為什么許多 AI 產(chǎn)品在內(nèi)測時表現(xiàn)良好，一旦交付客戶后就會 “翻車” ？

在「DeepTalk」第三個系列話題欄目「AI 落地實戰(zhàn)」對話中，崔牛會創(chuàng)始人 & CEO 崔強，與北森聯(lián)合創(chuàng)始人 & CEO 紀偉國，圍繞 “AI 產(chǎn)品上線第一仗：從內(nèi)測到客戶交付的那些坑” 這一主題展開了深度對話。

紀偉國認為：第一，AI 產(chǎn)品在從 0 到 1 階段，最大的挑戰(zhàn)是難以有效匹配客戶業(yè)務場景，因此 AI 產(chǎn)品經(jīng)理應當在一線圍繞客戶業(yè)務場景做產(chǎn)品，并根據(jù)客戶需求快速迭代；

第二，AI 產(chǎn)品成功的關鍵是以客戶為中心理解客戶業(yè)務，以及將行業(yè) Know-how 融入產(chǎn)品；

第三，AI Agent 最終會走向客戶的自定義，未來客戶化工作將可能較重；

第四，在 AI 產(chǎn)品的打磨中，耐心非常重要，要確保產(chǎn)品成熟后再進行規(guī)?；N售。

以下是經(jīng)牛透社編輯整理的對話內(nèi)容：（有刪減）

AI 上線第一仗

崔強：現(xiàn)在大家看到 AI 在 ToB 領域比較熱，但接下來可能會較快進入一個理性的狀態(tài)，其中一個常見問題是：大家沒有找對場景，所以交付后才會出現(xiàn)各種問題。

北森的 AI 產(chǎn)品，已經(jīng)有相對規(guī)?；氖杖肓?。北森在 AI 實踐中，包括前段時間發(fā)布的 AI Learning，在產(chǎn)品的交付過程中，經(jīng)歷了哪些關鍵挑戰(zhàn)，有哪些經(jīng)驗？

紀偉國：2023 年下半年，北森做過很多 AI 產(chǎn)品，卻收不上錢來。因此，我們在 2024 年，做了以下幾個假設和轉(zhuǎn)變：

第一，必須做能收費的 AI 產(chǎn)品；

第二，能收費的 AI 產(chǎn)品，應該是一個端到端的場景，能把客戶某個問題端到端地解決掉才行。

所以，當時我們在戰(zhàn)略上選擇了7 個 Agent：AI 招聘助手、 AI 面試官、AI 員工助手、AI 做課、AI 陪練、AI 領導力教練、AI 測評。

在這個過程中，我們也對北森的IPD 研發(fā)流程做了微調(diào)。

這么做的主要原因，是AI 產(chǎn)品的復雜性遠低于軟件產(chǎn)品，研發(fā)成本也低很多，而且面向的都是非常具象化的場景。所以，首先我們把研發(fā)分成幾段，并且要求快速迭代，將迭代周期縮短為兩到三周。

第二，產(chǎn)品經(jīng)理到一線圍繞客戶做產(chǎn)品，把交付分為 “從 0 到 1” 和 “從 1 到 N” 兩個階段。一旦產(chǎn)品內(nèi)測成功，就進入 “從 0 到 1” 的可用性驗證階段。這個階段都是產(chǎn)品經(jīng)理自己銷售和交付，緊貼客戶業(yè)務場景落地，可以讓產(chǎn)品經(jīng)理看到產(chǎn)品在客戶側(cè)的真實應用反饋，要確保 “1” 的實現(xiàn)：即產(chǎn)品在客戶那里能用起來，并且可以通過評審，進入 “從 1 到 N” 的階段。

在 “從 1 到 N” 階段，前線人員可以基于客戶畫像篩選匹配的客戶進行銷售，做一定的交付支撐，確保早期客戶的應用效果和應用粘性；

大概到了 50家~100家 客戶，確認了市場空間、競品價格、目標客戶、目標場景、交付和營銷方式等方面，才會進入規(guī)?；N售階段。

在 “從 0 到 1” 階段，最大的一個挑戰(zhàn)是AI 產(chǎn)品做出來之后，到客戶那里仍然會出現(xiàn)很多未知的場景，客戶在應用時會發(fā)現(xiàn)產(chǎn)品和業(yè)務場景匹配不上，產(chǎn)品就會 “翻車”。

而且產(chǎn)品在交付給客戶后，還需要快速迭代。北森的 AI 面試官，做到了兩周一次迭代。

要應對以上挑戰(zhàn)，關鍵是產(chǎn)品經(jīng)理要上前線，圍繞客戶業(yè)務場景做產(chǎn)品，并根據(jù)客戶的需求和反饋快速迭代產(chǎn)品。

崔強：怎樣判斷客戶愿意為一個 AI 應用場景付費？

紀偉國：在產(chǎn)品的設計和定位上，它應該是一個獨立收費的 AI 產(chǎn)品，解決了某個獨立的、高價值業(yè)務場景（如 AI 面試官）問題，而不是一個原來產(chǎn)品功能的延伸或疊加。

因為疊加在原有產(chǎn)品里的功能點、價值點通常都比較小，很難讓客戶愿意單獨付費。

崔強：在 AI 產(chǎn)品內(nèi)測過程中，一般會遇到哪些問題？

紀偉國：還是以 AI 面試官為例。北森是從校招場景開始的，但切入之后發(fā)現(xiàn)，只有做了才能知道客戶的業(yè)務場景，而且這些業(yè)務場景大都和大模型的關聯(lián)不多，例如：客戶要測紋身，色盲，客戶會測試對比等等。

北森的 AI 面試官，大概 50% 的研發(fā)都和大模型沒有太大關系，更多的是圍繞客戶業(yè)務場景，為了解決業(yè)務問題而填補客戶需求上的空缺。

崔強：這里面其實技術(shù)門檻并沒有那么高，真正的門檻是從客戶的業(yè)務場景中理解客戶需求。

紀偉國：是的。

第一，理解客戶的業(yè)務場景是很難的，每個客戶都有很多需求，只有客戶夠多，才能知道哪些是共性需求。所以，第一大挑戰(zhàn)，是以客戶為中心理解客戶業(yè)務；

第二，無論什么產(chǎn)品，都要融入行業(yè) Know-how ，對行業(yè) Know-how 的理解是產(chǎn)品成功的另一個關鍵。在這個過程中，代碼技術(shù)和大模型反而顯得不太關鍵。

以 AI 面試為例，把 AI 訓練得 "懂面試" 這件事的前提是在當下 AI 大模型的通用能力基礎上，訓練 AI 的人本身就是面試專家，這點很重要。

北森上百名測評顧問都轉(zhuǎn)型做提示詞工程師的背后，就是在把不同崗位的能力模型要求是什么、怎么在不同考察維度上讓 AI 問出高質(zhì)量的問題，并基于行為面試法讓 AI 實時三層智能追問，并且結(jié)合結(jié)果-過程和動機科學評分，經(jīng)過過程中上百次訓練過程調(diào)整，才得到一個經(jīng)驗豐富、達到專業(yè)面試官水平的 AI 面試官。

崔強：前幾天和白鴉（有贊創(chuàng)始人）聊，他覺得行業(yè) Know- how 重要，但更重要的是行業(yè) Know- how 可以被數(shù)字化，可以被大模型學習或者理解。你怎么看這個問題？

紀偉國：人力資源的終極目標，首先，是明確崗位對人的要求；第二，是怎么評估人的能力；第三，是如何發(fā)展人的能力。

所以，人力資源是一個偏人文或者平衡性的領域，并不是非常容易量化的，它更依賴于多年的經(jīng)驗積累，而且這種經(jīng)驗往往是儲存于專家頭腦中的，以往我們是拿不出來的。

現(xiàn)在，可以將這些經(jīng)驗輸入大模型，變成可固化的產(chǎn)品，這和白鴉講的有些類似：它不是一個比較固化的知識，而是一個行業(yè) Know- how，是一個動態(tài)、可理解的東西。

崔強：在 AI 功能里，是不是也有一個可以跑起來的最小版本？這個最小版本怎樣才算合格，是可以交付給客戶上線使用的？

紀偉國：我不太理解這個最小版本的定義，我理解的是最小場景。

首先，一定要解決一個端到端的具體場景。AI 面試官首先做的是校招場景，去年 11 月份我們才開始做藍領招聘場景。我認為一定要把一個場景做扎實，端到端地把一個業(yè)務鏈條解決掉，才能進入另外一個場景，否則就沒有意義。

整個校招場景中，有沒有一個最小版本？

我認為是沒有的，因為我們是要把客戶的整個問題解決掉的。比如，客戶會要求你把校園招聘的第一輪面試全部取代掉，如果取代不了，客戶是不會買單的。

所以，我理解沒有所謂的最小版本，只能是選一個場景做深做透，再去做下一個。

崔強：在客戶交付過程中，你們內(nèi)部首先要達到什么樣的預期之后，產(chǎn)品才能上線接受客戶的 “檢閱”，這里有沒有一定的原則？

紀偉國：原型產(chǎn)品出來以后，我們立刻會讓先鋒客戶使用，這個過程中一定會有客戶對產(chǎn)品的反饋，如果發(fā)現(xiàn)客戶的反饋你根本解決不了，這時就需要果斷放棄，比如我們的 AI 測評產(chǎn)品就是這樣。

從這個角度看，我們是不太管理客戶預期的。而且 AI 類產(chǎn)品，客戶肯定是會去體驗的。如果不達預期，他們也不會再用。

這里有兩種情況：第一，如果大模型技術(shù)很難達到客戶預期，需要立刻停止，不要再投入了；第二，如果要投入巨大的成本才能達成客戶預期，可以先放一放，先做容易做的。

崔強：客戶對不確定的東西永遠會焦慮。在實踐中，客戶對于大模型幻覺、泛化的忍受程度是怎樣的？

紀偉國：讓大模型做一些精確性的東西確實比較難，所以，這類場景我們就不做了。這個過程中，關鍵還是要利用大模型比較擅長的自然語言能力。

所以，我們選擇場景，首先要考慮如何利用大模型的優(yōu)勢，來解決人力資源場景中的問題。

回到業(yè)務場景

崔強：你怎么看大模型技術(shù)的發(fā)展對目前企業(yè)軟件行業(yè)的影響？

紀偉國：我做大模型至今快一年半了，前 6 個月并沒有太多感覺，但 6 個月以后的每個季度，都在刷新我對這件事情的認知。

我發(fā)現(xiàn)大模型有很多地方，比如今年我們推出的 AI 學習助手，的確是可以發(fā)揮巨大價值的。同時，我也看到一些前端營銷類的 AI Agent，有很多是偏 C 端的，它們做得非常好，并且在拓展海外市場。

作為管理軟件，我們?nèi)ツ晖瞥隽?7 個 Agent，有一個失敗了。今年我們又推出 4 個，加在一起共 10 個，未來我們還會推出新的 Agent。

最初我并沒想到人力資源領域會需要這么多的 Agent，雖然我們已經(jīng)非?？酥疲矣X得可以做的東西還有很多。

隨著 AI 技術(shù)的發(fā)展，也可能產(chǎn)生很多新的東西來。所以，現(xiàn)在我是抱著非常開放的心態(tài)擁抱 AI 技術(shù)，接受它對業(yè)務的顛覆。

既然技術(shù)變了，我們跟著去變就對了。

崔強：客戶需要的并不是炫技，而是要解決問題。目前，我們會看到一些 AI 過于追求炫技的感覺，對此你有什么看法？

紀偉國：以客服場景為例。去年我們試了大半年，想用 AI 客服來解決北森人力資源軟件的客服問題，但這很難，主要是因為我們的產(chǎn)品過于復雜。

舉個例子，如果你問 “我的工資為啥少了 5 塊”，AI 肯定是回答不了的。但是我們也看到很多銀行、航空公司都在大量地使用 AI 客服。

雖然用戶的體驗并不好，但為什么還要用它呢？

這說明對于這類客戶而言，它的價值依然很大，可以有效解決客服成本的問題。所以，從商業(yè)上看，它就很成功。

未來幾年，AI 還可以變得越來越好。

崔強：北森的 AI 產(chǎn)品在上線時，會給客戶做大量的按需提示詞優(yōu)化工作嗎？

紀偉國：最初，我認為 AI Agent 應該是標品，但今天看來，它最終會走向客戶的自定義。

以 AI 面試官為例，客戶要招聘什么崗位，自己是最清楚的，客戶需要把自己的面試題目、評價標準等資料放進 AI 產(chǎn)品。最終很可能發(fā)展成客戶把自己的東西放進產(chǎn)品，產(chǎn)品走向自定義。

所以，將來客戶化可能是一個比較重的工作，北森現(xiàn)在也做了很多的客戶化。

崔強：僅僅為客戶提供工具是不夠的，還要能被客戶 “自定義” 成自己的產(chǎn)品。這意味著產(chǎn)品要有客戶的行業(yè)屬性，行業(yè) Know-how 以及適應相關的業(yè)務流程等。

但這樣一來，實施成本會不會變得很高？

紀偉國：我們?yōu)榭蛻籼峁﹥深悓嵤┓眨?strong>一類是輕量級的，主要包括簡單的培訓以及崗位交流，幫客戶完成配置；另一類是深度定制。這兩類實施服務的成本，要比軟件的實施服務低很多。

北森有兩類實施顧問：一類是軟件的實施顧問；另外一類是能力評估和發(fā)展技術(shù)（People Science）方向的實施顧問，與之對應的是偏心理學方面的學者或者人力資源專家。在北森寫提示詞的正是這類的專家，它非常依賴于專家們的知識萃取能力。

當然，傳統(tǒng)管理軟件廠商做不了這個事情，因為它已經(jīng)脫離軟件范疇了。北森是做人力資源測評出身的，我們有自己人力資源方面的專業(yè)技術(shù)和 Know-how，具備這樣的專業(yè)能力，也是我們一個非常大的差異化。

崔強：雖然它還是工具，但背后所需人的能力在發(fā)生變化，不是軟件工程師和軟件實施服務商可以解決的問題了。

紀偉國：是的，問題往往不在軟件技術(shù)上。

舉一個場景，比如 AI 陪練產(chǎn)品，要讓對話做到非常貼合業(yè)務。有的客戶讓 IT 工程師和銷售結(jié)對子，來寫提示詞，做自己公司的 AI 陪練產(chǎn)品，發(fā)現(xiàn)效果不好，為什么？

因為這里首先要回答什么是銷售能力？是溝通能力、談判能力、人際能力，還是其它什么能力？這個能力如何訓練、發(fā)展？

軟件工程師和銷售兩個人搞不定這個事情，這些都需要專業(yè)背景的專家來做。一般的人力資源部門是沒有這樣的專家的，需要專業(yè)公司來做。

崔強：軟件企業(yè)做 AI，是不是在已有系統(tǒng)的基礎上修修補補？

紀偉國：北森并不是完全只從軟件角度考慮，而是從大模型能力和人力資源的業(yè)務角度出發(fā)，去思考自己能做什么。

我們做的 AI 陪練、 AI 面試官，是可以脫離我們的軟件獨立運行的。但是 AI 面試助手、AI 簡歷篩選，又和軟件連在一起。

所以，建議大家不要總想著軟件，而是要回到客戶業(yè)務的角度，回到大模型能力的角度，把這兩方面結(jié)合起來考慮。

崔強：做 AI 產(chǎn)品是不是要配套使用顧問？剛才你提到要做一些培訓工作，這個培訓工作會做到什么程度？有一定的標準嗎？

紀偉國：我們有兩類，第一類是實施顧問，第二類是客戶成功經(jīng)理，類似于你提到的使用顧問。

實施顧問，項目啟動時會與客戶做一個簡單的訪談，將系統(tǒng)內(nèi)相關的能力配置好，讓客戶可以使用起來。如果客戶需要做客戶化，我們還會做更重的服務，收部分實施費。

在上線后，由客戶成功經(jīng)理接手，客戶方可能換人或者出現(xiàn)一些新的業(yè)務需求，客戶成功經(jīng)理可以及時響應、培訓客戶。

AI 陪練、AI 領導力教練會有簡單的產(chǎn)品培訓，很容易上手。

崔強：怎么發(fā)現(xiàn)適合 AI 應用的場景，如何界定一個場景是否適應 AI 化？有具體的評定指標嗎？

紀偉國：沒有。

AI 面試官在美國也非常受歡迎，所以選擇 AI 面試官這個方向也是比較清晰的。

AI 陪練是一個傳統(tǒng)場景，大模型來了之后，我們將它重做了一遍。

AI 領導力教練這個場景，北森之前做過兩代類似產(chǎn)品（和 AI 無關），都失敗了，我們對客戶的業(yè)務場景是有一定的認知深度的，所以用 AI 做這些場景就會比較快。

崔強：賣 SaaS 與 賣 AI 產(chǎn)品的區(qū)別是什么？賣 AI 產(chǎn)品，銷售要如何轉(zhuǎn)型？

紀偉國：銷售轉(zhuǎn)型是要花一定時間的。首先，銷售理解 AI 產(chǎn)品，知道如何與客戶溝通，需要一定的時間周期，這個過程也需要有人帶他們?nèi)プ觥?/p>

此外，整理業(yè)務場景、銷售培訓、成功案例積累、賣點梳理和話術(shù)設計，如何試測等，這些全都要標準化下來，最后才是銷售規(guī)?；A段，以上是需要一個過程的。

賣 SaaS 與 賣 AI 產(chǎn)品的區(qū)別，在于軟件產(chǎn)品更復雜，客戶無法試測，只能通過 POC 來驗證。此外，還有復雜的競標過程。

但 AI 產(chǎn)品的銷售鏈條很短，一般客戶試測完了就能決策。

以往客戶買軟件需要 IT 部門參與，但買 Agent 的話，客戶可能并不認為是在買軟件，所以很多情況下，可能就不需要經(jīng)過 IT 部門了。

AI 轉(zhuǎn)型路徑

崔強：傳統(tǒng) SaaS 公司轉(zhuǎn)型 AI 公司，有哪些具體路徑？

紀偉國：這個是有路徑的。現(xiàn)在 SaaS 公司不做 AI 已經(jīng)不行了。

最近我談了好幾個超大金額的單子，客戶公司都有這樣的規(guī)定：如果產(chǎn)品不是 AI 相關的，就不允許購買了，這是一個客戶需求端一個非常大的變化。

對于 SaaS 公司來說，首先，公司中要有人能夠真正理解大模型可以做什么，它的能力優(yōu)勢和短板，以及 RAG 、向量等相關知識。

其次，要理解公司所處的業(yè)務，理解整個業(yè)務鏈。這里要做的是把軟件忘掉，要洞察業(yè)務鏈條中哪些是客戶比較痛的地方？在這些痛點中，哪些比較適合用大模型解決，成本比較低，客戶有付費意愿，而且是一個端到端的場景，找到這樣的機會點：

第一步，要做出原型產(chǎn)品，并且立刻找到客戶使用，客戶反饋將刷新你的認知，指導你快速迭代產(chǎn)品。圍繞客戶做到一定程度，當 8家～10家 客戶已經(jīng)用起來，就過了產(chǎn)品可用性階段。

第二步，開始收取客戶一定費用（不要太高），繼續(xù)投入研發(fā)，快速跟隨客戶迭代。直到你判斷產(chǎn)品已經(jīng)領先競爭對手，客戶愿意支付費用，同時也搞清楚了如何快速交付，這就過了商業(yè)化驗證階段。

然后開始進入第三步：規(guī)?；N售階段，讓銷售團隊快速推進。

做完以上三個階段，AI 產(chǎn)品可以與軟件協(xié)同銷售，軟件的差異化也隨之出來了。

崔強：AI 產(chǎn)品如何定價，北森現(xiàn)在的定價邏輯是怎樣的？

紀偉國：最近大家總是在提按結(jié)果付費，我也認真研究了 Salesforce 、ServiceNow、Workday 的案例，它們主要是按照席位，或者按照對話量收取訂閱費。

比如一個客服 Agent，可以省掉一個客服人員，該客服人員的工資是 10 萬美金，以此收取 20% 的費用就是 2 萬美金。這 2 萬美金要如何定價？

可能是一個席位賣 2 萬美金，或者一個客戶一天回 50 個對話，一個對話收費 2 美金，等等。

北森的 AI 面試官是按面試的人數(shù)收費。AI 陪練、AI 領導力教練、AI 學習助理是按席位收取訂閱費，這也是北森目前主要的收費模式。

崔強：從內(nèi)測到真正交付的過程中，你遇到比較大的挑戰(zhàn)是什么，有沒有這樣的案例？

紀偉國：AI 產(chǎn)品交付過程和軟件有很大的不同，挑戰(zhàn)也不一樣，AI 產(chǎn)品交付對交付人員對于專業(yè)技能的要求和對于AI 大模型技術(shù)的理解深度都有要求。

一開始我們讓軟件交付的同學去做交付 AI 面試官和 AI 領導力教練，發(fā)現(xiàn)客戶不滿意，交付不了。后來用測評的同學去交付，就會很成功!

AI 產(chǎn)品的設計到交付，都需要足夠的業(yè)務專業(yè)性和對 AI 的理解，否則產(chǎn)品的效果會打折扣！

崔強：在從內(nèi)測到客戶上線交付的過程中，還有哪些最容易犯的錯誤，可以供正在進行 AI 轉(zhuǎn)型，或者一些 AI 創(chuàng)業(yè)公司所參考的？

紀偉國：第一個典型錯誤，是做出一個 AI Agent 出來，就認為客戶會買了，但實際上做出的這個產(chǎn)品能覆蓋 50% 的客戶業(yè)務場景就不錯了。

因為和客戶磨產(chǎn)品需要很長時間，我們每個 Agent 從做出來，到過了可用性驗證階段，基本上都需要 6 個月以上的時間。所以：

第一，是要有耐心；

第二，不要把 AI 理解成一個技術(shù)創(chuàng)新或者變革，而是應當理解成一個解決某個業(yè)務問題的應用。不要把 AI 看得那么神秘，它的研發(fā)門檻不高，但是理解業(yè)務，做一個能夠解決客戶業(yè)務問題的應用其實挺難的；

第三，產(chǎn)品一定要確保比較成熟時再交給銷售，否則很容易就會亂套。我們的 AI 產(chǎn)品到銷售、交付環(huán)節(jié)的節(jié)奏都很慢。比如：產(chǎn)品從 0 到 1 做出來需要 3 個月，過可用性驗證還需要 6 個月，到規(guī)?；N售，可能再需要 6 個月。所以，耐心非常重要。

崔強：未來在不同崗位、不同角色可能會出現(xiàn)許多 Agent，是否按結(jié)果付費還無法確定，這一定是需要一個過程的。

雖然，為結(jié)果付費可能是未來的一個目標，但現(xiàn)在如果大家都一刀切地追求按結(jié)果付費，就可能是一種偏執(zhí)了。

至少現(xiàn)在絕大多數(shù) SaaS 或者企業(yè)軟件是不能切換到按結(jié)果付費邏輯來的，未來也許有 1% 的企業(yè)可能做到，讓我們拭目以待。

在這個過程中也希望能看到更多成功的 AI Agent 在我們身邊綻放，改變我們的生活，幫助客戶解決問題，謝謝大家。

紀偉國：謝謝大家，謝謝崔牛會。

說明：文章為牛透社原創(chuàng)，未經(jīng)允許謝絕轉(zhuǎn)載。