全球热议:谈谈GPT技术对SaaS领域的影响

GPT 火了， Chat GPT 火了。一时之间，所有的人都在谈论 AI, 谈论 GPT ，大家都说第四次工业革命真正发生了，在惊喜中更多的带着恐慌，恐慌对自己职业可能的影响，恐慌长期人类的命运以及人生意义变得更加未知。

笔者的观点，人类大的发展路径是已经确定的，只是或早或晚被某些人发现并且推动了，该来的始终会来，既然天命不可违，我们有什么好担心的呢？

笔者不是人工智能和神经网络方面的专家，尽量基于自己目前的理解，从比较通俗的角度和大家做一些分析和讨论。

【资料图】

首先我们来看GPT的原理，GPT是Generative Pre-trained Transformer的缩写，中文翻译为生成式训练转换器，主要用于自然语言理解，生成，对话等任务。

大家还记得原来有一个有趣的说法吗？就是让无数只猴子在键盘上面随机地敲击，只要时间足够长，就会有猴子可以敲出莎士比亚水准的作品。 GPT的本质实际上是类似的，实际上是利用了算法以及强大的算力，提升命中率，缩小得到答案的时间。

Chat GPT的表现是你问问题，它生成答案。比如说你问一个问题，如果无数个猴子敲击键盘或者随即画图，肯定有一只猴子有某个时间点生成一个比较优的自然语言答案，或者生成比较贴合你要求的一张图 。理论上，只要猴子足够多，时间够长都是可以的。

为了提升命中率以及缩小得到答案的时间，目前采用的就是预训练的神经网络模型，提升命中的概率以及降低需要的时间， GPT的底层主要还是统计学，概率学。

怎样理解神经网络呢？实际上这个上个世纪40年代就推出的一个算法模型，不复杂，只是因为原来计算机算力不够，一直没有发挥出大作用，一直到最近一些年才开始发挥其作用。

神经网络你可以想象成一张渔网。渔网是由节点和节点之间的连接线组成，这些连接线可以类比为参数，比如说GPT-3,就有96层以及1750亿个参数，你可以想象这是一张多大的网， 而普遍的说法就是层数越多，参数越多，这个算法的结果就是越精确，所以GPT的后续发展趋势，网络层数以及参数会越来越多。

所谓的预训练，你可以理解有一个函数f(x1,x2,x3………),里面有千亿的参数，就是通过有监督或者去监督的方式，通过一些固定的输入输出数据去训练这张网，得到这数以千亿计的参数的具体值。

基于这个训练好的模型，你去输入一个问题，这张训练好的网就能在足够短的时间内输出贴近的答案。

因为这个网络的计算是如此复杂，过程和结果都是很难预测的，以致设计这张网络的人都不知道你的输入，GPT会给你什么样的输出， 这里面就会涉及到伦理问题，价值观问题，于是涉及到复杂的监管的问题。

由于现在试验比较成功的主要是大语言模型，主要是自然语言的处理，导致GPT技术首先会对搜索，问答，内容生成领域带来深远的影响。

了解到这些内容之后，笔者再来谈谈GPT大模型可能会给SaaS领域带来的影响。

笔者的观点，G PT影响SaaS的路径可能首先是SaaS结合AI，AI-based SaaS,但是随着大模型的发展，在一些场景里面，是可能出现SaaS-based AI, SaaS的一部分作为微服务隐身在后面。

SaaS软件的组成是主要数据库层，逻辑层以及展示层。展示层主要又包括输入以及输出， 目前的GPT技术的发展实质上没有涉及到数据库层，主要还是在交互，输入，输出这个维度.

在第一步SaaS结合GPT技术，会对SaaS形态产生什么样的变化呢？

关于交互方式

对话式入口会成为一个重要的交互方式。

对话化的入口会完全取代原来图形的交付方式吗？我的判断是不会，但会是一个重要的补充。

哪些交付是对话式交互很难取代的呢，主要包括下面几类：

需要高频操作的功能，高频需要操作的功能以及查看的数据很多时候都会在首页或者重要部位展示，如果通过对话交互反而效率会下降。

逻辑需要复杂描述的功能，复杂的描述效率很低，但是在图形界面上面直接显示结果，或者点击按钮肯定是更高效的方式。

哪些场景是容易被对话式交互给取代的呢？

低频需要查看的数据或者低频需要操作的长尾功能 。

SaaS很多时候都是复杂业务系统，90%左右都是低频的长尾需求。由于功能以及需要展示的信息比较复杂，为了提升系统的易用性，很多时候需要将这些信息以及功能展示权重弱化，实际上操作上是不方便的。

对于这些功能用对话式的方式来交互式会大大提升产品的易用性的 。

一些偏个性化化的数据统计查询功能。

对于一些偏个性化的统计查询功能，很多时候标准产品上面很难支持，这个时候可以用到对话式交互方式去支持，当然这里在展示层以及逻辑层之间需要有一个大模型，去解读自然语言命令以及调用执行逻辑层相应的动作。

一些适合语音输入的场景

有些数据的输入因为场景以及使用人群的素质，使用自然语言来进行输入是更方便和自然的。

可以想象，以后所有的SaaS软件的首页都会有一个对话的交互入口，甚至有些行业软件场景对话式入口就是首页。

另外，为了实现自然语言对话式的交互，在展示层与逻辑层的中间，需要增加对自然语言的大模型解释层，来调用逻辑层执行数据库操作命令。

关于数据输入部分

大家知道，对于SaaS软件来说，很重要的一块功能，就是数据的输入，我们一般要将数据结构化之后手工输入或者导入系统，比如说人事信息的输入，薪酬信息的输入，客户信息的输入，拜访信息的输入，订单信息的输入.

这种信息输入一般是事后整理输入，实际上属于相对重复的工作，这也是SaaS产品使用让人觉得繁琐的很重要的原因。

比如拿到简历，面试完成之后去系统里输入人事信息以及面试评价。而实际上简历信息的输入，以及面试过程等信息的输入是可以在简历投递，以及面试的过程中自动发生。

GPT技术的发展，会导致数据输入部分的前置以及自动化。 自然语言语音，文本以及图片等方式进行信息输入的方式比重会大大提高。

不过这里蕴藏着一个很大的挑战， 就是将自然语言的非结构化数据变成结构化数据，实际上即使是GPT技术，要完整的解决这个问题也需要一个非常长的周期，甚至有很多场景会一直都做不到。

比如说二个人聊一个销售或者采购订单的事情，在沟通的过程中，出来很多订单相关的信息，需要GPT识别聊天过程中的订单结构化信息，然后输入系统， 一般来说是很难精确的，或者被GPT结构化的信息是需要人为确认或者修正的，这个时候这个输入的效率就不高。

少数垂直，而且不需要特别精确的地方，这类场景长期有可能实现自动结构化自然语言的数据. 比如生活一些销售聊天的线索获取的场景，比如说问诊时候的病历信息获取等,这种类似领域,就会实现SaaS的一部分作为微服务隐身于AI之后。

不过这个需要一个相当长的周期，而且绝大部分领域以及场景做不到，所以更多还是AI-Based SaaS。

新的SaaS机会

GPT 技术的发展会对一些交流，会议，内容，视觉设计等自然语言，图片类的SaaS软件带来很大影响。

目前来看，邮件系统，会议通讯软件，Office, 图片制作等自然语言，图片为主的SaaS或者相关场景是首先受到波及的部分，很多内容生成的场景，利用GPT技术进行辅助内容提醒或者内容自动生成，会 让 软件变得颠覆性的高效，这也是首先需要应用GPT技术的SaaS软件。

另外，长期来看， 语言文本，图片为主的软件和公司会和CRM,ERP,HR数据类软件系统打通，从而让内容的输出更加强大，SaaS产品之间的边界会变得更加的模糊。

因为GPT擅长处理的就是语言以及图片，这块很多都是原来传统SaaS无法触及的领域，毫无疑问，这个领域基于场景会产生很多新型的SaaS工具，特别是一些下层的市场。

对于SaaS研发的影响

首先GPT技术的发展，可以大大提升研发的效率，大量代码都是可以自动生成，稍微改一改就好了。

PaaS平台的机会。

有很大概率会出来新的自然语言编程开发的研发工具 ，比如说 qqbot.dev等类似的早期公司已经在做这方面的探索，传统的开发平台可以利用GPT技术变得更为智能化。

对于一些垂类的相对聚焦的场景，有垂类PaaS诞生的机会，通过自然语言进行开发，比如说类似微信小程序的开发平台，这种开发平台针对的场景比较简单纯粹，通过自然语言来开发是可能的。

CRM,HR，Finance, ERP等领域，有标准类SaaS存在的机会，同时对于这些垂直领域，也有基于GPT技术的PaaS平台作为标准SaaS补充的机会,标准SaaS公司可以结合这类PaaS平台去更高效的完成交付。

对SaaS公司各个部门角色的影响

对于市场，销售人员可以大大赋能，无论是和客户的沟通，会议，邮件，文章，PPT,视频脚本等需要的内容方面，可以通过GPT相关的软件工具来大大提效。

对于客户成功部门，大量客服，售后的工作将可以自动化。

对于研发部门来说，产品研发的效率大大提升，很多代码可以自动生成。 初中级的研发人员将来意义不大了，更需要的是架构设计，以及技术解决方案能力的工程师，产研团队的人数将会大幅度地降低以及精英化。

对于产品部门来说，文档撰写的工作可以提效，但是需求调研，设计的工作很难被取代。

随着研发成本的降低以及颠覆性的高效化，软件将会迎来膨胀式的发展，需要大量的产品经理，了解客户的需求并且描述清楚的能力更加重要。

对于一些简单场景的软件需求来说，产品经理结合GPT PaaS软件，可能承担从需求调研，设计，开发，测试的所有工作。

综合长期的来看，GPT技术如果导致不了企业数据库的颠覆，SaaS会长期存在，但是会给SaaS行业带来深远的影响：

通过GPT技术，SaaS软件普遍使用难的问题有望得到很大程度的解决，极大地提升用户的易用性，基本上所有人都可以轻松使用SaaS。另外一些下沉人群以及市场的信息化速度会大大加快。

通过GPT技术，SaaS公司研发产品以及Deliver服务的成本会大大降低。

通过GPT技术，有望大幅度提升一些个性化需求的交付效率以及维护成本。

GPT技术的发展，有望加速中国SaaS本土市场碰到的产品易用性，需求个性化，交付难等问题的瓶颈，从而让技术更加不露痕迹地和用户融合。

巨浪来袭，我们都需要积极拥抱。赢得SaaS未来的更多的不是磊落豪雄，而是深沉厚重的长期主义者。

关键词：