深度分析

生成式AI在B2B的两波浪潮;Zapier与OpenAI的合作;OpenAI踩中的商业模式|Weekly Copilot

Apr 9, 2023
图片

图片

hi,各位读者朋友们!


很高兴和大家宣布,「NewinData 」与国内最大的 Global SaaS 和科技出海的创业者/企业家社区「Linkloud」合作推出《Weekly Copilot》,共同为大家带来当周最深刻的科技与商业洞见,一方面能够让我们了解全球乃至硅谷的最新科技趋势和创新,另一方面也能了解这些创业者和投资者背后的故事,包括他们如何在这个充满机遇和挑战的生态系统中取得成功。


《Weekly Copilot》由「NewinData」主理人江天和「Linkloud」社区发起人高宁一起为大家呈现,高宁此前从事企业服务及科技应用的早期投资,也是公众号「我思锅我在」的主笔。新成立的「Linkloud」致力于普及 SaaS 出海的优秀实践经验,在生成式 AI 的全球化机会下,将更聚焦传播海外最前沿视角与思考,连接海内外 AI 的弄潮儿。


我们的目标是通过这次合作,为大家呈现新鲜、有料并且有意义的前沿商业科技洞察和趋势,无论你是初创公司的创始人、投资人、企业家、工程师或者对科技创新感兴趣的读者朋友。我们相信,这期每周更新的刊例,将持续为大家带来非常有价值的商业与科技内容。


以下为「Weekly Copilot」的首期内容,enjoy!


目录:

  • 生成式AI在 B2B 领域的两波浪潮
  • Zapier 联合创始人谈 OpenAI 合作
  • OpenAI 踩中的商业模式


01.

生成式AI在 B2B 的两波浪潮


这篇《For B2B Generative AI Apps, Is Less More?》是 Andreessen Horowitz 两位合伙人 Zeya Yang 和 Kristina Shen 近期在官网更新的文章,两位作者认为截止当前,生成式 AI 更多专注于信息的分歧,即根据用户的 Query 来生成内容,但未来将呈现信息的收敛,即根据全面综合的信息得出简单有效的结论。


我们整理了这篇文章的核心内容,希望对关注生成式 AI 的读者有帮助:


作者将 B2B 应用结合生成式 AI 的发展趋势归结为两波浪潮,第一波浪潮主要讲述生成式 AI 更多关注内容的生成,横跨 C 端和 B 端应用,第二波浪潮则重点讲述“SynthAI”的概念,即生成式 AI 帮助我们做出更好的决策,提高决策质量和速度,它将更好的融入到日常的工作流中。


图片


第一波浪潮:Zeya Yang 和 Kristina Shen 在这里区分了生成式 AI 在 C 端和 B 端的差异。


在 C 端场景,用户的目标是获得乐趣和分享更多内容,内容质量或者正确性并不是最高优先级,用户的普遍认知处于“多=生产力=好”,ChatGPT 就是个很好的例子,有时候我们能容忍它在质量上的一些缺点,但对于它生成的长短内容感到印象深刻,即使它有时候是在一本正经的在胡说八道。


在 B 端场景,企业客户的目标首先是时间和质量的成本评估,要么在相同时间内提供更好的质量,要么维持同等质量下提供更快的速度,这也是 B2C 和 B2B 间清晰的界限。


图片


今天的生成式 AI 在很大程度上适合重复与低风险的工作,例如生成式 AI 可以撰写简短的广告或产品描述,也就是 JasperAI 所提供的营销服务;另一方面,生成式 AI 在长文本方面却不尽如人意,目前还很难给出靠谱的撰写意见或论点,而这在 B 端场景中是很有价值的。


总的来说,生成式 AI 能够帮助人们在头脑风暴和起草阶段进行有效协作,但在越需要创造力和专业知识的领域,则越需要人类协助完善;例如,法律领域 AI 虽然可以生成长文本法律文件,但也需要在专业的律师审查和编辑后才能够达到可以用来签署的程度。


第二波浪潮:生成式 AI 的下半场将重心从“生成”转为“融合”,以促进工作中的重要决策。在一些过往知识工作中,决策具有巨大的价值,特别是在一些长篇幅信息的场景里,比如员工的薪资很难通过工作量界定价值,程序员编写的代码很难仅通过代码数量决定好坏,产品文档说明也不会因为其篇幅证明其在业务上行之有效,PPT不会因为页数给人更多的有效观点。


Hex 的 CEO 兼联合创始人 Barry McCardel 一直相信“人机共生”,他设想的是 AI 能够增强和优化我们,而不是取代我们,特别是在一些现实中做决策时,AI 能够帮我们把更多的精力集中在有价值和有创造的工作中去,为我们节省时间和提高效益。


LLM 大模型将专注于融合与分析,即“SynthAI”,提高同等条件下的决策质量或速度,其中最明显的就是能够快速总结人类无法一下子消化的大量内容,SynthAI 在未来的真正价值就是帮助人们更快更好的做决策,这里作者举了 两个相关案例:


Mem 是一款具有 AI 能力的工作台,能够提供个性化的内容给用户,帮助用户更好的挖掘和使用这些信息,它会利用 AI 自动处理你的会议笔记,并打上标签,形成相应的知识图谱,支持主动建议相关决策、项目或者人员,当你展开下一段新的项目时,Mem 会根据先前积累的知识为你提供参考,从而节省决策时间;另一个例子是 AI 将如何帮助销售人员识别线索和信息,并提醒销售人员应该在客户的电子邮件中罗列哪些关键要点,除此以外 AI 还能在“第一波浪潮”中所做的那样,生成更多内容,覆盖工作流决策到最后结果交付。


那么如何实现 SynthAI 呢?作者认为在这第二波浪潮中的最大红利是“噪音大”且信息价值高的领域(下图左上角),例如解决客户支持问题、总结市场调研结果、分析在线社区舆情信息以及找到相关案例规律,其次是“噪音大”或者信息价值高的领域,比如提炼核心论点或者总结长文本,而最不具备价值的是那些“噪音低”或者信息价值不高的场景。


图片


作者也进一步对两波浪潮的结果进行了对比:


图片


最后,Zeya Yang 和 Kristina Shen 认为这是一场关于“工作流”的争夺,当前基于记录和工作流的解决方案 vs AI-native 的新解决方案,奖品不是谁先建立了 AI 融合能力,而是谁占据了 B 端客户的工作流。


Sprig.是一个产品研究平台,相当于提供问卷投放功能,其 CEO 兼创始人 Ryan Glasgow 表示 LLM 对于节省用户的时间成本的潜力感到兴奋;另一家名为 Zoominfo 的公司也宣布将 GPT 集成到了它们的“Go-to-Market”平台,越来越多的初创公司会通过 AI 优化其工作流程。


AI 对于未来改变工作方式的潜力很大,但目前仍然处于早期,第一波浪潮才刚开始,但也不不仅仅局限于生成,下一波需要更多的融合来辅助我们做更快更好的决策,一些 AI 原生的应用将在 B2B 领域持续释放潜在价值。


02.

Zapier 联合创始人谈 OpenAI 合作

Zapier 由 Wade Foster、Bryan Helmig 和 Mike Knoop 在密苏里州哥伦比亚创立,它是一个集成平台,拥有 5000+ 应用和 50000+ 操作。Zapier 在 2012 年夏季被 YC 录取,当时 Sam Altman 已经在 YC 担任兼职合伙人了,并在后续通过 Sam 认识了 OpenAI 的现任总裁 Greg Brockman。


图片


Mike Knoop 是 Zapier 的联合创始人&首席产品官,他在近期的采访中谈到了 Zapier 与 OpenAI 最新的合作、ChatGPT 的插件生态与大模型的未来。


我们选取了本次访谈 17 个问题最有意思的 5 个进行分享,希望对大家有启发:


1)Zapier 和 OpenAI 之间的伙伴关系是如何形成的?随着时间的推移,这种合作会如何发展?


去年夏天,Mike Knoop 正在投入 AI 语言模型研究,但他发现 GPT-3 或者说现有的任何 LLM 最大一个问题是完成训练后即意味着“冻结”,它没办法访问更新的信息,无法和用户当前使用的应用/数据进行交互,于是 Mike 等人开始研究如何将 Zapier 的数千个应用和工作流结合起来,但由于 GPT-3 的上下文文本数量有限,这进一步限制了应用与数据交互的空间。


有意思的是,Sam Altman 和 Greg Brockman 当时找到了 Mike 一行人,并谈到了在 GPT 上使用插件的想法,Zapier 能够帮得上忙,于是 Mike 等人快速进行测试,并将实践成果转化为 API,通过 API 帮助 ChatGPT 以及任何想要通过 LLM 配置应用/工具的开发者使用。


从短期来看,OpenAI 和 Zapier 互相加速,双方共赢。Mike Knoop  表示 ChatGPT 和 Zapier 上的 OpenAI 插件是有史以来增长最快的产品,这些刚刚推出的插件已经开始被大量采用。


从长远来看,软件自动化将借助软件推理的能力而变得完全不一样,这就是 GPT-3.5 和 GPT-4 所展示的关键技术——软件推理的新生能力,这改变了自动化的范式,以及在许多方面可以做的事情,不仅仅是让用户的需求更容易转化为软件的操作,也可以实际运行这些软件。


Mike Knoop 表示现在还没有人能够预测未来态势,但站在 Zapier 的角度,他们很想探索的一个领域是将机器推理插入自动化的执行流程中,而不仅仅是将设置更容易,Zapier上有数以百万计的自动化用例,但它们可以做得更好,更抗错,更容易在循环中建立推理,而最终的目标是高效完成工作同时释放大家的时间。


2)Zapier 是如何为用户工作流程进行设计的?NLA,Natural Language Actions(自然语言操作)由 AI 驱动,可以计算用户的下一步动作,而不是靠用户手动创建 Zap ;NLA (Natural Language Actions) 是如何获得用户信任的?


Zapier 在前几个月的研究中发现 —— 语言模型会出现幻觉,这已经是公认的问题了;然而,在某些情况下,它产生幻觉的风险比其他情况更大。例如,选择错误的频道可能会对一些用户造成极大的不便,但对其他用户来说则可以接受;另一个例子是 Gmail,Zapier 既支持发送电子邮件,也支持创建电子邮件草稿,对于某些用例,用户可能会发现语言模型足够可靠,可以直接发送邮件,但对于其他用户,他们可能希望它只创建草稿而不是自动发送。


最终,Zapier 的总体设计理念是将更多的控制权交到用户手中,让他们有更多的控制权。这意味着用户需要对自己的自动化和行动的风险承受能力,以及对可能出错的地方做出局部优化,这也是大部分产品在市场教育上需要做的——解释产品当前的缺点和可能出现的情况,并能够让用户做出明智的选择。


3)Zapier的本地聊天助手是个好点子,它的好处是什么?它有自己的 LLM 或微调模型么?在一个有 LLM 的世界里,创建 Zap 和点击 GUI 交互会有什么不同?


Zapier 是一款自动化工具,用户可以使用它将不同的应用程序连接起来,以便在它们之间自动传输数据和执行任务,如同 iOS 上的「捷径」,Zapier 推出的“Zap”可以将两个或多个应用程序串起来完成一些自动化工作,用户可以选择现有的Zap 或创建自己的 Zap 来自定义。例如,用户创建一个Zap,将新的 Gmail 邮件自动发送到 Slack频道,或将新的 Stripe 付款自动记录到 Google Sheets 电子表格。


关于 Zapier 未来的,Mike 谈到每个月都有数百万人来访问 Zapier 网站,但官方只将其中极小部分用户转化为活跃用户和付费客户,最大的挑战是帮助用户将他们的问题 / 需求与 Zapier 提供的软件服务联系起来,然后帮助用户让创建 Zap,这两个过程也是完全可以被自然语言的理解和推理能力所重塑的。


抛开利润率,Zapier 当前拥有的最重要的指标是将转换率增加 10 倍或 100 倍,这就是语言推理能力这项技术的优势和机会——它可以帮助数以百万计的用户更方便的使用和部署自动化,然后释放更多的时间。


4)NLA 可以帮助用户一句话完成以往多个 Zap  的自动化设置,由于 Zapier 是按任务收费的,NLA API 长远会 影响 Zap 的使用么?


Mike 认为对于自动化流程来说,习惯用传统方式解决问题的用户仍然可以这样去做,原来的软件也不会消失,NLA 是一个替代的方法,他相信这是一个更好的范式,新老两种解决方案将会同时存在很长一段时间。


在 Zapier 创立的初期,团队设计了“Zap”和“Task”的概念,前者理解成为自动化帮你做事的黑匣子,而后者是软件自动化做事的记录,对于未来,自动化软件看起来更像是虚拟助手,而不是配置软件。


随着 AI 技术的发展,用户的使用方式也将从设置和配置软件转变为训练、教导和塑造软件来满足自己的需求,可能未来也会看到用户赋予他们的 Zap 以拟人化的特征,比如称 Zap为 "Joe",就像是《钢铁侠》的 Jarvis。


来到商业化层面,这也将变得更有趣。按小时收费或者按天/周对虚拟助理收费,这是虚拟助理这项技术更自然的定价模式,用户给虚拟助理下指令,并按小时、按天、按周,或按你选择的任何时间单位来支付,也可以同时有多个代理来做不同的事情。


5)AI 和 LLM 的兴起是一个巨大的机会,对于 Zapier 的增长起到推波助澜作用,Zapier 要在接下来的几年里正确发挥其作用并取得成功,会是什么样子?


Mike Knoop 认为这是一场新的游戏,创业者需要确定什么是变化的,什么是不变的。用户希望在睡觉时也能完成工作是没有变的,但是用户满足需求的过程是有所变化的,这里最大的改变是推理能力在当前业务场景的可行性,这在以前是很难实现的,但当前 Zapier 可以探索并在产品层面结合推理能力来发展自动化业务。


这个过程,从最早的基本流程配置,到接下来的软件执行,再到更好更低成本的配置各种流程自动化,当然这也不是 100% 能确定的,但理想的状态是这样一个自动化的体验,如同你招纳、培训一名虚拟助理,并对它不断调教。


未来,用户可能只是在工作中创建一个大概的工作框架,然后通过视频通话指导 AI 来完成接下来的所有工作,Zapier 正在朝着这个方向努力,这也是 Zapier 长期想要实现的目标。


03.

OpenAI 踩中的商业模式

Packy McCormick 是一位作家、投资者和企业家,他因主理的 Newsletter 「Not Boring」而闻名,这份 Newsletter 涵盖了商业战略、技术和文化等广泛的话题;除此之外,McCormick 还经常在不限于《纽约时报》、《华尔街日报》和 CNBC 等媒体分享,同时也是播客“Animal Spirits”的联合主持人,该播客涵盖了投资和市场等话题。


本篇内容来自 McCormick 最新一期内容,谈到 OpenAI 的 ChatGPT 插件以及 ChatGPT 作为超级聚合器所带来的可能影响,我们整理了 McCormick 这篇文章中的核心观点,希望对大家有启发:


首先, McCormick 认同 ChatGPT Plugin 是 OpenAI 向平台演化并建立自身 App Store 生态的重要一步,仅仅拿平台和应用商店类比是不够的,因为应用商店本身不是目的地,它只是用户寻找应用的中转站,用户最终会到目标应用里去。


其次,ChatGPT Plugin 让 ChatGPT 演变成了所有信息的目的地:搜索、发现、旅行计划、餐厅预订、礼品购物、初稿、研究等等,而它与传统平台最大的差异 —— 用户原先是通过传统平台找到目标 App 并下载使用,而现在 ChatGPT 融合了这些 App 的功能,它能根据自然语言执行各个业务场景的动作,不仅仅是 App 分发,既是平台,也是超级产品。


图片


ChatGPT 在推出短短一月便累计全球 1 亿用户,有了注意力,便有了聊天和搜索,结合插件变成了平台,所有的开发者都在往这个平台添加更多的功能,并在这个过程中帮助 OpenAI 累计了更多的需求和数据。


举个例子,结合国内的场景,如果你原来是去 Kayak.com 订机票,现在可以让 ChatGPT 计划旅行并订最合适的航班,如果原来要去 OpenTable.com 预订晚餐,现在可以让 ChatGPT 为你预订下周三某个好地方的 8人桌。


McCormick 认为,如果你有非常具体的想法,你直接去传统的网站会更快,但在大多数情况下,你如果只是有个粗略的想法或需求,那么 ChatGPT 将发挥很大作用。


再其次,谷歌通过搜索满足用户意图而建立了庞大的业务,那么 OpenAI 所做的是将用户意图转化为行动的服务,并且未来能够从推动的这些交易服务中抽佣,随着越来越多的应用与合作伙伴使用 OpenAI API,还可以获得 API 的收入,ChatGPT 将成为一个超级聚合器,因为它沉淀了客户关系和用户的注意力。


作为聚合器,ChatGPT 其中一个很重要的作用是人类无法同时浏览上千个不同选项并在此之上做决策,比如去各种订机票的网站上在特定时间段找到最适合的航班,并且找到附近特定星级和价位的酒店,但有了这样的聚合器,冗长和高信息负载的决策就方便多了,并且对于很多人来说产品也提供了个性化的服务。


最后,McCormick 认为在 ChatGPT 的世界里,品牌没有以前那么重要了,(产品)实际的差异化更重要,为什么这么说呢?


McCormick 认为如果 OpenAI 选择走这条路,很多行业和价值链都会被重塑,而赢家将是那些专注于差异化的公司,专注于把一件具体的事情做得极致好的公司,而不是那些把很多事情都做得不错但又很依靠品牌投入的公司。


当然,McCormick 的这一想法并不适用于每一个行业,比如奢侈时装仍然屹立不倒;此外,那些帮助公司组织复杂工作流程的产品也将保留很多客户,甚至像本文分享的第二篇 Zapier 这家公司,反而可以通过 ChatGPT 拉到更多的新客户,在此之前 Zapier 这样的工具更多是承担幕后工作,借助 ChatGPT 反而有了更多流畅并且直观的使用界面。


顺着这个逻辑,ChatGPT 现象级的增长,许多生态参与者为了抓住这个趋势红利,会不得不改变自己原有的状态去迎合增长的对象,如同 SEO 之于谷歌搜索以及 TikTok 等等,品牌和产品没有其他选择,而这之中,更多的企业和开发人员也会相处规则之外的方式来拓展自身的业务和产品,来获得领先。


对于普罗大众来说,这或许是一个好消息,这一趋势将促进同质化的商品价格走低,也伴随更多差异化的产品出现,某种程度上来说是一轮新的科技通缩。McCormick 确信 OpenAI 已经在无意中踩中了互联网上最好的商业模式,如果它们继续朝着这个方向前进的话。



Reference:

https://a16z.com/2023/03/30/b2b-generative-ai-synthai/

https://sacra.com/research/mike-knoop-zapier-llm-chatgpt-openai/

https://www.notboring.co/p/bdc3e87d-d410-4226-91b1-5ac3aabe060e