恕我直言:AIGC的泡沫,比SaaS還要大
在科技的浪潮中,AIGC技術如同一顆璀璨的新星,吸引了無數(shù)目光。然而,泡沫總是伴隨著光芒而生。本文深入剖析了AIGC的繁榮背后可能隱藏的泡沫,提出了對這一新興技術在B端應用的深刻質(zhì)疑。
寫這篇文章,我已經(jīng)做好了挨罵的準備。
就像我私下找一家 SaaS 公司的高管溝通,問他們 AIGC 產(chǎn)品發(fā)展得如何了。
他直接回復我:老板不讓我們唱衰,但是和您這種資深人士說那些虛的也沒意義。
所以,現(xiàn)在是很多人不允許唱衰。
但是,我認為,我們所看到的 AIGC 繁榮,很大一部分是假象。如果不及時調(diào)整,2 年后行業(yè)必然一片哀嚎。
當然了,我也要提前說明一下:我并非否認 AIGC 的價值,AIGC 在部分行業(yè)部分場景的落地,肯定是有價值的。
但是,至少在最近 1、2 年, AIGC 在 B端的價值恐怕是被高估了。
01 被高估的 AIGC
在去年,SaaS 高管群就有創(chuàng)業(yè)者開發(fā)出了落地的行業(yè) AIGC 產(chǎn)品,市場反饋也很正面,某投資大佬也表達了投資的意愿。
但是今年他告訴我:
AIGC 產(chǎn)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(nèi)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(chǎn)品根本就產(chǎn)生不了真正的業(yè)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 顯然很對上面的胃口。
另一位頭部 SaaS 公司的產(chǎn)品 VP 也告訴我:ChatGPT發(fā)布后,他們第一時間就開始研究 AIGC 產(chǎn)品,但是1 年多過去了,實際上只跑出來 1、2 個場景。
他的結(jié)論是:在他們的領域,AIGC目前還不適合大規(guī)模應用。
那問題的出在哪呢?
其實并不是AIGC 的技術不成熟,而是 AIGC 在本質(zhì)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(shù)學,而是它根據(jù)歷史數(shù)據(jù),推斷 1+1=的后面99%的概率會出現(xiàn) 2,于是就給出了 2 的結(jié)果。
但是我們的企業(yè)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(yè)業(yè)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(chǎn)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(yè) UI 規(guī)范的;
- 客服回答客戶的問題,1% 的誤導也是不能接受的。
- 醫(yī)生寫一份診斷報告,1% 的結(jié)論錯誤也是要出大問題的。
所以,如果真的用 AIGC 去處理企業(yè)的大部分業(yè)務,哪怕只有 1% 的概率出錯,也會給企業(yè)帶來很大的損失。
其實,ChatGPT發(fā)布已經(jīng)接近 2 年了,但現(xiàn)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?
而且哪怕是在 AIGC 最擅長的場景,比如文字生成、圖片生成,在大部分情況下,AIGC 的效果也遠遠達不到企業(yè)的預期。
你可能會說,AIGC 還在不斷進化。
但是不管怎么進化,它始終是個相關邏輯,始終都做不到 100% 的準確,這是它的基因所決定的。
這就決定了,AIGC 只可能在少數(shù)場景下發(fā)揮出真正的價值。
但是顯然很多人還不愿意承認這個問題的嚴重性。
02 AIGC 必然面臨市場天花板問題
即便 AIGC最終能找到適合他的業(yè)務場景,但是我敢說,它在中國的發(fā)展也達不到歐美的水平。
AIGC 落地在 B 端,其本質(zhì)也是企業(yè)軟件。那么,AIGC 接下來要走的路,SaaS其實已經(jīng)幫他走過了。
SaaS 崛起的關鍵是移動互聯(lián)網(wǎng)在 B 端的落地。甚至可以這么說:
SaaS=企業(yè)軟件+移動互聯(lián)網(wǎng)。
這就是為什么 2015 年被稱為 SaaS 元年,因為 2014 年移動互聯(lián)網(wǎng)的普及,是 SaaS 爆發(fā)的最大驅(qū)動力。
和 AIGC 相比,移動互聯(lián)網(wǎng)在 B 端的落地是非常順利的,畢竟企業(yè)很多業(yè)務場景都可以進行移動化。
即便如此,SaaS 在中國的發(fā)展仍然遠沒有達到預期。
這里面有 2 點非常關鍵的原因。
第一,中國 SaaS 的問題,不是產(chǎn)品問題,而是市場問題。
有人說中國 SaaS產(chǎn)品不好,中國SaaS 公司能力不行、認知不夠。但即便是飛書、釘釘這樣的大廠產(chǎn)品,現(xiàn)在也沒有實現(xiàn)規(guī)?;?。
中國 SaaS 的主要問題,還是客戶不認可軟件的價值、付費能力有限的問題。
這一點在后面我會用 3 個關鍵數(shù)字來說明。
第二,中國 SaaS 的目標客戶群體和 AIGC 的目標客戶群體,是基本重合的。
這就意味著,中國 SaaS 沒有解決的市場問題,AIGC 都要一一面對。
比如,前段時間李開復說:在中國,很多企業(yè)沒有認識到軟件的價值,不愿為軟件付費。加之許多大模型公司參與競標,價格越競越低,極大地壓縮了利潤,做一單賠一單。
再比如,一位 AIGC 創(chuàng)業(yè)公司的高管告訴我:客戶對 AIGC 的付費意愿并不強,而且項目的定制化程度普遍很高,導致投入產(chǎn)出比很低,交付和回款周期也很長,根本養(yǎng)不活研發(fā)團隊。
是不是熟悉的場景,是不是熟悉的味道?
給大家看三個重要數(shù)字,看完你就會知道 SAAS 和 AIGC 所共同面臨的問題了。
第一個數(shù)字,根據(jù)國家統(tǒng)計局的數(shù)據(jù),2024 年上半年中國最大的兩個行業(yè)分別是制造業(yè)和批發(fā)零售業(yè),合計占 GDP 的比例接近 40%。
數(shù)據(jù)來源:國家統(tǒng)計局
但是這兩個行業(yè)都偏傳統(tǒng)產(chǎn)業(yè),業(yè)務線上化程度不高,因此對軟件的認可度也不高。
相比之下,美國的第三產(chǎn)業(yè)更發(fā)達,比如高科技、金融業(yè),擁有70%的市場主體,他們的業(yè)務以線上化為主,非??粗匦畔⑻幚砗蛥f(xié)同效率,當然對軟件的認可度也更高。
這方面我們也可以參考飛書。
飛書的特點就是用戶體驗好,協(xié)同效率高,但是價格偏貴,所以真正能夠認可飛書價值的,往往都是互聯(lián)網(wǎng)、金融等第三產(chǎn)業(yè)的企業(yè)。
因為他們都是人才密集型企業(yè)。
第二個數(shù)字,根據(jù)2021年賽迪智庫發(fā)布的《中美500強企業(yè)對比研究白皮書》,自2016年以來,美國制造業(yè)入圍企業(yè)的平均利潤,約為中國制造業(yè)入圍企業(yè)的4.9倍。
也就是說,即便是同行業(yè)對比,美國企業(yè)的利潤水平也遠高于中國企業(yè)。
利潤水平越高,當然也更愿意在企業(yè)軟件這種非剛性需求上投資。
第三個數(shù)字,根據(jù) Gartner 的數(shù)據(jù),2021年全球IT支出中,約42%投入到IT服務與應用軟件,僅有 19% 投入到硬件。
數(shù)據(jù)來源:Gartner,《財經(jīng)》整理
相比之下,中國企業(yè)有19%投入到IT服務與應用軟件,但是有 31% 投入到硬件。
也就是說,相對于全球水平,中國企業(yè)更喜歡買硬件,而不是買軟件。
以上 3 個數(shù)字,其實都說明了一件事情,那就是中國企業(yè)對軟件的付費意愿和能力都不強。
而這個問題,AIGC 必然也需要面對。
所以,不要迷信 AIGC,它可能會在美國成功,因為那里有完全不同的市場土壤。
但是在中國,可能就是另一個故事了。
03 怎么辦?
如果我們承認 AIGC的問題,那么從今天開始,就要對 AIGC 項目采取更加謹慎的策略,不能再走中國 SaaS 的老路。
在早期,很多 SaaS 公司都是賺錢的,或者說,商業(yè)模型都是很健康的。
但是,對資本的過度渴望,行業(yè)的無序內(nèi)卷最終讓整個行業(yè)陷入虧損。
而 AIGC 如果現(xiàn)在就重視這個問題,我覺得有可能避免這種糟糕的局面。
1、不要過度融資
AIGC在 B 端的路還很長,未來可能會很美好,但是當下還有很難的路要走。
悲觀一些,保持最小化運作,為 MVP 打造預留更長的時間。
可以融資,但是不要造假數(shù)據(jù)融資,特別是不要對賭融資。
一個還靠著做定制項目勉強生存的產(chǎn)業(yè),怎么看都不具備快速規(guī)模化的潛力。
這就意味著,融資越多,壓力越大,動作越容易變形。
2、利潤第一,規(guī)模第二
如果我們承認 AIGC 在 B 端的市場天花板問題,那么就不要指望“先虧錢做大規(guī)模,再通過規(guī)?;嶅X”。
因為面對一個規(guī)模有限的市場,努力做大規(guī)模的結(jié)果,一定是惡性競爭和嚴重虧損。
做一個小而美的團隊,先賺錢養(yǎng)活自己,然后靜待市場出現(xiàn)積極變化,不管是從行業(yè)角度出發(fā),還是從整個經(jīng)濟走勢出發(fā),都是更為合理的選擇。
李開復說:堅決不做虧本的 AIGC項目!
這次我支持李開復。
3、錯位競爭,避免同質(zhì)化
中國 SaaS 競爭為什么如此慘烈?一個很重要的原因就是同質(zhì)化太嚴重。
最近有 SaaS 創(chuàng)業(yè)者號召不要隨意打折。但實際上,價格是供求關系的結(jié)果。如果客戶買一個軟件,有十幾家產(chǎn)品服務差不多的同行去競爭,你不打折就意味著放棄訂單。
當你看到一個好的軟件出現(xiàn),就想著去 copy,以為靠著自己的勤奮、聰明可以取勝,那我可以告訴你:在中國軟件這個賽道,那就是自取滅亡。
因為你在 copy 的時候,還有一堆人也同時在 copy,而且每個人都以為自己更勤奮、更聰明。
結(jié)果必然是大家都賺不到錢。
所以,為什么不做一個差異化的產(chǎn)品,做一個賺錢的生意呢?
4、標準化、產(chǎn)品化,盡可能的PLG(產(chǎn)品驅(qū)動增長)
SaaS本來是一個高毛利的生意,但硬生生被我們做成了一個低毛利的生意。
核心原因有兩點,一是定制化嚴重,二是銷售費用高企。
而背后的本質(zhì),還是我們過度依賴銷售驅(qū)動,忽略了產(chǎn)品本身的建設。
好的標準化產(chǎn)品,可以大幅度降低交付成本。
好的產(chǎn)品+好的服務,可以帶來好的客戶案例。
好的產(chǎn)品+好的客戶案例可以實現(xiàn) PLG(產(chǎn)品驅(qū)動增長),或者讓我們的 SLG(銷售驅(qū)動增長)更加的高效。
當然,在中國做企業(yè)軟件,不依賴 SLG 是很難的。
但是,在早期,我們應該盡量減少對 SLG 的依賴,提高財務指標的健康度。
這樣大概率會損失掉很多銷售額,但是也會大大提高效率,從而提高利潤率。
04 最后
其實我很不想寫這篇文章,因為很多朋友都在視頻號給我的留言:
王老師,你作為行業(yè)人士,為啥老在說行業(yè)的壞話?為啥你不能多做一點正面引導?
其實,我也想多宣傳正面的消息,但是我更在意的,是自己有沒有說真話。
哪怕這個真話會刺痛很多人。
本文由人人都是產(chǎn)品經(jīng)理作者【ToB老人家】,微信公眾號:【ToB老人家】,原創(chuàng)/授權 發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來自Unsplash,基于 CC0 協(xié)議。
真人都做不到100%準確的情況下,為什么要求ai做到?
aigc是否本身就不需要100%的準確率,而是進一步信息降噪?這個方向想是不是會更合理一點?
100%的準確率是否本來就不成立?現(xiàn)實中就算是資深的從業(yè)者也不敢說自己能保證100%的準確率,就更別說新手小白了
做C端吧
“實際上現(xiàn)在確實做不到100%準確”這一條個人認為不是 AIGC 不能有很好落地場景的關鍵因素,因為人也不可能做到100%準確,可以AI做一次,人工再做很少的一些檢查,比如我們現(xiàn)在做的AI+考試,題庫識別、自動閱卷就是AI + 人工 , AI讓整個時間大大減少了。 核心更多還是在現(xiàn)在的AI 能力,還無法應付很多B 端的復雜工作流,判斷
我也這么覺得。比如理論上我們覺得醫(yī)生必須100%正確,但實際搜搜”誤診”就知道有多夸張。何況醫(yī)療資源本身就緊張。去年訊飛曉醫(yī)說通過了醫(yī)生哪個資格的考試,比一般人類考得更好。所以我覺得不管模型是不是100%正確,只要比一般人好就足以應用了。問題還是現(xiàn)在模型能力沒有對應到場景,或者說還在開發(fā)中。
我在想,90%的準確性,這剩下的10%能不能用人工實現(xiàn),這樣人有工作,企業(yè)也降低成本