首页 > 资讯 > 数字化

反对意见:AIGC很难颠覆原有商业模式

2023/09/25 22:07      微信公众号见实 见实  


  本文来自于微信公众号见实(ID:jianshishijie),作者:见实。

  对To B企业来说,有了AIGC加持后,会对原有商业模式进行颠覆吗?

  答案是:很难。

  尤其对于To B企业来说,AIGC的介入主要强化和优化了现有的商业模式,更多的是商业模式的重启和重构,而不是对其进行本质性的颠覆。

  AIGC的价值体现在提升现有流程的效率,而非创造新的需求或场景。它可以帮企业更高效地利用和配置现有资源,而不是寻找全新的业务机会。

  因此,AIGC很难重新找出一块新蛋糕,但很有可能会把原来的旧蛋糕做重新切分。

  比如以一家基于招投标数据做营销自动化的企业「千里马」为例,过去他们主要做To B 服务,累计服务了包括阿里、腾讯、中国移动、中国电信等10万家企业。

  他们通过把各个地方的招投标信息汇聚在一起,进行大数据清洗后,生成商机预测、市场分析报告等提供给企业,让企业在招标前做好准备工作,提升成功率。

  过去,一个大客户可能会花100万购买招投标数据市场分析报告,但很多中腰部企业、小型企业则由于费用问题会被排除在服务对象之外。现在有了AIGC加持后,制作成本急剧降低,这就给千里马带来了商业模式重构的可能性,他们未来可以服务更多腰部企业和小型企业。

  在千里马董事长王剑波看来,AIGC可以让他们做的非标事情变得更标准化。不过,由于To B服务对准确性等各方面要求较高,且目前大模型成本还很高,因此规模化生产的时机还尚未到来。

AI音乐 打碟 DJ 人工智能

  图源备注:图片由AI生成,图片授权服务商Midjourney

  和王剑波的本次对话契机,来自于前几天由见实和行行AI、梅花创投联合举办的AI强应用大会,当天圆桌后,我们还和他聊了更多关于AIGC未来的新机会等话题。如下,enjoy:

  01

  AIGC对商业模式的重构

  见实:你们目前和AIGC的结合点在哪?

  王剑波:我们本身是家数据公司,核心是数据治理,即把数据清洗完以后,变成对企业有价值的数据。

  原来也通过自己的模型去做数据处理,比如做数据的归类、数据的结构化等。OpenAI的大模型出来以后,我们就深度结合了大模型在做,包括字段的格式化、分类等,现在的思路和原来也会有很大差别。

  见实:只是思路的不同?AIGC对千里马在做的事,有发生商业模式上的根本变化吗?

  王剑波:我认为AIGC很难创造一种新场景,它还是在老场景上提高效率。

  所以我们不会去做一个新场景,比如投标时的「标书代写」,我们原来没做过这个场景,也不知道是用户的真需求还是伪需求。

  所以并不是有AIGC后,我们就要去研究这个市场需求,而是在没AIGC之前,我们就应该研究透这件事了。如果只是有了AIGC后再找这样的新需求,成功率还挺低。

  我们更想去做的,是在原来已经验证过的场景上做效能的提升。比如我们原来给客户提供市场分析的数据,一个大客户可能一年花100万去购买招投标数据市场分析报告。

  这时我们的生产成本可能是20万,只有头部企业能付得起这些钱,但很多腰部企业和小企业也有需求,却只能支付得起10万元,因此我们之前都把这些客户都排除在外了,因为这个费用可能还不够我们的生产成本。

  有了AIGC之后,我们的成本可能从原来的20万变成1000元,就可以给之前排除掉的这些客户提供服务。这就是由于AIGC指数级的降本增效,给我们带来商业模式重构的可能性。在成熟商业模式下,有AIGC加持后,可以急剧降低成本。

  见实:成本从原来的20万,突然就变成几千块钱,会降低这么多?

  王剑波:举个例子,我们在做市场分析时,需要把某个标,去归到某个分类去,比如要把电梯归到一个电梯的分类里去,这个工作原来是在用自己的一些模型去做,但发现准确率挺低,在50%、60%左右,无法在商业中应用,所以我们要做到准确率95%以上,就要用大量人工去做这件事。

  但标的分类非常有挑战,很多人根本不理解这是个什么东西。比如说空气阀是哪个分类,大家可能根本不知道空气阀是什么东西。我们当时估算成本至少要几个亿,所以肯定做不了,只接部分头部客户的这些需求。

  有了AIGC后,最厉害的地方在于,它对通识知识的掌握非常厉害,它会知道空气阀是什么东西。所以原来处理一个标的需要5元,现在可能就需要几分钱,更多中小客户的需求我们现在也可以去接了。

  甚至针对小微企业,我们也可以提供免费的市场分析数据报告,因为这件事标准化之后,我们的处理成本很低。

  见实:那么现在中腰部客户数有没有明显的增长?

  王剑波:做To B服务对准确性等各方面要求挺高,达不到标准就很难做商业应用,比如在市场分析中,假设有一个数据出现了误差,就会导致市场决策出现问题,客户会很难接受。

  所以我们现在还没真正面向腰部和小微企业去做服务,它的精确度等还达不到要求。目前我们还在不停测试,等大模型的成本降下去了,就可以做大量商业应用。我们目前在用外边的大模型结合自己的小模型,将性价比控制到了一个能接受的范围。

  见实:大模型成本降低的时间节点会是什么时候?

  王剑波:我觉得很快,可能一年以后就会有一个翻天覆地的变化,可能是现在价格的1%都有可能。

  02

  现在速度很关键

  见实:AIGC加持后,对你们整个岗位变化、生产关系、工作流程的变化有明显改变吗?

  王剑波:当然有巨大变化,倒不是说原来人数从100降到多少,而是需要全面转型去拥抱AIGC,在人数结构上有调整。

  我们内部有个部门叫「数据研究院」,原来自己在做小模型、研究算法、做一些工程性的东西,去提升准确率等。

  今年1月时,我跟团队说要停掉原来所有工作,所有人都要去拥抱大模型去做应用,要放弃原来的工作模式,去拥抱新的工作模式,和AIGC进行结合。

  所以结构产生了变化,这些人原来干的事,和现在干的事完全不一样。就像工业革命后,机器纺织比人的纺织效率更高很多,逻辑上纺织工人的人数下降了很多,但它在另外一个领域上,比如设计这块,人数就要变多了。

  见实:你们整个团队现在有多少人?

  王剑波:差不多小1000人,和AIGC相关的研究上面,大概有30人。现在还不是规模化生产的时候,尤其是我们这种B端的活,需要准确率达到很高,才能去做规模化生产。

  见实:目前你们投入的资金是什么级别的?

  王剑波:目前主要还是在人力成本,比如30个人,一年投入成本可能是1500万。目前我们是小步快跑去做,如果能突破某些技术点,也许很快就可以量化生产。

  现在速度很关键,时间窗口也就一年之内。我估计一年后,大模型成本会有一个指数级的下降,不是说下降10%、20%,真的有可能下降90%以上。

  见实:有些行业会担心,AIGC对他们原有的服务模式会有一些摧毁,您是否也有这种担忧?

  王剑波:这是必然的,所以就看谁能转型成功。如果我们不往上面去走,竞争对手比我们早走一步,有可能就遥遥领先了。

  AIGC把技术门槛拉低了,比如原来做客服系统的人,其实背后有一堆人员,做了很多工程性的事情来让回答更准确。现在有了AIGC后,之前做的所有东西都归零了,别人直接用AI、用微调模型就能做得更好。

  这的确是很可怕的事,你不拥抱它,你就会被别人替代。

  见实:有了AIGC之后,可以让非标行业找到标准化的解决方案吗?

  王剑波:所谓不标准化,就是每个人都有自己的一个处理方式,这些最后都会被AIGC拉平和标准化,整个工作流程也会被标准化。

  但在输入这端,在输入这个层面的人才培养和要求也会越来越高。

  03

  不能拿着“AIGC榔头”到处找钉子

  见实:你们最早什么时候开始去和AIGC相关能力进行结合的?

  王剑波:原来我们自己也在做模型,去年11、12月份开始,OpenAI起来后,我们就把算法调整了,现在的算法是基于GPT模型去做,所以原来也一直在做,只不过效果没那么好。

  OpenAI 的路线其实并不是主流路线,去年第四季度开始有重大突破后,我们就有关注和结合。

  见实:当时做了什么?

  王剑波:主要围绕数据的清洗去做,一是打标签,包括分类等。二是格式化,比如一篇标文是非结构化的,要把里面的中标单位、招标单位标的物等数据格式化出来。

  当时我们用AIGC结合自己的小模型在做。大模型的好处,是它的泛化知识能力非常强,我们会利用到它的泛化能力,但它回答问题有时“不收敛”,所以我们后面叠加了一个小模型来处理。

  见实:你们自己的小模型?

  王剑波:对,我们现有的短期挑战就是成本,用GPT4的大模型去做微调,硬件成本太高,所以会用“大模型+小模型”组合来解决这个问题,结合起来做性价比的平衡。

  OpenAI 本身的大模型由两部分组成,一部分是它的基座、算法结构,一部分是它的训练数据。我们会用到它的第一部分,也就是基座和算法结构,因为在一个专业领域里,不需要那么大的模型,但需要很多专业数据给它做训练,这样就能够控制好性价比。

  但我估计最后的大方向可能是,所谓的小模型也没有多大的价值。我们这个工作也只是阶段性有效,有可能它的成本下降会很快,那时候我们做的这个工作其实也没太大意义。

  见实:当成本降低,是否意味着企业付费价格也会降低?

  王剑波:企业付费价格也许并不会下降太多。总体来说,客户认可这个价值是关键,生产成本其实并不是那么核心。

  当然竞争很激烈的时候,我们的定价有可能会被挤压,但在这个领域内,我们还是行业领先的,还是有定价权。

  见实:是否还有其他可能的商业模式?

  王剑波:我们还是聚焦在现有的产品和服务。用户的价值需求我们是知道的,所以很难重新找一块新蛋糕,还是原来的旧蛋糕重新做切分。

  大家还是在做成熟的场景,这里边跑出来的机会更大,在这里能用AIGC把商业模式进行重构,这是一个大趋势。

  我感觉并没有那么多新机会和新场景出来。我们也不可能拿着AIGC这个榔头到处找钉子,这样会有很多局限性,而且很容易找到伪需求,我们之前也跌到这个坑里无数次了。

  见实:这波机会还可能是哪些公司的?是像你们这样的大数据公司吗?

  王剑波:我觉得做大数据还不是关键,因为AIGC出来后,反而把我们这种大数据公司的技术门槛和能力给拉平了一些。

  所以还是那些原来在老跑道里的团队会更有优势,尤其是本身对行业和用户有很强认知,开放性也很高,又积极拥抱AIGC的公司。

  另外,如果一个新的“外来者”要切入,还是切入C端产品和服务的可能性较高,切入B端的可能性很低。

  见实:大厂有可能去做这件事吗?你们未来还有哪些规划?

  王剑波:大厂不会去做这种模型微调,因为不同行业有自己的独特数据,以及对业务的独特理解,这件事大厂永远做不了。

  我们比较典型的应用产品是做市场分析,所以未来也主要做这一件事的突破,就是通过AIGC新技术把准确率等数据达到一个能商业级应用的级别。

  见实:在这个行业跑赢其他竞争对手,确定性的东西有哪些?不确定性的东西有哪些?

  王剑波:确定性的东西,是我们对行业的认知积累和数据积累,比如近十几年的招投标数据,这个确定性还是比一般的公司要强。

  所谓不确定性,因为这是条新的路,大家都要提高创新性,尤其是对新技术的应用。现在行业还处于很早期阶段,我们非常重视AI,但要真正到商业应用层面,还有很多事要做。

  当然,除了重视AI,更重要的是重视用户需求和用户价值创造。

  榜单收录、高管收录、融资收录、活动收录可发送邮件至news#citmt.cn(把#换成@)。

相关阅读