现在的大模型能力训练，可以说已经到了走火入魔的境地。而参数规模和推理速度，已经成了各家大模型公司死磕的战斗高地。
实际上，照这种思维，LLM就算练到世界的极限，GenAI也还是难逃作为工具的命运。
但工具的商业悖论在于：对于企业来说，大部分工具都是“非刚需”的。
换言之，极少有人愿意为“能用的AI工具”买单（你会吗？）。更何况，在AI行业，与庞大的投入相比，工具收入少得简直就不值一提，根本不在一个量级。
而模型公司想通过交付AI工具盈利，难于登天。
实际上，在SaaS的早期，也面临着工具收费的难题。但好在SaaS的构建成本，要比模型公司低得多。所以依靠适当的定价策略，盈利也是完全可能的。
其实我想说的是，SaaS通过交付内容的思维转变，破解了工具收费的难题。即由最初的“卖产品”和“卖工具”，变成了“卖成果”（outcomes）。
换个思路，AI也可以从现在的卖工具，变成卖成果。客户可以不愿意为AI工具付费，但绝不会对为其带来业务价值的成果捂紧钱包。
成果的价值逻辑在于，所有成果都是价值可衡量的。比如“本月发现并阻止了10家客户的流失”，就是AI产生的一个成果。假如客户平均续费价格为10万元，那么挽回的收入损失就是100万。
而从卖工具到卖成果的思维转变，也为AI公司搭建了一个商业化通路，即作为AI能力提供方，通过渠道伙伴交付成果。
除了AI的交付内容，从交付工具到交付成果的变化外，AI的交付方式也必须随之变化。
现在的会话式界面交互，只是一种人对工具的调用。而成果交付则反映了一个完整的业务闭环，这与Agent的逻辑不谋而合。即你只需要将任务布置或委托下去，就会得到业务结果。
比如，部署了“监控并预警有流失倾向的客户”任务，你就会得到一张有流失倾向的客户列表。根据配置的处理流程，可以向这些客户发出BR预约，同时给出出访CSM的日程安排，实现了从发现到挽留的业务闭环。
虽然这个交付成果的CSM Agent，目前听起来还不是十分可信，但这正是AI向交付成果转变的技术方向。
因此有理由相信，未来AI比拼的不再是模型能力，而是能闭环的成果交付水平。
注：文/戴珂，文章来源：tobesaas，本文为作者独立观点，不代表亿邦动力立场。
0 条