過去的一年多，SaaS 對新一輪 AI 技術的嚮往在沉默中保持着狂熱。原因無他，篤定這就是未來。

與之對照的是 2023 年，IDC 發佈過一組數據稱，到 2024 年，預計有超過 85% 的企業軟件將包含 AI 功能，其中 SaaS 應用將成爲主要的交付方式。而現實的走向也是如此，基本上國內叫得出名號的 SaaS 都已經實現了部分功能的 AI 化，越來越多的 SaaS 服務商開始走上這條路。

然則，SaaS 產品探索功能 AI 化固然是好事，但萬事講究個“過猶不及”。

“去年 2 月我們就開啓功能 AI 化的探索，最後到年底一共完成了 3 個 AI 場景（沒產生商業價值），期間動員了多名產品經理、前端、後端、測試以及 AI 架構專家參與，共計投入成本近 100 人月。而 2024 年按照我們預計要開發 10 + 個場景（不確定是否具備商業價值），初步估算的年投入就超過千萬元。”

這位在 SaaS 軟件圈知名的服務商此時開始猶豫，自己值得投入那麼多嗎？何止是他，當下 SaaS 行業裏有些人投入更多，卻同樣收穫甚微。

此等情況，如同給一盆花施新肥，放多少？怎麼放？如何做到 ROI 最大化？成爲大家普遍困擾的問題。爲此牛透社找到了 ZohoCOO  夏海峯、53 AI  創始人楊芳賢就上述問題聊了一聊……

01 不急，要穩

很理解那些擁有技術背景或與曾與技術工作密切相關的 SaaS 創始人們，對先進技術有嚮往。但在商言商，“大家在 AI 對產品的改造上，現階段不要那麼快，要一步步來。”楊芳賢說到。

尤其是當前中國軟件市場還處在白熱化的競爭狀態裏，新一輪 AI 技術不僅沒讓這種競爭狀態放鬆下來，反而會進一步加劇，倒逼着大家進入“軍備競賽”。此時爲了做而做，就容易變成「爲了卷而卷」的無效競爭。

畢竟回顧過往企業服務軟件的發展，很多新概念、新技術、新方法論帶動大家在攀比式借鑑中走偏已經屢見不鮮，所以大家一定要吸取教訓，確保自己不受外部嘈雜環境的影響，嚴格地按照自己的節奏前行。

再者說，企業服務並非單純的互聯網業務，它需要一定的技術積累和足夠的落地經驗和方法，儘管 AI 大模型的引入爲企業服務帶來了新的可能性，但並不意味着能夠迅速取得成功。

楊芳賢講到，新一輪AI技術，確實有可能改變企業服務是低人效的苦活，但不容忽視的是，在產品改造階段，一定需要一把手親自參與。並且建設中，一味地“比快”就意義有限，反之精細化運作的深度和全員參與的廣度纔是結出“甘甜果實”的重點。

“ 2014 年就意識 SaaS 會走向智能化，2017 年起我們特別成立了專業的研發團隊做這件事，到了 2022 年初，AIGC 新興 AI 技術的出現打動了我們，在此基礎上，我們開始基於新一輪的A技術不斷推動產品功能的AI化進程。”

但是，“自始至終，Zoho 都沒有被過度刺激，也從不爲了創新而研發，更沒有去盲目地基於新技術去創造新產品。”

至於爲何會不急，夏海峯的解釋是“夠用就行”。

在推動產品功能AI化中，SaaS 需要明確一件事：我們不是開拓者，我們的目標也不是變成“喬布斯”，我們的目的是讓這項技術可以幫助產品更好解決需求，更廣泛地解決需求，這個過程是以產品爲基底去實踐，只有這樣，市場纔會廣泛地認識我們、認同我們認可我們。

漢弗萊·戴維發明了電燈，但被廣泛記住，廣泛認同的是那個讓電燈走進了千家萬戶的托馬斯·阿爾瓦·愛迪生。

“對於 SaaS 產品來說，在目的明確下，AI 技術的價值就是增加原有產品功能集的服務深度、服務廣度。變成爲原有‘木桶’中增加「服務容量」的一塊新木板。這塊‘新木板’不需要有多長，只需要超過原有‘木桶’最短的那塊木板就能基本足夠。”

所以在AI技術的引入中，夏海峯明確談到“ SaaS 服務商不應該追求技術的先進性，這是現在AI大模型廠商，研究機構的工作。相反追求技術的適用性，讓產品有更好的體驗，更好解決需求的能力纔是我們要實踐的目標。”

也正是強調技術的適用性，像產品通用的基礎功能，完全沒必要“重複造輪子”，接入第三方AI大模型廠商技術就夠用。

而專業的場景需求，SaaS 服務商也不用着急做，除非徹底明確某一場景在產品功能AI化後，存在實際商業價值。夏海峯講到：“這樣做可以有效避免沉迷於‘先進性、超前性’技術研發和產品創新的主觀幻想中，確保工作始終保持務實和高效。”

02 實踐：與客戶共創&數據驅動

“穩”是實踐方式，至於選擇什麼實踐路徑則是另一個重要問題。

“坦率地說，今天大模型的落地應用，如果不是與客戶（包括自身公司有需求）共創的，而是由產品經理和技術人員拍腦袋拍出來的，這個產品一定是不會成功的，一定是無法落地的。”

因爲，與客戶攜手研發的產品，經過市場的初步檢驗，已滿足實際應用場景的需求，爲後續的廣泛應用奠定了堅實基礎。所以只有這種根據各種要求，經過精心打磨的產品，通常都符合市場需求，是值得投入和推廣的正確產品。

“況且還是坦率地說，現在其實大模型到底在哪些行業有哪些具體的落地的應用場景，大家都沒摸透，整體的商業化還是荒蕪的。”作爲遠離很多行業業務場景的開發端，我們此時做一些自認爲有價值的AI功能出來，大概率會失敗。這屬於屁股決定腦袋。

所以找業務場景、找商業化場景，一定要從客戶實際業務痛點中挖掘，因爲只有找到水管哪裏漏了，才能更好地去補。

不過楊芳賢也說到，“並不是每個客戶都適合與自己共創。與客戶共創的話，一定是要去篩選客戶企業，這背後有一套方法。”

例如，在共創客戶企業選擇上，一定要選行業內相對頭部的企業，雖然不一定是最大的，但一定是相對頭部的，只有這樣的客戶，他們的場景需求才可能具有典型性，具有前沿性，所共創出的產品纔有可能具有更廣泛的適用性。如果與行業內的腰部和尾部企業共創，價值可能就沒有這麼明顯。

還有，選擇共創的客戶企業，其老闆、公司的一把手要特別重視AI化，重視智能化，肯始終如一地接受AI技術的引入和應用，並主動加入這個項目裏，共同推動自己進行智能化的改造，絕不能只是停留在口頭承諾上的“葉公好龍”。

此外，所選擇的共創企業亦需擁有明確的認知，特別是對接的負責人應具備相應的技術知識。同時，共創企業要理解項目執行，以確保雙方溝通保持同步，從而實現有效地互動交流。

最後，即便是“共創”客戶企業也一定要“付費”，這樣做則是爲了保證共創模式的持續性、穩定性。因爲只有“付費”，在執行中需求方纔可以全心全意地提需求，服務方纔會兢兢業業地解決需求，雙方共同打磨出的產品纔可能真的有價值，否則共創也不會有好的結果。

當然，在推動產品功能AI化上，除“共創”極爲關鍵外，“數據驅動”亦是另一條不容忽視的重要途徑。

夏海峯強調，產品功能 AI 化的創新優化主要源自兩方面。一方面，客戶的明確需求是推動某些功能智能化的關鍵動力。另一方面，團隊緊密圍繞產品本身，不斷研究如何將這些功能進行智能化升級。在後者過程中，“數據驅動”發揮了決定性的作用，是實現這一升級目標的核心要素。

所謂的“數據驅動”，實際上是指通過觀察用戶在使用產品中，對某項功能的使用率，當某項功能的使用頻次高時，這在一定程度上意味着這項功能滿足了用戶的某種需求，用戶對其產生了依賴。特別是那些能夠直接幫助企業創收的功能，其打開率越高，越能證明該產品功能AI化具備商業化價值。

而 AI 如何增強原有功能，則核心在於明確原有功能旨在解決何種問題，在原有的核心解決能力上通過AI技術做加深。

就像，若需增強數據分析能力，用AI通過機器學習算法來優化數據處理流程；若需處理高重複率任務，用AI通過自動化工具來提高工作效率；若需理解上下文以提供建議等，用AI結合自然語言處理技術來實現等。

“通過純粹的數據反饋採樣率，包括工單反饋和呈現效果，基於最客觀的數據去找商業化或落地應用場景，這是不容忽視的途徑。”

事實上，數據作爲客觀、無聲的證詞，能夠深度反映用戶的實際需求與期望，爲我們探索實踐路徑提供了有力的支持。通過深入分析用戶數據，我們可以更加準確地瞭解用戶的行爲習慣、偏好和需求，從而優化產品功能和用戶體驗。

“‘共創’是一種偏被動地去實現產品功能的AI化，使用‘數據驅動’則更具有主動性。”夏海峯說到，合理地融合使用這兩種方式，會幫助 SaaS 產品加速發展更多的商業化場景，進而爲其發展帶來利好。

03 AI 到來，加速 SaaS 間淘汰？

任何事情都有兩面性，就像人們常說的某個事件的發生、某項技術的出現，帶來的既是挑戰，也是機遇一樣。這一輪新興AI技術對 SaaS 的改造，也不能免俗。

機遇，大家普遍有了解，這裏暫時省略。至於挑戰則是：AI 到來，會加速 SaaS 間淘汰。

“功能AI化的推進，會讓 SaaS 變化成解決一定程度多樣性需求的標準化產品。”因爲智能化的價值在於其具備高度精準的終端自適配處理能力，無需依賴人的分析，自己直接可完成相應工作，最後再由相關工作人員閱讀後決策，即能高效完成任務。

這如同地鐵站旁邊的共享單車處理交通最後三公里路程一樣，走什麼路徑不再被限制，只需滿足停放在周邊有擺放區域的地點即可。這樣的做法，提升了 SaaS 產品整體的服務價值。

例如，一家醫療的企業找服務商合作，由於他的需求不夠明確，往往無法直接點出在哪個環節有哪些問題，無非決定自己想通過什麼來提升什麼? 這個時候就需要人蔘與進來，一步步結構場景點挖出待解決的環節問題。

但是現在的AI技術通過自我分析及推理，能做到把一個稍微複雜的業務結構構成一個個很小的業務單元，通過標準化和一定的應變能力進入到各個小業務單元裏去優化人的解決效率，甚至在特定一些場景直接代替人在這個環節的工作。

也是因爲AI技術賦予產品在需求末端一定的自處理能力，“SaaS 產品也不用再擔心像素級借鑑。”

楊芳賢解釋到，未來在解決實際場景需求中，很多 SaaS 雖然看上去的功能類似，但因爲AI化能力的差異，其造成單功能處理問題的效率與結果會出現差異化，讓最終呈現的業務價值變得高低立現。

而這還只是某一環節功能的AI化。諸多功能成體系組合，纔會集成爲一款產品，最終造成的產品層面的價值差異化會更加明顯，這就是新一輪AI技術帶給 SaaS 行業的「月之暗面」。

“所以，隨着AI技術的不斷深入與應用，SaaS 產品的功能與服務將逐漸呈現兩極分化的趨勢。這一變革將加劇市場競爭，對無法滿足用戶需求或解決問題能力不足的 SaaS 產品構成壓力，進而加速其退出市場。”楊芳賢說到。

夏海峯差不多也是這個意思。

“過去的資本的介入讓大家有點盲目自信，覺得大家的產品差不多，我先低價拿市場保證市佔率，然後通過‘活得久自然而然就成爲贏家’的邏輯發展着。”

但在如今市場強調高質量發展的背景下，企業們也經過早期的 SaaS 產品市場教育，其所做出的決策與購買行爲變得更爲理性。因此，產品必須充分展示其價值，爲客戶提供遠超其所投入的成本回報。此時，AI 化剛好是讓各個產品拉開差距的關鍵點，把握不住的 SaaS 服務商會面臨嚴峻的挑戰。

此外，夏海峯亦強調：“實現衆多 SaaS 產品的 AI 化並非易事。”這不僅僅依賴於構建一個精確的模型架構，更依賴於基礎的數據處理能力。其中，關於模型架構造成的憂慮相對較小。因爲根據 Gartner 技術成熟度曲線，技術成熟並普及化會縮小技術差距，屆時造成的影響會變小。但數據的豐富程度則不一樣，它將成爲決定 AI 化能力強弱更爲重要的因素。

“ SaaS 服務商所沉澱、掌握的數據專業度和數量差異，極大程度上將決定誰會生存，誰終將離去。”

並非誇張，像一些 SaaS 服務商，它有百萬用戶、千萬用戶甚至上億用戶，它在很多行業解決方案上造詣都不錯，有世界 Top500、全國 Top500 的標杆客戶企業，服務某行業企業有近百餘家。那麼他們通過服務而沉澱的經驗，在轉化成數據餵養給AI後，其形成的邏輯處理能力一定是具有極高水準的存在，甚至堪比資深業務處理人員。

而那些只有 100 個或 200 個客戶，在行業解決方案上處理能力有限的 SaaS 服務商們，即便也走上產品功能AI化的道路，但因爲積累的差距，自然從開始到最後都無法超越前者。

“在我的理解中，這次AI創新帶來的機會，更多是偏向有基礎有準備的羣體。帶來的打擊，則是瞄向了那些底子薄弱，且依舊不知道積累的羣體。”想要萬丈高樓平地起，最後會發現小丑就是你自己。

想要避免淘汰，就要在明知道自己“油少”的情況下，少走錯路，多走正途，步步爲營，及時補油。

夏海峯和楊芳賢都表示，現在還是AI化的起始階段，正如上述所說，大量有商業價值的場景智能化還沒明確，此時做行業化的數據量積累，爲後續發展做鋪墊並不晚。

況且衆所周知，每個行業均具備獨特的行業特性，其細分領域亦包含多樣化的應用場景，這既構成了實現這些場景功能AI化的挑戰，也是決定未來功能AI化價值深度的核心要素，而正如沒有全知全能人一樣，任何一個 SaaS 的服務商也不可能全知全能，所以現在找到一些日後持續深挖的行業場景爲底盤，並在此深扎、發展，在未來還是有可能獲得生存空間。

如何深挖？則可以選擇成立諮詢業務，基於共創服務去進一步熟悉各行業場景外，也能爲現階段幫助客戶實現有價值的場景智能化提升建設效率，屬於一舉兩得的方式。除此之外，基於公開的論壇等，對選擇某項特定行業的客戶企業需求進行提取分析和彙總，亦是一種可操作的積累方式。

04 結語

與二位交談過後，牛透社不由想起在 AIGC 剛剛火爆來襲之際，就有人表示這項新技術並不屬於所有人的狂歡，而是那些有數據積累，熟悉業務場景羣體的盛宴。

當時可能不以爲然，但這個言論在當下來看，真的是越發正確，畢竟“這一拳，有 20 年（概數詞，指各企業服務軟件在業務服務數據方面的積累）功力”，這不是隨便一個“愣頭青”就能抵擋得住。

可話說回來，雖然現在起步有點晚，但總比“原地等待”要強一些，活下去的概率也大一些。況且山高路遠，穩健前行的烏龜，未必不會超過具有天然優勢的兔子…… 

本文來自微信公衆號“牛透社”（ID：Neuters），作者：馮海陽，36氪經授權發佈。