目录
- 中国式FDE：从软件交付到业务结果 [00:00:00 - 00:10:00]
- 催发货流程背后的260多步 [00:10:00 - 00:20:00]
- 自上而下推动企业级Agent [00:20:00 - 00:30:00]
- 从投手到销售：标准化Agent的落地 [00:30:00 - 00:40:00]
- 数字员工上岗与FDE团队分工 [00:40:00 - 00:50:00]
- 模型策略与中美企业级AI差异 [00:50:00 - 01:00:00]
- 懂AI、懂业务、懂数据的人才观 [01:00:00 - 01:03:52]
中国式FDE：从软件交付到业务结果
泓君：Hello，大家好，欢迎收听硅谷101，我是泓君。企业软件市场有一个老规律，客户每花一美元去买软件，就要再花六美元把它用起来。那AI时代呢，这六美元的生意正在被重新分配。这是所有巨头突然冲进弊端的原因。我们之前说AI是不是泡沫，但答案不在聊天框里，而是在企业的账本上。那之前呢我们其实聊过一集FD的节目，讲AI如何进入企业及市场，评论区呢就分成了两派，一派是说AI真正在帮企业落地，另一派质疑的观点就认为 20年前就有助厂开发，这是不是换个名字，新瓶装旧酒，所以呢我们决定啊，找一个真正在做这件事情的人，当面来问一问，这集嘉宾是阿里巴巴集团的副总裁，瓴羊的CEO朋新宇 他可能是中文世界里最有资格回答这个问题的人，他是阿里数据中台方法论的创立者，过去几年帮几百家中大型企业搭建了数据平台，他带着团队做这件事情已经五年，比FDE这个词流行的时间还要早，那我们之前的播客讲过FDE的硅谷叙事，这集呢我们就来讲一讲一个个具体的中国案例，还有案例背后的那本账，下面就是我与朋新宇的对话，哈喽小鹏你好，哈喽红金，哈喽大家好，因为我知道其实你也是，阿里数据中台方法论的创立者，要不要跟我们简单介绍一下自己，以及瓴羊，它具体是一个什么样的公司，你们现在具体在做些什么，其实用一句话来说的话，它其实在企业服务的范畴里面，我们叫企业级增长的agent 那我们的核心还是去帮助企业，做消费流动 我觉得在过去，其实硅谷讲的都是C端的故事，最开始大模型开始的这一轮，大家都说谁的产品先冲上App Store的第一名，谁的日活先破亿，但是我们说从今年的上半年开始，我觉得整个硅谷的风向变了，比如说OpenAI成立了专门的部署公司 Anthropic它是拉着黑石跟高盛，做了一个15亿美元起伏的合资公司，同时我们看最近的一些新的动作，微软它也新成立了一个运营部门，叫做Microsoft Frontier Company 背后呢是25亿美元的投资和6000名工程师，他们也是说自己超越了我们所谓的FDE的概念本身，那亚马逊也是在投入数十亿美元，专门打造这样的组织，所以我觉得从今年开始，我在硅谷观察到的一个现象就是，整个AI的战场正在从C端回到B端 OpenAI它的FDE在旧金山的中级岗位的基础工资，是16万到28万美元，那我们说传统的解决方案的工程师，他大概是比这个职位高出了60% 所以小鹏你们有没有，比如说FDE的职位，然后你觉得这个岗位，需要什么不一样的能力，为什么它会比市场传统的，驻场运维价格要高出这么多，这个国内也在关注，但是如果换个名字，就能够去工资升级，这个不符合企业逻辑，不符合市场逻辑 [00:02:43]
朋新宇：那其实看到背后的本质，还是一个东西稀缺，这类人才是稀缺，他采用这个溢价空间，换这个发展的时间，那吸血什么东西，那原来这拨人做运维，就是这个系统就这样子，我是保证你健康运转着，但如果没有做任何变化，他凭什么会要去溢价，那今天我们看到的，如果要做得好的FDE 其实刚才讲的就三个能力，第一个它是要有AI的锐度，第二个是要有行业的深度，第三个它是有数据的宽度，那这三个结合在一起的，但能够做到，今天这套系统运行的，不是说他今天是不是正常运行，而是说他今天的运行，是不是按照我的业务目标，是在往好的地方做，还是变差，好的地方我怎么让他更好，差的地方我怎么干预他，我怎么调教他，这个角色是原来仅仅做运维做不到的，必须要运维至上，能做到对业务理解，对数据的理解，我能调整一些，不管是技能的调整 数据的语料的上下文的调整，包括一些memory的管理，其实这些工作是原来做传统交付，是不存在的，或者他不会遇到的问题，所以这是最大的差别，对听起来对人的要求还是挺高的，最终可能一个成熟的业务，那企业里面需要，要么是有这类人，他能够去在这几个领域都能兼顾，要么是我们有大型的客户 [00:04:08]
泓君：我们有这样的持续的运营陪跑的FDE 但我觉得这两种未来都有机会，因为FDE我们其实也刚刚做了一期播客，很多听众他就在我们这个播客下面留言，他就说这个FDE 是不是就是我们之前说的，什么驻场运维呀，驻场开发，是不是又换了一个新名词，你觉得我们现在，瓴羊在跟客户接触的时候，当我们提到FDE 它跟我们传统说的，驻场开发驻场运维，它们之间的本质区别在哪里，最终我觉得本质的变化是，原来是交付功能，变成一个交付一个业务效果，如果从AI这个大的语境下，我们要称三个方向
朋新宇：第一个是业务结果为导向，我们要找到这个对的问题很重要，那这个问题一定是一个，有又目标又数字，和又过往历史记录的，如果用AI的视角来讲，它能构建一个测评级，构建一个指标体系，第二个呢，就以企业数据为基座，其实今天我们如何能够构建一个，企业的数据，能够通过agent调用大模型的能力，既能去保护隐私，又能够去发挥大模型，最大的智能的上限，第三件事情呢，以岗位标杆为预设，为什么我们会去定义，首席客服的agent 以及最佳投手的agent 最佳销冠的agent 其实是我们把这些在这个企业里面，它的岗位的标杆作为agent的预设，它起步可能就是一个工作五年十年的，这么一个投手或者客服，所以我们今天虽然它的名词叫FDE 它叫什么，其实我们有一个很传统的词，就叫CSM客户成功，我们希望的客户成功，最终是对业务的结果好一点 [00:05:11]
泓君：更好一点，我们叫Better and Better 所以我理解这一轮，我们在说到FDE 跟我们去做这种企业级的部署的时候，跟之前的几轮的根本区别，就是说它是有结果的，它的结果能验证，不管我们说成本的削减，或者是效率的提升，或者是新业务的拓展，相当于是以结果为导向的变化，就是它确实对企业有帮助，对而且是以企业的业务增长结果 [00:06:05]
朋新宇：可度量的结果，其实在企业侧和个人侧最大的不一样是，在企业侧的话，用AI是希望能够找到重复的工作，我就能用AI最高性价比，和最高效率去解决它，那个人可能是找到AI的上限，我能突破我的边界，那企业很多是要去约束边界，能不能举个例子，那2C其实可能大家经常听到一个词，需要新奇特，那这就是我是个人的体验，让我眼前一亮的，但是用完了以后，过了一周两周，你就会变成西松平常了，那其实对企业测试来讲，是另外一个词，叫多快好省，但其实它是有个比较，比较是一定是有个参照系的，这个例子，我们帮助一些客户，比如说其中有做一些3C数码的，它其中有一个环节叫做催发货，它有三类不同的处理方式，第一种是比如说买了两台空调，但是你只发了一台，所以我客户打电话过来我要催 那这个流程就是我要去核查我的订单，然后去我库房，然后再去派单去发，第二类是催配件，我买了空调，我忘了发一个配件了，原来的客户流程，再去找到配件仓库，然后我们再发出去，那第三类还是叫催发货，我买了一台空调，我确实收到了，你当初不是和我说，给我挣一个电饭包吗，那为什么没有送到，像就这么一个吹发货的环节，最后客服售后这个环节，大概有260多部 [00:07:25]
泓君：260多部这么多，我理解就是客户打个电话，客服接起来，他要是跟内部的流程沟通，是这个意思吗，就是难是难在这，对内部的流程，可能有的是内部系统，有的是外部系统，比如有的是电商
朋新宇：它在多个平台，有的在京东，有的在天猫，有的在不同的地方，对有些配件可能客户还要下单，对对对，这个200多部的背后，其实它能覆盖95%以上的，可能有5% 可能会有些新的东西进来，但这个95% 我要去熟悉这个流程，我要去新招客服，培训客服，我要去上岗它，考核它，其实这些是非常有确定的标准的，那我如何快速的去让客户能拿到货，以及让客户满意的拿到货，我们让客户不投诉，以及让客户不去要投诉为了要赔款，这样的客户，比如说我们通过我们销售的agent 客服的agent 以及和A9-1这样的结合，我昨天正好和同事，我们还在去复盘一些case 我们在其中有一家，它要超越它现在的一些传统机器人，其实我们发现，上线开始就比它传统的机器人效果要好，昨天我们在看到说，也已经逼近了超出了人类，最好的状态的平均水平了，所以能够看到这样的工作 在企业侧都是普遍的存在，它有边界，同时它今天是有巨量的重复才发生，所以我们把这些情况，在企业社归类成这么三类的场景，第一类是哪里耗人最多的，比如说这种打电话接电话投诉的，第二个哪里耗钱最多的，有些地方可能是赔款支存，有一些地方是营销投放，有些地方可能是我要花素材的各种的试验，第三个就是哪里耗时最多的，比如说我们经常会打电话给客户，说我为什么没有到，一般可能说不好意思，我帮你查一下，我们查了半天没查到以后，说我晚点给他打电话，一般是以小时为单位或者天为单位，那这些都是对客户来讲就是耐心，你有的超过一个小时，可能我就退掉了，其实不是说所有的场景，我今天都会用刚才讲的业务结构，给导向能做到的，一定是这个业务结果，它是非常具体可以度量的，耗钱最多，耗时最多，耗人最多的地方，对
泓君：而且我觉得你刚刚举的这个例子，非常有意思，传统意义上，我们在理解一个客服，以及客服机器人的时候，大家想到的都是说，客服怎么态度好的去应对消费者的 [00:09:49]
催发货流程背后的260多步
泓君：客服怎么态度好的去应对消费者的，不管是投诉还是怎么样，是一个语言沟通，但是您刚刚讲的这一点呢，让我意识到了，克服最重要的是解决问题的能力，而它解决问题的能力，其实跟你对整个公司业务流程，每一个环节，它是怎么运转的，这背后的一整套系统，我们可以把这些东西都称为数据，都记在脑子里，那现在呢，其实就是让AI 把这个背后的一系列的体系给打通了，现在我们说，不仅仅是人能解决问题了，那AI只要把数据打通，它也可以解决问题，但我很好奇的是，就比如说催发货，可能是有配件的问题，有赠品的问题，也有是多个订单，重复下单的问题，但是整个这里面，可能都涉及到一个企业，它的内部是怎么运转的，以及它的核心的制约因素是什么 在这一点上，你们是怎么跟客户，把他们的核心痛点，梳理出来的，就这个过程会花多长时间，我们有一支队伍，就是CSM这个队伍，比如说我们在中国 [00:10:51]
朋新宇：这个线上销售，其实淘宝天猫，是非常大的一个体量的存在，其实我们这些人，和这些客户的陪伴的经验，都是从多年来，在这个平台上，陪着这些客户去成长，所以我们自己，能够有一套最好的SOP 比如说缺乏货，或者是售后的，这么一个义务流程的理解，就今天AI的实施，可能和原来传统的，软件的实施，最大的一个对它的理解，不一样是，我们把软件实施，我们交付一套系统，其实AI的实施，如果类比交费套系统，可能还欠缺一点，其实它是我们新雇一个员工，所以我这里的比如说，这个客服或者是这个营销，或者等等销售，它默认就有技能，它会自动会处理，自动能够拿到你在市场上，招聘一个五到十年的，一个员工的水平，你进到你公司以后，你只要给他权限，给他目标，给他裁量权，那他就可以去工作了，而不是说，你今天是给你的同学，买了一套系统，买了一套工具 [00:11:05]
泓君：我们上来，这个人就是会干活的，你只要给他权限，这两个我觉得是有本质差异，对那我们刚刚提到的，就比如说催发货的这样一个场景，假设一个标准的电商企业，它需要雇佣多少个AI员工
朋新宇：这个是根据它的那个业务体量来的，比如说销售金额的，两到三个点三到五个点，各个企业不一样，几个点的成本是给客服，那我们今天用AI一定是，在要么是同样的成本之下 [00:12:11]
泓君：做到你原来同样效果之上的业务结果，传进去说这个事情是一个work的，哦了解了解，它是所有的企业都通用型的使用，就比如说您刚刚提到了几个大的领域，像客服投售然后营销治理，我理解其实这个就是您刚刚提到的，好人最多好钱最多好时最多，比较典型的三个工种，大家在具体应用到一些场景的时候，是所有的企业都用得很好吗，会不会有一些企业，比如说他们内部本来他的数据就是不全的，所以他也会上手比较困难，是这就是今天我们说 FD里面我们说第二条
朋新宇：以企业数据治理为基础，这个很关键，比如说从我这里雇佣一个，工作五到十年的这么个员工，但是进来以后，你的企业的这些基础的信息，支持库都是乱的，那这个人进去也是傻眼了，所以我们雇佣这个员工，比如说对于一些大企业，还有自己的一些私有的，商下玩企业的各种支持库，我们的FD在这里工作，就是要去帮他，梳理和治理他的企业的数据，如何让这个data for agent 那我们再帮一家企业，它是在多个电商的平台，淘宝天猫京东，或者是在抖音去做投流，他发现他有好几个投手，但是投手和投手之间天壤之别，其实发现内部做复盘总结，我们进去发现，我们把这几个投手，过往三个月，你的投放的行为，做了一个分析，我们发现做得最好的一个投手，他在三个月里面，他做了超过一万次的价格调整，那做的一般的投手，大概在三个月，你就算一百天好了 做了一百多次，一个投手呢，其中一天大概做，一次左右的操作，那个投手，可能一天平均做 100次操作，这个差异，你如果靠人去学，其实靠老师傅，带新图力，你很难去学，这就是发挥，今天AI的 Handis工程，能够去做，自我学习，做进化，如果把这件事情，理解成为工作的，几个基本的元素，第一个是学习，就是数据采集，第二个就是建模，第三个就是执行，第四个就是迭代，只是第一件事情，往往原来很多的企业，说这个事情，是我有经验，其实很多的经验，它一定是有，它存在的场景，这个场景一定有局限性，那只有什么情况下，它没有局限性，就是把你过往，三个月所有的行为，我们能够有一个，数字化的度量和学习，基于这个学习背后，那AI一定比人，能够对你的行为的，总结提炼和发现，更加全面和深刻，所以我们把这些东西，今天成为我agent 这个数字员工的技能之一 成为他未来，能够用每天新的对话，处理的异常信息 bad case good case 能够去做进化，这样的话，形成这么一个工作模式，所以在企业策划其实发现，像这样的环境是通用的，但是每一家工作的细节是不同用的，那这个环境正好就是我们这套A1 能够去从你的数据收集到模型建模，就工作的那个skill的这些，梳理完了以后你的工作的建模 [00:14:48]
泓君：再到你执行任务的推进，最后你能够做到进化的迭代，所以这部分是通用的，对所以AI它其实是在向，人类最优秀的投手去学习的，比如说90天它进行了 1万多次价格调整，这是人做的调整，还是说它已经形成了一套，机器建模的方法论，它会在系统里面做很复杂的设置，这里面其实所有的操作，其实都是人在做的，只是它可能借助一些工具，但是那个行为就是物理上，就是人在做的，我发现这个点很有意思，因为刚刚我们讲了客服，我觉得企业内部的数据很重要，您刚刚讲到投流的这个例子，我理解现在市场上，比如说大家要投，这个淘宝天猫平台的投流，或者是其他的广告投放的投流，几个大的平台是比较相似的，这一类的agent的产品，它是不是一个比较标准化的产品呢 [00:15:12]
朋新宇：对国内最大的SaaS平台，就是这几大电商平台，那这几大平台，它已经最大公约数了，大家在下面的素材呀，价格呀，系统啊，数据啊，已经标准化了，所以这部分已经，占了这个企业，所投手80%的数据准备，和系统学习的能力，所以这部分东西，是FDA站在，这个巨人的肩膀上，工作的基础，是非常重要的，只是我们在内比说，中国没有一个独立的SaaS公司，只是中国的平台企业 [00:16:03]
泓君：承载了SaaS公司的能力，所以这些能力，我们今天在AI时代，它是可以被利用，被发挥的价值更大的，对，我们刚刚提到了，其实AI在向人类，最优秀的投手学习，我能相信，不管是现在，还是说它未来的工作能力，它一定是会投的比人更好的，但是只要AI投的比人好，这样就会带来一个结果，大家会更多地去用这些AI类的工具，所有人都在用工具的时候，你觉得这个差异会被抹平吗，最终它真的是一个生产力的提升，还是说它是一个先行者的优势，如果用传统的生产三要素来讲，生产资料生产力和生产关系，现在这个阶段
朋新宇：大家都是在生产资料上的能力提升，有更好的算力更好的智能，能够让个人生产力的边界变得更大，但是我觉得为了提升的，就是能够通过AI 能制造新的生产力，比如说我就是一个，在线24小时的，投手和服务人员，我觉得这个就是时间先后，不可能永远有，绝对的竞争优势，一定是一个时间窗口，在这个时间窗口之下，谁能够企业更好地拥有，和运行自己的数字员工，在企业侧位增长做服务的，我觉得这个可能是就领先的，第二个呢，能让这个是持续，能领先一点点的是，我觉得还是要回到，企业自己核心的生产资料，不管是过去的时代，还是今天AI时代，最大的企业的生产质量，就是数字化，这部分还是有蛮大的文章 [00:17:11]
泓君：大家经常会看到，我们建一个数据平台，可能给内部看数用，那今天的数据系统吧，我们给AI用，你建的好坏，在这里是有差异的，一个企业，它的数据平台建的好坏，它的区分点是什么，什么是一个好的数据平台，什么样不是，然后什么样的企业，它可以建成好的数据平台，对其实好，也是一个相对的，其实对于企业来讲，我觉得还是一个，比较可以度量的，就是你落到具体的业务效果上来
朋新宇：能不能有正的经济效应，今天看下来，交付完一个agent 或者交付完一个系统，才刚刚开始，你的企业真正是让这些数字员工，能上岗工作，为你接单接流程，为你推进工作任务，这是开始 [00:18:19]
泓君：这两个是不一样的，原来是数据平台交付完，这条系统就结束了，今天在这里是交付完以后，你用起来，用得好坏，最终是用业务结果来买单，大家其实从去年今年都开始，在谈这件事情，包括开始准备去使用agent 企业现在用agent到了哪个环节，是已经到了一个，可以验证交付结果的环节，还是说他们只是刚刚开始，从我们所服务的客户
朋新宇：和接触的客户来讲，我觉得是有结构性的差异的，走的比较先的，就可能有数字化技术比较好的，就类似于原来在电商，在互联网积累比较好的，那还有一类就是一些大的企业，它本身内部原来的IT 信息化做得比较好的，第二个呢是，我们现在是看到，是在比如说投手，或者是说客服，其实我们有不少的企业，它已经就在用了，那可能用另外一句话讲，其实大部分的企业，真的做出效果，它不会去讲的，今天可能是企业和2C不一样 2C是一个新的功能，好的功能，它立马就会让全联想知道，对企业社，它只要这个效果，它持续在用，那其实这个就是好的，最终是用结果来买单，哦了解 [00:19:00]
泓君：你们今年去谈客户的时候，你觉得要让他们，把自己的一部分系统，放在这个agent上，它是得从上往下推动，还是从执行层，自下而上地跑起来，今年企业对agent的改造，业务流程，他们是一个什么样的态度，对这是个好问题，那这两者都有，那目前我们看到的，进展顺利的是自上而下的
自上而下推动企业级Agent
泓君：进展顺利的是自上而下的，涉及生产关系的问题，自上而下是，这个业务的一号位 [00:20:00]
朋新宇：它能决定既有IT费用，又有业务费用，那它才能够去算总账，今天如果自向而上的话，我们就遇到反向的例子，曾经遇到一个客户，他的某一个业务部门，他想做业务的agent 但是他今年没有预算，但是呢，他的IT团队有预算，但是今天这个IT团队，可能和这个业务之间，是不同的部门，我们就在这个过程中发现，需要通过我们这个业务方案，去设计既能满足IT的先进性，要满足业务的效果，其实发现这个生产关系，蛮难去弄的，因为可能IT要的先进性，不一定是业务要的效果，业务要的效果，可能今天不一定是最先进的，那今天返乡是成功的是，我们遇到的是，有的企业可能是比较传统的企业，或者制造业，它的一号位董事长，就是非常明确，我今天必须要去拥抱AI 要去用好AI 用在哪里，比如说他选定一个销售端，从哪个区域开始，自上而下，那自上而下以后，发现他的财务 IT 以及他的销售线都动起来，生产关系重新发生了变化以后，那业务的销售agent 他从一个区域，复制到全国的区域，就形成一个很快速，能够去推动的一个局面，对 [00:21:00]
泓君：企业在推动这部分业务的时候，因为它会涉及到很多企业内部的这些数据，大家要把各个流程各个部门的数据，还有一些方法论都拿出来，把它做成一个agent 企业在跟你们负责前端部署的人在沟通的时候，这会是他们有顾虑的一部分吗，这是个好问题，也是一个我们的优势，原来四五年的时间，我们帮助了大几百家到上千家的
朋新宇：中大型的客户部署了数据平台，所以本身原来部署数据平台，就是已经帮他数据做了治理，做了打通，所以基于这平台之上去涨业务，今天就是一个水到渠成的事情，那今天可能遇到一些新的企业，构建agent的过程中，他要花很多的代价，还是要在下面构建，今天企业界的数据的管理和，清洗的这些能力，但是我们因为原来积累了，投入的大客户就好几百家，他本身就原来持续在数据平台上，做数据积累，基于这个上面去涨
泓君：这些应用就比较方便，我理解您提到的大客户，是之前跟阿里，就是已经有商务合作的，这样的一部分客户，你又是做数据中台的，所以其实是沉淀了很多的数据的，是的，那如果大家跟你们一起，去合作一个这样的agent 它的商业模式是什么，最终这个数据，它是在企业端，还是在阿里端，还是说大家共有呢，这两个问题，一个是商业模式，一个是技术模式 [00:22:06]
朋新宇：商业模式来讲呢，基本上就这么两大类，一种是按照作息收费，就是工作量嘛，第二个逻辑就是按效果逻辑，第一种是比如说刚才讲的客服，它原来是500人，要去接管它的一年的生意的服务，那今天我们用同样是500人的价格，比如说有个八折九折的投入，能做到你原来一样的效果，就是我们叫做按照成本，人力成本替代的转化逻辑，第二种就是我们基于，比如说做营销，做投手这些增长
泓君：那原来你的转化率，比如说是20% 做到你原来人物转化率之上的部分，我们做分层，这么两大类，现在按照效果付费的，已经正式发生了，有的，有达成效果了的吗，肯定是有的 [00:23:00]
朋新宇：而且是连续续费，或者连续在服务中的客户，这个客户其实，我们所谓的默认的是，所有的做生意的，他比我聪明，今天他能算得过来这个账，他一定才能去做续费和服务的，不要去默认，我们想去能够，比客户更加聪明，或者是我们去包装一些东西，让客户能够觉得，基于这个包装溢价，那我们原来有个词叫POC 其实今天叫MVP 可能不需要去做概念论证，因为你今天我是一个数字人在这里，你上来就能体验就能用了，那最终是要是基于他家的业务单元，他家的数据单元，能做一个最小能价值验证，客户最终验收通过 OK 那你就自己去用，这种才是一个比较呼信，和有持续连线的这样一个服务方式，前面刚才讲的是商业模式，第二个你刚才提的问题背后，还有一个是技术模式，那我这里可能讲三个词，定制化标准化，还有一个词是个性化，原来过往的，大部分都是 希望用定制化的方式，去满足企业标准化的流程，可能每个企业，他说我的工作流程，和别人就不一样，你要去做定制，那这里是把他，原来已经工作内部非常顺的，不管是八步，还是十步的这个流程，把它刻画下来，叫定制化，用定制化的方式，解决他标准化的问题，那这个标准化的问题，就是看这个企业，对他的业务的流程，理解总结的到不到位，如果到位，那这个确实有效，如果不到位，可能能解决30%的问题，那天天会有70% 60%的新的增量，那这个就会变成一个，又长又久的系统交付的工程，就今天的这些Handis工程，那能够把原来企业的工作流，数据流，包括企业的上下完，我们把这些工作区间，能够标准化下来，那同时因为今天有了自主进化，所以这些在面向不同的客户，回答问题的过程中，它就能做到个性化 [00:24:08]
泓君：所以对于AI的领域来讲，它可能未来更多的是，用标准化的方式，去解决个性化的问题，因为既然定制化，就很难去做到个性化，我理解，当我们在说标准化的时候，比如说我们给企业，是一个标准化的产品，就是类似于，比如说我提供了agent one 然后我上面，有几个大的方向，你只用去采购，我这个agent的席位，就OK了，这是一个非常标准化的产品，但是呢，定制化就是说，你的企业可能会有一些，特别的业务需求，我可能需要再，跟你的数据打通，它能回答更多的，个性化的问题，我需要把你的这些信息都接进来，因为这样哪怕我是一个客服，我才知道是哪个环节出了问题，但是在真正涉及到，这一部分的时候，你觉得这一部分，很多的大的企业，比如说它有电商的企业，那它可能还有线下的 大家的问题完全不一样，就是这些它都是能用这种，标准化的手段去解决的，前面那个环节，我们如何去分辨，它是定制的，还是可以被标准的，其实定制就是 [00:25:53]
朋新宇：你去问它企业里面的每个人，它的流程可能都不一样，你最终需要做，内部叫企业，叫做企业流程培训，完了以后，你这条系统才能上上去，那今天的分析理是什么呢，你把现在企业，真实在工作的，这些人的行为，什么数据化，通过数据最终帮他表达，你这个企业最好的，销官是怎么工作的，你这个企业最好的，投手是怎么工作的，那这个工作，是不是你希望负责到，所有的人的，那如果说这个是一个参照系的话，那可能和原来的离散的，事实而废的标准 [00:26:05]
泓君：这是本质的差异，那这种你们会给企业，做一些定制，或者企业专有的软件吗，我们现在已经很少，去做企业专有的软件，我们还是聚焦，围绕着企业里面增长的问题，增长的问题就是
朋新宇：最终我一定是用能数据，能度量，当然我们也遇到一些客户，也会说，希望明年买我们，一千个人天的投入，那其实这种方式，我觉得在企业侧也要发生变化，那未来我觉得买这种人天的方式，其实定制的方式，其实会越来越少，人天是什么，就是这就是定制嘛，比如说我一开发一个功能，要100天，他估算他可能，我大概有10个系统，或者是有100个功能，他可能自己算下来，差不多要1000个人，天的时间才能开发完成，所以他会去找我们，或找市面上的一些公司说，你能不能帮我来开发一下，那这个开发其实对我们来讲，完全是一个从零到一，从养鸡场到养鸡到下蛋到炒蛋，所有都干完，那这类事情其实对客户来讲，对我们来讲，编辑效率都是非常低的事情，所以我们反而是说，今天你是聚焦，就是在做销售，做客服，做营销
泓君：那基于这些场景之下的问题，可能我们聚集，所以你们现在更加倾向于，去做标准化的agent 增长类的agent 我觉得这个点非常有意思，就我们可以讨论一下，我现在觉得呢，过去在SaaS那波很热的时候，大家想要去做这种标准化的产品，这一波很热的公司，是Palantir 我觉得它大概有 46%到47%的营收，来自商业客户，主要是派它的工程师，去一个一个企业里面改造，就像您刚刚说的，从0到1 把企业内部的系统搭建出来，就像比如说它要1000个人天，来去搭建一套系统，我理解现在像OpenAI 然后微软，他们可能也是想用，这一套AI工具，把这些工具布局到企业内部，那他们呢其实就做的是，一个一个企业纯定制化的思路，然后我理解 你们反而是在走一个相反的，做产品的思路，对 Lantier其实它有个前提是，那服务那些企业，它原来都是有基座的 [00:28:31]
朋新宇：它是去帮客户去找出有价值的问题，而不是去帮客户去实现，它给我列出来的 To-Do List的100个功能需求，这两个本质的差别，我们现在交付和服务中的客户是，我们见到客户里面，可能和企业的CEO 业务总裁，到下面的一线人员，我们都要去做交流，做访谈，最终是和他一起，先找到他公司里边，这个阶段在销售侧，或者在营销侧，或者有些是可能，在他业务增长侧，最有价值的问题，那这些问题最终，还是回归到，我们所擅长的，作为他的业务的增长，就是三类，要么是销售的增长，要么是你今天，营销的ROI的增长，要么是你今天，克服本身的服务人效的ROI的增长，其实我们在中国这样的企业，和这样的客户群体非常大，所以我们今天不是说，每一个企业我都能服务，而是说我们找到
泓君：企业里面有每一个这样问题的场景，我们能够提供服务，你们是一个垂直，一个赛道，一个赛道的做，基本上通过一些典型的客户场景，把一条赛道打通，是，如果具象来讲，它可能也是一些行业专属的应用，或者数字员工，了解，如果是这种比较标准化的服务，我理解他按作息收费就好了，他按效果这个要怎么计算，其实这个使用的方式是标准的 [00:29:33]
朋新宇：比如说大家都会接个数字员工，比如说我刚才讲到那个投手
从投手到销售：标准化Agent的落地
朋新宇：比如说我刚才讲到那个投手，他其实帮我去每天采集，各种的市面上的精品也好，同类的企业他发的新品，新的价格，从采集数据分析数据做决策，然后调整自己的策略，就是这个方法是标准的，但是每个微超是完全不标准的，那可能每个行业，有的行业它的转化率，比如说有的行业可能转化率，有些品可能在不同的渠道，但是反复力不一样，这些地方可能我们没有办法，说有一个标准的，今天说一定给你提升10倍5倍的，还是根据数据来，根据你是过往的，你在不同的平台，不同的时间，不同的促销期，你的效果怎么样，我们做一个分析，完了以后我们做一个MVP 我们AVTest 这样的一些比较以后，最后有效果，我们会和你做一个业务模式的结算，我觉得当下这个阶段，可能也在试，对很多企业来讲，今天其实在这里的投入，肯定是希望能拿到，更高额的一些回报 所以我们会有这样的一些企业，我们愿意做一些尝试，比如说有的叫对赌，今天其实我们不叫赌，还是叫做测评，有这么一个测评，我的智商就类似于，模型的缩台一样，我能够去拉到什么一个水位线，这个我觉得今天对智能，和对今天企业的数据，让模型更好的放大，是一个很好的方式，我们刚刚其实聊了客服，然后看看有没有投手
泓君：或者销售的例子，而且我对销售非常感兴趣，我觉得投放它可能还稍微标准化一点，我理解销售它每个行业之间，可能就差别更大了，比如说酒的行业，媒体的行业 2B的行业 [00:31:17]
朋新宇：2C的行业，它是完全不一样的，是的，我们有一家制造业，它原来有很多线下的渠道，各个省代，渠道的销售人员就服务各种的经销商，而且这些人员最大的一个麻烦，可能约束就他的上班的时长和客户的时长，即使在一个区域，他一天拜访，可能他手上大概有二三十个客户，但是他如果按照拜访的一天，只能两到三家，先去哪一家后去哪一家，这是一个时间规划的问题，第二件事情是我见了这个人，我应该是和他propose什么东西，以及和他交流什么话题，以及这个话题最终可能和我企业，内部需要我的任务和目标，是什么关系，这个叫方案，第三个是我和这个人沟通完了以后，他可能有些要执行的任务，可能不是我预设的，但是可能有一系列的一些动作，这个动作可能和他的内部的，业务的系统要去录入，其实原来这件事情，你想想都是靠着人力的，今天我们帮着这个企业，是从一个省的试点开始 这个试点原来是一个，最落后的销售的区域，那在今年的上半年，那个省评为最先进的，你想想这些过程，可能AI能在各个环节能帮助，但是缺少一个销售的AI 能够把它从事前事中事后，都能穿起来，前面的路线规划，中间的我要去做，哪些客户见面的材料准备，以及准备完以后，我的小机和我系统，怎么录入打通，如何去推广到，我后面的内部的，相应的其他人员跟进，原来这个销售，可能每天花一半的时间，在做资料准备，可能晚上大概花两个小时，做复盘做系统录入，那今天可能对销售，它的工作时间，效率大大提高，而且它的最终结果就是，那个省拿到那公司的销售罐，这个印象深刻，对，我们从企业的消费者来看，增长就这么，简单可以理解三大类，售前售中售后，那售前其实就是营销，售中就是销售，售后就是客服，其实你售前再看，它也是这么三大类 投钱做预算分配，做渠道分析，做人群挖掘，投中做素材生成，素材管理，素材的优化，投后做复盘，做渠道筛选，渠道优化，你看这几件事情，其实背后都是数据家AI能够，肉眼就能看得到，能在这里能够去提供很大的价值的，只是这个怎么穿起来，你再看售中，销售也是这么三件事情，新客新购转介绍，哪里有新客，哪些新客变成新购，所以你看到会有什么，试驾试吃试穿一堆的，都是让它你的新客户，变成我的新的购买用户，都是为了让你能够，更好对我的产品有理解，我要把这个试的机会给谁，这里你看到，都是有数据加AI的机会，能够去找到，在企业私域的信息化，数据范围之内，能辨认出来最好的，或者是能够去规划出来，最好的策略，你看客服也有这么几类的，可以抽象，交付履约，比如说我买一个东西，什么时候上面安装 第二个是售后投诉，我买的东西，刚刚讲吹发货，缺了个脚，缺了一个什么配件的投诉，第三类就是长期复购，我新产品来了，或者我新的功能升级了，如何让我来继续提供服务，其实这几大板块，往下拆解和理解，其实我们今天这几类agent 就是基于这些，敢为最佳投手，最佳销售，最佳客服作息的，这样一些人设，去做agent的设置，同时我预制了，这样的一些agent 他有一个比如说工作五到十年，或者是一个本科生的水平，或者硕士生的水平的这么个人，那今天进到那企业来干嘛呢，你需要有企业的资产给他去打理，这个资产就是你企业的数据权限，资金的审批投放的权限，客服相应的呼录和资金赔偿的上限，给他这些权限，那你在你企业就能工作，为什么我们说营销销售和客服，是这样理解的，是因为站在企业的生意的逻辑来看，这几个角色是在每个企业都存在的，最大工业数的岗位 通过数据加skill能最大化的把它变成agent 能够去自动上岗自主进化的体系，所以你们现在内部有多少个这样的不同的agent 那我们提供的agent服务方式呢，如果简单来讲就是4加X 4个预设好的agent 加上X 这个X是企业的数据资产和企业的商销文管理，那4是分别的 4个呢，一个叫营销，一个叫销售，一个叫客服，另外一个是运营，我们这个agent呢，就是在这个行业里面，能做到五到十年的工作，进行的人，叫做最佳岗位的实践的预示，然后同时X 就是雇了一个这样的人进去以后，你给他什么样的权限，什么样的企业的数据，什么样的企业的审批权限，和资金的管用的权限，所以这个地方的X 就是我们需要去和企业一起去梳理，去治理，以及在原来他有的企业的平台之上，能去做一些数据资产管理的 [00:35:10]
泓君：能够让前面的agent 更好上岗更好工作，对，您刚刚提到的那个帮助制造业做销售的这样的一个agent 从您的员工开始接触了解这家企业，到真正的把这家企业，适用于他们企业销售系统的agent打造出来，这个过程大概会花多长时间，哇这个还是一个好问题，我觉得我们讲起来很容易，但是其实做起来还蛮难的，特别是在新的技术革命的开始 [00:36:03]
朋新宇：有人相信有人怀疑有人在不断地摇摆嘛，所以我们做这件事情可能花了一年多，可能讲起来两句话讲完，核心的是这个企业，整个的组织上的关系，解放思想很重要，先去熟悉工作岗位，这个花了可能是比较大的时间，可能占了三分之一不止，完了以后才是去做建模，那后面我们同样花了，大概三分之一的时间，在教练团，因为我们有这样的agent出来以后，并不代表他今天就，完完全全是一个优秀的投手，或者优秀的一个销售，说我们有一个AI的导师团，那我们要去调教他，前面的学习和中间的调教，加载快花了三分之二的时间，那另外其实真正的实时执行
泓君：和系统的上限反而是快的，熟悉工作岗位，这个我理解，其实就是我们今天提到的 FDE前沿部署工程师，他要真的到企业内部，然后跟大家沟通交流，包括他是不是还得在每个企业轮岗，看这个企业它是怎么运作的，假设他们的销售发现，我们是抱着这样一个目的去的，我们可能要建一套agent的系统，会遇到执行层的人，会比较抵触的这种现象吗 [00:37:08]
朋新宇：肯定会的，这是人性，所以我们刚才前面的话题就是说，能看到跑得快的是，自上而下的跑得比较快，但是我们惊喜地看到，我们做了几个成功的企业，有部分的企业，其实CEO或者董事长，做的最多的一件事情，是动员思维的转型，所以我们有一位董事长，他一年在企业内部，给他的全员和管理干部培训，自己做董事长学习AI 去讲课超过15场，他说我先学会，我再给员工讲，那员工才能去理解我的思想，和能用好这些系统，所以我觉得思维转型，是非常难的事情，但是惊喜的看到是说，这些员工原来担心的，其实大家都在互联网谈的一个词，就是人会被替代掉，其实发现在企业侧不是这个样子，其实企业侧我们觉得，同样会形成K线进化，比如说IT的团队，这些成员原来在数字化时代，是非常有竞争力的，我觉得在AI时代，它是更加有竞争力 它首先它贝斯是了解AI 或者是用AI的工具，是有技术背景的，所以他上手快，同时只要他往业务再走一点点，他可能就是企业内部的FDE，他能找到企业内部更多，比我们这些对那些不熟的人，找到更多的企业的三个点，就是耗钱最多，耗时最多，耗人最多的地方，找到这一点，去雇佣和培练，这样的agent上岗，那他的价值就更大，那所以这些人K性往上走，那另外第二类的K性就往下走，你如果今天我就和你对抗，你可以对抗一个工具，或者对抗一个项目，但是你对抗不了这个趋势，但是我们看到，董事长一年培训了15场，然后发现他的财务，他的IT 还有他的原来渠道的，一些销售的负责人，慢慢变成了一个，叫做帮助客户成长的，这样的一些导师也好，这么一个角色，这个角色其实我把它，翻成为是企业内部的FD 我觉得往KC的上面走，这不然是有巨大的机会，这里面可能我觉得首选，像原来的IT CIO CTO的这样的组织，他们只要往业务走一点，原来很多做技术都是这样子，上面的业务同学们，需求给我提清楚，我就干就好了，但是今天是反向是你要去学会提问题 [00:39:22]
泓君：那比如说我们刚刚提到的像销售客服这一类的职位，他们会有向上走的可能性吗，当然今天他可能不是自己去上岗，做真正的一线的接线或者是处理投诉的人
朋新宇：他是这个客服AI agent的力量，他去每天做异常处理，每天晚上的复盘，一样他要去做总结，他要去做任务派发，新技能的让这些agent去学习，那这个人他整个的成长路径，就不是原来说我去处理
数字员工上岗与FDE团队分工
朋新宇：就不是原来说我去处理 100个更刁难的问题，而是如何让我这10个跟着我的agent 能够去覆盖原来超出我工作量，和工作能力范围之内的工作，我觉得他们的工作性质，跟工作方向发生了变化 [00:39:59]
泓君：可能以前从一个执行的职位，变成了带着一群agent 管理他们的职位，是所以这些人在企业侧，或者在市面上，他会越来越值钱，而不是今天我们换了一个title [00:40:12]
朋新宇：叫FD就值钱了，而是这些人具备我刚才讲到的，以业务结构为导向，以企业数据为基座，以岗位标准为预设的，这些人他能够帮企业拿到结果的，至少是不低，他是值钱的，对我们刚刚提到了
泓君：首先要熟悉工作岗位，然后这个可能真的也是要，企业的一把手，从上到下，整个大家思想体系的一个变化，那另外您提到的，第二点是建模，第三点是，有一个AI导师团，他来用这个工具
朋新宇：这个具体是一个什么样的步骤，对我们举一个 agent上岗的例子，我们在一家企业，其实不是说，我今天部署个系统，立马就切换上去，我们是大概一周的时间，原来我们可能有个词，叫做灰度，能给我多少流量，或者给我多少的客户量，或者是DAU进来，我们不是这样子，我们是第一天，我们切晚上零点到两点，客服的数据进来，因为这个时间是，客户需求最少的时候，或者低谷，这样的话，即使我的第一天上去，有什么问题，那影响面是可控的，那基于第一天的工作，上岗以后，我要去做评审，做分析，再做一些调整，第二天的时候，我就改他的上岗时间，是从下午的12点，到下午的2点，这个时候是这一天，工作最高峰时刻，我们并不是抽高峰时刻里面，得十分之一的流量，我们要是这个时间段，全段的流量，只有全量，我们才知道你异常的边界 那同样我复盘，你在最高峰的表现，哪些有毛刺，哪些有你客户投诉，炸毛的，哪些是你处理得比人好的，那我就去做一些调整，第三天可能我会放大到8个小时，以此类推到一周的时间，让它变成一个能够符合我整个企业设定的参照系，这个参照系可能是它最好的作息，要么是它今天内部比如最优员工的一个标准，所以是这么一个工作模式，我理解整个这个过程 [00:41:46]
泓君：其实它要把它测试运转跑起来，然后在这个过程中不断修正，它其实还是需要花很多的时间，有一轮轮的反馈的，是，就原来我们是把它当成一个工具，信任我真的是，把它当成一个我的同伴 [00:42:12]
朋新宇：交配你以后，我不在的时候，或者是在晚上凌晨的时候，你就真的是能够完全接管我，而不是一个指令，现在的可能有些，默认叫自动回复，自动回复都是一些FAQ嘛，对对对，那我们具体，真正到前沿部署的这些人
泓君：比如说，他要去熟悉，这个企业的工作岗位，然后要建模，同时还要在 AI使用的过程中，不停地拿反馈，你觉得这个人，他是需要一个，什么样的素质跟画像呢，因为我感觉
朋新宇：这是一个很难的工作，对，我们做法不是一个人，而是一个组织，要一个人有这样的，那全才非常难，而且这个人的宽度和时间，那就非常随便化了，那所以我们基本上，分这么三类，一类呢我们叫BA 以用结果为导向的BA 最终是对客服流程，反正只有200多部流程，我们怎么能编排，或者怎么能阅读，这个客服处理，这个是最佳的一个方式，它能够去找出最好的 AI的工作的模式出来，设定出一个，比较科学的数据标准，去做评测，其实它是片业务，像美妆啊，家电啊，家居啊，还有宠物啊，汽车啊，这些专家，今天就是在，我们这个组织里面，工作的一员，第二个呢，我们叫做AI架构师，我们今天把那些业务问题，要翻译成为，用什么尺寸的模型，以及什么环节，我应该要去，人干预什么环节 应该要去用机器接管，这个AI架构，这拨人可能，他的视角是，今天对新的模型，新的agent进化的一些能力，他能有足够的掌握，他可能是就在AI进化的最前线，最新的资讯，最新的产品，他都要去能快速的上手，快速的能给出结论，并且快速的知道，我这个业务，应该匹配什么样的一个解决方案，第三类才是首席客服，首席销贯，这类人，他是能够把前面的业务问题，变成了agent以后，在过程中能够去参与到调教他，这个调教这里面，我们的角色会变得弱一点，会退后，会在客户侧去挑选出来，他客户里面最好的这几个角色，能够去组成AI的专家团，或者AI的教练团，如果企业内部，未来大的企业，或者是平台化，做得比较好的IT能力，和基础能力比较好的企业，这几种角色，它内部应该都会要具备 可能在这个阶段，通过我们的方式，能够去快速地知道，很像你们所在的，这个行业里面，最好的水平是什么样子，能少走弯路，那在一开始的时候 [00:44:40]
泓君：是谁说服这个制造业的董事长，来做agent的呢，我觉得拿下客户可能是第一步，而且这个客户，他能说服董事长，他可能级别还不能低，他得有更好的v神，没错，对于一号位来讲
朋新宇：他就关注我要么收入增长，要么利润增长，其实我们只是在今天，用AI的这个时代之下，用agent的这个方式，去让他理解，这个事情能满足他的收入增长，或者利润增长，或者人效增长的数据，所以不是说我们用，有一套什么样的方式，去说服谁，而且这里面找到，大家共同想往，那个方向走的这个意愿，那其实就是一排集合的东西，我们说最难的是，你把你的东西，装在别人脑袋里面，那今天是正好，当脑袋有这样的一些，发展的诉求，期望动力，那我们在这过程中，去帮你的动力，更快地能看见，更快地，我们叫做MVP 能让他想到的，看到的是能够结合起来，所以我们像刚才讲的，那个企业的董事长，是因为他讲了这些东西，我们的团队进去以后，快速地通过今天AI工具，去做出来MVP 他的同事就给他们的团队，说了一个很具象的词，就是说，没看到之前我不知道我要什么，但是这个就是我想要的 [00:45:03]
泓君：哦有意思，他还是看到了一点点产品，他大概对他想要的东西，自己也有一个清晰的画像，这个东西可能就是，做出了一个他脑子里面的产品，对，您觉得今年这些企业的一号位，他在接受agent 包括主动去拥抱AI agent的趋势上，它有发生什么样的变化，这个天壤之别，原来都在讲怎么用，能不能用，现在直接跳过，什么时候开始帮我用上
朋新宇：从什么时候感受到，这个趋势的变化的，就在今年春节之后，这波龙虾兴起以后，以及后面的Hannes工程，包括现在Loop这些，慢慢能够让原来大家关注的 AI都在模型参数，说它这个跑分，到今天能够看到它执行任务了，对企业来讲是非常立感建议的，他脑里面多一本账，还是回到刚才那三个标的，已经慢慢出来了，我哪里耗人最多，他就琢磨，能不能帮我提高人效，哪里耗时最多，能不能帮我提高速度，哪里耗时钱最多，能不能帮我提高 ROI 所以企业家是最聪明，和最敏锐的一批动物，比如说他们现在用一个 AI客服成本是多少 [00:46:24]
泓君：然后他需要去付 token的用量的使用费，因为其实也是从今年开始，硅谷的大公司，也要求员工开始去用agent 但是我理解他，跟您这边的可能还不太一样，他就是比如说鼓励大家去用AI工具，但很快就发现，自己企业的token的账单给烧爆了，现在在您接触的客户中，会有存在这样的现象吗，这个是普遍存在的，就拿我们自己举例子好了 [00:47:04]
朋新宇：我们在QE结束的时候，其中有一个AI的项目，我们收入可能300万，但投入1200万，但是我们慢慢到这个季度结束，基本上能看到就会打平掉，所以出去投入还是有的，但是今天呢，正是因为我们自己这样经历了，所以我们反而设计出来这样的agent 不是让你对token敏感，而是关注你背后你能解决的问题，还是那句话，能不能算得过来账，你算得过来账，背后用什么token 其实对他来讲，大本老板他是不会care的，而且有些时候我们看到，很多问题在客户侧，它并不是模型先进性的问题，它可能就是刚才讲的，最后一公里的企业上下文，企业的数据规不规范，企业的数据好不好用，这些问题可能今天不一定，是要用最好的大模型，今天反而我们是把这些，降低它的选择和降低它的，本身就不属于它，应该要去判断的范畴之内，今天我买一个电脑，在行业里面还会去说，我关注我电脑的CPU 我的芯片我的内存，企业也一样的，我觉得它一定是关注，能够给我带来的账，我算得清楚就OK了，我们希望在这一层，通过我们的实验，尝试去帮助客户，未来在我这个平台上，他去雇一个外呼机器人，或者是外呼agent 或者是这个自检agent 或者是电商投流agent 是肿胀的，背后你用什么模型，什么方式，可能这是留给我们团队的，我们的技术能力，做到多好，就是我们未来的利润的空间，和你成长的空间，有意思，你们现在用的是哪个模型，所有的阿里云平台的模型，我们都在用，但是对于客户来讲，其实你是阿里系的模型，还是今天的开源的，像Tini 像Zip 这些在我们的阿里云平台，都有这样的模型，这样的模型，我们反而是用这样的场景，来去帮客户挑选，在什么场景下，用什么模型，对你的性价比较高，可能我们对模型不会有执念，所以你们现在的策略 [00:48:23]
泓君：我理解根据刚刚您说的，应该不仅仅是说，我只是无脑用最强的模型，而是可能是比如说好的模型，配上比如说阿里的一些开源的模型，可以下载到本地的，大家是综合来调度，现在是这样一个思路吗，对，你其实谈到的问题就是说，怎么部署的问题，那其实部署我觉得分两类，一类叫做系统部署，一类叫做模型部署，那今天我们这些agent [00:49:17]
朋新宇：目前就把它简单理解成一个系统，这个系统可以在我阿里云上，公有云上，也可以在你企业自己的环境里面，私有部署，这是没问题的，第二个是模型私有部署，那模型私有部署呢，我们发现大部分人是混淆的，一两年前大家可能在谈，我能不能下载一个开源的去做私有部署
模型策略与中美企业级AI差异
朋新宇：我能不能下载一个开源的去做私有部署，那有人在这样干，是因为模型的智能需要去做后训练，今天其实积木已经强到，没有人再去提后训练这件事情了，第二个是比如说今天像开源的大尺寸，不管是我们大力的大尺寸的模型，还是像今天K1这样的模型，都是两点几TB的参数，那有没有算过这个账，如果你要去施布这样的模型，你没有个几千万的初始化的头部，可能几千万对今天最新的先进模型，还打不住，所以这个成本照样没有算过，第一个是需不需要，第二个是成本耗不耗得起，所以这个模型施布，我觉得这个事情未来更多的会交给像，这样的agent 他去选择在什么场景下用什么样的模型，大家还有一个问题的混淆，就是如果我不思路模型，我是不是这些数据，就给了你大模型公司了，只有思路，我才能把这个数据，留在我的企业内部，但其实今天，我们用agent 去调大模型的过程中，其实我们和大模型对话，大模型并不会吸你这些数据 而且这些数据，可能对大模型来讲，它是污染，但真正说，能够去收集采集的是，编程的webcoding 这样的agent 像ChatGPT [00:50:54]
泓君：你和他对话，他是能够去采集这样的数据，他是为了让你更好的优化，对这个是ChatGPT C端产品的一个默认设置，当然大家也可以关闭，用于数据训练的这个按钮，那今天我们这层在哪里，就在你的Agent里面 [00:51:02]
朋新宇：你的客服Agent 你的销售Agent 你的营销Agent 这些Agent可以部署在你家里，部署在你的环境里面，你可观可控，所以在系统这层，可以管控你的数据安全，数据的合规性，那在模型这层
泓君：我觉得还是今天在市面上，要用你最符合的模型，和性价比匹配你，解决你问题的模型，是最优的方案，综合来看，今天模型的能力，已经很强大，强大到很多，用AI它就已经有一些效果了，所以大家不用试试，都用最好的模型，反而是现在在一个，拼效率的阶段，就拼谁的运营效率更高，是我觉得刚才这个话题，在2B这一侧
朋新宇：不是模型的先进性，而是它和在业务场景，比较多快好省，可以用最好的模型，这些地方我有收益，那我就做，但我们今天可能是，用一个适中的模型，能解决你场景，原来对比下来，就能达到很好效果了，为啥不可
泓君：对，我刚刚问这个问题，是因为您之前有提到过，比如说模型能力一升级，然后很多Harness工程，就无用了嘛，你们跟企业做企业级的agent 我理解就是模型能力一升级，你们会需要及时更新你们的agent吗，对你们来说，它是一个风险因素，还是一个利好因素，它是会增加你们的工作量 [00:52:09]
朋新宇：还是说这个其实还OK 目前还OK 如果他用了我这条agent 他一定是在稳定的绑定，这个模型已经是确定的，而不是说随着升级，他就自动升级，而是要经过人工确认的，比如说我们一个员工上岗，还是要经过刚才那个阶段的验证，只是这个时间会缩短，所以这个验证在目前，如果没有客户，或者是我们主动升级的情况下，他还是用原来那个方式去工作，是保证效果最稳妥的，今天一定是我们在哪个地方，测试到这个模型带来的，足够的理由去升级，我们去升它，那这个升我觉得从长远来看，一定是好的，那只是在这过程中，我觉得这也是FD在里面的关键作用，我们要去测，要去对比效果，再去做升级的方案，而且升级方案可能并不是一个API级别的切换，在企业这一侧，它也绑定了很多企业的流程，权限，包括企业内部的管理的边界，看起来切换很容易，但其实在企业这一侧
泓君：它其实要的是稳定的工作输出，对，你觉得中美的企业级AI 现在大家有什么，因为市场商业环境不一样的地方，然后他们之间就是有什么区别 [00:53:25]
朋新宇：先说企业再说这个角色吧，那像在前面的信息化阶段，有Salesforce有SAP这样的企业，其实它已经奠定了很多的工作流，以及奠定了很多的数据标准，那在中国其实在这一块是缺乏的，所以我们在中国做FD 大部分做交付，为什么现代交付不是我们这些同学，或者是其他的这个行业，他们想去做，而是每一家都没有一个，比较平稳的地基，所以我先去做地基，所以这个交付就限到了，我们从第一天打装，盖楼再到上面装修，一系列事情都要去干完，这是我觉得本身的基础，是不一样的，第二个才是说，今天美国的企业和中国的企业，其实付费习惯也不一样，你们在硅谷应该是很直观的，大家对尊重知识，包括人力成本也贵很多，但在中国是不一样的，因为中国每个大的企业，都一个IT团队，这些团队如果说紧急式交付的话，那其实它内部它也是能做的 那为什么你在这里能做出比较好的价值，那这里会遇到一个市场稀缺，和一个市场饱和的一个问题，所以这个可能一种是系统的环境，一种是人才的环境，这两个不具备完全的Apple的可比性，第二个是说这个角色，这里的人的工作有什么不一样，那在硅谷，那其实这些人可能今天有几个大的平台，可能包含像Salesforce SAP 传统的这种SaaS 还有像Facebook Google这种的互联平台，可能在中国其实像淘宝天猫，企业微信，他们要去更多的站在客户视角，怎么去利用好已有的互联网平台去工作，传统如果仅仅做一个功能基层的交付，那它会落到非主的体对上，那今天可能如果是从互联网平台出来的人，和做这些事情，他就有天然的优势，那如何懂流量 [00:54:33]
泓君：如何懂互联网的运作方式，如何懂互联网之间的这些喉号，这个是蛮不一样的，对，您觉得中国跟美国的FDE现在是领先统不还是之后，因为刚刚我听您说，你们的几个客户，您可能花了一年的时间，跟他们去做部署，其实我感觉你们走的，还是非常的早的，对其实我们没有FD这个词之前，其实我们干的这个事情，可能就是和我刚才讲描述的FD 就往这个方向去的 [00:55:19]
朋新宇：并没有今天因为有FDE这个词来了我们就套上去，所以我们原来五年前，就一直有这么一个团队，就叫CSM 所以这个团队只是我们，围绕着原来是客户成功，是今天有了AI来以后，把AI纳管进来，我们如何继续让客户成功，我觉得我没有数据，所以我没法对比说，比他好还比他不好，但是我们这几年一直在这样做，但是我们越来越能感受到，其实最终是用客户的订单，客户的续费
泓君：来去对你表达你做的好和不好，所以目前我们看下来 so far so good 太谦虚了，那作为瓴羊的CEO 您现在最关注的三件事情是什么，好问题，我想一下，比如是客户的拓展，找到好的人，还是整个技术方向，跟战略决策的把控 [00:56:11]
朋新宇：或者是怎么样去提升运营的效率，出向层面可能就三个东西，一个叫做人，哪些人，不管是客户侧面的人，还是我们自己的员工层面的人，是能够去更好地，更快地从AI里面冒出来，在内部我们每个月，会有一期叫做AI最佳实践的员工座谈会，员工的分享，我们希望能快速的去找到，或者去帮助这样的一些同学们，能冒出来能够去成长，客户册我们也是一样，所以客户册我们每个月都有一期，或者每年我们都有一个，很固定的一个活动叫做数据同学会，希望能找到这个行业里面，头头脑脑的过去一年发展成长，和蜕变最好的这些人，能去交流，我觉得人是所有的这些事情的前提和根基，第二个是市，市情这里我觉得是市能，我们得找到在市能上的事情，比如说我们最近在做Agent上的 这些客服营销销售，这样的Agent 其实我觉得找到这样的事情，其实最终是要能够看到，它能自增长，但是在客户内侧，它能够自己口碑相传，比如说刚才讲的有些例子，其实都是一些客户和我们讲的，或者是客户和其他的客户讲，再来反过来到我们这来的，第三个就是局，局是局面，这类局面就AI的格局 AI的发展的局势，以及今天Agen的一些进化的局势，这里面有技术测的，有工程测的 [00:57:31]
泓君：有在模型测的，可能有在业务架构测的，所以总结下来可能关注人事局，现在在AI时代，您刚刚提到了人，你们也会去做最佳实践的员工分享，您觉得现在人的技能，应该往哪个方向转变，如果大家想要自己在AI时代，发展得更好的话，你们更倾向于招哪一类的员工呢，我们也在尝试
朋新宇：其实我们不知道最好，所以我觉得应该是要招得更好，只能better and better 所以现在我们能看到，就这么三类的结合，一类是懂技术的，第二类是还是要了解业务的，要么技术往业务走，要么业务往技术走，目前看下来技术往业务走，可能难度更低一点，这业务可能我们不要是全才，可能是个专才，你要么去把一个营销多平台，或者单平台做得很好，要么是你把一个行业里面的，克服了各种边角角流程，理解得更透，所以我们这里有不少的这种，叫科普专家呀，叫营销专家呀，这样的角色，第三个呢，我觉得还是懂数据，其实懂数据并不代表说，我天天看报表，而是你看了报表，你能至少在你脑里面，我觉得有几个东西，第一个同比，你看完这个数据，你得看到同比，这个是健康与否，如果只是给一个裸数据，说今天我增长180万，但这是好还是坏，不知道，第二个呢 我们叫做对比，你是和自己对比，还是和进队对比，和另外一个品牌对比，还是和你自己家的，另外一个产品对比，第三个呢，我们叫做占比，你虽然做了180万，这个市场上，你是万分之一，还是说这个十分之一，但你的模式就会不一样，那其实这些呢，可能是基本的一些数据思维，那最终可能落到AI这一侧，我们也是要让AI 有这样的能力，你有这样的能力，才会有这样的判断，有这样的判断，它才会有这样的策略，它的执行，才会慢慢变成进化，为什么要数据，数据其实就给了一个参照性，就给了一个靶子，这个靶子就是设定目标，你不断地超越它，那这个数据就成为你的一个拐手杖，综合来讲，今天就要懂AI吧 [00:59:15]
泓君：懂业务深度，对AI的锐度，懂业务的深度，还有数据的宽度，对您的这个分享
懂AI、懂业务、懂数据的人才观
泓君：对您的这个分享，让我想起一个很有意思的话题，之前AI刚来的时候呢，硅谷有一个职位叫做Data Scientist 就是数据科学家，很多做数据科学的人，他们都非常的慌，因为AI就可以做各种的数据分析了，它不是首先取代的是我的这个职位吗，然后您刚刚的这个分享，我突然意识到，不管在什么职位上，只要大家真的做得比较好，它都是很有价值的，是我觉得这是自然进化的规律，也是AI进化 [01:00:00]
朋新宇：我觉得你逃不开一样，刚才你说了一个词，数据科学家，其实我们在十几年前，我们在国内，我们也用这样的词去定义，其实后面我们改了一下，把后面加去掉，因为在国内这个语境里面，数据科学家就很，非常神圣的一个title 所以我们叫做数据科学，数据科学是讲究方法科学，不是你的人的位置，这是不一样的，科学的方法和科学的工作方法，那落到你的业务场景里面，那这个数据科学才是有，发挥业务价值的
泓君：那是不是说在现在这样一个时代，资深的人会更吃香，那如果是刚刚大学毕业的应届生，刚刚开始熟悉一个职位，你觉得这一类的人，他会有优势吗 [01:01:00]
朋新宇：我觉得2C和2B不一样 2C可能去做一些创新，那可能今天没有差别，但是2B来讲，你的行业经验know how 还是有壁垒有价值的，那只是这个价值呢，原来可能是十年他学会的，今天你有可能一年或两年，你能掌握，对当下的这些年轻人，其实我们如何能站在，别人的肩膀之上去成长，而不是从零开始去学习，那这种新的工作方式和工作习惯
泓君：可能会让人和人之间产生新的差异，对，因为我们今天其实聊到，整个企业级agent 您这边确实我们也能看到很多的结果，就是它能帮助企业降本增效，但你觉得有没有一些，之前做不了的一些业务，有了AI以后是可以做的，就是它可以帮企业完全打开一个新的领域，跟新的增长市场，现在你们有看到这样的一些趋势吗，我觉得特别像AI for science
朋新宇：就很多做不到的，但是今天我觉得回到企业侧，就两个方向，一个是加AI 一个是AI加，加AI就是我们自己也帮助不少的企业，上线的一些系统，用一些工具，比如说我们数据分析的工具，数据治理的工具，还有一些风控的一些工具，那这些工具今天加了AI以后，它的效率效益，最终回到用户效果上来，它会有一个增值，那这种呢，现在也有不少的企业，还在这个方向上去发力，我觉得这个是非常有必要的，不能一口吃个胖子嘛，而且有些系统，特别是对一些工具型的系统 SaaS型的系统，并不是这些系统没有价值，特别是在这个阶段，这些有些软件的工具，它的价值会重新分配了，原来这个软件我必须要打开这个软件的首页 login进去我才能使用，那是人用的，那今天可能这些系统，它可能是给AI用，它可能不需要人登录，所以它的价值会重新分配，那这些系统还是有效的，这是加AI的方式去用的 第二种叫AI加，谋定的是我是在某一个领域，我要真的是要重新用AI的方式去改造它，去定义它，比如说我们刚才讲的AI客服务 AI营销 AI导购 AI投手，这类的地方呢，反而是回归到企业本质，哪里耗人耗钱耗时最多的地方，那这些地方是容易去探索AI家的方式的，好的特别精彩
泓君：好谢谢小鹏，好谢谢洪君，好那这就是我们今天的节目，大家听完这期节目有什么样的感想，欢迎给我们写评论写留言，播客的听众可以通过小宇宙Spotify 还有苹果播客来关注我们，视频的听众可以通过B站，还有YouTube搜索硅谷101播客找到我们，我们部分节目的文字稿，也会发表在我们的微信公众号，硅谷101上，我是洪君，感谢大家的收听，谢谢 [01:03:22]