中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

SaaS結合GPT技術，會對SaaS形態產生什么樣的變化呢？作者在文章中，針對這個問題展示了思考，例如：對話化的入口會完全取代原來圖形的交付方式嗎？對SaaS公司各個部門角色的影響等等。推薦給SaaS行業的各位閱讀，一起來看看吧~

GPT火了，Chat GPT火了。一時之間，所有的人都在談論AI，談論GPT，大家都說第四次工業革命真正發生了，在驚喜中更多的帶著恐慌，恐慌對自己職業可能的影響，恐慌長期人類的命運以及人生意義變得更加未知。

筆者的觀點，人類大的發展路徑是已經確定的，只是或早或晚被某些人發現并且推動了，該來的始終會來，既然天命不可違，我們有什么好擔心的呢？

筆者不是人工智能和神經網絡方面的專家，盡量基于自己目前的理解，從比較通俗的角度和大家做一些分析和討論。

首先我們來看GPT的原理，GPT是Generative Pre-trained Transformer的縮寫，中文翻譯為生成式訓練轉換器，主要用于自然語言理解，生成，對話等任務。

大家還記得原來有一個有趣的說法嗎？就是讓無數只猴子在鍵盤上面隨機地敲擊，只要時間足夠長，就會有猴子可以敲出莎士比亞水準的作品。GPT的本質實際上是類似的，實際上是利用了算法以及強大的算力，提升命中率，縮小得到答案的時間。

Chat GPT的表現是你問問題，它生成答案。比如說你問一個問題，如果無數個猴子敲擊鍵盤或者隨即畫圖，肯定有一只猴子有某個時間點生成一個比較優的自然語言答案，或者生成比較貼合你要求的一張圖。理論上，只要猴子足夠多，時間夠長都是可以的。

為了提升命中率以及縮小得到答案的時間，目前采用的就是預訓練的神經網絡模型，提升命中的概率以及降低需要的時間，GPT的底層主要還是統計學，概率學。

怎樣理解神經網絡呢？實際上這個上個世紀40年代就推出的一個算法模型，不復雜，只是因為原來計算機算力不夠，一直沒有發揮出大作用，一直到最近一些年才開始發揮其作用。

神經網絡你可以想象成一張漁網。漁網是由節點和節點之間的連接線組成，這些連接線可以類比為參數，比如說GPT-3，就有96層以及1750億個參數，你可以想象這是一張多大的網，而普遍的說法就是層數越多，參數越多，這個算法的結果就是越精確，所以GPT的后續發展趨勢，網絡層數以及參數會越來越多。

所謂的預訓練，你可以理解有一個函數f(x1，x2，x3………)，里面有千億的參數，就是通過有監督或者去監督的方式，通過一些固定的輸入輸出數據去訓練這張網，得到這數以千億計的參數的具體值。

基于這個訓練好的模型，你去輸入一個問題，這張訓練好的網就能在足夠短的時間內輸出貼近的答案。

因為這個網絡的計算是如此復雜，過程和結果都是很難預測的，以致設計這張網絡的人都不知道你的輸入，GPT會給你什么樣的輸出，這里面就會涉及到倫理問題，價值觀問題，于是涉及到復雜的監管的問題。

由于現在試驗比較成功的主要是大語言模型，主要是自然語言的處理，導致GPT技術首先會對搜索，問答，內容生成領域帶來深遠的影響。

了解到這些內容之后，筆者再來談談GPT大模型可能會給SaaS領域帶來的影響。

筆者的觀點，GPT影響SaaS的路徑可能首先是SaaS結合AI，AI-based SaaS，但是隨著大模型的發展，在一些場景里面，是可能出現SaaS-based AI，SaaS的一部分作為微服務隱身在后面。

SaaS軟件的組成是主要數據庫層，邏輯層以及展示層。展示層主要又包括輸入以及輸出，目前的GPT技術的發展實質上沒有涉及到數據庫層，主要還是在交互，輸入，輸出這個維度。

在第一步SaaS結合GPT技術，會對SaaS形態產生什么樣的變化呢？

01 關于交互方式

對話式入口會成為一個重要的交互方式。

對話化的入口會完全取代原來圖形的交付方式嗎？我的判斷是不會，但會是一個重要的補充。

哪些交付是對話式交互很難取代的呢，主要包括下面幾類：

• 需要高頻操作的功能，高頻需要操作的功能以及查看的數據很多時候都會在首頁或者重要部位展示，如果通過對話交互反而效率會下降。
• 邏輯需要復雜描述的功能，復雜的描述效率很低，但是在圖形界面上面直接顯示結果，或者點擊按鈕肯定是更高效的方式。

哪些場景是容易被對話式交互給取代的呢？

（1）低頻需要查看的數據或者低頻需要操作的長尾功能。

SaaS很多時候都是復雜業務系統，90%左右都是低頻的長尾需求。由于功能以及需要展示的信息比較復雜，為了提升系統的易用性，很多時候需要將這些信息以及功能展示權重弱化，實際上操作上是不方便的。

對于這些功能用對話式的方式來交互式會大大提升產品的易用性的。

（2）一些偏個性化化的數據統計查詢功能。

對于一些偏個性化的統計查詢功能，很多時候標準產品上面很難支持，這個時候可以用到對話式交互方式去支持，當然這里在展示層以及邏輯層之間需要有一個大模型，去解讀自然語言命令以及調用執行邏輯層相應的動作。

（3）一些適合語音輸入的場景

有些數據的輸入因為場景以及使用人群的素質，使用自然語言來進行輸入是更方便和自然的。

可以想象，以后所有的SaaS軟件的首頁都會有一個對話的交互入口，甚至有些行業軟件場景對話式入口就是首頁。

另外，為了實現自然語言對話式的交互，在展示層與邏輯層的中間，需要增加對自然語言的大模型解釋層，來調用邏輯層執行數據庫操作命令。

02 關于數據輸入部分

大家知道，對于SaaS軟件來說，很重要的一塊功能，就是數據的輸入，我們一般要將數據結構化之后手工輸入或者導入系統，比如說人事信息的輸入、薪酬信息的輸入、客戶信息的輸入、拜訪信息的輸入、訂單信息的輸入。

這種信息輸入一般是事后整理輸入，實際上屬于相對重復的工作，這也是SaaS產品使用讓人覺得繁瑣的很重要的原因。

比如拿到簡歷，面試完成之后去系統里輸入人事信息以及面試評價。而實際上簡歷信息的輸入，以及面試過程等信息的輸入是可以在簡歷投遞，以及面試的過程中自動發生。

GPT技術的發展，會導致數據輸入部分的前置以及自動化。自然語言語音，文本以及圖片等方式進行信息輸入的方式比重會大大提高。

不過這里蘊藏著一個很大的挑戰，就是將自然語言的非結構化數據變成結構化數據，實際上即使是GPT技術，要完整的解決這個問題也需要一個非常長的周期，甚至有很多場景會一直都做不到。

比如說二個人聊一個銷售或者采購訂單的事情，在溝通的過程中，出來很多訂單相關的信息，需要GPT識別聊天過程中的訂單結構化信息，然后輸入系統，一般來說是很難精確的，或者被GPT結構化的信息是需要人為確認或者修正的，這個時候這個輸入的效率就不高。

少數垂直，而且不需要特別精確的地方，這類場景長期有可能實現自動結構化自然語言的數據。比如生活一些銷售聊天的線索獲取的場景，比如說問診時候的病歷信息獲取等，這種類似領域，就會實現SaaS的一部分作為微服務隱身于AI之后。

不過這個需要一個相當長的周期，而且絕大部分領域以及場景做不到，所以更多還是AI-Based SaaS。

03 新的SaaS機會

GPT技術的發展會對一些交流、會議、內容、視覺設計等自然語言，圖片類的SaaS軟件帶來很大影響。

目前來看，郵件系統，會議通訊軟件，Office，圖片制作等自然語言，圖片為主的SaaS或者相關場景是首先受到波及的部分，很多內容生成的場景，利用GPT技術進行輔助內容提醒或者內容自動生成，會讓軟件變得顛覆性的高效，這也是首先需要應用GPT技術的SaaS軟件。

另外，長期來看，語言文本，圖片為主的軟件和公司會和CRM，ERP，HR數據類軟件系統打通，從而讓內容的輸出更加強大，SaaS產品之間的邊界會變得更加的模糊。

因為GPT擅長處理的就是語言以及圖片，這塊很多都是原來傳統SaaS無法觸及的領域，毫無疑問，這個領域基于場景會產生很多新型的SaaS工具，特別是一些下層的市場。

04 對于SaaS研發的影響

首先GPT技術的發展，可以大大提升研發的效率，大量代碼都是可以自動生成，稍微改一改就好了。

例如PaaS平臺的機會。

有很大概率會出來新的自然語言編程開發的研發工具，比如說qqbot.dev等類似的早期公司已經在做這方面的探索，傳統的開發平臺可以利用GPT技術變得更為智能化。

對于一些垂類的相對聚焦的場景，有垂類PaaS誕生的機會，通過自然語言進行開發，比如說類似微信小程序的開發平臺，這種開發平臺針對的場景比較簡單純粹，通過自然語言來開發是可能的。

CRM、HR、Finance、ERP等領域，有標準類SaaS存在的機會，同時對于這些垂直領域，也有基于GPT技術的PaaS平臺作為標準SaaS補充的機會，標準SaaS公司可以結合這類PaaS平臺去更高效的完成交付。

05 對SaaS公司各個部門角色的影響

• 對于市場，銷售人員可以大大賦能，無論是和客戶的溝通，會議，郵件，文章，PPT，視頻腳本等需要的內容方面，可以通過GPT相關的軟件工具來大大提效。
• 對于客戶成功部門，大量客服，售后的工作將可以自動化。
• 對于研發部門來說，產品研發的效率大大提升，很多代碼可以自動生成。初中級的研發人員將來意義不大了，更需要的是架構設計，以及技術解決方案能力的工程師，產研團隊的人數將會大幅度地降低以及精英化。
• 對于產品部門來說，文檔撰寫的工作可以提效，但是需求調研，設計的工作很難被取代。

隨著研發成本的降低以及顛覆性的高效化，軟件將會迎來膨脹式的發展，需要大量的產品經理，了解客戶的需求并且描述清楚的能力更加重要。

對于一些簡單場景的軟件需求來說，產品經理結合GPT PaaS軟件，可能承擔從需求調研，設計，開發，測試的所有工作。

綜合長期的來看，GPT技術如果導致不了企業數據庫的顛覆，SaaS會長期存在，但是會給SaaS行業帶來深遠的影響：

• 通過GPT技術，SaaS軟件普遍使用難的問題有望得到很大程度的解決，極大地提升用戶的易用性，基本上所有人都可以輕松使用SaaS。另外一些下沉人群以及市場的信息化速度會大大加快。
• 通過GPT技術，SaaS公司研發產品以及Deliver服務的成本會大大降低。
• 通過GPT技術，有望大幅度提升一些個性化需求的交付效率以及維護成本。

GPT技術的發展，有望加速中國SaaS本土市場碰到的產品易用性，需求個性化，交付難等問題的瓶頸，從而讓技術更加不露痕跡地和用戶融合。

巨浪來襲，我們都需要積極擁抱。贏得SaaS未來的更多的不是磊落豪雄，而是深沉厚重的長期主義者。