深度 | 被冷落的 AI ，如何在 SaaS 领域“火”起来( 十 ) 关注牛透社

陈宏志：
我们的最大痛点是人。

第一，因为用友做得多是 To B 业务，最大的问题是传统企业对 AI 的认识存在两个极端：要么 AI 是人工+智能，要么是 AI 无所不能，其实这两个都不是。

对于传统产业，最主要是把这些产业知识如何变成 AI 里面的数据，并且把它用上，这个其实是比较大的难题。

第二，是企业中的人。尤其大的企业数字化转型要驱动一把手去推，但因为盘根错节的组织关系的存在，当他们不愿意去改变的时候，往往呈现的与实际效果就是天壤之别。

文章图片

话题五跨部门协作与跨领域协作

林松：
对于我们这类的创业企业来讲，最关键的是人才。一个既懂业务，又能够在数据和人工智能方面比较专业性的复合型人才，能够很好帮助企业把 AI 真正应用到业务层面。我个人看到的是，这种人才在行业里都很稀缺。

在跨领域协作上，我们采用的是数据团队和产品团队结合起来做事情。因为我们本身是做企业级 SaaS ，会有一个 BI 团队，主要是把整个系统里面的数据进行最终的计算呈现。而后，在 BI 团队孵化 AI 小组，这让 AI 小组在 BI 里面会对整个业务产生的各种业务数据有更好的理解。这样一个 BI+AI 结合下，再跟产品经理一起去打造 AI 产品。

另外，在图像领域里，我们也会和外部一些专业公司进行合作。

王守崑：
其实，豆瓣也是一家创业公司。对于豆瓣来说这个问题很不典型，因为豆瓣的数据对内所有都是公开的。

我补充一点是关于 AI 产品。感触很深的是， AI 产品经理和传统软件开发或互联网开发产品经理的不同。传统软件开发或互联网产品开发，要求的功能是0或者1 ，有或者没有，产品经理做的决定就是要不要这个功能。

在 AI 产品研发中，不是0和1的标准，而是产品的准确率90%、85%、75% ，是客户预期或未来用户的预期，很难判断做到80%满足，还是做到90%满足，亦或其实做75%就够了。

所以， AI 对于产品经理的要求会更高，尤其是他的判断力很重要。我们也是摸索了很长时间，才形成了这样一套机制，整个产品的决策并不仅仅由产品经理来决定。尤其涉及到跟AI相关的产品，要综合算法工程师、开发和运维工程师，以及销售，客户方代表，共同去规划一个产品应该做到什么程度。

文章图片

展望 AI 在 SaaS 领域
的未来

李一帆：
希望未来3-5年，我们能够将 AI 与SaaS 融合在一起，把产品真正做起来。

林松：
以后 AI 一定会成为整个商业效率提升的最佳助推器，使工作变得更加便捷轻松。

王守崑：
作为一名 AI 从业人员，我的期待是在未来3-5年，能在认知智能上有本质的突破，如同这几年的 CV 一样。相信如果认知智能、认知计算能得到本质突破，一定会打开一扇新的世界大门。

陈运文：
AI 的应用场景只有深挖下去，才能够真正落地。