最近，傅盛在“2024 中国企业未来之星年会”上说：AI 非常热，但是今天真正落地好的案例几乎没有，除了大模型公司自己讲的案例。
他解释到：大模型的训练数据来自于互联网，但是企业大部分私有数据都在线下，这就导致大模型的答案都对，但就是没用。说白了就是常识性的回答。
我最近也在网上看了一个知名 SaaS 公司的 AI 案例，客户是一家全国知名的新零售连锁，大模型在里面起到的作用是什么呢：其实就是帮店长自动生成回复客户的话术。
有没有用？肯定有。但真的不大。
其实我接触 AI 产品也有很多年了，早在 2015 年，我所在的 SaaS 公司就研发出了实用的 快消品行业AI 工具。
快消品分销是一个人力密集型行业，大的快消品公司甚至有超过几万人的业务员，他们每天都去拜访门店，除了负责销售，还要帮助店老板整理货架，以及调研竞品的铺货情况等。
比如，业务员会统计各个门店的冷饮柜中，自家的饮料占了多少位置，竞对的饮料又占了多少位置。这就导致了很大的工作量，数据准确性也很难保证。
而 AI 就能很好的解决这个问题，毕竟每个品牌的辨识度还是很高的，只要经过大量的数据训练，AI 就能很容易的识别出品牌。
那么，这个 AI 产品是不是在快消品行业大面积推广开了呢？
真相是：并没有。
原因在于，AI 训练的成本太高了。
每一个商品都需要进行大量的训练，才能比较准确的识别出品牌和 SKU，特别是在冷饮柜中，饮料的摆放并不是完全规则的（比如背面对外），这就进一步加大了训练的成本。
所以，AI 要大面积推广，其实要迈过 2 个门槛：
一是效果
二是成本。
在实际情况中，这两者是此消彼长的。
比如，你如果只需要 AI 有 80% 的准确率，那么训练成本就比较低；反之，你希望 AI 有 99% 的准确率，那训练成本就会大幅度增加。
但是不管怎么样，首先要有效果，这样才会有客户愿意买单；其次就是成本要足够低，才能大面积推广。
从这个角度来说，AIGC 离在 B 端大面积推广，还有很大的距离。
我因为有很多 SaaS 公司的高管粉丝，他们的公司很多都研发了 AIGC 功能，但是实际情况就如同傅盛说的：“真正落地好的案例几乎没有”。
AIGC 面临的第一个问题，就是“效果”问题。
在很多场景下， 就目前的技术水平，不管你花多少成本，AIGC都不可能达到客户期望的效果。
举个例子，一位医疗领域的 SaaS 创业者很早就研发出了 AIGC 功能，除了能够帮助医生写诊断报告，而且还可以检查医生的诊断报告是否有错误——比如开了患者过敏的药物。
但实际情况就是：AIGC 生成的结果最多只有 90% 的准确性，而医疗场景下，哪怕1% 的错误率也是不能接受的（比如 1% 的医疗事故）。
结果就是，AIGC 变成了一个鸡肋功能，并不能真正给医生带来帮助。
讽刺的是，这个功能医院是愿意付费的：但是并不是因为有用，而是因为 AIGC 项目很适合作为信息化成果向上级汇报。
但是，这个能持续吗？
那为什么 AIGC 的效果达不到预期呢？我觉得可能有 2 个原因。
第一个原因，在大部分企业业务场景中，对数据准确性的要求是很高的。
就以智能客服来说吧，按道理说，这种偏对话的业务场景，对数据准确性的要求应该远远低于销售、采购、财务和薪酬这种逻辑严谨的场景。
但是，我咨询了一家头部客服软件公司的高管粉丝，他的答复是：确实研究了很久，但是就跑出来 1、2个场景。
客服服务看起来对准确性要求不高，但是如果不能回复客户准确、有用的答案，那么也会大大降低客户满意度。
他的结论是：中短期来看，AIGC 在 B 端的应用还并不成熟。
第二个原因，AIGC 本身的逻辑就很不严谨，这就大大限制了它在 B 端场景的落地。
简单来说，AIGC 知道 1+1=2，并不是因为它懂数学，而是因为它学习了大量数据，发现 1+1=的后面，90% 的概率都是 2。
90% 的准确性看起来很高，但是你敢雇佣一个会犯10% 错误的员工来处理企业业务吗？
比较典型的就是财务核算，哪怕几个亿的流水有 1 分钱的差异，财务人员也要把差异找出来。
何况是 10% 的差异？
更重要的是，90% 的准确性也是建立在大量数据训练基础上的。
而对于大部分中国企业来说，绝大部分业务数据都在线下，我们拿什么去训练 AIGC 呢？
即便在少部分行业、少数场景中，AIGC 达到了企业的效果期望，如果要大面积推广，还有另一个门槛，那就是成本。
一位 AIGC 创业公司的高管告诉我，他们面向 B 端的 AIGC 产品交付非常困难。
在当下，AIGC 被吹得太高，客户的预期也非常高，但实际落地的效果和期望差异很大。
那能不能通过微调+训练来改善这个问题呢？
能的，但是这就涉及到了费用问题。
而很少有企业愿意支付这笔费用。
另外，AIGC 项目还有一个现实的问题，那就是售前、交付和回款的周期都特别长。
这个也能够理解，毕竟中国企业对软件产品、服务的要求还是比较苛刻的。
但是，这对于 AIGC 公司来说，就是不可承受之重：一边是客户付费意愿不高，另一边又是交付成本高企、回款困难，这样的产品，如何能够养活团队，又如何能够大面积推广呢？
其实我写这篇文章，还有一个初心，那就是叫醒很多还在装睡的软件创业者。
一位高管粉丝给我说，公司 CEO 还沉浸在过去的成功模式中：抓住一个风口，一飞冲天。
因此，哪怕现在公司盈利情况糟糕、股价大幅下跌，仍然在不计代价的投入 AIGC产品。
而 AIGC 团队的负责人，也一直在给 CEO 灌输公司的 AIGC 产品多么有前景，应该继续加大投入。
其实这位 CEO 和 AIGC 负责人的想法我都能理解。
对于一个靠抓住风口成功的创业者来说，要放弃这波 AIGC 浪潮真的很难；
对于一个职业经理人来说，自己的前途，甚至自己的团队，可能都比公司的前途更重要。
但是，我们都要有自己独立的判断。
AIGC 并不是没有前景，但是对于一家创业公司来说，在早期过于激进的投入，只会让自己自食其果。
量力而行，保持适当的投入，在前景明朗的情况下迅速跟进，可能才是最合适的方式。
