E248｜一个“催发货”AI要跑通260步，和阿里瓴羊朋新宇聊聊中国式FDE

频道: 硅谷101
视频: https://podcasts.apple.com/us/podcast/%E7%A1%85%E8%B0%B7101/id1498541229?l=zh-Hans-CN&i=1000782088901
原文语言: zh
统计: 共 19 轮

[0:00]

哈喽大家好 欢迎收听硅谷101 我是红军企业软件市场有一个老规律 客户每花一美元去买软件 就要再花六美元把它用起来那AI时代呢 这六美元的生意正在被重新分配 这是所有巨头突然冲进弊端的原因我们之前说AI是不是泡沫 答案不在聊天框里 而是在企业的账本上那之前呢 我们其实聊过一集FDE的节目 讲AI如何进入企业及市场评论区呢 就分成了两派 一派是说AI真正在帮企业落地另一派质疑的观点就认为 20年前就有驻厂开发这是不是换个名字 星平庄舅舅所以呢 我们决定啊 找一个真正在做这件事情的人当面来问一问这级嘉宾是阿里巴巴集团的副总裁 林阳的CEO彭新宇他可能是中文世界里最有资格回答这个问题的人他是阿里数据中台方法论的创立者过去几年帮几百家中大型企业搭建了数据平台他带着团队做这件事情已经五年比FDE这个词流行的时间还要早那我们之前的播客讲过FDE的硅谷叙事这集呢 我们就来讲一讲一个个具体的中国案例还有案例背后的那本账下面就是我与彭新宇的对话哈喽 小鹏您好哈喽 红军 哈喽 大家好因为我知道其实您也是阿里数据中台方法论的创立者要不要跟我们简单介绍一下自己以及林阳它具体是一个什么样的公司你们现在具体在做些什么其实用一句话来说的话它其实在企业服务的范畴里面我们叫企业级增长的agent那我们的核心还是去帮助企业做消费流动我觉得在过去其实硅谷讲的都是C端的故事嘛最开始大模型开始的这一轮大家都说谁的产品先冲上App Store的第一名谁的日活先破亿但是我们说从今年的上半年开始我觉得整个硅谷的风向变了比如说OpenAI成立了专门的部署公司Atherapic它是拉着黑石跟高盛做了一个15亿美元起伏的合资公司同时我们看最近的一些新的动作微软它也新成立了一个运营部门叫做Microsoft Frontier Company背后呢是25亿美元的投资和6000名工程师他们也是说自己超越了我们所谓的FDE的概念本身那亚马逊也是在投入数十亿美元专门打造这样的组织所以我觉得从今年开始我在硅谷观察到的一个现象就是整个AI的战场正在从C端回到B端OpenAI它的FDE在旧金山的中级岗位的基础工资是16万到28万美元那我们说传统的解决方案的工程师他大概是比这个职位高出了60%啊所以小鹏你们又没有比如说FDE的职位然后你觉得这个岗位需要什么不一样的能力为什么它会比市场传统的驻场运维价格要高出这么多这个国内也在关注但是如果换个名字就能够去工资升级这个不符合企业逻辑不符合市场逻辑那其实看到背后的本质还是一个东西稀缺这类人才的稀缺他采用这个溢价空间换这个发展的时间嘛那稀缺什么东西那原来这位人做运维就是这个系统就这样子我是保证你健康运转着但如果没有做任何变化他凭什么会要去溢价那今天我们看到的如果要做得好FDE其实刚才讲的就三个能力第一个它是要有AI的锐度第二个是要有行业的深度第三个它是有数据的宽度那这三类结合在一起的但能够做到今天这套系统运行的

[3:47]

不是说它今天是不是正常运行而是说它今天的运行是不是按照我的业务目标是在往好的地方做还是变差好的地方我怎么让它更好差的地方我怎么干预它我怎么调教它那这个角色是原来仅仅做运维做不到的必须要运维至上能做到对业务理解对数据的理解那我能调整一些不管是技能的调整数据的语料的上下文的调整包括一些memory的管理那其实这些工作是原来做传统交付是不存在的或者它不会遇到的问题所以这是最大的差别对听起来对人的要求还是挺高的那最终可能一个成熟的一个业务那企业里面需要要么是有这类人他能够去在这几个领域都能兼顾要么是我们有大型的客户我们有这样的持续的运营陪跑的FDE但我觉得这两种未来都有机会因为FDE我们其实也刚刚做了一期博客很多听众他就在我们这个博客下面留言他就说这个FDE是不是就是我们之前说的什么驻厂运营呀驻厂开发是不是又换了一个新名词你觉得我们现在林阳在跟客户接触的时候当我们提到FDE它跟我们传统说的驻厂开发驻厂运营它们之间的本质区别在哪里最终我觉得本质的变化是原来是交付功能变成一个交付一个诱效果如果从AI这个大的语境下我会参加三个方向第一个是以业务结果为导向我们要找到这个对的问题很重要那这个问题一定是一个有业务目标业务数字和业务过往历史记录的如果用AI的视角来讲它能构建一个测评级构建一个指标体系第二个呢就以企业数据为基座其实今天我们如何能够构建一个企业的数据能够通过agent调用大模型的能力既能去保护隐私又能够去发挥大模型最大的智能的上限第三件事情呢以岗位标杆为预设为什么我们会去定义首席客服的agent以及最佳投手的agent最佳消贯的这样agent其实是我们把这些在这个企业里面它的岗位的标杆作为agent的预设它起步可能就是一个工作五年十年的这么一个投手或者客服所以我们今天虽然它的名词叫FD它叫什么其实我们有一个很传统的词就叫CSM客户成功我们希望的客户成功最终是对业务的结果好一点更好一点我们叫bet and bet所以我理解这一轮我们在说到FDE跟我们去做这种企业级的部署的时候跟之前的几轮的根本区别就是说它是有结果的它的结果能验证不管我们说成本的削减或者是效率的提升或者是新业务的拓展相当于是以结果为导向的变化就是它确实对企业有帮助对而且是以企业的业务增长结果可度量的结果其实在企业车和个人车最大的不一样是在企业车的话用AI是希望能够找到重复的工作我今天用AI最高性价比和最高效率去解决它那个人可能是找到AI的上限我能突破我的边界那企业很多事要去跟约束边界能不能举个例子2C其实可能大家经常听到一个词需要新奇特那这就是我是个人的体验让我眼前一亮的但是用完了以后过了一周两周你就会变成稀松平常了那其实对企业测词来讲是另外一个词叫多快好省那其实它是有个比较比较是一定是有个参照系的这个例子我们帮助一些客户比如说其中有做一些3C数码的它其中有一个环节叫做吹发货它有三类不同的处理方式第一种是比如说买了两台空调

[7:21]

但是你只发了一台所有客户打电话过来我要吹那这个流程就是我要去核查我的订单然后去我库房然后再去派单去发第二类是吹配件我买了空调我忘了发一个配件了原来的客户流程再去找到配件仓库然后我们再发出去那第三个还种叫吹发货我买了一台空调我确实收到了你当初不是和我说给我挣一个电盘包吗那为什么没有送到像就这么一个吹发货的环节最后客户售后这个环节大概有260多步260多步这么多我理解就是客户打个电话客户接起来它要是跟内部的流程沟通是这个意思吗就是难是难在这对内部的流程可能有的是内部系统有的是外部系统比如有的是电商它在多个平台有的在京东有的在天茂有的在不同的地方对有些配件可能客户还要下单对对对这个200多步的背后其实它能覆盖95%以上的可能有5%可能会一些新的东西进来但这个95%我要去熟悉这个流程我要去新招客服培训客服我要去上档它考核它其实这些是非常有确定的标准的那我如何快速的去让客户能拿到货以及让客户买一人拿到货我们让客户不投诉以及让客户不去要投诉为了要赔款这样的客户比如说我们通过我们销售的agent客服的agent以及和agent1的这样的结合我昨天正好和同事我们还在去复盘一些case我们在其中有一家他要超越他现在的一些传统的机器人其实我们发现上线开始就比他传统的机身效果也好昨天我们在看到说也已经逼近了超出了人类最好的状态的平均水平了所以能够看到这样的工作在企业社那都是普遍的存在它有边界同时它今天是有巨量的重复才发生所以我们把这些情况在企业社归类成这么三类的场景第一是哪里耗人最多的比如说这种打电话接电话投诉的第二个哪里耗钱最多的有些地方可能是赔款资产有些地方是营销投放有些地方可能是我要花素材的各种的试验第三个就是哪里耗时最多的比如说我们经常会打电话给客户说我为什么没有到一般的可能说不好意思我帮你查一下我们查了半天没查到以后我晚里给他打电话一般是以小时为单位或者天为单位那这些都是对客户来讲就耐心你有的超过一个小时可能我就退掉了其实不是说所有的场景我今天都会用刚才讲的业务结果给导向能做到的一定是这个业务结果它是非常具体也可以度量的耗钱最多耗时最多耗人最多的地方对而且我觉得你刚刚举的这个例子非常有意思传统意义上我们在理解一个客服以及客服机器人的时候大家想到的都是说客服怎么态度好的去应对消费者的不管是投诉还是怎么样是一个语言沟通但是您刚刚讲的这一点呢让我意识到了客服最重要的是解决问题的能力而它解决问题的能力其实跟你对整个公司业务流程每一个环节它是怎么运转的这背后的一整套系统我们可以把这些东西都称为数据都记在脑子里那现在呢其实就是让AI把这个背后的一系列的体系给打通了现在我们说不仅仅是人能解决问题了那AI只要把数据打通它也可以解决问题但我很好奇的是就比如说催发货可能是有配件的问题有赠品的问题也有是多个订单重复下单的问题但是整个这里面可能都涉及到一个企业它的内部是怎么运转的以及它的核心的制约因素是什么

[10:51]

在这一点上你们是怎么跟客户把他们的核心痛点梳理出来的就这个过程会花多长时间我们有一支队伍就是CSM这个队伍比如说我们在中国这个线上销售其实淘宝天猫是非常大的一个体量的存在那其实我们这些人和这些客户的陪伴的经验都是从多年来在这个平台上陪着这些客户去成长所以我们自己能够有一套最好的SOP比如说缺乏货或者是售货的这么一个义务流程的理解就今天AI的实施可能和原来传统的软件的实施最大的一个对它的理解不一样是我们把软件实施是我们交费套系统其实AI的实施如果类比交费套系统可能还欠缺一点其实它是我们新雇一个员工所以我这里的比如说这个客服或者是这个营销啊或者等等销售它默认就有技能它会自动会处理自动能够拿到你在市场上招聘一个五到十年的一个员工的水平你进到你公司以后你只要给他权限给他目标给他材料权那他就可以去工作了而不是说你今天是给你的同学买了一套系统买了一套工具我们上来的这个人就是会干活的你只要给他权限这两个我就是有本质差异对那我们刚刚提到的就比如说催发货的这样一个场景假设一个标准的电商企业它需要雇佣多少个AI员工这个是根据他的这个有体量来的比如说销售金额的两到三个点三到五个点各个企业不一样几个点的成本是给客服那我们今天用AI一定是在要么是同样的成本之下做到你原来同样效果之上的有结果才能去说这个事情是一个work的了解了解它是所有的企业都通用型的使用就比如说您刚刚提到了几个大的领域像客服投手然后营销治理我理解其实这个就是您刚刚提到的耗人最多耗钱最多耗时最多比较典型的三个工种大家在具体应用到一些场景的时候是所有的企业都用得很好吗会不会有一些企业比如说他们内部本来他的数据就是不全的所以他也会上手比较困难是这就是今天我们说FD里面我们说第二条以企业数据治理的基础这个很关键比如说从我这里雇佣一个工作五到十年的这么个员工但是进来以后你的企业的这些基础的信息支持库你都是乱的那这个人进去也是傻眼了所以我们雇佣这个员工比如说对一些大企业他有自己的一些私有的上下文企业的各种支持库我们的FD在这里工作就是要去帮他梳理和治理他的企业的数据如何让这个Data for Agent那我们再帮一家企业他是在多个电商的平台淘宝 田茅 京东或者是在抖音去做投流他发现他有好几个投手但是投手和投手之间天壤之别其实发现内部做复盘总结我们进去发现我们把这几个投手过往三个月你的投放的行为做了一个分析我们发现做得最好的一个投手他在三个月里边他做了超过一万次的价格调整那做的一般的投手大概在三个月你就算一百天好了做了一百多次一个投手呢其中一天大概做一次左右的操作那那个投手呢可能一天平均做一百次操作那这个差异你如果靠人去学其实靠老师傅带心图利你很难去学这就是发挥今天AI的哈尼茨工程能够去做自我学习做进化如果把这件事情理解成为工作的几个基本的元素第一个是学习就是数据采集第二个就是建模第三个就是执行第四个就是迭代只是第一件事情往往原来很多的企业说

[14:24]

这个事情是我有经验其实很多的经验它一定是有它存在的场景这个场景一定有局限性那只有什么情况下它没有局限性就是把你过往三个月所有的行为我们能够有一个数字化的度量和学习基于这个学习背后那AI一定比人能够对你的行为的总结提炼和发现更加全面和深刻所以我们把这些东西今天成为我agent这个数字员工的技能之一成为他未来能够用每天新的对话呀处理的异常信息呀Bad caseGood case能够去做进化这样的话形成这么一个工作模式所以在企业社其实发现像这样的环境是通用的但是每一家工作的细节是不同用的那这个环境正好就是我们这套agent1能够去从你的数据收集到模型建模就工作的那个skill的这些梳理完以后你的工作的建模再到你执行任务的推进最后你能够做到尽快的迭代所以这部分是同样的对所以AI它其实是在向人类最优秀的投手去学习的比如说90天它进行了一万多次价格调整这是人做的调整还是说它已经形成了一套机器建模的方法论它会在系统里面做很复杂的设置这里面其实所有的操作其实都是人在做的只是它可能借助一些工具但是那个行为就是物理上就人在做的我发现这个点很有意思因为刚刚我们讲了客服我觉得企业内部的数据很重要您刚刚讲到投流的这个例子我理解现在市场上比如说大家要投这个淘宝天猫平台的投流或者是其他的广告投放的投流几个大的平台是比较相似的这一类的agent的产品它是不是一个比较标准化的产品了对国内最大的SaaS平台就是这几大电商平台那这几大平台它已经最大公约数了大家在下面的素材呀价格呀系统啊数据啊已经标准化了所以这部分已经能占了这个企业做投手80%的数据准备和系统学习的能力所以这部分东西是FD站在这一个巨人的肩膀上工作的基础是非常重要的只是我们在类比说中国没有一个独立的SaaS公司只是中国的平台企业承载了SaaS公司的能力所以这些能力我们今天在AI时代它是可以被利用被发挥的价值更大的对我们刚刚提到了其实AI在向人类最优秀的投手学习我能相信不管是现在还是说它未来的工作能力它一定是会投得比人更好的但是只要AI投得比人好这样就会带来一个结果大家会更多地去用这些AI类的工具所有人都在用工具的时候你觉得这个差异会被抹平吗最终它真的是一个生产力的提升还是说它是一个先行者的优势如果用传统的生产三要素来讲生产资料生产力和生产关系现在这个阶段大家都是在生产资料上的能力提升有更好的算力更好的智能能够让个人生产力的边界变得更大但是我觉得为了提升的就是能够通过AI能制造新的生产力比如说我就是一个在线24小时的投手和服务人员我觉得这个就是时间先后不可能永远有绝对的竞争优势一定是个时间窗口在这个时间窗口之下谁能够企业更好地拥有和运行自己的数值员工在企业测为增长做服务的我觉得这个可能是就领先的第二个呢能让这个是持续能领先一点点的是我觉得还在回到企业自己核心的生产资料不管是过去的时代还是今天AI时代最大的企业的生产资料就是数字化这部分还是有蛮大的文章

[17:52]

大家经常会看到我们建一个数据平台可能给内部看数用那今天的数据系统吧我们给AI用你建的好坏在这里是有差异的一个企业它的数据平台建的好坏它的区分点是什么什么是一个好的数据平台什么样不是然后什么样的企业它可以建成好的数据平台对 其实好也是一个相对的其实对于企业来讲我觉得还是一个比较可以度量的就是你落到具体的业务效果上来能不能有正的经济效应今天看下来交付完一个agent或者交付完一个系统才刚刚开始你的企业真正是让这些数据员工能上岗工作为你接单接流程为你推进工作任务这是开始这两个是不一样的原来是数据平台交付完这条系统就结束了今天在这里是交付完以后你用起来用的好坏最终是用业务结果来买单大家其实从去年今年都开始在谈这件事情包括开始准备去使用agent企业现在用agent到了哪个环节是已经到了一个可以验证交付结果的环节还是说他们只是刚刚开始从我们所服务的客户和接触的客户来讲我觉得是有结构性的差异的走得比较先的就可能有数据化基础比较好的就类似于原来在电商在互联网积累比较好的那还有一类就是一些大的企业它本身内部原来的IT性情化做得比较好的第二个是我们现在是看到是在比如说投手或者是说客服其实我们有不少的企业它已经就在用了那可能用另外一句话讲其实大部分的企业真的做出效果它不会去讲的今天可能是企业和2C不一样2C是有个新的功能好的功能它立马就会让全力下知道对企业说它只要这个效果它持续在用那其实这个就是好的最终是用结果来买单了解你们今年去谈客户的时候你觉得要让他们把自己的一部分系统放在这个agent上它是得从上往下推动还是从执行层自下而上的跑起来今年企业对agent的改造业务流程他们是一个什么样的态度对 这是个好问题那这两者都有那目前我们看到的进展顺利的是自上而下的设计生产关系的问题自上而下是这个业务的一号位它能决定既有IT费用又有业务费用那它才能够去算总账今天如果志向而上的话我们就遇到反向的一例子曾经遇到一个客户它的某一个业务部门它想做业务的agent但是它今年没有预算但是呢它的IT团队有预算但是今天这个IT团队可能和这个业务之间是不同的部门我们就在这个过程中发现需要通过我们的这个业务方案去设计既能满足IT的先进性要满足业务的效果其实发现这个生产关系蛮难去弄的因为可能IT要的先进性不一定是业务要的效果业务要的效果可能今天不一定是最先进的那今天反向是成功的是我们遇到的是有的企业可能是比较传统的企业或者制造业它的一号位董事长就是非常明确我今天必须要去拥抱AI要去用好AI用在哪里比如说它选定一个销售端从哪个区域开始自上而下那自上而下以后发现它的财务IT以及它的销售线都动起来生产关系重新发生了变化以后那业务的这个销售agent它从一个区域负责到全国的区域就形成一个很快速能够去推动的一个局面对企业在推动这部分业务的时候因为它会涉及到很多企业内部的这些数据大家要把各个流程各个部门的数据还有一些方法论都拿出来

[21:24]

把它做成一个agent企业在跟你们负责前端部署的人在沟通的时候这会是他们有顾虑的一部分吗这是个好问题也是一个我们的优势原来四五年的时间我们帮助了大几百家到上千家的中大型的客户部署了数据平台所以本身原来部署数据平台就是已经帮那数据做了治理 做了打通所以基于这些平台之上去涨业务今天就是一个水到渠成的事情但今天可能遇到一些新的企业构建agent的过程中它要花很多的代价还是要在下面构建基点企业纪的数据的管理和清洗的这些能力但是我们因为原来积累了投入的大客户就好几百家它本身就原来持续在数据平台上做数据积累基于这个上面去找这些应用就比较方便我理解您提到的大客户是之前跟阿里就是已经有商务合作的这样的一部分客户您又是做数据中台的所以其实是沉淀了很多的数据的是的 是的那如果大家跟你们一起去合作一个这样的agent它的商业模式是什么最终这个数据它是在企业端还是在阿里端还是说大家共有呢这两个问题一个是商业模式一个是技术模式商业模式来讲呢基本上就这么两大类一种呢是按照作息收费就是工作量嘛第二个逻辑呢就是爱效果逻辑第一种是比如说刚才讲的客服它原来是500人要去接管它的一年的生意的这个服务那今天我们用同样是500人的价格比如说有个八折九折的投入能做到你原来一样的效果就是我们叫做按照成本人力成本替代的转化逻辑第二种呢就是我们基于比如说做营销做投手这些增长那原来你的转化率比如说是20%转化率至上的部分我们做分层这么两大类现在按照效果付费的已经真实发生了有的有的有达成效果了的吗一定是有的而且是连续续费或者连续在服务中的客户这些客户其实我们所谓的默认的是所有的做生意他比我聪明今天他能算得过来这个账他一定才能去做续费和服务的不要去默认我们想去能够比客户更加聪明或者是我们去包装一些东西让客户能够觉得基于这个包装溢价我们原来有个词叫PUC其实今天叫MVP可能不需要去做概念论证因为你今天我是一个数字人在这里你上来就能体验就能用了最终需要是基于他家的业务单元他家的数据单元能做一个最小能价值验证客户最终验收通过OK那你就自己去用这种才是一个比较互信和有持续粘性的这样的一个服务方式前面刚刚讲是商业模式第二个你刚刚前的问题背后还有一个是技术模式那我这里可能讲三个词定制化标准化还有一个词是个性化原来过往的大部分都是希望用定制化的方式去满足企业标准化的流程可能每个企业他说我的工作流程和别人就不一样你要去做定制那这里是把他原来已经工作内部非常顺的不管是八部还是十部的这个流程把它刻画下来叫定制化用定制化的方式解决他标准化的问题那这个标准化的问题就是看这个企业对他的业务的流程读解总结的到不到位如果到位那这个确实有效如果不到位可能能解决30%的问题那天天会有70%60%的新的增量那这个就会变成一个又长又久的系统交付的工程就今天的这些Honey's工程那能够把原来企业的工作流数据流包括企业的上下完我们把这些工作区间能够标准化下来

[24:51]

那同时因为今天有了自主进化所以这些在面向不同的客户回答问题的过程中他就能做到个性化所以对于AI的领域来讲他可能为了更多是用标准化的方式去解决个性化的问题因为既然定制化就很难去做个性化我理解当我们在说标准化的时候比如说我们给企业是一个标准化的产品就是类似于比如说我提供了Agent 1然后我上面有几个大的方向你只用去采购我这个Agent的席位就OK了这是一个非常标准化的产品但是呢定制化就是说你的企业可能会有一些特别的业务需求我可能需要再跟你的数据打通它能回答更多的个性化的问题我需要把你的这些信息都接进来因为这样哪怕我是一个客服我才知道是哪个环节出了问题嘛但是在真正涉及到这一部分的时候你觉得这一部分很多的大的企业比如说它有电商的企业那它可能还有线下的大家的问题完全不一样就是这些它都是能用这种标准化的手段去解决的吗前面那个环节我们如何去分辨它是定制的还是可以被标准的其实定制就是你去问它企业里面的每个人它的流程可能都不一样你最终需要做内部叫企业叫做企业流程培训完了以后你这条系统才能上上去那今天的分水理是什么呢你把现在企业真实在工作的这些人的行为能不能数据化通过数据最终帮它表达你这个企业最好的消灌是什么工作的你这个企业最好的投手是什么工作的那这个工作是不是你希望负责到所有的人的那如果是这个是一个参照系的话那可能和原来的理散的事实而非的标准这是本质的差异那这种你们会给企业做一些定制或者企业专有的软件吗我们现在已经很少去做企业专有的软件企业里面增长的问题增长的问题就是最终我一定是用能数据能度量当然我们也遇到一些客户也会说希望明年买我们1000个人天的投入那其实这种方式我觉得在企业侧也要发生变化那未来我觉得买这种人天的方式其实定制的方式其实会越来越少人天是什么就是这就是定制嘛比如说我一开发一个功能要100天它估算它可能我大概有10个系统或者是有100个功能它可能自己算下来差不多1000个人天的时间才能开发完成所以它会去找我们或找市面上的一些公司说你能不能帮我来开发一下那这个开发其实对我们来讲完全是一个从0到1从养鸡场到养鸡到下单到潮单所有都干完那这类事情其实对客户来讲对我们来讲编辑效率都是非常低的事情所以我们反而是说今天只是聚焦就是在做销售做客服做营销那基于这些场景之下的问题可能我们去接所以你们现在更加倾向于去做标准化的agent增长类的agent我觉得这个点非常有意思就我们可以讨论一下我现在觉得呢过去在SaaS那波很热的时候大家想去做这种标准化的产品这一波很热的公司是Palantir我觉得它大概有46%到47%的营收来自商业客户主要是派它的工程师去一个一个企业里面改造就像您刚刚说的从领导仪把企业内部的系统搭建出来就像比如说它要1000个人天来去搭建一套系统我理解现在像OpenAI然后微软他们可能也是想用这一套AI工具把这些工具布局到企业内部那他们呢其实就做的是一个一个企业纯定制化的思路

[28:30]

然后我理解你们反而是在走一个相反的做产品的思路对Palantir其实它有个前提是那服务的企业它原来都是有基座的它是去帮客户去找出有价值的问题而不是去帮客户去实现他给我列出来的To-Do List的100个功能需求这两个本质的差别我们现在交付和服务中的客户是我们进到客户里面可能和企业的CEO优众总裁到下面的一线人员我们都要去做交流做访谈最终是和他一起先找到他公司里面这个阶段在销售侧或者在营销侧或者有些是可能在他业务增长侧最有价值的问题那这些问题最终还是回归到我们所擅长的作为他的业务的增长就是三类要么是销售的增长要么是你今天营销的ROI的增长要么是你今天克服本身的服务人销的ROI的增长其实我们在中国这样的企业和这样的客户群里非常大所以我们今天不是说每一个企业我都能服务而是说我们找到企业里面有每个这样问题的场景我们能够提供服务你们是一个垂直一个赛道一个赛道的座基本上通过一些典型的客户场景把一条赛道打通是如果具象来讲它可能也是一些行业专属的应用或者数字员工嗯 了解如果是这种比较标准化的服务我理解它按做起收费就好了它按效果这个要怎么计算其实呢这个使用的方式是标准的比如说大家都会接个数字员工比如说我刚才讲到那个投手它其实帮我去每天采集各种的市面上的竞品也好同类的企业它发的新品新的价格从采集数据分析数据做决策然后调整自己的策略就是这个方法是标准的但是每个微超是完全不标准的那可能每个行业有个行业它的转化率比如说2%有的行业可能转化率比较20有些品可能在不同的渠道但是转化率不一样这些地方呢可能我们没有办法说有一个标准的今天说一定给你提升10倍5倍的还是根据数据来根据你是过往的你在不同的平台不同的时间不同的注销期你的效果怎么样我们做一个分析完了以后我们做一个MVP我们AVTest那这样一些比较以后最后有效果我们会和你做一个业务模式的结算我觉得当下这个阶段肯定也在试对很多企业来讲今天其实在这里的投入肯定是希望能拿到更高额的一些回报所以我们会有这样的一些企业我们愿意做一些尝试比如说有的叫对赌今天其实我们不叫赌还是要做测评有这么一个测评我的智商就类似于模型的梭台一样我能够去拉到什么一个水位线这个我觉得今天对智能和对今天企业的数据让模型更好的放大是一个很好的方式我们刚刚其实聊了客服然后看看有没有投手或者销售的例子而且我对销售非常感兴趣我觉得投放它可能还稍微标准化一点我理解销售它每个行业之间可能就差别更大了比如说酒的行业媒体的行业2B的行业2C的行业它是完全不一样的是的我们有一家制造业它原来有很多线下的渠道各个省带渠道的这个销售人员就服务各种的经销商而且这些人员最大的一个麻烦可能约束就是他的上班的时长和客户的时长即使在一个区域他一天拜访可能他手上大概有二三个客户但是他如果按照拜访一天只能两到三家先去哪一家后去哪一家这是一个时间规划的问题第二件事情是我见了这个人我应该是和他proposal什么东西

[32:01]

以及和他交流什么话题以及这个话题最终可能和我企业内部需要我的任务和目标是什么关系这个叫方案第三个是我和这个人沟通完了以后他可能有些要执行的任务可能不是我预设的但是可能有一系列的一些动作这个动作可能和他的内部的优务的系统要去录你其实原来这件事情想想都是靠着人类的今天我们帮这个企业是从一个省的试点开始这个试点原来是一个最落后的销售的区域那在今年的上半年那个省平均最先进的你想想这些过程可能AI能在各个环节能帮助但是缺少一个销售的AI能够把它从事前事中事后都能穿起来前面的路线规划中间的我要去做哪些客户见面的材料准备以及准备完以后我的小机和我系统怎么录录打通如何去推格到我后面的内部的相应的其他人员跟进原来这个销售可能每天花一半的时间在做资料准备可能晚上大概花两个小时做复盘做系统路但今天可能对销售它的工作时间效率大大提高而且它的最终结果就是那个省拿到那个公司的销罐这个印象深刻对我们从企业的消费者来看增长就这么简单可以理解三大类售钱售中售后那售钱其实就是营销售中就是销售售后就是客服其实你售钱再看它也是这么三大类投钱做预算分配做渠道分析做人群挖掘投中做素材生成素材管理素材的优化投后做复盘做渠道筛选渠道优化你看这几件事情其实背后都是数据家AI能够肉眼就能看得到能在这里能够去提供很大的价值的只是这个怎么穿起来你再看售中销售也是这么三件事情新客新购转接上哪里有新客哪些新客变成新购所以你看到会有什么市价市吃市穿一堆的都是让它你的新客户变成我的新的购买用户都是为了让你能够更好对我的产品有理解那我要把这个试的机会给谁这里你看到都是有数据家AI的机会能够去找到在企业私域的信息化数据范围之内能辨得出来最好的或者是能够去规划出来最好的策略你看客服也有这么几类的可以抽象比如说我买一个东西什么时候上面安装第二个是售后投诉我买的东西刚刚讲吹发货缺了个脚什么缺了一个什么配件的投诉那第三类就是长期复购我新产品来了或者我新的功能升级了如何让我来继续提供服务其实这几大板块往下拆解和理解其实我们今天这几类agent就是基于这些岗位最佳投手最佳销售最佳客服作息的这样的人设去做agent的设置同时我预制了这样的agent他有一个比如说工作5到10年或者是一个本科生的水平或者硕生的水平的这么个人那今天进到那企业来干嘛呢你需要有企业的资产给他去打理这个资产就是你企业的数据权限资金的审批投放的权限客服相应的忽入和资金赔偿的上限给他这些权限那你在你企业就能工作为什么说我们我们说营销销售和客服是这样理解的是因为站在企业的生意的逻辑来看这几个角色是在每个企业都存在的最大工业数的岗位那这些岗位是能看到通过数据加skill能最大化的把它变成agent能够去自动上岗自主进化的体系所以你们现在内部有多少个这样的不同的agent那我们提供的agent服务方式呢如果简单来讲就是四架x四个预设好的agent加上x这个x是企业的数据资产和企业的上限文管理

[35:31]

那四是分别的四个呢一个叫营销一个叫销售一个叫客服另外一个是运营我们这个agent就是在这个行业里面能做到五到十年的工作技能的人叫做最佳档位的实践预设然后同时x就是雇了一个这样的人进去以后你给他什么样的权限什么样的企业的数据什么样的企业的审批权限和资金的管用的权限所以这个divend x就是我们需要去和企业一起去梳理去治理以及在原来他有的企业的平台之上能去做一些数据资产管理的能够让前面agent更好上岗更好工作对您刚刚提到的那个帮助制造业做销售的这样的一个agent从您的员工开始接触了解这家企业到真正的把这家企业适用于他们企业销售系统的agent打造出来这个过程大概会花多长时间哇这个还是一个好问题我觉得我们讲起来很容易但是其实做起来还是蛮难的特别是在新的技术革命的开始有人相信有人怀疑有人在不断地摇摆所以我们做这件事情可能花了一年多可能讲起来两句话讲完核心的是这个企业整个的组织生产关系解放思想很重要先去熟悉工作岗位这个花了可能是比较大的时间可能站了三分之一不止完了以后才是去做建模那后面我们同样花了大概三分之一的时间在教练团因为我们有这样的agent出来以后并不代表他今天就完完全全是一个优秀的投手或者优秀的一个销售所以我们有一个AI的导师团那我们要去调教他就前面的学习和中间调教加在快花了三分之二的时间那另外其实真正的实施执行和系统的上限反而是快的嗯熟悉工作岗位这个我理解其实就是我们今天提到的FDE前沿部署工程师他要真的到企业内部然后跟大家沟通交流包括他是不是还得在每个企业轮岗看这个企业他是怎么运作的假设他们的销售发现我们是抱着这样一个目的去的我们可能要建一套agent的系统会遇到执行层的人会比较抵触的这种现象吗肯定会的这是人性啊所以我们刚才前面的话题就是说能看到跑得快的是自长而下的跑得比较快但是我们惊喜地看到我们做了几个成功的企业有部分的企业其实CEO或者董事长做的最多的件事情是动员思维的转型所以我们有一位董事长他一年在企业内部给他的全员和管理干部培训自己做董事长学习AI去讲课超过15场他说我先学会我再给员工讲那员工才能去理解我的思想可能用好这些系统所以我觉得思维转型是非常难的事情但是惊喜地看到是说这些员工原来担心的其实大家都在互联网谈的一个词就是人会被替代掉其实发现在企业策不是这个样子其实企业策我们觉得同样会形成K线进化也是IT的团队这些成员原来在数据化时代是非常有竞争力的我觉得在AI时代他是更加有竞争力他首先他背是了解AI或者是用AI的工具是有技术背景的所以他上走快同时只要他往业务再走一点点他可能就是企业内部的FD他能找到企业内部更多比我们这些对那些不熟的人找到更多的企业的三个点就是耗钱最多耗时最多耗人最多的地方找到这一点去雇用和培练这样的agent上岗那他的价值就更大所以这些人K线往上走那另外第二类的K线就往下走你如果今天我就和你对抗你可以对抗一个工具或者对抗一个项目

[39:00]

但是你对抗不了这个趋势但是我们看到这个董事长一年培训了15厂然后发现他的财务他的IT还有他的原来渠道的一些销售的负责人慢慢变成了一个叫做帮助客户成长的这样的一些导师也好这么一个角色这个角色其实我把它犯成是企业内部的FD我觉得往K线的上面走这本人是有巨大的机会这里面可能我觉得首选像原来的ITCIOCTO的这样的组织他们只要往业务走一点原来很多做技术都是这样子上面的业务同学们需求给我提清楚我就干就好了但是今天是反向是你要去学会提问题那比如说我们刚刚提到的像销售客服这一类的职位他们会有向上走的可能性吗当然今天他可能不是自己去上岗做真正的一线的接线或者是处理投诉的人他是这个客服AI agent的力的他去每天做异常处理每天晚上的复盘一样他要去做总结他要去做任务派发新技能的让这些agent去学习那这个人他整个的成长路径就不是原来说我去处理100个更刁难的问题而是如何让我这10个跟着我的agent能够去覆盖原来超速我工作量和工作能力范围之内的工作我觉得他们的工作性质跟工作方向发生了变化可能以前从一个执行的职位变成了带着一群agent管理他们的职位是所以这些人在企业策或者在市面上他会越来越值钱而不是今天我们换了一个title叫FD就值钱了而是这些人具备我刚才讲到的以业务结果为导向以企业数据为基座以岗位标杆为预设的这些人他能够帮企业拿到结果的这段FD他是值钱的对我们刚刚提到了首先要熟悉工作岗位然后这个可能真的也是要企业的一把手从上到下整个大家思想体系的一个变化那另外您提到的第二点是建模第三点是有一个AI导师团他来用这个工具这个具体是一个什么样的步骤对我们举一个agent的上岗的例子我们在一家企业其实不是说我今天部署系统立马就切换上去我们是大概一周的时间原来我们可能有个词叫做灰度能给我多少流量或者给我多少的客户客户量或者是DAO进来我们不是这样子我们是第一天我们切晚上零点到两点客户的数据进来因为这个时间是客户需求最少的时候或者低谷再的话其实我的第一天上去有什么问题那影响面是可控的那基于第一天的工作上岗以后我要去做评审做分析再做一些调整第二天的时候我就改他的上岗时间是从下午的12点到下午2点这个时候是这一天工作最高峰时刻我们并不是抽高峰时刻里面得十分之一的流量我们要是这个时间段全段的流量只有全量我们才知道你异常的边界那同样我复盘你在最高峰的表现哪些有毛刺哪些有你客户投诉炸毛的哪些是你处理得比人好的那我就去做一些调整第三天可能我会放大到八个小时以此类推到一周的时间让它变成一个能够符合我整个企业设定的参照系这个参照系可能是它最好的作息要么是它今天内部比如最优员工的一个标准所以是这么一个工作模式我理解整个这个过程其实它要把它测试运转跑起来然后在这个过程中不断修正它其实还是需要花很多的时间有一伦伦的反馈的是是就原来我们是把它当成一个工具现在我真的是把它当成一个我的同伴教会你以后我不在的时候

[42:27]

或者是在晚上凌晨的时候你就真的是能够完全接管我而不是一个指令现在可能有一些默认叫自动回复自动回复都是一些FAQ嘛对对对那我们具体真正到前沿部署的这些人比如说他要去熟悉这个企业的工作岗位然后要建模同时还要在AI使用的过程中不停地拿反馈你觉得这个人他是需要一个什么样的素质跟画像的因为我感觉这是一个很难的工作对我们做法不是一个人而是一个组织要一个人有这样的那全材非常难而且这个人的宽度和时间那就非常碎片化了那说我们基本上分这么三类一类呢我们叫BA以用结果为导向的BA最终是对客服流程反正只有200多部流程我们怎么能编排或者怎么能阅读这个客服处理这个是最佳的一个方式他能够去找出最好的AI的工作的模式我们的工作我们的工作也就是在我们这个组织里面工作的一员第二个呢我们叫做AI架构师我们今天把那些业务问题要翻译成为用什么尺寸的模型以及什么环节我应该要去人干预什么环节应该要去用机器接管这个AI构构这部人可能他的视角是今天对新的模型新的agent的进化的一些能力他能有足够的掌握他可能是就在AI进化的最前线最新的资讯最新的产品他都要去能快速的上手快速的能给出结论并且快速的知道我这个业务应该匹配什么样的一个解决方案第三类呢才是首席客服首席消灌那这类人他是能够把前面的业务问题变成了这个agent以后在过程中能够去参与到调教他那这个调教这里面呢我们的角色会变得弱一点会退后会在客户侧呢去挑选出来他客户里面最好的这几个角色能够去组成这个AI的专家团或者AI的教练团如果企业内部未来大的企业或者是原来平台化做的比较好的IT能力和技术能力比较好的企业那这几种角色他内部应该都会要具备可能在这个阶段那通过我们的方式能够去快速的知道很像你们所在的这个行业里面最好的水平是什么样子能少走弯路那在一开始的时候是谁说服这个制造业的董事长来做agent的呢我觉得拿下客户可能是第一步而且这个客户他能说服董事长他可能级别还不能够他能有更好的威胁没错对于一号位来讲他就关注我要么收入增长要么利润增长其实我们只是在今天用AI的这个时代之下用agent的这个方式去让他理解这个事情能满足他的收入增长或者利润增长或者人效增长的数据所以不是说我们用有一套什么样的方式去说服谁而且这里面找到大家共同想往那个方向走的这个意愿那其实就是一排即合的东西最难的是你把你的东西装在别人脑袋里面那今天是正好当脑袋有这样的一些发展的诉求动力那我们在这过程中去帮你的动力更快的能看见更快的我们叫做MVP能让他想到的看到的是能够结合起来所以我们像刚才讲的那个企业的董事长是因为他讲这些东西我们的团队进去以后快速的通过今天AI工具去做出来MVP他的董事长就给他们的团队说了一个很具象的词就是说没看到之前我不知道我要什么但是这个就是我想要的哦有意思他还是看到了一点点产品

[45:59]

他大概对他想要的东西自己也有个清晰的画像这个东西可能就是做出了一个他脑子里面的产品对对您觉得今年这些企业的一号位他在接受agent包括主动去拥抱AI agent的趋势上他有发生什么样的变化哇这个天壤之别人来都在讲怎么用能不能用现在直接跳过什么时候开始帮我用上从什么时候感受到这个趋势的变化的就在今年春节之后这波龙虾兴起以后以及后面的哈尼斯工程包括现在路普啊这些慢慢能够让原来大家关注的AI都在模型参数啊Sota啊这个跑分到今天能够看到他执行任务了那对企业来讲是非常力感建议的他脑子里面多一本账还是回到刚才那三个标的已经慢慢出来了我哪里耗人最多他就琢磨能不能帮我提高人效哪里耗时最多那能不能帮我提高速度哪里耗时钱最多能不能帮我提高好爱所以其实家是最聪明和最敏伟的一批动物比如说他们现在用一个AI客服成本是多少然后他需要去付token的用量的使用费吗因为我其实也是从今年开始硅谷的大公司也要求员工开始去用agent但是我理解他跟您这边的可能还不太一样他就是比如说鼓励大家去用AI工具但很快就发现自己企业的token的账单给烧爆了现在在您接触的客户中会有存在这样的现象吗这个是普遍存在的就拿我们自己举例子好了我们在Q1结束的时候其中有一个AI的项目我们收入可能300万但投入1200万但是我们慢慢到这个季度结束基本上能看到就会打平掉所以出去投入还是有的但是今天呢正是因为我们自己是这样经历的所以我们反而设计出来这样的agent不是让你对token敏感而是关注你背后你能解决的问题还是那句话能不能算得过来账你算得过来账背后用什么token其实对他来讲大本老板他是不会care的而且有些时候我们看到很多问题在客户测它并不是模型先进性的问题它肯定就是刚才讲的最后一公里的企业上下文企业的数据规不规范企业的数据好不好用那这些问题可能今天不一定是要用最好的这个大模型那今天反而我们是把这些降低它的选择和降低它的本身就不属于它应该要去判断的范畴之内今天我买一个电脑在行业里面还会去说我关注我电脑的CPU我的芯片我的内存吗企业也一样的我觉得他一定是关注我能够给我带来的那个账我算得清楚就OK了我们希望在这层通过我们的实验尝试去帮助客户帮助客户未来在我这个平台上他去雇一个外户机器人或者是外户agent或者是这个字检agent或者是电商投流agent那它是算是总账的背后你用什么模型什么方式可能这是留给我们团队的我们的技术能力做到多好就是我们未来的利润的空间和你成长的空间有意思你们现在用的是哪个模型所有的阿里云的平台的模型我们都在用但是对于客户来讲其实你是阿里系的模型还是今天开源的像Kimi 像资谱这些在我们的阿里云平台都有这样的模型那这样的模型我们反而是用这样的场景来去帮客户挑选在什么场景下用什么模型对你的性价比最高可能我们对模型不会有直念嗯所以你们现在的策略我理解根据刚刚您说的应该不仅仅是说我只是无脑用最强的模型

[49:22]

而是可能是比如说好的模型配上比如说阿里的一些开源的模型可以下载到本地的大家是综合来调度现在是这样一个思路吗对你其实谈到的一个问题就是说怎么部署的问题那其实部署我觉得分两类一类叫做系统部署一类叫做模型部署那今天我们这些agent物学就把它简单的理解成一个系统这个系统可以在我阿里云上公有云上也可以在你企业自己的环境里面那这次没问题了第二个呢是模型试布那模型试布呢我们发现大部分人是混淆的一两年前大家可能在谈我能不能下载一个开源的去私部那有人在这样干是因为模型的智能需要去做后训练今天其实基模已经强到没有人再去提后训练这件事情了第二个是比如说今天这样开源的大尺寸不管是我们阿里的大尺寸的模型还是像今天K1米这样模型都是两点几TB的参数那有没有算个这个账如果你要去私部这样模型你没有一个几千万的初始化的投入可能几千万对今天最新的先进模型都还打不住所以这个成本仗没有算过第一个是需不需要第二个是成本耗不耗得起所以这个模型试布我觉得这个事情未来更多的会交给像这样的Agent他去选择在什么场景下用什么样的模型大家还有一个问题的混淆就是如果我不试布模型我是不是这些数据就给了你大模型公司了就私部我才能把这个数据留在我的企业内部但其实今天我们用Agent去调大模型的过程中其实我们和大模型对话大模型并不会吸你这些数据而且这些数据可能对大模型来讲它是污染但是真正说能够去收集采集的是编程的Webcoding这样的Agent像ChatGPT你和他对话他是能够去采集这样的数据他是为了让你更好的优化对这个是ChatGPT C端产品的一个默认设置当然大家也可以关闭用于数据训练的这个按钮那今天我们这层在哪里就在你的Agent里面你的客服Agent你的小说Agent你的营销Agent这些Agent可以部署在你家里部署在你的环境里面你可管可控所以呢在系统这层可以管控你的数据安全数据的合规性那在模型这层呢我觉得还是今天在市面上要用你最符合的模型和性价比匹配你解决你问题的模型是最优的方案综合来看今天模型的能力已经很强大强大到很多用AI它就已经有一些效果了所以大家不用试试都用最好的模型反而是现在在一个拼效率的阶段就拼谁的运营效率更高我觉得刚才这个话题在2B这次不是模型的先进性而是它和在业务场景比较多快好闪可以用最好的模型这些地方唯有收益那我就做但我们今天可能是用一个适中的模型能解决你场景原来对比下来就能达得很好效果未尝不可对我刚刚问这个问题是因为您之前有提到过比如说模型能力一升级然后很多harness工程就无用了嘛你们跟企业做企业级的agent我理解就是模型能力一升级你们会需要及时更新你们的agent吗对你们来说它是一个风险因素还是一个利好因素它是会增加你们的工作量还是说这个其实还OK目前还OK如果它用了我这台agent它我一定是在稳定的绑定这个模型已经是确定的而不是随着升级它就自动升级而是要经过人工确认的比如说我们一个员工上岗

[52:46]

还是要经过刚才那个阶段的验证只这个时间会缩短所以这个验证在目前如果没有客户或者是我们主动升级的情况下它还是用原来那个方式去工作是保证效果最稳妥的今天一定是我们在哪地方测试到这个模型带来的足够的理由去升级去升它那这个升级我觉得从长远来看一定是好的那只是在这过程中我觉得这也是FD在里面的关键作用我们要去测要去对比效果再去做升级的方案而且升级方案可能并不是一个API级别的切换在企业这一侧它也绑定了很多企业的流程啊权限啊包括企业内部的管理的边界啊看起来切换很容易但其实在企业这一侧它其实要的是稳定的工作输出嗯对你觉得中美的企业级AI现在大家有什么因为市场商业环境不一样的地方然后他们之间就是有什么区别先说企业再说这个角色吧那像在前面的信息化阶段有Salesforce有SAP这样的企业其实它已经奠定了很多的工作流以及奠定了很多的数据标准那在中国其实在这一块是缺乏的所以我们在中国做FD大部分做交付为什么限了交付不是我们这些同学或者是其他的这个行业他们想去做而是每一家都没有一个比较平稳的地基所以我要先去做地基所以这个交付就限到了我们从第一天打装盖楼再到上面装修一系列事情都要去干完这是我觉得本身的这个基础是不一样的第二个呢才是说今天美国的企业和中国的企业其实付费习惯也不一样你们在硅谷应该是很直观的大家对尊重知识包括人力成本也贵很多那在中国是不一样的因为中国每个大的企业都一个IT团队这些团队如果是仅仅是交付的话那其实它内部它也是能做的那为什么你在这里能做出比较好的价值那这里会遇到一个市场稀缺和一个市场饱和的一个问题所以这个可能一种是系统的环境一种是系统的环境一种是人才的环境这两个不具备完全的Apple to Apple的隔壁性第二个是说这个角色这里的人的工作有什么不一样那在硅谷那其实这些人可能今天有几个大的平台可能包含像Salesforce SAP传统的这种SaaS还有像Facebook Google这种的互联网平台可能在中国其实像淘宝天猫啊企业微信啊他们要去更多的站在客户视角怎么去利用好已有的互联网的平台去工作传统如果仅仅做一个功能集成的交付那它会落到Facebook的比对上那今天可能如果是从互联网平台出来的人和做这些事情他就有天然的优势那如何懂流量如何懂互联网的运作方式如何懂互联网之间的这些know how这个是蛮不一样的嗯对您觉得中国跟美国的FDE现在是领先统部还是之后因为刚刚我听您说你们的几个客户您可能花了一年的时间跟他们去做部署其实我感觉你们走的还是非常的早的对 其实我们没有FD这个词之前其实我们干的这个事情可能就是和我刚才描述的FD就往这个方向去的并没有今天因为有FD这个词来了我们就套上去所以我们原来五年前就一直有这么一个团队就叫CSM所以这个团队只是我们围绕着原来是客户成功是今天有了AI来以后把AI纳管进来我们如何继续让客户成功我觉得我没有数据所以我没法对比说比他好还是比他不好

[56:04]

但是我们这几年一直在这样做但是我们越来越能感受到其实最终是用客户的订单客户的续费来去对你表达你做的好和不好所以目前我们看下来收发收雇太谦虚了那作为林阳的CEO您现在最关注的三件事情是什么好问题我想一下比如是客户的拓展找到好的人还是整个技术方向跟战略决策的把控或者是怎么样去提升运营的效率做项层面可能就三个东西一个叫做人哪些人不管是客户特别人还是我们自己的员工层面的人是能够去更好的更快的从AI里面冒出来在内部我们每个月会有一期叫做AI最佳实践的员工作坛会员工的分享但我们希望能快速的去找到或者去帮助这样的一些同学们能冒出来能够去成长客户册我们也是一样所以客户册呢我们每个月都有一期或者每年我们都有一个很固定的一个活动叫做数据同学会希望能找到这个行业里面头头脑脑的过去一年发展成长和蜕变最好的这些人能去做一个活动然后我们也会有一个和蜕变最好的这些人能去交流我觉得人是所有的这些事情的前提和根基第二个呢是事这里我觉得是事能我们得找到在这个事能上的事情比如说我们最近在做这个agent1上的这些客服啊营销啊销售啊其实我觉得找到这样的事情其实最终是要能够看到它能自增长但是在客户内侧它能够自己可悲相传比如说刚才讲的有些例子其实都是一些客户和我们讲的或者是客户和其他的客户讲再来反过到我们这来的第三个就是局局是局面这里局面就AI的格局AI的发展的局势以及今天agent的一些进化的局势这里面有技术册的有工程册的有在模型册的可能有在义务架构册的所以总结下来可能关注人是局现在在AI时代现在在AI时代您刚刚提到了人你们也会去做最佳实践的员工分享您觉得现在人的技能应该往哪个方向转变如果大家想要自己在AI时代发展的更好的话你们更倾向于招哪一类的员工呢我们也在尝试其实我们不知道最好所以我觉得应该是要招的更好只能better and better所以现在我们能看的就这么三类的结合一类是懂技术的第二类是还是要了解业务的要么技术往业务走要么业务往技术走那目前看下来技术往业务走可能难度更低一点这业务呢可能我们不要是个全产可能是个专产你要么去把一个营销多平台或者单平台做得很好要么是你把一个行业里面的客服的各种边缴角角流程理解的更透所以我们这里有不少的是叫客服专家呀叫营销专家呀这样的角色第三个呢我觉得还是懂数据其实懂数据并不代表说我天天看报表而是你看了报表你能至少在你脑里面我觉得有几个东西第一个同比你看完这个数据你得看到同比这个是健康与否如果只是给一个裸数据说今天我增长180万但这是好还是坏不知道第二个呢我们叫做对比你是和自己对比还是和进队对比和另外一个品牌对比还是和你自己家的另外一个产品对比第三个呢我们叫做占比你虽然做了180万这个市场上你是万分之一还是说这个十分之一但你的模式就会不一样那其实这些呢可能是基本的一些数据思维那这种可能落到AI这一侧我们也是要让AI有这样的能力你有这样的能力才会有这样的判断有这样的判断

[59:39]

它才会有这样的策略它的执行才会慢慢变成性化为什么要数据数据就是给了一个参照性就给了一个把子这个把子就是一个摄灵目标你不断的超越它那这个数据就成为你的一个拐手杖综合来讲今天就要懂AI吧懂业务深度有对AI的锐度懂业务的深度还有数据的宽度数据的宽度对您的这个分享让我想起一个很有意思的话题之前AI刚来的时候呢硅谷有一个职位叫做Data Scientist就是数据科学家很多做数据科学的人他们都非常的慌因为AI就可以做各种的数据分析了他不是首先取代的是我的这个职位吗然后您刚刚的这个分享我突然意识到不管在什么职位上只要大家真的做的比较好它都是很有价值的是 我觉得这是自然进化的规律也是AI进化我觉得逃不开一点刚才你说的一个词数据科学家其实我们在十几年前我们在国内我们也用这样的词去定义其实后面我们改了一下把后面加去掉了因为在国内这个语境里面数据科学家就是非常神圣的一个pital所以我们叫做数据科学数据科学是讲究方法科学不是你的人的位置这是不一样的科学的方法和科学的工作方法那落到你的业务场景里面那这个数据科学才是有发挥业务价值的那是不是说在现在这样一个时代资深的人会更吃香那如果是刚刚大学毕业的应届生刚刚开始熟悉一个职位你觉得这一类的人他会有优势吗我觉得2C和2B不一样2C可能去做一些创新那可能今天没有差别但是2B来讲你的行业经验know how还是有壁垒有价值的那指这个价值呢原来可能是十年他学会的今天你有可能一年或两年你能掌握对当下的这些年轻人其实我们如何能站在别人的肩膀之上去成长而不是从零开始去学习那这种新的工作方式和工作习惯可能会让你和人之间产生新的差异嗯对因为我们今天其实聊到整个企业籍agent您这边确实我们也能看到很多的结果就是他能帮助企业降本增效但你觉得有没有一些之前做不了的一些业务有了AI以后是可以做的就是他可以帮企业完全打开一个新的领域跟新的增长市场现在你们有看到这样的一些趋势吗我觉得特别像就很多做不到的嘛但是今天我觉得回到企业测就两个方向一个是加AI一个是AI加嘛加AI就是我们自己也帮助不少的企业上线了些系统用一些工具比如说我们数据分析的工具数据治理的工具还有一些风控的一些工具那这些工具今天加了AI以后它的效率效益最终回到又效果上来它会有一个增值那这种呢现在也有不少的企业还在这个方向上去发力我觉得这个是非常有必要的不能一口吃个胖子嘛而且有些系统特别是对一些工具型的系统SaaS型的系统并不是这些系统没有价值特别是在这个阶段这些有些软件的工具它的价值会重新分配了只是原来这个软件我必须要打开这个软件的首页Login进去我才能使用那是人用的那今天可能这些系统它可能是给AI用它可能不需要人登录所以它的价值会重新分配那这些系统还是有效的这是加AI的方式去用它第二种叫AI加谋定的是我是在某一个领域我要真的是要重新用AI的方式去改造它去定义它比如说我刚才讲的AI客服AI营销AI导购

[1:03:10]

AI投手这类的地方呢反而是回归到企业本质哪里耗人耗钱耗死最多的地方那这些地方是容易去探索AI加的方式的嗯嗯好的特别精彩好好谢谢谢谢小鹏好好好谢谢红军好那这就是我们今天的节目大家听完这期节目有什么样的感想欢迎给我们写评论写留言播客的听众可以通过小宇宙Spotify还有苹果播客来关注我们视频的听众可以通过B站还有YouTube搜索硅谷101播客找到我们我们部分节目的文字稿也会发表在我们的微信公众号硅谷101上我是红军感谢大家的收听谢谢