并结合自己的场景做针对性创新。

自然地，尝试嵌入大模型能力的现有企业应用软件与 AI 原生的新解决方案之间存在竞争。必须得弄清楚大家在争夺什么：不在于谁可以构建 AI 能力，相反是谁可以定义下一代最佳工作流程实践。在具备很多knowhow的垂直行业场景（家居、建筑等）和底层数理模型积累的场景（如CAD、CAE），现有企业应用软件更有机会通过自我颠覆战胜新来的玩家。

相比于结构化的数据或者文字，人脑更擅长从图像、视频中获取信息：PPT、BI等展示软件依旧是企业内外沟通最主要的方式，相比于“读新闻”（今日头条）大家更愿意“看新闻”（抖音）。

全球最早的条形柱状图是William Playfair在1786年制作的小麦价格和劳动者的薪酬图表，该图显示了从16世纪到18世纪间，劳动阶级的收入增长趋势。

数百年来，把结构化信息（数据表格）转化成非结构化信息（图像文字视频等），一直依赖专业人士和专业工具。由于对权威机构（如Gartner）、数据分析师或者专业的同事的分析依赖，普通人并不能直接将已掌握的原始数据变为具备洞察的数据图表，并且快速获得认知；数据的解读与分析权却聚集在少数专业机构和专业人士手中，即使其中有粉饰、曲解、造假，普通大众也很难判断。因此，数据虽然广泛存在，甚至数据所有权都在普通人手中，但“数据的民主化”却迟迟未能到来。

受益于大模型擅长基于上下文生成文本、代码、图像、声音、视频，甚至科研数据、游戏、网络日志、计算机语言、机器数据、声波、机器人动作指令等各类内容，“数据使用民主化”和“创意民主化”当下变为可能。

知名导演陆川曾经让 AI 帮他画一张电影海报，只需要输入油画的质感、梵高的风格、运动的元素等诸如此类的关键词，AI 就能在 15 秒内生成一张令人惊叹的海报。陆川说，这张海报比专业公司做一个月的还要好。

过去很多软件公司往往提供的是优秀管理实践或者提升效率，但没有显著的增收/降本的作用，算不清软件使用的ROI而很难卖给客户。拥有生成或者推理能力的软件更有机会帮助客户增收/降本，更有机会提升商业化速度。这将会是企业服务软件创业者巨大的机会。

做出好的决策至少有两个重要组成部分：知识（学）和推理（思）。

《论语》指出了两者结合的重要性：“学而不思则罔”，没有推理的知识会被知识的表现而蒙蔽；“思而不学则殆”，没有知识的推理会因为缺乏可靠性而更加危险。

尽管大模型是通过阅读整个互联网来训练的，但这种训练主要是提高他们的推理能力，而不是他们知道多少。换句话说，当今 AI 模型的性能因缺乏“不知道的知识”而受到限制。Open AI创始人 Sam Altman 在 SF 的一个小型红杉活动上发言强调了这一点：GPT 模型实际上是推理引擎而不是知识数据库。

仅凭推理能力，大模型已经在B2C场景大放异彩，少量关键词输入即可产生大量的内容供用户选择。

然而与B2C的个人用户场景需要“大量输出”不同的是，在大多数B2B企业用户场景里面Less is more，用户需要结果导向的精准输出。

为实现结果导向的精准输出，就需要让大模型连接到互联网（或数据库）。这时它就不必依赖其模糊的统计理解。相反，它可以检索明确的事实，这意味着：

1. 知识数据库对于人工智能的进步与基础模型一样重要。记录和组织自己的数据（包括过程数据以及结果数据）的个人/企业将在人工智能驱动的世界中变得更加显著地拥有竞争力。他们可以使用记录下来的私有数据供算法使用，生成有自己特色的内容，做出更高效的决策。为了软件用好从而积累更好的数据，重视用户体验的软件将会脱颖而出，不符合用户习惯的软件以及相关的采购模式将会发生重大变化。

   
   

2. 大模型会通过连接甲方客户知识数据库以及与甲方用户的对话进一步提升其推理能力，使得一些重视数据的甲方客户拒绝与大模型直接连接。在ChatGPT使用指南中，OpenAI已经明确说明输入ChatGPT聊天框的文本内容会被用于进一步训练模型，警告用户不要提交敏感信息。近期，三星设备解决方案（DS）部门在启用ChatGPT 20多天里发生了3起数据泄露事故，三星员工将与半导体设备测量、良品率/缺陷、内部会议内容等相关信息上传到了ChatGPT的服务器中。

   
   

3. 垂直行业/场景的企业应用软件将帮助客户解帮助客户保护他们核心业务的核心知识产权的同时整合并利用生成式AI的力量。重视数据的甲方客户不愿意将专有数据库与大模型连接而让自己数据直接或间接泄露，但又希望使用到大模型的能力。大模型在甲方普遍应用人工智能的过程中只提供一部分价值，未来将会是B2B软件基于应用程序中的专有数据构建 “小型特定的语言模型”，并将其与开源的LLM以及专有数据库连接在一起，为客户提供价值突出且安全的解决方案。

   
   

原来销售出差见客户需要进入多个产品逐步操作：订机票火车票酒店套→完成拜访→录入跟进记录（销帮帮）、录入报销单（每刻）、提交试用申请流程（简道云）→完成该场景的闭环。

而大模型能够把单一复杂任务拆解成n 个子任务，实现从语言到业务的端到端任务编排：自然语言说出需求→路由层进行任务编排→分解为 n 个子任务→调用 LLM 完成子任务、调用 SaaS 处理流程→场景需求闭环。

现在 SaaS 融入大模型，是AI理解并基于 SaaS 的流程执行。而AI-based SaaS是直接基于 AI 原生做系统，让整个SaaS 系统跑在 LLM。

目前来看，AI-based SaaS普遍到来的时间会比SaaS引入大模型更晚，但对 SaaS 生态的影响或许会更深远。

行动

当下客户需求和技术演进的速度都很快，在这个时候要专注于“小步快跑，高速迭代”，以快速、低成本的产品尝试收集市场的反馈而不是陷入冗长的开发周期。

创业者应当努力通过AI帮助一部分人感受到强烈的价值，在产品上逐步沉淀别人没有的feature，快速获取用户、形成用户习惯甚至是社交关系。壁垒是慢慢做出来的，用户习惯、用户数据飞轮、社交关系都会是逐步形成的壁垒。

由于大模型将深刻改变您的产品和内部工作流，因此需要创始人主导创新和变革，为自下而上的创新探索摆平挑战。这个过程将会充满挑战，建议创始人需要跟三类“合伙人”紧密合作：

1. 人工智能专家，借助他们的力量提升对不断演进的人工智能技术的深刻理解，从而更好地决策产品迭代方向；

   
   

2. 法律专家，接下来几个月监管机构和客户将会提出种种与法律和道德相关的问题，公司必须与法律专家密切合作，并采取适当措施来减轻这些风险；

   
   

3. 风险投资专家，接下来可能会经历人工智能技术的泡沫期以及泡沫挤出的阵痛期，风险投资专家将能够在融资时点、高管团队引入以及产品市场匹配（PMF）等方面提供关键性意见。

   
   

大模型和基于大模型的应用软件可以辅助产品研发、营销、销售管理、客户成功、人力资源等各个部门优化工作流。除了沿着部门梳理以外，围绕产品生命旅程梳理也是很有洞察的思路。

网易智企的CEO阮良在《CEO漫谈丨拥抱AIGC时代（一）：交易成本的变革》分享了“一个新产品从市场需求调研到规模化销售的全生命旅程的交易成本”的详细研究 ，发现总体成本能够下降20.7%。随着更多针对企业服务软件公司的AI应用的推出，总成本将会更大幅度降低。

建议创业者可以参考这个模板（文章链接见文末）邀请同事们对公司内部工作流一同做扫描，寻找优化空间。

考虑到优化分为轻重缓急，建议创始人从两个不同视角优化内部工作流。

其一：从最受内部欢迎的场景开始推动，典型如报销流程、帮助业务人员可以用自然语言实现适合的业务流和业务报表。

其二：从最能降低人天的场景开始推动，最典型的场景是产品设计和研发、扩大销售的客户材料准备。

从第一性原理出发，要思考ChatUI、生成和推理和任务编排四大能力对于产品设计的影响。

ChatUI：基于已有的IM或者新增copilot，缩短原GUI路径长的操作流程

生成：拓展高质量的文案/图片/视频等内容生成能力

推理：拓展BI/查询的能力

任务编排：拓展自动化工作流//实施/跨产品交互的能力

大模型背景下的企业应用软件公司将充分利用AI+数据的价值，成为客户的软件合伙人。靖亚资本一直聚焦于企业服务领域的投资，致力于成为企业服务优秀创业公司的的最佳VC合伙人。

⬇️ 欢迎添加作者微信号进一步交流！

参考资料

1. 创业者分享：简道云运营负责人沈涛、脉策科技CEO 汤舸、增长黑盒CEO诗淼、和鲸科技CEO范向伟、太水科技CEO吕桂华、柠檬互联CEO王轶凡、Fabrie COO 罗小我、一知智能CTO 李一夫、Dora产品负责人 刘遥行、宜创CEO宜博等

2. GPT面前，AI应用创业的思考框架 | 心声 VOICE，

https://mp.weixin.qq.com/s/Cm3Kr_1bJLz7BQ_dgk24rQ

3. SaaS创业路线图（166）SaaS商业逻辑大于GPT技术逻辑，https://mp.weixin.qq.com/s/t3X40km6a5AvCJpnoV-a-Q

4. 信天Share | 云状态2023 https://mp.weixin.qq.com/s/jRruEzl_fo61Bc6zKJI3rg

5. CEO漫谈丨拥抱AIGC时代（一）：交易成本的变革https://mp.weixin.qq.com/s/3xcHM8wCgpuXzUJmbbRWZA

6. 《生成式人工智能服务管理办法（征求意见稿）》https://mp.weixin.qq.com/s/YKZAMrMubVUs2jxegm_k4A

7. GPT-4 是一个推理引擎，https://every.to/chain-of-thought/gpt-4-is-a-reasoning-engine

8. 对于 B2B 生成式 AI 应用程序，少即是多？https://a16z.com/2023/03/30/b2b-generative-ai-synthai

9. 《生命3.0》

10. 《文明、现代化、价值投资与中国》

11. SaaS从0到1：如何从市场痛点出发构建创业路线图？https://mp.weixin.qq.com/s/NCoqslTkPKdwG0ISMTLDVA

12. ChatUI：https://chatui.io/design/wy45wk

13. 一战赚了百亿美金！五源资本刘芹：深度思考比勤奋更重要https://baijiahao.baidu.com/s?id=1723192850078489546&wfr=spider&for=pc

14. 生成式AI为何不完全适用当下B2B行业？https://mp.weixin.qq.com/s/che2zEL3szWWeEAsCD-dsA

15. HuggingGPT：https://mp.weixin.qq.com/s/vQ2diYxWxazxJUMOAjne8A