Transcript
00:00:00(欢快的音乐)
00:00:02今天，我们将重点探讨如何缩小 AI 价值差距
00:00:07我很荣幸能邀请到该领域的专家，
00:00:10同时也是 Vercel 的客户，Dan Martinez，
00:00:13他是 BCG Platonian 的董事总经理。
00:00:16Dan，欢迎你。
00:00:19- 谢谢，Jane。
00:00:19很高兴来到这里。
00:00:20- 太棒了。
00:00:21那么，也许我们可以先做个铺垫，
00:00:24BCG 的研究发现，只有 5% 的公司
00:00:27正从 AI 中获得实质性的价值，
00:00:30而 60% 的公司仍在苦苦挣扎。
00:00:32是什么造成了这种差距？
00:00:34是技术问题，执行问题，
00:00:37还是完全由于其他原因？
00:00:40- 好的，Jane，如果我们回顾过去三年，对吧？
00:00:44自从生成式 AI 基本上在 2023 年兴起以来，
00:00:48许多公司开始从应用案例和试点项目入手，对吧？
00:00:52我发现有些公司简直就像是在比赛
00:00:54谁能获得更多的应用案例。
00:00:57有时他们会累积到 100 个甚至 300 个。
00:00:59我见过有些组织拥有数百个这样的应用案例。
00:01:03我觉得最终
00:01:04人们的精力被分散得太薄了。
00:01:06其中的一些想法非常微小。
00:01:08它们并不是我们所认为的流程重塑。
00:01:11它们也不是对组织职能的重新构想。
00:01:15然后人们就，
00:01:17我觉得他们在混乱中迷失了方向。
00:01:18对于其中的一些想法，
00:01:19我认为企业的眼光放得太低了。
00:01:22此外，我们发现其中的一些想法并不是，
00:01:27它们并不涉及能力的构建。
00:01:28所以人们在开发这些应用案例，
00:01:30但他们并不清楚职类会发生什么变化？
00:01:33技能提升方面又会有什么变化？
00:01:35对员工的影响是什么？
00:01:36对流程的影响又是什么？
00:01:37所以我觉得组织忽略了
00:01:39大部分的工作，也就是我们在 BCG，
00:01:42我们称之为 10、20、70 原则，即 10% 是技术栈，
00:01:4720% 是数据算法。
00:01:49而 70% 才是真正的大头工作。
00:01:53那就是重新思考业务，重新思考任务，
00:01:56流程有何不同，谁需要提升技能，
00:01:58以及岗位将如何变化。
00:02:00我觉得在 23 和 24 年，只是有很多员工
00:02:03在利用这些应用案例进行实验和测试，
00:02:07但并没有真正思考，
00:02:09看，这些必须投入生产。
00:02:10它们需要规模化。
00:02:11我们需要考虑一大堆的事情。
00:02:13所以我感觉现在的公司正在建立这种韧性，
00:02:18这种纪律，这种专注力，
00:02:20领导层也开始关注这一点。
00:02:22AI 不再仅仅是一个技术项目。
00:02:26AI 不再是一个小型的实验性项目。
00:02:30它将长久地存在下去。
00:02:31它事关生存风险。
00:02:33也是竞争优势。
00:02:35- 是的，这很有道理。
00:02:36我认为你关于那 70% 的观点，我发现在
00:02:40我们在 GTM（进入市场策略）中所做的工作里，实际上，
00:02:42很多工作甚至是在生产前阶段，如果你愿意这么说的话，
00:02:45即去理解一个行业领先的流程
00:02:48应该是什什么样的。
00:02:49以及你是否拥有所有支持该流程的内容，
00:02:51并将其贯穿其中？
00:02:53所以顺着这个话题，
00:02:54在企业 AI 对话中，
00:02:55出现了一个短语，
00:02:57即从“记录系统”
00:02:59向“工作系统”的转变。
00:03:01这在实践中意味着什么，为什么它对于
00:03:03公司如何思考其技术投资至关重要？
00:03:07- 是的，我最早是在湾区一家风投机构的
00:03:09文章中看到这个概念的，他们在文章中谈到，
00:03:14你知道，随着 20 年前数字化的出现，
00:03:17公司从本地软件转向了 SaaS，
00:03:20并转向大型企业软件包，
00:03:22也就是我们所说的记录系统，对吧？
00:03:24所以如果你想到 Salesforce、ServiceNow 或 Workday，
00:03:28对吧，这些系统保存着大量的企业数据。
00:03:31它们拥有你的客户、订单、交付信息，
00:03:36对吧，你的财务数据都在这些系统里。
00:03:39但随着时间的推移，我们感觉到人们想要
00:03:42以不同的方式进行协作。
00:03:43我们看到了更多现代“交互系统”的出现，
00:03:46例如，Slack 或 Teams。
00:03:51还有 Zoom，人们正在使用这些系统
00:03:53进行互动，以及内部和外部的协作。
00:03:56所以这简直就像是用户界面，
00:04:00从企业架构的角度来思考，
00:04:02UI 已经从记录系统
00:04:04转移到了交互系统。
00:04:06而现在我们在 AI 领域看到的
00:04:08是一个全新的现象，
00:04:10即其中一些记录系统的
00:04:13业务逻辑现在正在向工作系统转移，
00:04:16它们正在变得具有代理性（Agentic），对吧？
00:04:18所以我们过去看到的基于规则的、
00:04:20确定性的功能类型，
00:04:22现在正向这些多智能体系统中的
00:04:25概率性系统提示词转变。
00:04:28当然，大型云服务商也在向那个方向发展。
00:04:30他们正在创建许多平台。
00:04:32我的意思是，Vercel 也在这个范围内，
00:04:35帮助并允许公司非常迅速地、
00:04:37快速地构建这些新的智能体系统。
00:04:41然后我们看到像 Salesforce 这样的公司，
00:04:42他们也在向那个方向发展，对吧？
00:04:44他们正在构建 Agentforce 这一能力，
00:04:47并带着现成的智能体进入市场，对吧？
00:04:50我觉得首席信息官（CIO）
00:04:52正开始理解并把握这一新现实，对吧？
00:04:56即从这些记录系统中转移出来。
00:04:58未来我该如何投资于这些记录系统？
00:05:01但我又该如何建立能力，
00:05:03让我能够将这些业务规则
00:05:06转化为智能体系统？
00:05:07我觉得这正变得越来越清晰。
00:05:102025 年、2026 年是我们开始看到
00:05:13组织向多智能体系统转型的时候，
00:05:16开始从实验转向生产，
00:05:20建立更多的弹性、治理，
00:05:23以及围绕它的一切架构。
00:05:27这就是我们预期会看到的模式，
00:05:29在 26 年和 27 年会越来越多。
00:05:31- 是的，我可以用 Vercel 的例子
00:05:33非常具体地让这个概念生动起来，
00:05:35你描述的情况完全符合
00:05:38我们在这里的经历，
00:05:39那就是我们拥有 Salesforce，它仍然是记录系统。
00:05:44我们最初是建立了一个单一的智能体
00:05:47来处理我们的入站销售线索。
00:05:49即那些填写“联系销售人员”表格的人。
00:05:51在构建那个智能体时，我们能够
00:05:54将销售拓展代表从 10 人减少到 1 人。
00:05:57那之后就构成了战略平台的基础，
00:06:00现在我们拥有多种类型
00:06:02的销售拓展职能。
00:06:04例如活动跟进或热门的 PLG 线索。
00:06:09就是诸如此类的。
00:06:11所以你有了所有这些多个运行中的智能体，
00:06:13然后是交互系统。
00:06:16所以这些东西有一部分现在被接入了 Slack，
00:06:19或者构建了定制的工作流 UI，
00:06:22因为 Salesforce 的前端并不一定
00:06:25能完全按照我们想要的方式呈现这些内容。
00:06:28所以实际上你刚才所准备的正是
00:06:30我们在前六个月里所看到的景象，
00:06:34即将 AI 真正深入地引入市场端。
00:06:39- 你如何帮助公司确定
00:06:42哪些工作流需要优先处理？
00:06:44Vercel 非常努力地在避免盲目的 AI 行为。
00:06:50所以我们发现，智能体成功的最高可能性
00:06:53来自于那些稍微偏向于
00:06:57重复性和确定性的任务。
00:06:59也就是不需要太多认知负荷的任务。
00:07:02我刚才举的那个线索例子就是一个很好的例子。
00:07:05这是否符合我们所看到的情况？
00:07:07在 BCG，我的了解是这种说法就像是
00:07:10停止应用案例思维，并从那种
00:07:13我听过几次的“试点炼狱”中解脱出来。
00:07:16所以我认为你在精神上
00:07:18与 Vercel 的“盲目 AI 行为”是一致的。
00:07:20但再次强调，你如何从那种快速原型开发
00:07:23过渡到挑选那些
00:07:24真正能驱动价值的应用案例？
00:07:26- 是的，我认为我们在这一点上非常一致。
00:07:28我的意思是，在 23 和 24 年，每个人都困在试点炼狱中。
00:07:32学习、探索技术、解决准确性、
00:07:35幻觉问题，构建 RAG 应用，
00:07:40但最终意识到很难进行规模化。
00:07:44我认为人们意识到难以规模化的原因
00:07:47是因为业务方面，
00:07:48业务端还有很多工作要做，对吧？
00:07:50重新培训员工、重新思考流程等等。
00:07:53我觉得我们已经从那种应用案例试点的思维
00:07:58转向了专注于价值池。
00:08:01那么对于组织来说，
00:08:05这些重大的重塑机遇是什么，对吧？
00:08:06比如，我的服务组织将会有何不同？
00:08:10我的财务职能将会有何不同？
00:08:13我的供应链职能又会有何不同？
00:08:15所以人们开始扩大范围，
00:08:18在流程价值链层面进行思考，
00:08:21从价值链中挑选具体的例子来驱动，
00:08:25但真正专注于一个大得多的范围。
00:08:26而且是在一个更多由业务主导的范围内，
00:08:29这个范围需要风险、合规、
00:08:32法律部门的参与，以确保我们了解
00:08:35这件事的所有来龙去脉。
00:08:36因此我们有点像是从应用案例转向了价值池。
00:08:41这并不意味着公司不再使用应用案例。
00:08:43我仍然看到这种说法出现，
00:08:45但我们正在向价值池转变。
00:08:46我们看到，例如，
00:08:48市场上出现了一些非常清晰的价值池。
00:08:50例如，服务、客户服务、健康任务
00:08:52可以说是公司使用 AI 的
00:08:55头号领域。
00:08:57我们开始看到这个领域涌现出
00:09:00更多初创公司。
00:09:01其中一些已经在市场上稳固立足。
00:09:05用于软件工程的 AI。
00:09:06我的意思是，这对组织来说是一个巨大的价值池。
00:09:09这正是 Vercel 所处的领域，
00:09:11作为市场领导者之一，
00:09:13在这里引领潮流，推动这一进程。
00:09:15我的感觉是我们才刚刚接触到皮毛。
00:09:18你知道，这些工具正在被广泛采用。
00:09:21工程团队正在其基础上进行构建。
00:09:24我是说，其中一些工具正变得更加集成
00:09:27并嵌入到生态系统和企业中。
00:09:32这实际上是我非常喜欢
00:09:34Vercel 的一点，你们已经构建了
00:09:36很多考虑周全的集成，对吧？
00:09:39所以，你知道，如果公司需要在
00:09:42超大规模云服务商上做这件事，他们必须
00:09:44从众多的服务中进行筛选等等。
00:09:47我感觉，我们现在还只是略知皮毛。
00:09:49我们将很快过渡到使用这些技术
00:09:52来构建多智能体系统，
00:09:54构建组织的数字孪生。
00:09:57这也是我们开始看到
00:10:00组织下一个面向未来的关键点，对吧？
00:10:02BCG 正在兴起的是这种
00:10:06开发流程数字孪生、
00:10:10职能数字孪生、合作伙伴数字孪生的能力，对吧？
00:10:13这是一个非常具有扩展性的概念，对吧？
00:10:16如果我不专注于用例，
00:10:18不专注于价值池，
00:10:20我能否创建组织的数字孪生，
00:10:22然后模拟改进方案，对吧？
00:10:25我们已经开始在一些组织中
00:10:28进行尝试，如果一个组织带着
00:10:32特定问题来找我们，我们会创建这个，
00:10:35它几乎就像一个“再想象 AI”，
00:10:38让我们能够向其中输入数据，
00:10:39并重新模拟任务和流程，
00:10:42以及企业层面的“如果……会怎样”的情景，对吧。
00:10:45这是一个非常有趣的实验。
00:10:47我的意思是，我感觉我们现在
00:10:49也只是刚刚起步，但希望这能为
00:10:52我们如何在组织中发现这些价值池提供参考，对吧？
00:10:56——这不完全是你刚才说的那个点，
00:10:58但关于数字孪生的想法，
00:11:01我们有一个内部数据智能体。
00:11:04你可以把它想象成，比如一个，
00:11:07拥有大约十年经验的
00:11:09数据科学家分析师，
00:11:11它大概具备那种水平的能力。
00:11:13这个周末，有人把那个智能体
00:11:16加入了高管频道。
00:11:18所以我们都在开玩笑说，这是
00:11:21智能体的首次晋升。
00:11:23但是你知道，我们确实在做这种事。
00:11:27我想说，我们在数据科学方面
00:11:28已经走得相当远了，
00:11:31在那里你实际上可以看到那个团队创建的
00:11:33智能体本质上就是数字孪生。
00:11:36你刚才还提到了，比如，
00:11:39如何从原型转向生产环境，
00:11:42涉及集成之类的事情，
00:11:44这些都是人们在做原型时
00:11:48不一定会想到的事情，但你知道，
00:11:50你不一定想去 AWS 上
00:11:53启动 20 个底层服务。
00:11:56那么，你见过人们缩小
00:12:00这种差距的最佳方式是什么？
00:12:02——我们开始根据特定的组织原型
00:12:04对这些差距进行归类。
00:12:06我们总结了 AI 智能体的这四种原型。
00:12:09第一种是人们将自助式地
00:12:13开发智能体，对吧？
00:12:14他们会使用，
00:12:16也许有些人称之为智能体，有些人不这么叫，
00:12:18但无论如何，就是自定义 GPT 或者，你知道，
00:12:23自助工具，人们将利用这些工具，
00:12:26比如云端技能，你知道，
00:12:29人们将使用这些工具来开发
00:12:32他们自己的智能体，并与系统连接。
00:12:33比如，我有一个智能体每天早上运行，
00:12:37阅读我的电子邮件，给我发一份我需要做什么的摘要。
00:12:40我需要采取什么行动，并把所有
00:12:43我需要回复、排优先级的邮件发给我。
00:12:45好吧，我的意思是，这是一个自助服务智能体。
00:12:47我在其中一个工具中运行它，它对我个人很有帮助。
00:12:52但接着我们会看到其他类型的智能体，
00:12:55它们仍然是由组织中的员工构建的，
00:12:58它们是在像 Microsoft Copilot 这样的工具中构建的，
00:13:02在企业系统中运行，
00:13:04并连接到像 SharePoint 这样的工具，
00:13:08连接到数据等等。
00:13:09我的意思是，稍微复杂一点，
00:13:11但仍然在员工开发的范畴内。
00:13:14然后公司会购买智能体，对吧？
00:13:17他们会从 Agent Force 等平台
00:13:19购买智能体，对吧？
00:13:20所以我们开始看到，我们开始做更多，
00:13:22例如，对智能体进行市场扫描，对吧？
00:13:25就像我们过去对数字应用和 SaaS 公司所做的那样。
00:13:28现在我们正在对智能体进行市场扫描。
00:13:31接下来是 IT 部门介入
00:13:33并开发企业级智能体，对吧？
00:13:36那将变得更多是科学而非艺术。
00:13:40它将变得，
00:13:42围绕这些智能体会有很多严谨性。
00:13:45我们必须测试它们，开发好它们，
00:13:48并且在信息安全和政策方面
00:13:50会有更多的审查，
00:13:55法律层面的严谨。
00:13:57例如，负责任的 AI 将成为一个巨大的、
00:14:00重要的组成部分，还有护栏。
00:14:02针对这些智能体，我们有一个企业框架
00:14:06来指导如何开发它们，对吧？
00:14:08这就是我们认为 AI 编码工具
00:14:10对 IT 团队具有巨大价值的地方。
00:14:14实际上，当我思考购买还是构建时，
00:14:19像 Vercel 这样的解决方案和 AI 编码工具
00:14:21将使 IT 团队能够变得非常精通
00:14:25自主构建。
00:14:26——是的，没错。
00:14:27我想我们在 CIO 从软件购买者
00:14:30转向软件构建者这一点上有着相似的看法。
00:14:34我认为我们在 Vercel 上看到的很多用例
00:14:37既有内部应用，也有外部应用。
00:14:40因此，如果 CIO 现在正成为软件构建者
00:14:42而不仅仅是购买者，
00:14:44那么从角色角度来看，这种转变意味着什么？
00:14:47CIO 的角色会有什么新变化？
00:14:50——是的，这很有趣，因为一方面，
00:14:54这完全提升了“购买还是构建”的讨论，
00:14:58以及它对 IT 意味着什么。
00:15:00我们已经看到像消费品公司这样的公司
00:15:05开始招聘智能体开发人员，对吧？
00:15:07所以这些人不再是你典型的机器学习工程师，
00:15:11他们可能拥有数据科学博士学位，
00:15:15并且非常精通 Python。
00:15:18我见过其中一家公司的职位描述，
00:15:22它甚至不需要 Python 技能，比如，对吧？
00:15:27所以我们要进入的是一个陌生且新奇的世界，对吧？
00:15:30现在人们有了开发自己智能体的能力
00:15:33和自主性。
00:15:35——是的，你在这里描述的很多内容
00:15:37实际上是一个核心 AI 平台。
00:15:39你的研究表明，面向未来的公司
00:15:43运营核心 AI 平台的可能性要高出 3 倍。
00:15:46智能体在企业中成倍增加。
00:15:48那个平台的架构实际上应该是什么样的？
00:15:52——我们一直在与各个组织进行大量对话，
00:15:54讨论如何设计这个平台，对吧？
00:15:57在设计中，我会说两年前
00:16:01的设计重点主要在于
00:16:05构建简单的 RAG 应用，对吧？
00:16:08所以关键在于选择向量数据库，
00:16:12选择位于模型库中的大语言模型，
00:16:16在应用层构建护栏，
00:16:18这样就行了，对吧？
00:16:19你最大的烦恼就是准确性问题。
00:16:23但我们已经看到了这种想法的转变，对吧？
00:16:28现在它正变得更加复杂，对吧？
00:16:31你需要的护栏不仅仅是在智能体级别。
00:16:33我们需要在编排级别设置护栏。
00:16:36你不仅需要控制准确性，
00:16:38还需要控制与核心系统的集成。
00:16:43关于这些智能体的安全性，有一种
00:16:46多层面的思考方式。
00:16:47所以有很多需要考虑的地方，对吧？
00:16:50CIO 们不得不调整他们的 IT 团队
00:16:55技能，调整他们的架构团队，
00:16:56以能够处理这种额外的复杂性。
00:16:59但这就是我们在转向
00:17:00多智能体系统时需要考虑的，对吧？
00:17:02多智能体系统将是组织适应过程中的
00:17:04一个大跨越，
00:17:06但我们认为这就是 26 年和 27 年
00:17:09即将释放的巨大价值所在。
00:17:12——你刚才提到了一点应用层。
00:17:15如果我们正朝着刚才讨论的工作系统发展，
00:17:18那么应用层扮演什么角色？
00:17:20介于 AI 模型和用户之间的软件
00:17:23会变得更具战略意义还是更弱？
00:17:25——我是说，当然，它们肯定具有战略作用，
00:17:29因为它们是记录系统。
00:17:31所以它们最终拥有组织中
00:17:36的数据仓库，对吧？
00:17:36所以从这个意义上说，它们将继续非常有价值。
00:17:41它们也非常有价值，因为它们将提供
00:17:44组织中智能体使用的那些企业级 API。
00:17:49但问题是，一些业务逻辑
00:17:53正从记录系统转移到工作系统。
00:17:58所以这带来了一个问题：SaaS 会发生什么变化？对吧？
00:18:02我们已经看到一些技术领袖说 SaaS 已死。
00:18:06我还没完全认同这一点，但我确实认为它们将
00:18:09变成非常强大的数据库，
00:18:11具有非常特定的结构，
00:18:14具有非常特定的控制点，
00:18:17而且它们将继续以这种方式保持价值，对吧？
00:18:20其中一些公司正意识到
00:18:22这一趋势即将到来，他们正向 AI 转型，
00:18:25这完全合情合理，对吧？
00:18:27有些公司则更多地在坚守阵地，
00:18:30处于一种观望模式。
00:18:33但我们在接下来的 12 到 24 个月里，
00:18:37将开始看到这些
00:18:38工作系统的兴起。
00:18:40其中许多都提供了极佳的收购机会。
00:18:43我认为 SaaS 公司需要转型为 AI 优先，
00:18:46而不是数字优先。
00:18:49这需要时间，
00:18:50特别是对一些大型公司而言。
00:18:52——你提到有很多机会，
00:18:54但也可以说现在的
00:18:57AI 供应商格局让人眼花缭乱。
00:18:58我觉得大多数领域都有 10 个左右的参与者，
00:19:01这似乎超出了长期
00:19:04所能支撑的数量。
00:19:05企业买家应该问哪些问题
00:19:08来区分真正的能力与市场营销？
00:19:11他们如何评估一个工具
00:19:13是能真正产生价值，还是会变成束之高阁的废件？
00:19:17——首先肯定有技术适配性的问题，对吧？
00:19:20这些公司、这些智能体如何
00:19:24在企业基础设施上运行？
00:19:27它们如何集成到现有的技术栈中？
00:19:31例如，它们如何与记录系统集成，
00:19:34对吧，这是一个持续讨论的话题。
00:19:37然后，我们会询问有关企业适配性的问题。
00:19:40例如，他们如何管理合规性？
00:19:43如何管理风险？
00:19:45如何处理数据隐私？
00:19:47这些都是最受关注的问题。
00:19:49你不能……你知道，对于企业级公司来说，
00:19:52如果供应商对这类问题没有很好的答案，
00:19:54那就根本没法开始。
00:19:56我们还会考虑成本，对吧？
00:19:59这就是购买还是自建的成本，你知道，
00:20:02其中一些解决方案非常昂贵，对吧？
00:20:06他们按用户每月级别收费，
00:20:10而且，你知道，这将会……
00:20:12在公司里，我们需要为
00:20:14这类解决方案分配预算。
00:20:16我是说，这些解决方案正在涌现。
00:20:17它们更贵，但非常有价值。
00:20:20然后我们会看公司的成熟度。
00:20:23正如你所说，有些是新进入者。
00:20:25其中许多还处于 A 轮或 B 轮融资阶段。
00:20:28许多公司可能只有 100 名左右的员工，对吧？
00:20:31所以它们是年轻的公司，
00:20:32正试图进入企业市场。
00:20:34企业市场非常复杂，需要
00:20:39大量的关注，需要……你知道，
00:20:41这是一个很长的销售周期。
00:20:43其中一些公司需要六到九个月的时间
00:20:46来引入一个新的 AI 智能体，对吧？
00:20:49这还算比较合理的。
00:20:50我一直看到这种情况。
00:20:51公司也正在设法弄清楚
00:20:54如何加速这一过程，
00:20:56但在引入这些供应商时，
00:20:58有很多尽职调查流程，对吧？
00:21:00但我开始看到，有趣的是，
00:21:03其中一些是从中小型公司开始的。
00:21:06有些供应商，这些 AI 智能体，
00:21:08最初面向的是零售消费者。
00:21:12我正在与其中一家合作，
00:21:14这将是第一个
00:21:15企业收入超过零售收入的季度。
00:21:19所以我们开始，再次看到，
00:21:21企业正开始转向并
00:21:24成为其中一些解决方案的最大客户。
00:21:28——是的，我们在 Vercel 这边也看到了同样的情况。
00:21:31好了，Dan，非常感谢你加入我们。
00:21:33这是一次很棒的对话。
00:21:36各位观众，
00:21:37如果你想继续讨论，
00:21:38请在 LinkedIn 上联系 Dan 或我。
00:21:41我们很想听听你们在
00:21:43各自组织中的见解。
00:21:45如果你准备好从原型转向生产，
00:21:48请访问 v0.app 体验全新的 V0。
00:21:51我们刚刚发布了一些重大更新，
00:21:53这使得从创意
00:21:55到部署应用变得前所未有的简单。
00:21:58感谢参加我们的首次发布问答环节。
00:22:01大家下次见。
00:22:03（轻柔的音乐）