大模型争相降价下,AI应用的门槛真的降低了吗?

降价潮背后:大模型落地门槛真的降了吗?

答案还真不一定。因为除了价格门槛,AI大模型还有应用门槛。甚至,后者比前者更具挑战性。

B端业务场景向来以“繁、杂、难”著称,大模型想要落地,绝非易事。

如何在千头万绪中,找到一个切入点“下脚”?低代码,逐渐进入了各方视野。

事实上,低代码自诞生以来,一直因其应用场景边缘化而饱受争议。而通过自然语言交互就能自动生成代码的大模型推出后,唱衰低代码之声更甚,但事实到底如何?一些“敢吃螃蟹”的行业老兵们给出了出乎意料的答案。

他们认为,低代码与大模型融合后,大模型为低代码注入了“灵魂”,使机械工具一跃变成智慧助手。而大模型则借低代码“小、轻、快、准”的特性,将触角伸到了万千真实业务场景里,走进了中小企业的‘寻常百姓家’。

“低代码不再‘呆板’,大模型不再‘高冷’,两个乍看水火难容的技术,最终反而一同推动了AI普惠。”

低代码+大模型:破开B端场景繁杂难的“铜墙铁壁”

企业在发展,业务在扩大,数字化需求也在蹭蹭上涨,但相应的数字化工具却经常陷入捉襟见肘的窘境。这是国内大多数企业,尤其高成长型企业面临的困局。

作为一家成立了13年,主营国际物流的公司,环世物流对此感受颇深。

其数字化运营总监李刚告诉雷峰网(公众号:雷峰网),在“以更小成本,更快速度,对高速奔跑的业务进行数字化改造和提效”这一过程中,环世物流走过了一段“打怪升级”之路。

2020年,与大多数中小公司一样,环世物流选择从简单的低代码工具入手,做一些简单的表单和审批流,实现一些简单的数据收集、统计和业务协同。

但仅用了一年后,就发现“不够用”了。当时公司业务高速扩张,要搭建海外仓储系统,需要进行一些轻应用搭建,却遇到一个两难困境:

外购系统的话,需要支付的费用高昂;

自研的话,当时公司研发人员有限,能否做出来、能否做好,都存在不确定性,并且要花费的人力、时间成本也比较大;而现有的低代码工具功能又不足。

一时间,找到一款好用、易用的数字化开发工具,成为公司业务发展的燃眉之急。

“经过一番调研、筛选,我们最后选择了钉钉的宜搭。最终只用了五分之一的人员投入和时间投入就把场景给配置起来了。”李刚回忆道。

最近这两年,走过了“轻应用”搭建阶段后,环世物流的数智化又开始进入“更重”的阶段。

此时,所面临的问题也愈发复杂了。

李刚告诉雷峰网,“客户询价”是环世物流业务链条中最基础、最重要的场景。整个流程会涉及三种角色:客户、销售、航管(环世内部“价格管理”的角色,负责对接船运公司等承运商)。

在售前环节,客户将需求告知销售,销售作为中介,分解客户需求之后向航管咨询。航管从承运商报价单中,找到符合需求的路线报价方案,再返回给销售,最终给到客户一个完整方案。

然而,询价的复杂之处在于这是一个涉及“1对N”的沟通场景,由于每个港口、每条航线的航管都不一样,所以一次“客户询价”,往往需要销售沟通多个航管,经过多轮沟通、比价、筛选,才能给到客户更优方案。这一过程费时费力。

在此之前,为了提效,环世物流自主使用过一个信息系统,但由于使用不便、信息完整度不高,导致销售和航管主要还是选择通过线下面谈或 *** 沟通,效率极低。而且航管每天也要面临大量销售的咨询,承运商的线上价格又是实时更新,导致航管和销售之间的协同常常产生摩擦,关系紧张。

直到2023年,随着钉钉AI助理的发布,大模型成为了环世物流破局的利器。

李刚和同事们经过一番梳理后发现,“客户询价”场景中,整个流程的低效体现在四个方面:

1)运价信息滞后。传统运价查询方式依赖人工沟通、运价数据更新频繁且不统一,容易导致货主和物流公司获取的信息不准确,影响业务决策。

2)询价耗时久。运价结构复杂,难以快速比较和选择更优方案,需要人工筛选,非常费时。

3)运价整合难。承运商众多、信息整合难。

4)报价效率低。计算方式复杂、人工出错率高、输出格式不统一、客户体验差。

针对这四大痛点,基于钉钉AI助理,环世物流打造了“掌柜助手”。

李刚告诉雷峰网,“掌柜助手”通过钉钉AI的智能语义解析,能够精准获取到销售的实际需求,实现上千家国际物流企业和船舶公司的线上实时价格匹配。

“如今,销售同事只需要跟AI助理简单对话,就能获取到包括合适价格、承运公司在内的更佳方案。而且销售还可以增加一些筛选条件来锁定需要的运价。”李刚补充道。

“不仅如此,最终基于筛选的运价,‘掌柜助手’还可以生成符合企业自定义模版标准的企业报价单,并一键分享给客户,提高业务效率的同时也提升了客户体验。”

至此,通过对低代码、大模型的相继运用,环世物流在B端业务繁、难、杂痛点的“铜墙铁壁”上,撕开了一道口子。

“老屋翻新”,传统应用也能一键AI化?

如果说,低代码降低了企业的数字化门槛,那么低代码引入大模型就是更进一步,直接降低了企业应用AI的智能化门槛。

上个月,钉钉宜搭AI助理又进一步能力升级,通过提供开箱即用的低代码,让企业能够快速、低门槛为传统应用配备上AI助理,使存量应用一键AI化,实现“低代码+大模型”双剑合璧。

就好比建造新居通常比翻新老宅来得容易。相比新搭建的应用,不少企业在处理存量应用的数智化问题时,往往会面临更多棘手难题。

存量应用的数智化改造常常涉及更庞大、更复杂的工程量,经常是千头万绪,无从下手。因此,基于原有软件系统,采用低代码和大模型,进行阶段性、渐进式的数智化改造,更符合大多数企业的实际情况和需求。

环世物流也借此机会实现了大模型数字化应用的再次升级。

李刚告诉雷峰网,环世物流的信息化部门不仅为集团提供数字化支撑,同时也对外出售软件,赋能其他中小物流企业,所以也面临销售管理的问题。

“我们对订单成交后的管理有更高要求,如客户满意度、新增需求、跟进情况等,更偏向成交后的订单生命周期管理,但市面上的CRM大多功能都是服务于售前流程,缺乏对订单成交后的业务流程管理能力,因此难以满足我们的需求。”

后来,当钉钉在低代码平台“宜搭”中引入大模型后,环世物流仅花费一周时间,就用宜搭低代码自主搭建了一套CRM的销售管理系统。所不同的是,这套系统可以覆盖订单从售前到售后的全生命周期。

现在,环世物流的销售只需向宜搭AI助理简单提问,就可一键获取销售情况的数据分析,并生成BI卡片,获取更智能、更精准、更有效的分析数据结果。例如,销售向AI助理询问“帮我查询下某某的客户拜访情况”, 宜搭AI助理便能够将“拜访情况”转化为该销售习惯拜访地区、拜访客户喜好、拜访时间统计、拜访次数分布、拜访形式和拜访目的等数据指标,然后进行数据库查询,并返回有效分析,为企业决策提供数据分析支撑。

“只要7天,我们就用低代码+AI助理,搭建出了一套CRM业务系统并获得BI数据分析的能力,这在以前想都不敢想啊。”拥有近 20 年行业经验的李刚也不禁发出感慨。

无独有偶,深圳航空对此颇有感触。

深航销售平台的业务负责人史炎平曾讲述过这一过程。

据他介绍,此前,深圳航空已经搭建有机票分销系统“深航销售平台”,在用户使用过程中虽然提供了培训以及使用了传统的手册和知识库,但是由于功能迭代频繁,营业部、坐席人员调整,每天仍需要通过大量人工问答获取信息,效率不高,沟通成本巨大。

同时,一线销售人员需要查询订单票据信息时,需要通过登录深航销售平台系统中查询,信息同步不够及时便捷,系统中沉淀的大量数据也没有更大程度地发挥价值。

怎么办?今年以来,经过数次调研,深圳航空营销委使用钉钉宜搭AI助理、钉钉宜搭互动卡片以及业务接口搭建了“深航AI销售帮手”(简称“深航销帮”),专门针对深航营销场景的痛点进行了定制化开发,解决了销售系统保障、信息触达、经营监控、销售预警、知识管理等难点。

据史炎平介绍,“深航销帮”集成宜搭搭建的销售管理系统“云销平台”,打通多个内部销售相关系统,为员工触达和使用这些数据提供了非常人性化的入口:

“你用自然语言询问‘系统最近的出票时间是什么?’‘近12小时出票情况如何?’等问题,这个Agent就会调用接口,实时查询,并以图表形式显示相关数据,通过Agent对接知识库解答用户的常见问题。”他补充道。

此外,据史炎平介绍,该Agent还能为非系统用户提供订单票据查询等服务。

也就是说说销售人员无需经过系统用户中转,就可直接向AI助理提问“XXX机票/订单的出票 *** 人是谁?具体信息如何?”,而AI助理收到需求后,会直接查询B2B系统的出票数据,返回所需票据信息。

在这次项目的升级改造中,史炎平发现,用户的需求实际上是不断进阶的:

“最开始,用户希望手工的活儿能通过系统解决(IT系统),后来希望工作可以随时随地的做(低代码),再后来又觉得入口太深、操作麻烦,现有应用也过多了,希望有一个应用能够解决所有问题。此时,低代码+AI,以智能互通之能力就派上了用场。”

而需求进阶的背后,本质上是效率的进阶、数智化深度的进阶。

“我们用‘宜搭+AI’忙活了三年,从各种系统、各种应用齐上阵,到现在一个AI助力,实现了应用从入门到消失。”史炎平话锋一转笑道,“当然应用不是真的消失,而是在隐藏在后台,低调、丝滑地实现着业务逻辑。”

看似降维打击,实则升维赋能

实际上,在2022年底大模型问世之初,低代码和大模型的关系并不像现在这般融洽。

大模型刚出现时,不少人都在担忧:大模型对低代码会是一种降维打击么?毕竟,如果通过自然语言与大模型进行交互,就能迅速生成应用的话,那以“拖拽组件、点击配置和图形化界面”立身的低代码的部分功能将被取代。

但后来,随着落地实践的展开,大家发现,一定程度上可以说,低代码和大模型是天作之合:大模型为低代码平台提供了更深度的智能支持,而低代码为大模型提供了更快捷高效的落地渠道。

一个通俗的比喻是:大模型和低代码可以相互成就,前者为后者注入了“灵魂”,后者为前者铺就了一条落地“高速路”。

在不少用户看来,没有AI大模型加持的情况下,低代码的本质仍是一个开发工具,虽然可以帮助企业快速创建一些轻量级应用,但不管从交付体验,还是实际操作效率上来讲,都只能被当成一个机械表达、机械执行的工具。

而引入大模型后,低代码就从“机械工具”一跃升级成了“智能助手”。大模型作为一种底层技术,有着更强的自然语言理解和数据处理能力,被整合进低代码平台后,进一步提升了低代码的效率和易用性。

反过来,大模型想要以更低成本、更快速度赋能企业,实现AI技术普惠,低代码技术无疑是一个关键的突破口。

AI技术在处理复杂场景和任务方面的潜力巨大,但这依赖于海量数据的爆炸式增长和计算能力的显著提升。

特别对于B端产业,企业提供的海量、多样化数据,能够极大地优化大模型的内部参数,让模型学习到更多特征和模式,从而在各种B端场景中展现出更强的泛化能力。

而低代码正是深入这些海量场景和数据的“触手”。在将近十多年的发展历程中,低代码在利用自身“小、轻、快、准”的特点,支撑了海量数字化场景,而这正是大模型迭代、落地所需之土壤。

B端产业的AI普惠注定是一个“长坡厚雪”的历程,而低代码和大模型,正在以携手之势,加速这一进程。