專家團｜Teddy：AI 是未來 SaaS 的標配，但不是萬能藥

似乎無論做什么 SaaS，都要加上一個 AI 才能體現(xiàn)自己的先進。

這個場景讓我想起了 2018 年，當時區(qū)塊鏈很火，所以很多人就想方設法把區(qū)塊鏈融入產(chǎn)品到里面，市場上一度出現(xiàn)了很多「SaaS + 區(qū)塊鏈」的概念。

在我看來，AI 和 SaaS 有一個非常契合的地方：

訓練 AI 需要大量的數(shù)據(jù)，而 SaaS 在業(yè)務場景中會連接非常多的數(shù)據(jù)，這些數(shù)據(jù)可以幫助 AI 發(fā)展得更好，而 AI 進步之后又可以進一步地賦能 SaaS，創(chuàng)造更大的用戶價值，同時獲取更多的數(shù)據(jù)。

世界上知名的 SaaS 公司幾乎都在自己的產(chǎn)品中加入了 AI 能力，比如說 Salesforce, Shopify, HubSpot, Atlassian, Zoom，等等 [1]。

所以說 AI 是未來 SaaS 的標配。

但是 AI 并不是一個萬能藥，它有自己的優(yōu)勢和局限性，我們應該把 AI 用到正確的地方去，而不是什么場景都加上 AI 去作為賣點。

所以今天這篇文章我想跟大家談一談：

• 在 SaaS 領域中，哪些場景適合使用 AI？哪些場景不適合使用 AI？

• 我們使用 AI 的過程中有哪些需要注意的地方？

# 哪些場景適合使用 AI

第一， AI 適合處理那些具體和重復的流程性工作。

所以通過結合 AI 的智能客服型 SaaS 產(chǎn)品可以很好地解決這類型的問題。

又比如在財務領域，處理發(fā)票和記賬屬于重復瑣碎但是又必須要做的事情，這些工作本身對于員工來說非常枯燥無味，同時人工處理也容易出錯。

這時候就可以通過 AI 的圖片識別和語言處理等功能來完成相關工作，既為企業(yè)提升了效率和準確率，也讓員工可以把時間花到更有價值的其他事情上，一舉兩得。

第二，AI 適合那些需要處理海量數(shù)據(jù)的工作。

舉個例子。

AfterShip Tracking 產(chǎn)品可以幫助電商賣家為他的店鋪消費者提供快遞追蹤服務。

我們原本做的事情很簡單，就是：

連接全球各地的物流商數(shù)據(jù)，告訴用戶他們的快遞進度。

但消費者真正關心的不是「我的快遞到哪了」，而是「我的快遞什么時候送達」，同時并不是每個物流商都能提供準確的預計送達時間。

所以 AfterShip Tracking 基于累積了 10 年的快遞物流數(shù)據(jù)，運用 AI 技術智能計算每件商品的預計送達時間，很多時候甚至能夠做到比物流商本身更加精準。

（圖片來源：https://www.aftership.com/edd）

人類并不擅長處理海量的數(shù)據(jù)，傳統(tǒng)的軟件也并不能生成智能化的建議，而這恰恰是 AI 擅長的地方，我們可以利用 AI 與 SaaS 結合，通過對數(shù)據(jù)的處理分析，給客戶提供更好的服務。

在我看來，AI 和 SaaS 確實在很多具體的業(yè)務場景里都有很大的發(fā)揮空間。

因為 SaaS 本質(zhì)上是要解決一個具體的問題，而目前階段的 AI 所擅長的也是解決具體的問題。

但是這并不代表我們在各個業(yè)務場景下都要想方設法加入 AI。

# 哪些場景不適合使用 AI

第一，創(chuàng)意型的內(nèi)容創(chuàng)作領域，比如說專欄文章、電影和音樂。

我的觀點是：

AI 生成的文章缺乏價值，我寧可花幾天來寫一篇高質(zhì)量的文章幫助他人，也不愿意花幾分鐘生成一千篇質(zhì)量一般的文章來提升 SEO（Search Engine Optimization，搜索引擎優(yōu)化）。

我寫文章有一個原則，就是：

我一定要分享一些別人沒有說過的，有價值的內(nèi)容。

如果是網(wǎng)上已經(jīng)有了很多相關主題的內(nèi)容，而我對此沒有獨特的見解和實踐經(jīng)驗，那我絕對不會為了蹭熱度去寫相關文章。

而目前 AI 卻是需要大量類似內(nèi)容的輸入，才能生成新的內(nèi)容。

對于創(chuàng)造全新的觀點和概念，特別是與人的感受和思維相關的，目前階段的 AI 并不擅長。

并且哪怕后續(xù) AI 可以生成新觀點，新概念了，我認為也不應該完全由 AI 來創(chuàng)造內(nèi)容，因為無論是文章、電影還是音樂，它都會對一個人的價值觀產(chǎn)生影響，這方面我還是比較堅持真人創(chuàng)造的內(nèi)容會更加合適。

AI 可以生成大量的內(nèi)容發(fā)布在網(wǎng)絡上，但是數(shù)量多并不代表這種價值觀正確，而如果讀者誤以為這些內(nèi)容都是由人創(chuàng)作發(fā)布的，從而認為網(wǎng)上大多數(shù)人都這么想，那么這對于讀者的價值觀肯定會造成影響。

所以我認為我們可以用 AI 作為內(nèi)容創(chuàng)作的輔助工具，用它來搜集信息，提升效率，但是決不能用它來替代內(nèi)容創(chuàng)作本身。

Stack Overflow 也在社區(qū)內(nèi)禁止分享用 ChatGPT 生成的答案，因為目前用 AI 技術生成的代碼回答雖然看起來不錯，但是實際上卻沒有經(jīng)過詳細驗證，正確率并不高，這對于想要尋找正確答案的讀者來說是一種誤導 [2]。

第二，可能對人造成傷害的領域。

比如說之前就出現(xiàn)過照片識別系統(tǒng)把人臉識別成了動物的情況，這對于當事人來說無疑是一種傷害 [3]。

又比如在 ChatGPT 推出之后，有人發(fā)現(xiàn)可以通過 ChatGPT 獲取關于「如何謀殺一個人」和「如何入室偷竊」的詳細步驟 [4]，這無疑也會對人造成傷害。

所以在我看來，我們不應該因為 AI 的能力很強大很好用，就忽略了它可能造成的傷害，反而應該因為 AI 的能力很強大，所以我們更要謹慎使用，尤其是在那些可能對人造成傷害的領域。

在這方面谷歌也發(fā)表了類似的觀點，因為 AI 可能會生成一些不好的內(nèi)容，對谷歌的品牌造成影響，所以他們目前不會對外推出類似于 ChatGPT 的 AI 服務 [5]。

# 使用 AI 有哪些需要注意的地方

第一，人們有權知道是 AI 正在為他提供服務。

隨著科技的不斷發(fā)展，一些服務型 AI 可能會越來越像真人，但是作為服務提供方，我們有責任告訴客戶「目前是 AI 在為你提供服務」。

如果對方可以接受，那么就繼續(xù)使用我們的服務，如果對方無法接受，也可以選擇拒絕我們的服務。

但是無論如何，客戶應該對我們?nèi)绾翁峁┊a(chǎn)品服務有知情權。

第二，我們需要建立機制去監(jiān)管和處理一些特殊場景。

我相信大部分利用 AI 提供產(chǎn)品服務的人初衷是好的，但是不可避免的是因為技術的局限性和場景的多樣性，AI 可能會做出我們預期之外的事情，所以我們需要建立一些機制去監(jiān)管和處理。

比如針對一些特殊場景進行更加深入的測試與審查，并準備好異常情況的備案，等等。

歐盟委員會發(fā)布的《可信賴AI的倫理準則》[6] 里面有挺完整和詳細的闡述，大家可以參考閱讀。

# 總結

SaaS 的全稱是 Software as a Service，但是真正的重點從來都不在前面的 Software，而是后面的 Service。

客戶要的是業(yè)務結果，而不是技術工具，至于你為客戶帶來結果的服務背后用的是不是 AI，客戶才不在乎。

所以對于那些具體重復的流程性工作和需要處理海量數(shù)據(jù)的工作，我們可以使用 AI 為客戶提供更好的服務。

但是 AI 并不是萬能的，我們也不應該什么 SaaS 都加一個 AI 作為噱頭去跟客戶和投資人講故事。

尤其是對于創(chuàng)意型的內(nèi)容創(chuàng)作領域和可能對人造成傷害的領域，我們需要謹慎使用 AI。

同時在使用 AI 提供服務的過程中，我們需要注意：

1. 人們有權知道是 AI 正在為他提供服務；

2. 我們需要建立機制去監(jiān)管和處理一些特殊場景。

如果這篇文章對你有所幫助，歡迎點贊轉發(fā)，讓更多人看見，如果你有不同觀點，也歡迎在評論區(qū)與我進行探討。

參考鏈接：

[1] https://www.smartkarrot.com/resources/blog/top-ai-companies/

[2] https://meta.stackoverflow.com/questions/421831/temporary-policy-chatgpt-is-banned

[3] https://www.forbes.com/sites/mzhang/2015/07/01/google-photos-tags-two-african-americans-as-gorillas-through-facial-recognition-software/?sh=69c40cd5713d

[4] https://twitter.com/davisblalock/status/1602600453555961856

[5] https://www.cnbc.com/2022/12/13/google-execs-warn-of-reputational-risk-with-chatgbt-like-tool.html

[6] https://www.secrss.com/articles/10224