AIGC的泡沫有多大?

0 評論 911 瀏覽 0 收藏 6 分鐘

“AIGC 熱潮背后,真相幾何?” 在 AIGC 蓬勃發展的表象下,其在企業應用中究竟面臨哪些困境?未來走向又如何?

最近和軟件高管群的一位朋友聊天,問他們的 AIGC 產品發展還順利不。

他和我吐槽了半天,要點如下:

1)企業付費意愿不強

2)定制化程度太高

3)交付和回款周期很長

總結就是:根本養不活研發團隊。

前段時間還有 AIGC 創業者找到我,咨詢我如何求職。

雖然公司已經有幾千萬的收入了,但是顯然他發現:還是打工更能養家糊口。

毫無疑問,在過去一年,我們看到的 AIGC 繁榮,有很大一部分是假象。

這里有 2 點很關鍵:

1、不要拿歐美 AIGC 來類比中國 AIGC,他們就是兩碼事

2、我個人非??春?AIGC 的長期前景,但是厭惡短期的泡沫,哪怕它是不可避免的。

還要補充一點:由于我本人的局限性,本文僅限于討論 AIGC 在中國 B 端的應用前景。

01 被高估的 AIGC

在去年,軟件高管群就有創業者開發出了垂直行業 AIGC 產品,市場反饋很正面,某互聯網大佬也表達了投資的意愿。

但是今年他告訴我:

AIGC 產品最大的價值就是讓軟件賣得更貴了,但實際上,由于 AIGC 生成的內容只有 90% 的準確性,而他所在的領域卻要求 100% 的準確性,所以AIGC 產品根本就產生不了真正的業務價值。

至于為什么客戶還愿意付費,這位 CEO解釋到:其實客戶也需要向上匯報智能化的成績,而 AIGC 顯然很對領導的胃口。

另一位頭部 SaaS 公司的產品 VP 也告訴我:ChatGPT發布后,他們第一時間就開始研究 AIGC 產品,但是1 年多過去了,實際上只跑出來 1、2 個場景。

他的結論是:在他們的領域,AIGC目前還不適合大規模應用。

問題出在哪?

核心在于:AIGC 本質上就只是一個相關邏輯。

比如它知道 1+1=2,但并不是因為它懂數學,而是它根據歷史數據,推斷 1+1=的后面99%的概率會出現 2,于是就給出了 2 的結果。

但是我們的企業管理更多的不是相關邏輯,而是因果邏輯,比如客戶購買了 2 個商品,那么訂單金額肯定就是 2 個商品乘以它的單價,這個絕對不能用概率去推斷。

大家可以去梳理一下,企業業務場景,是不是至少 90% 都是因果邏輯?

比如采購、銷售、庫存、生產制造、財務核算、供應鏈管理。

哪怕是一些看起來不需要 100% 準確的場景,其實也沒有我們想象中那么隨意,比如:

秘書寫一份會議紀要,1% 的關鍵錯誤也是不能接受的;

設計做一個宣傳海報,也是100% 要符合企業 UI 規范的;

客服回答客戶的問題,1% 的誤導也是不能接受的。

醫生寫一份診斷報告,1% 的結論錯誤也是要出大問題的。

所以,如果真的用 AIGC 去處理企業的大部分業務,哪怕只有 1% 的概率出錯,也會給企業帶來很大的損失。

其實,ChatGPT發布已經接近 2 年了,但現在我們最苦惱的“居然”還是它在什么場景下有用!

這難道還不能說明問題嗎?!

02 AIGC 必然面臨市場天花板問題

雖然 AIGC 最終肯定能找到合適的業務場景,但是我敢說,它在中國的發展也達不到歐美的水平。

AIGC 落地在 B 端,其本質也是企業軟件。那么,AIGC 接下來要走的路,SaaS 已經幫他走過了。

這里有 2 點非常關鍵。

第一,中國軟件的問題,不是技術問題,而是市場問題。

中國軟件的主要問題,還是客戶(特別是 Guo 有企業)不認可軟件價值的問題。

AIGC 也一樣。

第二,中國 SaaS 沒有解決的市場問題,AIGC 都要一一面對。

歐美 SaaS 發展得好的原因,也將是歐美 AIGC 能發展好的原因。

中國 SaaS 發展得不好的原因,也將是中國 AIGC 發展得不好的原因。

所以,不要迷信 AIGC,它將很快在美國大獲成功。

但是在中國,就是另一個故事了。

03 最后想說的

我必須再次強調:長期來看,我是 AIGC 最忠實的擁護者。

就好像長期我也非常看好 SaaS 一樣。

但是我們也必須警惕短期會出現的泡沫,特別是在經歷了 SaaS 這一波鬧劇以后。

本文由人人都是產品經理作者【ToB老人家】,微信公眾號:【ToB老人家】,原創/授權 發布于人人都是產品經理,未經許可,禁止轉載。

題圖來自Unsplash,基于 CC0 協議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!