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

哈囉大家好 歡迎收聽歸古邀領邀 我是紅君 企業軟件市場有一個老規律 客戶美花一美元去買軟件 就要再花六美元 把它用起來 那AI時代呢 這六美元的生意正在被重新分配 這是所有巨頭突然衝進壁端的原因 我們之前說AI是不是泡沫 但答案不在聊天框裡 而是在企業的照本上 那之前呢 我們其實聊過一集FD的節目將AI如何進入企業及市場 評論區就分成了兩派 一派是說AI真正在幫企業落地 另一派質疑的觀點就認為 20年前就有助長開發 這是不是換個名字 新品裝舊酒 所以我們決定找一個真正在做這件事情的人 當面來問你了 這集嘉賓是阿里巴巴集團的副總裁 林楊的CEO彭新女 他可能是中文世界裡最有資格回答這個問題的人 他是阿里數據中台方法論的創立者 過去幾年幫幾百家中大興企業搭建了數據平台 他帶著團隊做這件事情已經五年 比FDE這個詞流行的時間還要早 那我們之前的播客講過FDE的歸古去世 這集我們就來講一講一個各具體的中國案例還有案例背後的那本賬 下面就是我與彭新女的對話 哈囉小彭您好 哈囉我們今天哈囉大家好 因為我知道其實你也是阿里數據中台方法論的創立者 要不要跟我們簡單介紹一下自己以及林楊 他具體是一個什麼樣的公司 你們現在具體在做些什麼 其實用一句話來說的話 他其實在企業服務的範疇裡面 我們就要企業及增長的Agent 那我們核心還是去幫助企業做消費流動 我覺得在過去其實歸古講的都是C1端的故事嗎 最開始大模型開始的這一輪 大家都說A誰的產品先衝上Abstore的第一名誰的日火先破譯 但是我們說從今年的上半年開始 我覺得整個歸古的風向變了 比如說OpenAI成立了專門的部署公司 Anthorough Peak它是拉著黑石跟高盛 做了一個15億美元起伏的核子公司同時我們看 最近的一些新的動作 微軟它也形成立了一個運營部門叫做Microsoft Frontier Company 背後是25億美元的投資和6000名工程師 他們也是說自己超越了我們所謂的FDE的概念本身 那亞馬遜也是在投入數十億美元專門打造這樣的組織 所以我覺得從今年開始 我在歸古觀察到的一個現象就是 整個AI的戰場正在從C1端回到壁端 OpenAI它的FDE在舊金山的中級崗位的基礎工資 是16萬到28萬美元 那我們說傳統的解決方案的工程師 它大概是比這個職位高出了60% 所以小鵬你們有沒有比如說FDE的職位 然後你覺得這個崗位需要什麼不一樣的能力 為什麼它會比市場傳統的主廠運為價格要高出這麼多 這個國內也在關注 但是如果換一個名字就能夠去工資升級 這個不符合企業邏輯不符合市場邏輯 其實看到背後本質的還是一個東西吸缺 這裡人家的吸缺它才用這個一價空間 換這個發展的時間買 那吸缺什麼東西 那原來這部人做運為就是這個系統 就是這樣子我是保證的健康運轉者 但如果沒有做任何變化 它憑什麼會要去一講 那今天我們看到了 如果要做得好FDE 其實剛才講了就三個能力 第一個它是要有AI的潤度 第二個是要有行業的深度 第三個它是有數據的寬度 那這三類結合在一起的 但能夠做到今天這套系統運行的 不是說它今天是不是在正常運行 而是說它今天的運行 是不是按照我的業務標 是在我好的地方做還是變差 好的地方我怎麼讓得更好 差的地方我怎麼干預它 我怎麼調教它 這個角色是原來僅僅做運為 做不到的 必須要運為智商 能做到對業務理解 對數據的理解 然後我能調整一些 不管是技能的調整 數據的與了的上下文的調整 包括一些Mario的管理 那其實這些工作是原來做傳統交付是 不存在的 或者它不會遇到的問題 所以這是最大的差點 對 聽起來對人的要求還是挺高的 那最終可能 一個成熟的一個業務 那企業裡面需要要麼是有這個人 它能過去在這幾個領域 都能兼顧 要麼是我們有大型的客戶 我們有這樣的持續的運行培訪的FDE 但我覺得這兩種未來都有機會 因為FDE我們其實也剛剛做了一集博客 很多聽眾他就在我們這個博客下面留言 他就說這個FDE是不是 就是我們之前說的什麼駐場運為 駐場開發 是不是又換了一個新名詞 你覺得我們現在臨洋在跟客戶接觸的時候 當我們提到FDE 他跟我們傳統說的駐場開發駐場運為 他們之間的本質區別在哪裡 這種我覺得本質的變化是原來是交付功能 變成一個交付一個業務效果 如果從AI這個大的語境下 我們參三個方向 第一個是業務結果為導向 我們要找到這個對的問題很重要 這個問題一定是一個有業務目標 業務數字和業務過往歷史紀錄的 如果用AI的是咬來想 它能構建一個側面級 構建一個指標體系 第二個呢 就以企業數據為基礎 其實今天我們如何能夠構建一個 企業數據能夠通過Agent 調用大型的能力 技能去保護飲食 又能夠去發揮大型最大的市能的上限 第三件事情呢 以港位標竿為育社 為什麼我們會去定義首席克服的Agent 以及最佳投手的Agent 最佳消灌的在Agent 其實是我們把這些在這個企業裡面 它的港位標竿作為Agent的育社 它起步可能就是一個工作五年 十年的這麼一個投手或是克服 所以我們今天 雖然它的名詞叫FD 它叫什麼 其實我們有一個很傳統的詞 就叫CSAM客戶成功 我們希望的客戶成功 最終是對業務的結果 好一點更好一點 我們叫Badline的Badline 所以我理解這一輪 我們再說到FDE跟我們去做這種企業級 的部署的時候 跟之前的紀輪的根本區別 就是說它是有結果的 它的結果能驗證 不管我們說成本的削減 或者是效率的提升 或者是新業務的拓展 相當於是以結果為導向的變化 就是它確實對企業有幫助 對 而且是以企業的業務 增長結果可杜良的結果 其實在企業策和個人策 最大的不一樣是 在企業策的話用AI是希望 能夠找到重複的工作 我今天用AI最高新加比 和最高效率去擠著它 那個人可能是找到AI的上線 我能突破我的邊界 那企業很多是要去約束邊界 能不能舉個例子 那吐司其實可能 大家經常聽到一個詞需要新奇特 那這就是我是個人的體驗 不知道我眼前一亮的 但是這個用完了以後過了一座 兩座你就會變成系統平常了 那其實對企業策 再來講是另外一個詞 叫多快好省 但其實它是有個比較 比較是一定是有個參照系的 這個例子我們幫助一些客戶 比如說其中有做一些珊瑞素馬的 它其中有一個環節叫做吹發霍 它有三類不同的處理方式 第一種是 比如說買了兩台空調 但是你只發了一台 所有客戶打電話過來我要吹 那這個流程就是我要去核擦我的訂單 然後去過庫房 然後再去派單去發 第二類是吹配件 我買了空調 我忘了發一個配件了 原來的客戶流程 再去找到配件商庫 然後我們才發出去 第三個還總叫吹發霍 我買了一台空調 我去了收到了 你當初不是和我說 給我正一個電盤包嗎 那為什麼沒有送到 像就這麼一個吹發霍的環節 最後客戶收穫這個環節 大概有兩百六十多部 好兩百六十多部 這麼多 我理解這是客戶打個電話 客戶接起來 它要是跟內部的流程溝通 是這個意思嗎 就是難是難在這兒 對內部的流程 可能有著內部系統 有著外部系統 比如說電商它在多個平台 有著在驚動 有著在天貓 有著在不同的地方 對有些配件 可能客戶還要下單 對 這個兩百多部的背後 其實它能覆蓋95%以上的 可能有5% 可能會一些新的東西進來 但是這個95% 我要去熟悉這個流程 我要去新招客戶 培訓客戶 我要去上港它 考核它 其實這件事非常有確定的標準 讓我如何快速的 去讓客戶能拿到貨 以及讓客戶買一件拿到貨 我們讓客戶不投訴 以及讓客戶去要投訴 為了要賠款 這樣的客戶比如說我們通過 我們銷售的Agent 客戶去Agent 以及和Agent 萬的這樣的結合 昨天正好和同時 我們還在去覆蓋一些Case 我們在其中有一家 它要超越它現在的一些傳統的機器 其實我們發現 上線開始就比它傳統的機身 效果也好 昨天我們在看到說 已經逼近了超出的人類 最好的狀態的平均水平了 所以能夠看到 這樣的工作在企業社 那都是普遍的存在 它有邊界 同時它今天是有巨量的重複材發生 所以我們把這些情況 在企業社規例 這麼三類的場景 地類是哪裡耗人最多的 比如說這種打電話接電話投訴的 第二個 哪裡耗錢最多的 有些地方可能是賠款資訊 有些地方是銀銷投放 有些地方可能是我要花 素材的各種的試驗 第三個就是哪裡耗食最多的 比如說我們經常會打電話給客戶 說我為什麼沒有到 一般的可能說不好意思 我幫你查一下 我們查的半天沒查到以後說 我玩你給你打電話一般是 以小時候為單我或者天為單位 那這些都是對客戶來講 就是耐心 你有的超過一個小時候 可能我就退了 其實不是說所有的場景 我今天都會用 剛才講的業務結構 你導向人做得到的 一定是這個業務結構 它是非常具體有可以度量的 耗錢最多 耗食最多 耗人最多的地方 對 而且我覺得你剛剛覺得 這個例子非常有意思 傳統意義上 我們在理解一個客服 以及客服機器人的時候 大家想到的都是說 客服怎麼太多好的 去认识一下 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 让我意识到了克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 现在其实就是让AI把背后的 以系列的体系给打通了 现在我们说不仅仅是仍能解决问题了 那AI只要把数据打通 它也可以解决问题 但我很好奇的是 就比如说随番户可能是有配件的问题 有增品的问题 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 在这一点上 你们是怎么跟克服 把他们的核心痛点梳立出来的 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现场销售 其实淘宝天贸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受货的 这么一个义务流程的理解 所以今天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 我们把软件的实施是我们交费套系统 AI的实施如果类比交费套系统可能还欠缺一点 其实它是我们新顾一个员工 所以我这里的比如说这个客户 或者是这个营销或者等等销售 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 你进到那公司以后 你只要给它全线 给它目标 给它材料权 那它就回去工作了 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 我们上来就这个人就是会干活的 你知道给它全线 这两个我就是有本质差异 对 那我们刚刚提到的就比如说 催翻货的这样一个场景 假设一个标准的电商企业 它需要估用多少个AI员工 这个是根据它的那个又体样来的 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 几个点是成本是给客户 那么今天用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又结果 产品去说这个事情是一个work的 聊见聊见 它是所有的企业都通用型的使用 就比如说你刚刚提到了几个 大的领域像客户投手 然后营销之力 我理解其实这个就是你刚刚提到的号人 最多号钱最多号时最多 比较点型的三个公众 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 会不会有一些企业 比如说他们内部本来的它的数据就是不全的 所以它也会上手比较困难 是 这就是今天我们说 FD里面我们说第二条一企业数据致力为基础 这个很关键 比如说从这里固用一个工作五到十年的 什么给员工 但是进来以后你的企业的这些基础的信息 支持库啊你都是乱的 那这个人进去也是傻眼的 所以我们固用这个员工 比如说对一些大企业 它有自己的一些私有的上下玩企业的各种支持库 我们的FD在这里工作 就是要去帮他输理和致力他的企业的数据 如何让这个data for agent 那我们在帮一家企业 它是在多个电商的平台 淘宝填毛啊 行动啊或者是在抖音去做投流 它发现它也好奇的投手 但是投手的投手之间天然之别 其实发现内部做副盘总结 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 我们发现做的最好的一个投手 它在三个月里面 它做了超过一万次的价格调整 那做了一般的投手 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 其实靠老师傅带心土力 你很难去学 这就是发挥今天AI的哈利斯工程 能够去做自我学习做情况 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 第三个就是執行 第四个就是叠带 只是第一件事情广望原来很多的邪属 还有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 即使这个学习背后 那AI一定比人能够对你的行为的总结 体力和发现 更加全面和深刻 所以我们把这些东西 今天成为我Agent的这个数字员工的技能之一 成为它未来能够用每天新的对话呀 处理的一场信息 by the case group case 能够去做进化 这样还形成这么一个工作模式 所以在谊设其实发现 像这样的环境是通用的 但是每一家工作的细节是不通用的 那这个环境正好就是我们这一趟Agent 按能够去从你的数据收集到模型建模 就工作的那个SQL 这个数据完了以后你的工作的建模 再到你執行任务的推进 最后你能够做到进化的跌代 所以这部分是通用的 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 您刚刚讲到投楼的这个例子 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楼 或者是其他的广告投放的投楼 几个大的平台是比较相似的 这一类的AZN的产品 它是不是一个比较标准化的产品呢 对 国内最大的上市平台就是这几台电上平台 那这几台平台 它已经最大的工业数了 大家在下面的素材、价格、系统、数据已经标准化了 所以这部分已经成战了这个企业 做投楼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 这个巨人的肩膀上工作的基础 是非常重要的 只是我们在一个类比说中国没有一个独立的傻事公司 只是中国的平台企业成长的傻事公司的能力 所以这些能力我们今天在AS带 它是可以被利用、被发挥的价值更大的 对 我们刚提到了其实AI在向人类最优秀的投楼学习 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 大家会更多的去用这些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 如果用传统的生产生药素来讲 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 能够让更人生产力的边界变得更大 但是我就为了提升的就是能够 通过AI能制造新的生产力 比如说就是一个在近20小时的投手和服务人员 我觉得这个就时间先后 不可能永远有绝对的竞产优势 一定是一个时间双口 在这个时间双口之下 谁能够企业更好的拥有和运行 自己的数据员工在企业策为增长做服务的 我觉得这个可能是就领先的 第二个能让这个持续能领先一点点 是我就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 这一部分还是有满大的文章 大家经常会看到我们建议数据平台 可能给那个开数据 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 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 能不能有正常经济效应 今天看下来交付完一个Agent会交付完这个系统 才刚刚开始 你的企业真正实在 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 你弄起来 用了好坏最终是用又结果来买单 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 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 很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 走得比较鲜的 就可能有数据法基础比较好的 就类似于原来在电商、在互联网 经历比较好的 还有一个就是一些大的企业 它本身内部原来的ITR 新情况做得比较好的 第二个是 我们现在看到是在投手或者是做客户 其实我们有不少的企业 它已经就在用了 可能用另外一句话讲 其实大部分的企业真的做出效果 它不过去讲的 今天可能是企业和吐司不一样 吐司是一个新来和功能 好的功能 它立马就会让全人家知道 对企业社它只要这个效果 它持续在用 那其实这个就是好的 这种是用结果来买单 老姐 你们今年去谈客户的时候 你觉得要让它们把自己的一部分系统 放在这个A正特上 它是得从上网下推动 还是从执行层 自下而上的跑起来 今年起了对A正特的改造 业务流程 它们是一个什么样的太多 对 这是好问题 那这两者都有 那目前我们可能 看到的进展顺利的是资产而下的 涉及生产关系的问题 资产而下是这个业务的一号位 他能决定既有IT費用又有业务费用 那他才能够去算总赏 今天如果资产而上的话 我们就遇到反向的比例子 曾经遇到一个客户 他的某一个业务部门 他想做业务的Agent 但是他今年没有预算 但是呢 他的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 需要通过我们这个业务方案 去设计技能满足IT的先进性 要满足业务的效果 其实发现这个生产关系满脏去弄的 因为可能IT要的先进性 不一定是又要的效果 又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事 我们遇到的是有的企业 可能是比较传动的企业 或者制造业 他的一号位同志上 就是非常明确 我今天必须要去拥抱AI 要去拥抱AI 拥抱在哪里 比如说他选定一个消除盆 他从哪个区域开始 制造一下 制造一下以后发现他的财务 IT以及他的消除线都动起来 生产关系从于发生的变化以后 那业务的消除Agent 他从一个区域复制到全部的区域 就形成一个很快速能够去推动的一个局面 对 企业在推动这一部分业务的时候 因为他会设计到很多企业内部的这些数据 大家要把各个流程 各部门的数据 还有一些方法论都拿出来把它做成一个Agent 企业在跟你们负责 潜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 我们帮助了大级百家 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 就是已经帮到数据做了自领做了打通 所以基于这些平台质上去涨业务 今天就是一个水稻区程的事情 那今天可能遇到一些新的企业 够建做Agent的功能中 它要花很多的代价 还是要在下面 够建今天企业接到数据的管理和清洗的 这些能力 但是我们因为原来激累了 都会大客户就好几百家 他本身就原来持续在数据平台上做数据激累 几于这个上面就涨 这些应用就比较方便 我理解你避到了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 你又是做数据中台的 所以其实是沉垫了很多的数据的 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 还是说大家共有的 这两个问题 一个是商业模式 一个是技术模式 商业模式来讲基本上就这么两大类 一种是按照做习说非 就工作量吧 第二个逻辑就是爱效果逻辑 第一种是比如说刚才讲的客户 它原来是五百人要去接管它的一年的生意的服务 那今天我们用 同样是五百人的价格 比如说有个八则九折的投入 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 第二种就是我们基于有时候做营销做投手 是一些增长 但原来你的转化里边说是20 做到你原来人物转力之上的部分 我们做分层 要这么两大类 现在按照效果付费的已经真实发生了 有的 有答案成效果了的吗 一定是有的 而且是延续续序废 或者延续在服务中的客户 这个客户其实我们所谓一个默认的事 所谓的做生意它比我聪明 今天它能算了过来这个账 它一定才能去做区费和服务的 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意家 但我们原来有个词叫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 你上来觉得体验就能用吗 那最终是要是基于他家的业务单元 他家的数据单元 能做一个最小人价值厌责 客户最终厌收通过 那你就自己去用 这种才是一个比较忽信和有持续年轻的 这样的一个服务方式 那前面刚才讲是商业模式吗 第二个你刚才前的问题背后的 还一个是技术模式 那我这里可能讲三个词 定制方标准化 还一个词是个性化 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 它说我的工作流程和别人就不一样 你要去做定制 那这里是把它原来已经工作内部非常顺的 不管是八步还是十步的这个流程 把它刻画下来就要定制化 用定制化的方式解决它标准化的问题 那这个标准化问题就是看这个企业 对它业务的流程都好理解总结的到不到位 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 就今天的这些哈利斯工程 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 那同时因为经历有了自主进化 所以这些在面向不同的客户回答问题的过程中 它就能做到个性化 所以对于AI的领域来讲 它可能未来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约做到个性化 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 agent1 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 我可能是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近来 因为这样哪怕我是一个客户 我才知道是哪个环节出了问题吗 但是在真正设计到这一部分的时候 你觉得这一部分很多的大的企业 比如说它有电商的企业 那它可能还有现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 前面的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 完了以后你知道系统才能上上去 那今天它分辨的是什么的 你把现在企业真实在工作的这些人的行为 咱们数据话 通过数据最终报纳表达 你这个企业最好的消贯是什么工作的 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喜欢复制到所有的人的 那如果是这个是一个参照系的话 那可能和原来的理闪的42倍的标准 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 我们还是聚较围绕在企业里面增长的问题 增长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一千个人天的投入 那其实这种方式 我觉得在企业策也要发生变化 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 就是这些定制嘛 比如说我一开半个功能要一百天 它估算它可能我当有十个系统 或者是有一百个功能 它可能自己算一来 炒不到一千个人天的时间 才能开发完成 所以它会就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 完全是一个从零到一 从养机场到养机到下单到炒 但所有的干完 那这里实际其实对客户来讲 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你是聚焦 就是在做销售 做客服 做营销 那继续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 这我们可以讨论一下 我现在觉得过去在SARS那一波很热的时候 大家想去做这种标准化的产品 这一波很热的公司是排论题而已 我觉得它大概有46%到47%的引手来自商业客户 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 从领导以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套AI工具 把这些工具布局到企业内部 那他们其实就做的是一个一个企业纯定制化的思路 然后我理解你们反而是在走一个相反的做产品的思路 对 藍梯尔其实它一个前提是 那福利企业它原来都是有机做的 它就去帮客户去找出有价值的问题 而不是去帮客户去实现它给我列出来的 土豆历史的100个工程需求 这两个本质的差别 我们现在交付和服务中的客户是 我们进到的客户里面可能和企业的CEO右种材 到下面的依陷人员 我们都要去做交流 做房谈 这种是合海一起先找到它公司里面 这个阶段在销售策或者在营销策 或者有些是可能在开业务政长策最有价值的问题 那这些问题最终还是回归到我们所擅长的 作为它的业务的增长 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 要么是你今天客户本身的服务人销的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 一个赛道的做 基本上通过一些典型的客户场景 把一条赛道打通 是 如果续向来讲 它可能也是一些好业业专属的应用 或者数据员工 嗯 了解 如果是这种比较标准化的服务 我理解它按做洗收费就好了 它按效果这个要怎么计算 其实使用的方式是标准的 比如说大家都会接个数据员工 比如说刚才讲的那个投手 他其实帮我去每天采集各种的市面上的精品也好 同类的企业他发了新品新的价格 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V超是完全不标准的 那可能每个行业 有些行业它的转化力 比如说有了行业可能转入了20% 有些品可能在不同的渠道 但是转入了不一样 这些地方可能我们没有办法说有一个标准的 今天说一定给你提升是被五倍的 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 不同的出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NVP 我们AVTEST 这样一些比较以后 最后有效果 我们会和你做一个又文模式的结算 我觉得当下这个阶段可能也在试 对很多企业来讲 今天其实在这里的投入 可能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 比如说有的叫对读 今天其实我们不叫读 还是叫做测评 有这么一个测评 我的智商就类似于模型的说态一样 我能够去拉到什么一个所谓线 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怀一点 我理解销售它每个行业之间 可能就差别更大了 比如说久了行业媒体的行业 涂碧的行业涂碧的行业 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 各个审单 渠道的这个销售人员 就服务各种的行业商 而且这些人家最大的一个麻烦 可能约束就它的上半的时场 和客户的时场 即使在一个区域它一天拜访 可能它手上大概有23这个客户 但是它如果按照拜访 到一天只能两到三家 那先去哪一家 那这是一个时间规划的问题 第二件事情是我见了这个人 我应该是和他和他所做什么东西 以及和他教练什么话题 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 这个动作可能和它的内部的右的系统 要去录你 其实原来这件事情 想象都是靠到人类的 今天我们帮的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消除的区域 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 但是缺少一个消除AI 能够把它从事前失踪之后 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 以及准备完了以后我的小机 和我系统怎么录录打动 如何去推革到我后面的内部的 相应的其他人员根进 原来这个消除可能每天花一半的时间 再做治疗准备 可能晚上大概花两个小时做 复盘做系统录 那今天可能最消除它的工作时间 效率它的提高 而且它的最终结果就是 那个省拿到那公司的消贯 这个印象是很客对 我们从企业的消费者来看 真正就这么简单可以理解三大类 的授权 授中 授后 那授权其实只有营销 授中就是销售 授户就是客户 其实你授权再看 它也是这么三大类 头前做预算分配 做渠道分析 做人群挖掘 头中做素材生成 素材管理 素材的优化 头后做复盘做渠道塞选 渠道优化 你看这几件事情 其实背后都是数据架液 能够入眼就能看得到 能在这里能够去提供很大的价值 只是这个怎么穿起来 你再看个授中 消账也这么三件事情 心刻 心够 转接上 哪里有心刻 哪些心刻变成心够 所以你看到会有什么 试价 试吃 试穿 一堆的 都是让它你的心刻变成 我的心得够买用户 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架液的机会 能够去找到在企业思欲的信息化 数据范围真的能变得出来最好的 或者是能够去规划出来最好的策略 你看客户也有这么几类的可以抽象 交付礼约 比如说买一个东西什么时候上门安装 第二个是 售货投诉 我买的东西刚刚讲吹发货啊 吹了个脚啊 什么吹了一个什么配件啊 的投诉 那第三类就是长期复够 我新产品来了 或者我新的功能升级了 不会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 就是继续这些感微最佳投手 最佳销售最佳客服做习的 这样的一些人士去做Agent的设置 同时我预质的这样的一些Agent 它有一个比如说工作五大十年 或者是一个本科生的水平 或者说什么的水平的这么个人 来干嘛呢 你需要你企业的资产给他去打理 这个资产就是你企业的数据权限啊 资金的省匹投放的权限啊 客服相应的呼路 和资金赔偿的上线啊 给他这个权限 那你在那一期也全能工作 为什么说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 最大工业数的感微 那这些感微是能看到通过数据 就是给我们最大化的 把来变成Agent的 能够去市场上抗资主进化的提醒 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的服务方式呢 如果简单来讲就是4架X 4个预税好的Agent 加上X这个X企业的数据资产和企业的上线文观力 那是分别是4个呢 其实个叫营销 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5到10年的工作金的人 叫做最佳岗位的时间的预使 然后同时X就是顾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 什么样的企业的审辟权限 和资金的管用的权限 所以这个部分的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资上 能就做一些数据资产管理的 能够让前面Agent更好上港 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台 从您的员工开始接触了解这家企业 到真正的把这家企业 是用于他们企业销售系统的Agent的打造出来 这个过程大概会花多长时间 这个还是一个好问题 我觉得我们讲起来很容易 但是其实做假的蛮难的 特别是在新的技术革命的开始 有人相信有人怀疑 有人在不断地腰摆 所以我们做这件事情可能花了一年多 反正讲起来两句话讲完 核心的是这个企业整个的组织是没有关系 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 可能再的三分之一不止 完了后才是去做建模 那后面我们我们样花了大概三分一的时间 在教练团 因为我们有这样的Agent出来以后 并不代表它 今天就完完全全是一个优秀的投手 优秀的一个销售 说我们有一个AI的导示团 那我们要去调教它 就前面的学习和中学调教 加在快花了三分之二的时间 那另外其实真的实实执行和系统上限 反而是快的 熟悉工作岗位这个我理解 其实就是我们今天提到的FDE 前面不是工程师 它要真的到企业内部 然后跟大家沟通交流 包括它是不是还得在每个企业轮杠 看这个企业它是怎么运作的 假设他们的销售发现 我们是抱着这样一个目的去的 我们可能要建议一套Agent的系统 会遇到执行层的人会比较底出的这种现象吗 肯定会的就是人性 所以我们刚才前面的话 就是说能看到跑得快的是智常而下的 跑得比较快 但是我们惊喜的看到 我们做了几个成功的企业 有部分的企业 其实CEU或者董事长 做了最多的一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 他我先学会 我再给员工讲 那员工材能去理解我的思想 可能用好这些系统 所以我觉得思维转型是非常难的事情 但是惊喜的看到是说 这些员工原来担心的 其实大家都在互联网谈了一个词 就是人会被替代掉吗 其实发言在企业策不是这样的 其实企业策我们觉得 同样会形成K线进化 比如说IT的团队 这些成员原来在数损化时代 是非常有精神力的 我觉得在这AS代 它是更加有精神力 它首先它备时是了解AI或者是用AI的工具 是有技术背景的 所以它稍微很快 同时只要它往業务再走一点点 它可能就是企业内部的FD 它能找到企业内部更多 比我们这些对那些不熟人 找到更多的企业的三个点 就是号钱费多 号时费多号人费多地方 找到这一点去顾用和培链 这样的Agentor上岗 它的价值就更大 所以这些人可以心往上走 另外第二类的可以就往下走 你如果今天我觉得和你对抗 你可以对抗一个工具或者对抗一个项目 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食物场 然后发现它的财务 它的IT 还有它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 是么一个角色 这个角色其实我把它范成或是企业内部的FD 我觉得往开心的上面走 这本人是有巨大的机会 这里面可能不就是所选项原来的IT CIO CTO的这样的处置 他们只要往右走一点 原来很多做技术都这样子 上面的右路同学们需求给我提清楚 我就干净好了 但是今天是反向使 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纸位 他们会有向上走的可能性吗 当然 今天它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 它是这个客服AI agent的力量 它去每天做艺常处理 每天晚上的复盘 一样它要去做总结 它要去做任务派发 新技能的让这些 agent的去学习 那这个人它整个的成长路纪 不是原来是我去处理100个更雕难的问题 而是如何让我这个10个跟着我的A距等 能够去覆盖原来操作我工作量和工作能力 範圍之内的工作 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A距等的管理他们的职位 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 以右节目为导向 以企业数据为基做 以赶为标凉为预设的 这些人他能够帮钱拿到结果的 这段事不低 他曾之前的 对 我们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 你们举一个A距的上榜的例子 我们在一家企业 其实不是说今天不属于系统 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量 或者是Dio进来 我们不是这样子 我们是第一天我们切 晚上零点到两点的客户的数据进来 因为这个时间是客户需求最少的时候 或者第五 这样的话 即使我的第一天上去有什么问题 那一项面是可供的 那基于第一天的工作上榜以后 我要去做平省 做分析 再做一些调整 第二天的时候 我就改它的上榜时间 自从下午的十二点到下午两点 这个时候是这一天工作最高峰的时刻 我们并不是抽高峰时刻里面 得十分的一的流量 我们要是这个时间断 全断的流量 只有全量 我们才知道你一场的编解 那同样我复盘 你在最高峰的表现 那些有毛泽 那些有你客户投诉 炸毛的 那些是你处理比人好的 到时候就去做一些调整 第三天 可能我会放达到八个小时 一直累推到一座的时间 让它变成一个能够符合我 整个企业设定的参照性 这个参照性可能是它最好的作息 要么是它今天内部 比如最有员工的一个标准 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 有一轮轮的反馈的 是 所以原来我们是把它当那个工具 现在我真的是把它当成一个我的同伴 交配你以后 我不再的时候不再数在晚上 凌晨的时候你就真的是能够完全接望我 而不是一个指令 现在可能有一些默认交自动回复 自动回复都是一些FAQ吗 对对对 那我们具体真正到前业部署的这些人 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 什么样的素质跟花相的 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 那就非常顺便化了 那说我们基本上分这么三类 一类呢我们就毕业 以用结果为导向的毕业 这种是对客服流程 反正只有两百多不流程 我们怎么能编排或者怎么能预约度 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的工作的模式出来 设定出一个比较科学的数据标准 去做评测 其实他的便宜物 像美妆、家电、家具 还有重物、汽车 这些专家今天就是在我们组织内工作的议员 第二人呢我们叫做AI驾驼室 我们今天把那一位问题要翻译成为 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驾驼这本人可能 他的视角是今天对拼的模型 拼的拼准的进化的一些能力 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 比起来快速的指导 我这个業务应该体费什么样的一个解决方案 第三类呢才是首席客服、首席乍惯 那这类人他是能够把前面的右问题 变成了这个 agent 以后 在过程中能够举取参与到调教堂 那这个调教这里面呢 我们的角色会变得弱一点 会退后 会在客户策子去挑选出来 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 或者是平台化做得比较好的 IT 能力和基础能比较好的企业 那这几种觉得他内部应该都会要具备 可能在这个阶段 那通过我们的方式是能够去快速的指导 很像你们所在的这个行业里面 最好的水平什么样子 人家扫走弯度 那在一开始的时候是谁说服务 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 他可能即便还不能低 他的有更好的威胁 没错 对一号位来讲 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 或者人校增长的出去 所以不是说我们用有一套什么样的方式去睡不睡 而且这里面找到大家共同想往那个方向走的 这个意愿 其实就是一排鸡盒的东西 我们说最难的是你把你的东西装在别人的脑袋里面吗 那今天是正好当脑袋有这样的一些发展的诉求 希望动力 那我们在这过程中去帮你的动力 更快能看见 更快能够叫做 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 是因为他讲了这些东西 我们的团队进去以后 快速地通过今天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不要什么 但是这个就是我想要的 有意思 他还是看到了一点点产品 他大概对他想要的东西 自己也有个亲戚的画像 这个东西可能就是做出了一个他脑子里面的产品 对 您觉得今年这些企业的1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 这个天上之别 然来多再讲怎么用 能不能用 现在直接跳过 什么时候开始把我用上 从什么时候感受到这个趋势的变化的 就在今年春节之后 这波龙虾新起了以后 以及后面的哈尼斯工程 包括现在 loop 这些慢慢能够让原来 大家关注的AI都在模型参数 说他这个跑分 到今天能够看到他执行任务了 那对企业来讲是非常厉害建议的 他脑梅多于很脏 还是回到刚才那三个标题已经慢慢出来了 我哪里好人就做他去做吗 能不能帮我提高人校 哪里好时最多 能不能帮我提高速度 哪里好时前最多能不能帮我提高好安 所以其实家是最聪明和罪名的一批动物 比如说他们现在用一个AI客服成本是多少 然后他需要去付偷坑的用量的使用费吗 因为我其实也是从今年开始 规估的大公司也要求员工开始去用 agent的 但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偷坑的仗单给烧爆了 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 就拿我们自己决定好了 我们在QE结束说 其中有一个AI的项目 我们收入可能300万但投入1200万 但是我们办不到这个技术结束 基本上能看到就会打平掉 所以出去投入还是有的 但是今天正是因为我们自己是想经历的 所以我们反而设计出来这样的 agent不是让你对偷坑敏感 而是关注你背后你能解决的问题 还是那句话 你们算得过来脏 你算得过来脏 背后用什么偷坑 其对他来讲大部分老板他是不会care的 而且有些时候我们看到很多问题在客户策 他并不是模型先进性的问题 他可能就是刚才讲的最后一公里的企业上下文 企业的数据规矩犯 企业的数据好不好用 这些问题可能今天不愿意需要用最好的这个大模型 那今天反而我们是把这些降低他的选择和降低他的本身就不属于他 应该要去判断的犯错证的 今天我买一个电脑 在行业里面还会去说我关注电脑的CPU 我的芯片我的内存吗 企业也一样的 我就他一定是关注我能够给我带来的那个账 我算的清楚就OK了 我们希望在这场莫我们实验的场势 去帮助客户未来在我这个平台上 他就顾一个外乎机器人或者是外乎 agent 或者是这个字简 agent 或者是电脑投流 agent 那他是算了种账的 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 所有的阿里云平台的模型我们都在用 但是对于客户来讲 其实你是阿里西的模型 还是今天开源的像Kinnie 像Supra 这些在我们的阿里云平台都有这样的模型 这样模型我们反而是用这样场景 来去帮客户挑选 在什么场景下用什么模型对你的新加址最高 可能我们对模型不会有质量 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 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 但是综合来调读 现在是这样一个死路吗 对 其实谈到这个问题就是说怎么部署都问题 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 今天我们这些Agent的估计 就把它简单理解成一个系统好 但是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 事部 这次没问题了 第二个是模型事部 那模型事部呢 我们拍一些大分子的时候会晓的 一两年前 大家可能都在谈过了吗 下載一個開源的去思佈 那有人在這樣幹 是因為模型的智能需要去做後旬鏈 今天其實寂寞已經強到 沒有人再去提後旬鏈這些事情 第二個是比如說今天將開源的大尺寸的 不管是我們哪裡的大尺寸的模型 還是像今天天明的這樣模型 都是兩點幾替勢的參數 那有沒有算了這個帳 如果你要去思佈這樣模型 你沒有給幾千萬的出職化的投入 可能幾千萬對今天最新的先進模型 都還打不住 所以這個成本帳沒有算了 第一個需不需要掉的成本好不好地起 所以這個模型思佈 就這個事情未來更多的會交給像這樣的Agent 他去選擇在什麼場地下用什麼模型 大家還一個問題的混淆 就是如果我不思佈模型 我是不是這些數據就給了你大模型公司了 這思佈我才能把這個數據留在我的前內部 但其實今天我們用Agent去掉大模型的過程中 其實我們和大模型對話 大模型並不會吸你這些數據 而且這些數據可能對於大模型來講 它是無染 但真正說能夠去收集採集的設計 編程的Webcoaling這樣的Agent像切的Gpt 你和它對話 它是能夠去採集這樣的數據 它是為了讓你更好的優化 對 這個是切Gpt C端產品的一個模型設置 當然大家也可以關閉 用於數據訓練的這個按鈕 那今天我們這身在哪裡 就在你的Agent裡面 你的客服Agent 你的銷售Agent 你的英雄Agent 所以Agent可以部署在你家裡 部署在你的環境裡面 你客觀可控 所以在系統這層可以管控你的數據安全 數據的合規性 那在模型這層的 我覺得還是今天在市面上 要用你最符合的模型和新加坡 匹配你解決你的問題的模型 是最有的方案 綜合來看今天模型的能力 已經很強大 強大到很多用AI 它就已經有一些效果了 所以大家不用試試 都用最好的模型 反而是現在在一個 拼效率的階段 就拼誰的運營效率更高 是 我覺得剛剛這個話題 在土壁這層不是模型的先進性 而是它和在業務場景比較多塊好閃 可以用最好的模型 這些地方唯有收益 那我就做 但我們今天可能是用一個始終的模型 能解決你場景原來 對比下來就能達得很好效果了 非常不可 對 我剛剛問這個問題是 因為您之前有提到過 比如說模型能力一升級 然後很多哈利斯工程就無用了嘛 你們跟企業做企業級的Agent 我理解就是模型能力一升級 你們會需要即時更新你們的Agent嗎 對你們來說 它是一個風險因素 還是一個利好因素 它是會增加你們的工作量 還是說這個其實還OK 目前還OK 如果還用了我這套Agent 它我一定是在穩定的保定 這個模型已經是確定的 而不是說隨著升級 它就自動升級 而是要經過人物確認的 比如我們一個圓木上港 還是要經過剛才那個階段的驗證 只這個時間會縮短 所以這個驗證 但目前如果沒有客戶 或者是我們主動升級的情況下 它還是用原來那個方式 去工作是保證效果最紋託的 今天一定是我們在哪地方 測試到這個模型帶來的足夠的理由 去升級 我們去升它 那這個升我覺得從長遠來看 一定是好的 那只是在這個過程中 我覺得這也是FD在裡面的關鍵作用 我們要去測 要去對於效果 再去做升級的方案 而且升級方可能並不是 一個API級的切換 在企業這次 它又綁定了很多企業的流程 全線的 包括企業內部的管理的編輯 看起來切換很容易 但其實在企業這一次 它其實要的是穩定的工作輸出 對 你覺得中美的企業企業 AI現在大家有什麼 因為市場商業環境不一樣的地方 然後他們之間就是有什麼區別 先說企業再說這個角色吧 那像在前面的細節化階段 有Selts Force有SAP這樣的企業 其實它已經奠定了很多的工作流 以及奠定了很多的數據標準 那在中國其實在這塊是缺乏的 所以我們在中國做FD 大部分做交付 為什麼線了交付 不是我們這些同學 或者是其他的這個行業 他們想去做 而是每一家都沒有一個 比較平穩的地基 所以我也先去做地基 所以這個交付就線到了 我們從第一天打裝蓋樓 再到上面裝修一系列事情的去看完 這是我覺得本身的這個基礎 是不一樣的 第二個才是說 今天美國的企業和中國的企業 其實付費習慣也不一樣 你們在歸股應該是很直觀的 大家對尊重知識 包括人力什麼也貴很多 那在中國是不一樣的 因為中國每個大企業 都一個IT團隊 這也團隊如果說僅僅是交付的話 那其實它內部太也是能做的 為什麼你在這裡能做出 比較好的價值 那這裡會越來越一個市場 稀缺和歷史場保合的一個問題 所以這個可能一種是系統的環境 一種是人才能環境 這兩個不具備完全的Apple的科幣性 第二個是說這個角色 這裡的人的工作有什麼不一樣 那在歸股 那其實這些人可能今天有幾個大的平台 可能包含像CiaoSource,SAP傳統的這種SARS 還有像Facebook,Google這種的婚妙平台 可能在中國其實像淘寶填貓 企業微信 他們要去更多的站在客戶市角 怎麼去另外一有的婚妙的平台去工作 傳統如果僅僅做一個功能機身的交付 那它會落到廢除的體育上 那今天可能如果是從婚妙網平台出來的人 和做這些事情它就天然的優勢 它如何懂流量 如何懂互聯網的運作方式 如何懂互聯網之間的這些模好 這個是滿不一樣的 對 您覺得中國跟美國的FD 現在是領先統不還之後 因為我剛剛我聽您說 你們的幾個客戶 您可能花了一年的時間 跟他們去做部署 其實我感覺你們走的還是非常的早的 其實我們沒有FD這個詞之前 其實我們幹的這個事情 可能就是和我剛才講描述的FD 就往這個方向去的 並沒有今天因為有FD這個詞來了 我們就套上去 所以我們原來五年前就一直有這麼一個團隊 就叫CSM 所以這個團隊只是我們原來是客戶成功 是今天有了AI來之後把AI那管進來 我們如何繼續讓客戶成功 我覺得我沒有數據 所以我沒怕對比說比他好還比他不好 但是我們這幾年一直在這樣做 但是我們越來越能感受到 其實這種是用客戶的訂單 客戶的蓄費 來去對你表達你做得好好不好 所以目前我們看一下來收發收購 太監修了 那作為領養的CEO 您現在最關注的三件事情是什麼 好問題 我想一下 比如是客戶的拓展找到好的人 還是整個技術方向跟戰略決策的擺空 或者是怎麼樣去提升運營的效率 抽象層面可能就三個東西一個叫做人 哪些人 不管是客戶側邊人 還是我們自己的員工層邊人 是能夠去更好的更快的從AI裡面冒出來 在內部我們每個月會有一期叫做 AI最佳實踐的員工做團會員工的分享 我們希望能快速地去找到 或者是幫助這樣的一些同學們能冒出來 能夠去成長客戶側我們也是一樣 所以客戶側我們每個月都有一期 或者每年我們都有一個很固定的活動 叫做數據同學會 希望能找到這個行業裡面頭動拿到的 過去一年發展成長和推遍最好的接人 能去交流 我覺得人是所有的這些事情的前提和根基 第二個呢是事情呢 這裡我覺得是市能 我們得找到在這個市能上的事情 比如說我們最近在做這個AI外上的這些客戶 銀銷、銷售、這樣的Agent 其實我覺得找到這樣的事情 其實最終是要能夠看到他們自政長 但是在客戶內側 他能夠自己口碑相傳 比如說剛剛講的有些例子 其實都是一些客戶和我們講的 或者是客戶和其他的客戶講 再來訪問到我們之後來的 第三就是局局是局面 這裡局面就AI的格局 AI的發展的局勢 以及今天Agent的一些進化的局勢 這裡面有技術側的 有工程側的 有在模型側的 可能有在業務架或側的 所以總結一下了可能關於人事局 現在AI時代您剛剛提到了人 你們也會去做最佳實踐的員工分享 您覺得現在人的技能 應該往哪個方向轉變 如果大家想要自己在AI時代發展的 更好的話 你們更欣賞與招哪類的員工呢 我們也在嘗試 其實我們不知道最好 所以我覺得應該是要找得更好 只能拜託 所以現在我們能看得就這麼三類的結合 一類是懂技術的 第二類是還是要了解業務的 要麼技術往業務走 要麼業務往技術走 目前看下來技術往業務走 可能難度更低一點 這業務可能我們不要是個權財 可能是個專財 你要麼去擺一個營銷 多平台或者單平台做得很好 要麼是你把一個行業裡面的 克服的各種邊角角 流程理解的更透 所以我們這裡有不少的 叫克服專家 叫營銷專家 這樣確實 第三個呢 我覺得還是懂數據 其實懂數據並不代表 說我聽得看暴表 而是你看了暴表 你們至少在你腦裡面 我覺得有幾個東西 第一個同筆 你看到這個數據 你得看到同筆 這個是健康 如果只是給一個裸數據說 今天我增長180萬 但是這是好還是壞 不知道 第二個呢 我們叫做對比 你是和自己對比 還是個敬對對比 和另外一個品牌對比 還是和你自己家的 另外一個產品對比 第三個呢 我們叫做賺比 你雖然做了180萬 這個市場上 你是萬分之一 還是說這個十分之一 那你的模式就會不一樣 那其實這些呢 可能是基本的一些數據 就是那這種可能落到AI這次 我們也是要讓AI有這樣的能力 你有這樣的能力 才會有這樣的判斷 有這樣的判斷 它才會有這樣的測量 它的執行才會慢慢變成現況 為什麼要數據 數據就是就給了一個參照性 就給了一個把握 這個把握就是一個設定目標 你不斷的超越它 那這個數據就成為你的一個怪獸障 綜合來講 今天就要懂AI吧 懂業務、深度 有對AI的類度 懂業務的深度 還有數據目 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 归归有一个指位叫做DataScientist的 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 只要大家真的做得比较好 他都是很有价值的 我觉得这是自然进化的规律 也是AI进化我觉得逃不开 刚才你说了一个辞数据科学家 其实我们在实际年前 我们在国内我们也用这样的辞去定义 其实后面我们改了一下 把后面加去掉 因为在国内这个语境 数据科学家就是很非常省盛的一个拍头 所以我们叫做数据科学 数据科学是讲就是方法科学 不是你的人的位置 不一样科学的方法科学的工作方法 那落到你的幼少年里面 这个数据科学才是有防御下次的 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 印接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 我觉得突识和突币不一样 突识也可能去做一些创新 那可能今天没有差别 但是突币来讲你的行业经验都好 还是有毕业有价值的 那只是这个价值 原来可能是十年他学会的 今天你可能一年会两年 你能找我 对当下的一件年轻人 其实我们如何能站在别人的肩膀 至上去成长 而不是从零开始去学习 那这种新的功能方式和工作习惯 可能会让你较和人之间 产生新的差異 对 因为我们今天其实聊到 整个企业节 A 阵头 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小 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 我觉得处理上天安科上一次 就很多做不到的嘛 但是今天我觉得回到企业策 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 上下的一些系统用一些工具 比如说我们的数据分析的工具 数据治理的工具 还有些疯控的一些工具 那这些工具今天加了AI后 他的效率效益 最终回来又效果上来他会有一个增值 那这种呢 现在也不少的企业 还在这个方向上去发力 我觉得这个是非常有必要的 不能一口试个胖子嘛 而且有些系统 特别是对一些工具型的系统 杀的型的系统 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 他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 捞个印进去 我才能使用 那是人用的 那今天可能这些系统 他可能是给AI用 他可能不需要人登录 所以呢 他的价值会重新分配 那这些系统还是有效的 这是加AI的方式去用的 第二种叫AI加 某一定的是 我是在那么一个领域 我要真的是要从 新用AI的方式去改造他 去定义他 比如说我刚才讲的AI客服 AI营销 AI打构 AI特首 这里的地方呢 反而是回归到企业本质 哪里号人号钱号是最多的地方 那这里地方是容易去看说AI加的方式的 好的 特别精彩 好 谢谢 谢谢小朋友 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 小语咒Sportify 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 搜索归谷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 归谷101上或是红军 感謝大家的收聽謝謝