软件行业大面积亏损的逆转还有多远-AI能成为了包括SaaS的行业的白衣骑士吗之“业务侧”的方向

上一篇《软件行业大面积亏损的逆转还有多远-AI肯定不能替代包括SaaS的软件行业（软件日抛的无招已撤）但能成为了包括SaaS的软件行业的白衣骑士吗》里主要表达了，AI是不是软件行业不那么苦逼甚至摆脱亏损的白衣骑士，需要进一步在当前阶段最起码可以细分为“技术侧”和“业务侧”。

AI从理论到落地的5个阶段，“从理论（1）到工具（2）到实践（3）到真正解决具体问题（4）到普及（5）”，截至目前AI已经基本证实了AI对软件行业的技术侧类似于白衣骑士般效率提高甚至颠覆（已经走到了第4步），但AI对于软件行业的业务侧还有待观察（可能还处在第1步）。

AI对于软件行业的业务侧价值，从第一步的理论，方向上可能已经跑偏，这30年来，CRM在企业落地发挥价值最大的堵点，从来就不是功能不够多不够强大，而是企业很难把厂商非常多非常强大的功能和自身实际业务结合起来。

目前市场上大多数的ERP、OA、CRM等软件厂商，在“业务侧”的AI应用上，还是站在厂商思维觉得要通过AI把功能做的更加强大更加多，在这个思维和方向上自以为自己已经到了第（2）步的“工具”甚至第（3）步的“实践”阶段，比如很多CRM厂商的客户拜访自动记录和分析、商机的自动判断等。

但这些AI功能可能很难在业务上给企业的客户管理以及营销层面解决核心的问题（也就是第4阶段），因为企业可能依然很难把这些强大的功能结合自己的实际业务，所以更多只是减少一线人员的填写工作量和查漏补缺。

ERP、OA、CRM等企业信息化系统，最终目的是要为企业整体提供价值，信息的录入是核心地基但也只是手段而不是目的。

AI在业务侧真正落地发挥优势产生价值，不是简单的用AI协助甚至替代一线人员的信息录入和查漏补缺，而是第（1）步“理论”的方向上就要转变。

AI在业务侧真正落地发挥优势产生价值，不是通过AI把软件的功能做的更完美更强大，而是发挥AI的大数据优势，从context角度，快速、高效地理解当前企业碎片化的实际业务，并根据当前企业的实际业务分析洞察各个岗位之间的核心“链接”点，进一步细化为软件可落地的部门、角色、表单、字段、流程、权限等。

让各个岗位的人，都能为了自己的工作更加高效，自愿去及时、准确、完整地做到信息采集，并且根据实际业务实现信息的高效流转，最终实现让整个企业的各个岗位尤其是高层的决策能相对正确和敏捷。

把这么多年来被诟病的被一线人员视作负担的单向的信息采集这个地基，自动变成各个岗位之间的协同链条（比如任何一个岗位为了高效获取上下游协同而自愿及时、准确、完整的信息采集）。

一句话总结，AI在业务侧真正落地发挥优势产生价值，最核心的第一步是“实施交付”的AI化，然后才是当前很多厂商做为重点的软件功能的AI化，分两步从根本上解决这么多年来CRM在企业落地发挥价值的最大堵点“不是功能不够多不够强大而是企业很难把厂商非常多非常强大的功能和自身实际业务结合起来”。

借助AI，实现包括SaaS在内的软件行业扭亏为盈，不是简单的把AI融入功能，而是细分成“底层技术侧”“业务侧”“功能技术侧”

技术一定要平台化（厂商角度的可以基于最新技术趋势的产品底层），是AI对软件行业的技术侧类似于白衣骑士般写代码效率的提高甚至颠覆，保证软件底层版本不分叉易维护。

业务一定是定制化（客户角度的必须结合企业业务实际的交付落地），是AI对软件行业的业务侧类似于白衣骑士般真正发挥价值的基础，保证不同企业不同业务的不同版本更适应每个企业实际业务。

应用一定是迭代化（双方角度的不断促进软件功能去贴合实际业务），是AI对软件行业的功能侧类似于白衣骑士般促进软件功能不断优化，真正发挥软件AI功能优势。

今天看了一篇文章，介绍了现在英国的一家AI+CRM厂商Attio，在AI的方向上完全是把核心放在了先如何理解客户实际业务，并通过潜移默化的“实施交付AI化”的基础上，来快速实现软件AI功能的价值落地，他们一直强调的一个理念是Universal Context。

Attio甚至已经没有传统CRM的客户、线索、商机模块。

传统CRM的这些模块，都是一个个让销售和其他一线人员头疼的信息入口，比如接一个电话可能要分别找到客户、联系人、线索、活动、报价单这多个入口一个一个填写。

现在国内最优秀的几个CRM厂商的AI，本质上只是给这些入口增加一个智能助手，把原来要手工填的内容，填的更快一些。

而Attio，销售的入口可能大幅减少，销售或者一线人员面对的，是一个个已经被AI根据自己企业实际业务理解和分拆后（AI替代传统的实施交付）需要执行的动作，这些动作背后可能才对应着传统CRM的客户、联系人、商机等（但在具体企业可能表单叫法完全不同）。

当然，我对Attio的理解还比较肤浅，难免有理解误差，但从AI对包括SaaS的软件行业的具体应用落地角度，大的方向几乎是相同的。

在技术侧的软件底层AI写代码已经相对成熟的基础上，实施交付的AI化是业务侧的核心和基础，最后才是软件各个AI功能的落地。