数据的雪球效应：AI如何改变SaaS？

原文来自Venturebeat，由腾股创投编译整理。

近几年，SaaS行业的领导企业为了在竞争中占据领先地位，已经在人工智能研发方面投入了大量资金，。Shopify推出了机器学习驱动欺诈防御、。

由于云计算服务为获取人工智能提供了可能，我们正处于一个新时代，SaaS供应商开始推出真正解决消费者问题的AI应用。

在今年的SAAS NORTH峰会上，我与许多专家讨论了人工智能在SaaS行业的发展。以下是他们眼中AI+SaaS的未来：

第一波：大公司领先一步

传统的SaaS模式基于每月大量的付费订阅，这意味着SaaS公司需要不断改进和培养客户关系，以确保客户持续付费。

SaaS加速器L-Spark的创始人Leo Lax表示：“AI正在帮助SaaS公司减少建立客户关系相关的人工劳动，并帮助SaaS公司以更有意义的方式与客户交流。”

以往几年，只有真正资金充足的SaaS巨头才有资源聘用合适的人才，并投资于有意义的AI研发。但是仅资金不足以实现有用的人工智能应用。主要的基础是数据，大量的数据。

建立自己的平台SaaS公司有了一个良好的开端。训练机器学习系统最大的障碍之一是获得足够大的数据集。Shopify的数据和分析高级副总裁David Lennie解释说：

“最大的价值是尽可能快地获得最大的样本量，而当你拥有一大群用户与你一样做同样的事情的时候，这是更可能实现的。SaaS公司通常提供一种解决方案，以此进入市场获取用户，最终获得更多的数据。

Lennie认为，专注于解决某个特定问题而不是“一体化”解决方案的SaaS工具，可以更好地获取合适的数据来训练机器学习应用。一旦公司能够访问来自全球数百万用户的“干净”、庞大的数据集，他们就可以开始解决问题。然而，Rubikloud的CEO兼联合创始人Kerry Liu认为，直到目前为止，人工智能方面最好的成功案例还是在企业内部。

“无论是Google优化搜索，还是Salesforce使用Einstein来帮助销售经理确定的最佳使用案例，迄今为止大部分成功的应用都是为了提高内部效率和内部产品开发。

虽然迄今为止，领先公司的大部分应用都是内部的，但正朝着正确的方向前进。专家表示，人工智能将在自动化、个性化、语音输入和用户安全性方面得到提高。

第二波：云计算拉平竞争环境

一直到最近，SaaS行业的一些新兴企业才真正使用高级AI应用。Affinio的创始人Ardi Iranmanesh表示：“AI大量被滥用于营销目的。许多小公司仅仅使用了聊天机器人或线性回归等基本应用，就宣称自己是AI公司。

然而，在过去的几年中，通过使用AWS，Microsoft Azure，Google Cloud和Oracle等云计算服务，利用“人工智能即服务”云工具，为小公司使用机器学习等更高级应用打开了大门。

也就是说，这些云服务所提供的支持是在底层的计算层面。云计算服务已经改变了这种状况，使得小型企业无需拥有任何硬件或担心数据安全，就可以获得构建有意义的AI应用所需的计算能力，并可以部署在全世界任何地方。

SaaS AI进化的这个更具包容性的“第二阶段”已经导致了许多专业细分的AI SaaS公司出现，这些公司致力于解决垂直市场的问题，而不是与大公司在生产力或通信方面竞争。

正如Mobify的联合创始人兼CEO Igor Faletski所指出的，“AI已经存在了一段时间。新的改变是他正在向开发者敞开大门，越来越多的小创业公司可以使用AI。”

诸如Beanworks和Mindbridge Analytics等公司专注与新兴垂直行业，实现审计和会计等“白领”任务的自动化，迄今为止，SaaS巨头基本上忽视了这些领域。

EnergyX Solutions CTO Alex Corneglio证实了这一趋势。“我看到一个全新的垂直产品，可以根据具体的市场角色进行定制，所有微妙的品质现在全部嵌入到产品和服务中。”

然而，开发有意义的AI应用的最大挑战是获得专有数据集。David Lennie在SAASNORTH峰会上强调，AI的价值不仅仅在于强大的算法，也在于公司获取的数据集。他提醒说，企业应该充分了解如何使用数据，然后再去构建基于AI的解决方案。

Lennie建议，为了克服AI数据“鸡与蛋”的难题，新兴的AI公司将不得不共享更多的数据，包括与传统公司合作。“也许你可以通过合作交换一些数据。”

Iranmanesh预计将有更多的传统公司向AI初创公司开放数据。他提到万事达卡和Visa这类开放数据的公司，他认为：“尽管数据法规永远是一个必须考虑因素，但公司总是希望提高自己的底线，单纯的存储数据并不能解决问题。”

然而，Mindbridge Analytics的CEO Eli Fathi反驳说，在处理诸如审计这样的任务时，可以用来自各公司的公开数据和小数据样本训练算法。Beanworks的CEO Catherine Dahl表示，会计任务是非常重复性的，非常适合用于训练机器学习算法。

第三波：

更成熟的SaaS公司已经收集了大量用户和运营数据的，所以它们的机器学习系统的智能呈指数级增长，在不久的将来，我们很可能会看到更关注与解决真正的企业问题。

Forrester预测，到2018年，SaaS巨头将越来越多地在平台级进行竞争，在云计算服务上运行其部分服务，以处理对自定义应用和更高级的AI应用的需求，从而实现一系列核心业务功能的自动化。

与此同时，随着人工智能在各行各业的普及，更小、更专业的玩家将能够获得更多的客户，从而获得更多的数据集来训练人工智能。Lennie认为，如果小公司专注于解决一个一个的具体问题，这将使他们有能力转向解决类似的问题，并将其平台发展到SaaS巨头的水平。他说：“你可以冲洗并重复这个模型。如果你冲洗和重复的时间足够，你就得到一个非常发达的平台。”

Faletski预测，亚马逊，微软和Google等公司将大力投入强AI的研发，构建平台生态系统，成为最大的“AI即服务”供应商。这将进一步为小公司打开利用云服务使用云AI应用或开发自己的算法的大门。

Liu同意这一点：“美国科技五巨头（苹果，微软，Google，Facebook，亚马逊）意识到市场上将有更多的人工智能应用，也有更多的云计算供选择。科技巨头可以从企业采用人工智能解决方案中获利，因为这些数据和应用可以部署在一个可以无限扩展的弹性计算平台上。”

SaaS巨头已经开发出智能平台，这些平台正在以指数级的速度增长，云服务已经为更小的垂直市场玩家提供了平台。Liu认为，人们低估了发展的速度。虽然有人预测财富500强公司都需要10到15年的时间才能将AI SaaS产品应用到他们的核心业务功能中，但他预测这将在未来5年内发生。