SaaS結(jié)合GPT技術(shù)，會對SaaS形態(tài)產(chǎn)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(yè)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?wù)揂I，談?wù)揋PT，大家都說第四次工業(yè)革命真正發(fā)生了，在驚喜中更多的帶著恐慌，恐慌對自己職業(yè)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(fā)展路徑是已經(jīng)確定的，只是或早或晚被某些人發(fā)現(xiàn)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(dān)心的呢？

筆者不是人工智能和神經(jīng)網(wǎng)絡(luò)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(xùn)練轉(zhuǎn)換器，主要用于自然語言理解，生成，對話等任務(wù)。

大家還記得原來有一個有趣的說法嗎？就是讓無數(shù)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(zhì)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(xiàn)是你問問題，它生成答案。比如說你問一個問題，如果無數(shù)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(yōu)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(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)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(tǒng)計學(xué)，概率學(xué)。

怎樣理解神經(jīng)網(wǎng)絡(luò)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(fù)雜，只是因為原來計算機算力不夠，一直沒有發(fā)揮出大作用，一直到最近一些年才開始發(fā)揮其作用。

神經(jīng)網(wǎng)絡(luò)你可以想象成一張漁網(wǎng)。漁網(wǎng)是由節(jié)點和節(jié)點之間的連接線組成，這些連接線可以類比為參數(shù)，比如說GPT-3，就有96層以及1750億個參數(shù)，你可以想象這是一張多大的網(wǎng)，而普遍的說法就是層數(shù)越多，參數(shù)越多，這個算法的結(jié)果就是越精確，所以GPT的后續(xù)發(fā)展趨勢，網(wǎng)絡(luò)層數(shù)以及參數(shù)會越來越多。

所謂的預(yù)訓(xùn)練，你可以理解有一個函數(shù)f(x1，x2，x3………)，里面有千億的參數(shù)，就是通過有監(jiān)督或者去監(jiān)督的方式，通過一些固定的輸入輸出數(shù)據(jù)去訓(xùn)練這張網(wǎng)，得到這數(shù)以千億計的參數(shù)的具體值。

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

因為這個網(wǎng)絡(luò)的計算是如此復(fù)雜，過程和結(jié)果都是很難預(yù)測的，以致設(shè)計這張網(wǎng)絡(luò)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(fù)雜的監(jiān)管的問題。

由于現(xiàn)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(dǎo)致GPT技術(shù)首先會對搜索，問答，內(nèi)容生成領(lǐng)域帶來深遠的影響。

了解到這些內(nèi)容之后，筆者再來談?wù)凣PT大模型可能會給SaaS領(lǐng)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(jié)合AI，AI-based SaaS，但是隨著大模型的發(fā)展，在一些場景里面，是可能出現(xiàn)SaaS-based AI，SaaS的一部分作為微服務(wù)隱身在后面。

SaaS軟件的組成是主要數(shù)據(jù)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(shù)的發(fā)展實質(zhì)上沒有涉及到數(shù)據(jù)庫層，主要還是在交互，輸入，輸出這個維度。

在第一步SaaS結(jié)合GPT技術(shù)，會對SaaS形態(tài)產(chǎn)生什么樣的變化呢？

01 關(guān)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(shù)據(jù)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(fù)雜描述的功能，復(fù)雜的描述效率很低，但是在圖形界面上面直接顯示結(jié)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(shù)據(jù)或者低頻需要操作的長尾功能。

SaaS很多時候都是復(fù)雜業(yè)務(wù)系統(tǒng)，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(fù)雜，為了提升系統(tǒng)的易用性，很多時候需要將這些信息以及功能展示權(quán)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(chǎn)品的易用性的。

（2）一些偏個性化化的數(shù)據(jù)統(tǒng)計查詢功能。

對于一些偏個性化的統(tǒng)計查詢功能，很多時候標(biāo)準產(chǎn)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(dāng)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(diào)用執(zhí)行邏輯層相應(yīng)的動作。

（3）一些適合語音輸入的場景

有些數(shù)據(jù)的輸入因為場景以及使用人群的素質(zhì)，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(yè)軟件場景對話式入口就是首頁。

另外，為了實現(xiàn)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(diào)用邏輯層執(zhí)行數(shù)據(jù)庫操作命令。

02 關(guān)于數(shù)據(jù)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(shù)據(jù)的輸入，我們一般要將數(shù)據(jù)結(jié)構(gòu)化之后手工輸入或者導(dǎo)入系統(tǒng)，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(fù)的工作，這也是SaaS產(chǎn)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(tǒng)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(fā)生。

GPT技術(shù)的發(fā)展，會導(dǎo)致數(shù)據(jù)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(zhàn)，就是將自然語言的非結(jié)構(gòu)化數(shù)據(jù)變成結(jié)構(gòu)化數(shù)據(jù)，實際上即使是GPT技術(shù)，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(guān)的信息，需要GPT識別聊天過程中的訂單結(jié)構(gòu)化信息，然后輸入系統(tǒng)，一般來說是很難精確的，或者被GPT結(jié)構(gòu)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(shù)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(xiàn)自動結(jié)構(gòu)化自然語言的數(shù)據(jù)。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(lǐng)域，就會實現(xiàn)SaaS的一部分作為微服務(wù)隱身于AI之后。

不過這個需要一個相當(dāng)長的周期，而且絕大部分領(lǐng)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(shù)的發(fā)展會對一些交流、會議、內(nèi)容、視覺設(shè)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(tǒng)，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(guān)場景是首先受到波及的部分，很多內(nèi)容生成的場景，利用GPT技術(shù)進行輔助內(nèi)容提醒或者內(nèi)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(yīng)用GPT技術(shù)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(shù)據(jù)類軟件系統(tǒng)打通，從而讓內(nèi)容的輸出更加強大，SaaS產(chǎn)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(tǒng)SaaS無法觸及的領(lǐng)域，毫無疑問，這個領(lǐng)域基于場景會產(chǎn)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(fā)的影響

首先GPT技術(shù)的發(fā)展，可以大大提升研發(fā)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(fā)的研發(fā)工具，比如說qqbot.dev等類似的早期公司已經(jīng)在做這方面的探索，傳統(tǒng)的開發(fā)平臺可以利用GPT技術(shù)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(fā)，比如說類似微信小程序的開發(fā)平臺，這種開發(fā)平臺針對的場景比較簡單純粹，通過自然語言來開發(fā)是可能的。

CRM、HR、Finance、ERP等領(lǐng)域，有標(biāo)準類SaaS存在的機會，同時對于這些垂直領(lǐng)域，也有基于GPT技術(shù)的PaaS平臺作為標(biāo)準SaaS補充的機會，標(biāo)準SaaS公司可以結(jié)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(nèi)容方面，可以通過GPT相關(guān)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(fā)部門來說，產(chǎn)品研發(fā)的效率大大提升，很多代碼可以自動生成。初中級的研發(fā)人員將來意義不大了，更需要的是架構(gòu)設(shè)計，以及技術(shù)解決方案能力的工程師，產(chǎn)研團隊的人數(shù)將會大幅度地降低以及精英化。
• 對于產(chǎn)品部門來說，文檔撰寫的工作可以提效，但是需求調(diào)研，設(shè)計的工作很難被取代。

隨著研發(fā)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(fā)展，需要大量的產(chǎn)品經(jīng)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(chǎn)品經(jīng)理結(jié)合GPT PaaS軟件，可能承擔(dān)從需求調(diào)研，設(shè)計，開發(fā)，測試的所有工作。

綜合長期的來看，GPT技術(shù)如果導(dǎo)致不了企業(yè)數(shù)據(jù)庫的顛覆，SaaS會長期存在，但是會給SaaS行業(yè)帶來深遠的影響：

• 通過GPT技術(shù)，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(shù)，SaaS公司研發(fā)產(chǎn)品以及Deliver服務(wù)的成本會大大降低。
• 通過GPT技術(shù)，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(shù)的發(fā)展，有望加速中國SaaS本土市場碰到的產(chǎn)品易用性，需求個性化，交付難等問題的瓶頸，從而讓技術(shù)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。