新火種
2024-06-08 
降價潮背后：大模型落地門檻真的降了嗎？
大模型爭相降價下，AI應用的門檻真的降低了嗎？
答案還真不一定。因為除了價格門檻，AI大模型還有應用門檻。甚至，后者比前者更具挑戰性。
B端業務場景向來以“繁、雜、難”著稱，大模型想要落地，絕非易事。
如何在千頭萬緒中，找到一個切入點“下腳”？低代碼，逐漸進入了各方視野。
事實上，低代碼自誕生以來，一直因其應用場景邊緣化而飽受爭議。而通過自然語言交互就能自動生成代碼的大模型推出后，唱衰低代碼之聲更甚，但事實到底如何？一些“敢吃螃蟹”的行業老兵們給出了出乎意料的答案。
他們認為，低代碼與大模型融合后，大模型為低代碼注入了“靈魂”，使機械工具一躍變成智慧助手。而大模型則借低代碼“小、輕、快、準”的特性，將觸角伸到了萬千真實業務場景里，走進了中小企業的‘尋常百姓家’。
“低代碼不再‘呆板’，大模型不再‘高冷’，兩個乍看水火難容的技術，最終反而一同推動了AI普惠。”
低代碼+大模型：破開B端場景繁雜難的“銅墻鐵壁”企業在發展，業務在擴大，數字化需求也在蹭蹭上漲，但相應的數字化工具卻經常陷入捉襟見肘的窘境。這是國內大多數企業，尤其高成長型企業面臨的困局。
作為一家成立了13年，主營國際物流的公司，環世物流對此感受頗深。
其數字化運營總監李剛告訴，在“以更小成本，更快速度，對高速奔跑的業務進行數字化改造和提效”這一過程中，環世物流走過了一段“打怪升級”之路。
2020年，與大多數中小公司一樣，環世物流選擇從簡單的低代碼工具入手，做一些簡單的表單和審批流，實現一些簡單的數據收集、統計和業務協同。
但僅用了一年后，就發現“不夠用”了。當時公司業務高速擴張，要搭建海外倉儲系統，需要進行一些輕應用搭建，卻遇到一個兩難困境：
外購系統的話，需要支付的費用高昂；
自研的話，當時公司研發人員有限，能否做出來、能否做好，都存在不確定性，并且要花費的人力、時間成本也比較大；而現有的低代碼工具功能又不足。
一時間，找到一款好用、易用的數字化開發工具，成為公司業務發展的燃眉之急。
“經過一番調研、篩選，我們最后選擇了釘釘的宜搭。最終只用了五分之一的人員投入和時間投入就把場景給配置起來了。”李剛回憶道。
最近這兩年，走過了“輕應用”搭建階段后，環世物流的數智化又開始進入“更重”的階段。
此時，所面臨的問題也愈發復雜了。
李剛告訴，“客戶詢價”是環世物流業務鏈條中最基礎、最重要的場景。整個流程會涉及三種角色：客戶、銷售、航管（環世內部“價格管理”的角色，負責對接船運公司等承運商）。
在售前環節，客戶將需求告知銷售，銷售作為中介，分解客戶需求之后向航管咨詢。航管從承運商報價單中，找到符合需求的路線報價方案，再返回給銷售，最終給到客戶一個完整方案。
然而，詢價的復雜之處在于這是一個涉及“1對N”的溝通場景，由于每個港口、每條航線的航管都不一樣，所以一次“客戶詢價”，往往需要銷售溝通多個航管，經過多輪溝通、比價、篩選，才能給到客戶最優方案。這一過程費時費力。
在此之前，為了提效，環世物流自主使用過一個信息系統，但由于使用不便、信息完整度不高，導致銷售和航管主要還是選擇通過線下面談或電話溝通，效率極低。而且航管每天也要面臨大量銷售的咨詢，承運商的線上價格又是實時更新，導致航管和銷售之間的協同常常產生摩擦，關系緊張。
直到2023年，隨著釘釘AI助理的發布，大模型成為了環世物流破局的利器。
李剛和同事們經過一番梳理后發現，“客戶詢價”場景中，整個流程的低效體現在四個方面：
1）運價信息滯后。傳統運價查詢方式依賴人工溝通、運價數據更新頻繁且不統一，容易導致貨主和物流公司獲取的信息不準確，影響業務決策。
2）詢價耗時久。運價結構復雜，難以快速比較和選擇最優方案，需要人工篩選，非常費時。
3）運價整合難。承運商眾多、信息整合難。
4）報價效率低。計算方式復雜、人工出錯率高、輸出格式不統一、客戶體驗差。
針對這四大痛點，基于釘釘AI助理，環世物流打造了“掌柜助手”。
李剛告訴，“掌柜助手”通過釘釘AI的智能語義解析，能夠精準獲取到銷售的實際需求，實現上千家國際物流企業和船舶公司的線上實時價格匹配。
“如今，銷售同事只需要跟AI助理簡單對話，就能獲取到包括合適價格、承運公司在內的最佳方案。而且銷售還可以增加一些篩選條件來鎖定需要的運價。”李剛補充道。
“不僅如此，最終基于篩選的運價，‘掌柜助手’還可以生成符合企業自定義模版標準的企業報價單，并一鍵分享給客戶，提高業務效率的同時也提升了客戶體驗。”
至此，通過對低代碼、大模型的相繼運用，環世物流在B端業務繁、難、雜痛點的“銅墻鐵壁”上，撕開了一道口子。
“老屋翻新”，傳統應用也能一鍵AI化？如果說，低代碼降低了企業的數字化門檻，那么低代碼引入大模型就是更進一步，直接降低了企業應用AI的智能化門檻。
上個月，釘釘宜搭AI助理又進一步能力升級，通過提供開箱即用的低代碼，讓企業能夠快速、低門檻為傳統應用配備上AI助理，使存量應用一鍵AI化，實現“低代碼+大模型”雙劍合璧。
就好比建造新居通常比翻新老宅來得容易。相比新搭建的應用，不少企業在處理存量應用的數智化問題時，往往會面臨更多棘手難題。
存量應用的數智化改造常常涉及更龐大、更復雜的工程量，經常是千頭萬緒，無從下手。因此，基于原有軟件系統，采用低代碼和大模型，進行階段性、漸進式的數智化改造，更符合大多數企業的實際情況和需求。
環世物流也借此機會實現了大模型數字化應用的再次升級。
李剛告訴，環世物流的信息化部門不僅為集團提供數字化支撐，同時也對外出售軟件，賦能其他中小物流企業，所以也面臨銷售管理的問題。
“我們對訂單成交后的管理有更高要求，如客戶滿意度、新增需求、跟進情況等，更偏向成交后的訂單生命周期管理，但市面上的CRM大多功能都是服務于售前流程，缺乏對訂單成交后的業務流程管理能力，因此難以滿足我們的需求。”
后來，當釘釘在低代碼平臺“宜搭”中引入大模型后，環世物流僅花費一周時間，就用宜搭低代碼自主搭建了一套CRM的銷售管理系統。所不同的是，這套系統可以覆蓋訂單從售前到售后的全生命周期。
現在，環世物流的銷售只需向宜搭AI助理簡單提問，就可一鍵獲取銷售情況的數據分析，并生成BI卡片，獲取更智能、更精準、更有效的分析數據結果。例如，銷售向AI助理詢問“幫我查詢下某某的客戶拜訪情況”， 宜搭AI助理便能夠將“拜訪情況”轉化為該銷售習慣拜訪地區、拜訪客戶喜好、拜訪時間統計、拜訪次數分布、拜訪形式和拜訪目的等數據指標，然后進行數據庫查詢，并返回有效分析，為企業決策提供數據分析支撐。
“只要7天，我們就用低代碼+AI助理，搭建出了一套CRM業務系統并獲得BI數據分析的能力，這在以前想都不敢想啊。”擁有近 20 年行業經驗的李剛也不禁發出感慨。
無獨有偶，深圳航空對此頗有感觸。
深航銷售平臺的業務負責人史炎平曾講述過這一過程。
據他介紹，此前，深圳航空已經搭建有機票分銷系統“深航銷售平臺”，在用戶使用過程中雖然提供了培訓以及使用了傳統的手冊和知識庫，但是由于功能迭代頻繁，營業部、坐席人員調整，每天仍需要通過大量人工問答獲取信息，效率不高，溝通成本巨大。
同時，一線銷售人員需要查詢訂單票據信息時，需要通過登錄深航銷售平臺系統中查詢，信息同步不夠及時便捷，系統中沉淀的大量數據也沒有最大程度地發揮價值。
怎么辦？今年以來，經過數次調研，深圳航空營銷委使用釘釘宜搭AI助理、釘釘宜搭互動卡片以及業務接口搭建了“深航AI銷售幫手”（簡稱“深航銷幫”），專門針對深航營銷場景的痛點進行了定制化開發，解決了銷售系統保障、信息觸達、經營監控、銷售預警、知識管理等難點。
據史炎平介紹，“深航銷幫”集成宜搭搭建的銷售管理系統“云銷平臺”，打通多個內部銷售相關系統，為員工觸達和使用這些數據提供了非常人性化的入口：
“你用自然語言詢問‘系統最近的出票時間是什么？’‘近12小時出票情況如何？’等問題，這個Agent就會調用接口，實時查詢，并以圖表形式顯示相關數據，通過Agent對接知識庫解答用戶的常見問題。”他補充道。
此外，據史炎平介紹，該Agent還能為非系統用戶提供訂單票據查詢等服務。
也就是說說銷售人員無需經過系統用戶中轉，就可直接向AI助理提問“XXX機票/訂單的出票代理人是誰?具體信息如何?”，而AI助理收到需求后，會直接查詢B2B系統的出票數據，返回所需票據信息。
在這次項目的升級改造中，史炎平發現，用戶的需求實際上是不斷進階的：
“最開始，用戶希望手工的活兒能通過系統解決（IT系統），后來希望工作可以隨時隨地的做（低代碼），再后來又覺得入口太深、操作麻煩，現有應用也過多了，希望有一個應用能夠解決所有問題。此時，低代碼+AI，以智能互通之能力就派上了用場。”
而需求進階的背后，本質上是效率的進階、數智化深度的進階。
“我們用‘宜搭+AI’忙活了三年，從各種系統、各種應用齊上陣，到現在一個AI助力，實現了應用從入門到消失。”史炎平話鋒一轉笑道，“當然應用不是真的消失，而是在隱藏在后臺，低調、絲滑地實現著業務邏輯。”
看似降維打擊，實則升維賦能實際上，在2022年底大模型問世之初，低代碼和大模型的關系并不像現在這般融洽。
大模型剛出現時，不少人都在擔憂：大模型對低代碼會是一種降維打擊么？畢竟，如果通過自然語言與大模型進行交互，就能迅速生成應用的話，那以“拖拽組件、點擊配置和圖形化界面”立身的低代碼的部分功能將被取代。
但后來，隨著落地實踐的展開，大家發現，一定程度上可以說，低代碼和大模型是天作之合：大模型為低代碼平臺提供了更深度的智能支持，而低代碼為大模型提供了更快捷高效的落地渠道。
一個通俗的比喻是：大模型和低代碼可以相互成就，前者為后者注入了“靈魂”，后者為前者鋪就了一條落地“高速路”。
在不少用戶看來，沒有AI大模型加持的情況下，低代碼的本質仍是一個開發工具，雖然可以幫助企業快速創建一些輕量級應用，但不管從交付體驗，還是實際操作效率上來講，都只能被當成一個機械表達、機械執行的工具。
而引入大模型后，低代碼就從“機械工具”一躍升級成了“智能助手”。大模型作為一種底層技術，有著更強的自然語言理解和數據處理能力，被整合進低代碼平臺后，進一步提升了低代碼的效率和易用性。
反過來，大模型想要以更低成本、更快速度賦能企業，實現AI技術普惠，低代碼技術無疑是一個關鍵的突破口。
AI技術在處理復雜場景和任務方面的潛力巨大，但這依賴于海量數據的爆炸式增長和計算能力的顯著提升。
特別對于B端產業，企業提供的海量、多樣化數據，能夠極大地優化大模型的內部參數，讓模型學習到更多特征和模式，從而在各種B端場景中展現出更強的泛化能力。
而低代碼正是深入這些海量場景和數據的“觸手”。在將近十多年的發展歷程中，低代碼在利用自身“小、輕、快、準”的特點，支撐了海量數字化場景，而這正是大模型迭代、落地所需之土壤。
B端產業的AI普惠注定是一個“長坡厚雪”的歷程，而低代碼和大模型，正在以攜手之勢，加速這一進程。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
