AI 对于 SaaS 是利好，还是利空？AI 原生公司会颠覆现有 SaaS 公司吗？AI产品如何定价？如何在通用大模型的基础上做出差异化？
……
在本期“大崔会客厅”对话中，崔牛会创始人、CEO崔强，与北森联合创始人、CEO纪伟国，以“SaaS+AI 的诱惑”为主题，围绕SaaS厂商打磨AI产品的场景选择、定价策略、先发还是后发等话题进行了深入探讨。
纪伟国分享了北森在 AI 创新方面的实践和思考：
“打磨 AI 产品，关键要找到适合大模型的场景，坚持‘能力可控原则’。目前大模型更适合起到一个助手的作用，在一些重要的决策场景，不能把方向盘交给AI，背后还应该由人做决策。”
“AI 对于 SaaS 是一个巨大的增量，SaaS 公司应当坚定地寻找合适的场景，做出能创造客户价值的 AI 产品。”
“如果想实现更好的销售，应当把 AI 产品做成一个独立可收费的产品，而不是一个更高级的 AI 版本。”
“最大的风险点，在于能否找到正确的客户场景和真正的机会点，客户能够为之独立付费的 SKU。这需要花大量时间反复研讨，直到无比确认后再做；我们希望研发能成为一个确定性的战役，要做就一定会成功。”
“弄清楚了再做，迟几个月没关系，但别晚几年。AI 作为战略机会点，如果投入太晚了，追赶的难度就会变大，就变成了一个风险点。”
以下是对话内容的文字整理：
01
从看见，到All in
崔强：今天直播的主题是“SaaS+AI的诱惑”，这里的“诱惑”有几层意思：2022 下半年 ChatGPT 发布后，为许多 SaaS 创业者带来了很大的信心和动力，总体上看是几分兴奋，几分焦虑，几分挑战，几分期待这样一种复杂的心情；经历过2023年，我们更多的感受是去年通用大模型比较热，真正在应用端落地的还比较少，但还是能看到一些商业化应用的出现。今天就请纪总聊聊北森在这方面的思考和动作。
纪伟国：北森是一家 HR SaaS 公司，我们在 AI 上探索了很多年。大模型出现之后，我们就在观察、研究大模型技术，寻找它在人力资源数字化方面的应用场景，探索了大半年。后来，我们发现大模型在人力资源管理、员工全生命周期的很多场景中，是能够为客户创造巨大商业价值的，所以我们在战略上决定“全面拥抱大模型 AI”，开始寻找并打磨大量的 AI 场景和产品。北森称之为 AI Family，就是人力资源数字化的 AI 家族。现在，我们围绕人力资源场景打磨了七款 AI 助手，将对人力资源数字化产生一个非常大的变化。
崔强：北森在打磨 AI 产品的过程中经历了哪些坑，积累了哪些经验和原则？从看见大模型，到 All in 大模型，北森大概用了多久，经历了一个什么样的历程？
纪伟国：其实在上一代 AI，北森就做过很多AI的东西。我记得当时北森内部有过激烈的争论，最后还是找不到能够创造巨大客户价值的点，都是一些小场景；这一代大模型出来后，我们也是心存顾虑、担心，所以我们开始去调研国内大模型、以及海外的大量实际 AI 应用场景，并在一些小场景上进行尝试、理解大模型的技术本质。
差不多有一年多时间，我们最终确认：在很多人力资源场景中，生成式 AI 是可以创造巨大客户价值的。然后战略上一旦笃定，就聚焦、压强、饱和攻击，这是北森的研发逻辑。
崔强：生成式 AI 看上去很美，但真正落到企业业务场景中，它的幻觉和 B 端业务的严谨性之间，还是有一定冲突的。你们的解决方法是什么？
纪伟国：关键要找到适用的场景，我们有一个“能力可控原则”。在很多场景下 AI 是做不好的，比如在员工调薪、晋级等场景，目前还不能代替人做出决策。当前的 AI 大家叫 Copilot、Agent，说明它还只能起到一个助手的作用：在一些重要的决策场景，我们还不能把方向盘交给 AI，最后的决策需要由人来做出。
关于大模型幻觉，在某些场景下有成熟的解决方案：通过RAG（检索增强生成）技术，建立向量数据库，然后把企业知识放在向量数据库中，用大语言模型做向量解析，这样可以控制解答问题的边界，解决大模型幻觉的问题。
崔强：在招聘场景，候选人的简历筛选是耗时耗力的，用 AI 可以做到接近人的筛选效果吗？
纪伟国：其实在上一代 AI，我们就已经基本做到了 AI 替代人，但每个客户的模型调优成本太高了，没法商业化应用。这一代基于大模型做的 AI 招聘助手，可以进行简历的筛选，可以做到接近人的筛选效果。不仅如此，它能够从客户的历史人才库中推荐适合的简历，甚至通过外呼的方式再激活候选人，这些方面都大幅提升了招聘效率。
崔强：在服务客户的过程中，有没有一些客户关心，但短期内让你们很困惑的问题？
纪伟国：客户经常会问你有没有某种场景的 AI 应用？但很多情况下，这是客户的好奇心，并非真实的需求。如果真按这个做出来产品，客户并不一定会买单。所以，客户好奇的与客户真正想购买的，应当区别来看，这是 AI 创新的一个风险点。
以北森选择的 AI 场景为例：AI 面试官，可以替代 HR 进行远程面试，完成第一轮的初筛面试；AI 陪练，AI 和员工基于场景进行一对一的演练，通过练习来提升员工能力；AI 员工助手，回答员工关于人力资源的政策、制度询问，提升 SSC 的回答效率。这些点都是基于业务场景的痛和需求来设计的，并非基于客户一个创新想象。
崔强：使用大模型，用户的数据安全怎么解决？
纪伟国：SaaS 软件。首先就要保证客户数据的安全可控；其次，还要解决跨租户的隔离问题。通过 RAG 方式，把客户数据放在向量数据库，形成不同租户之间数据库隔离；另外，先选择恰当的业务场景，目前我们 AI 面试官、AI 做课、AI 陪练类似的场景，它们一般不涉及企业核心隐私数据，客户比较容易决策并开始采用。
SaaS 软件要解决数据的安全可控问题，以及客户的顾虑，这是一个基本前提。
02
定价原则
崔强：AI 功能开发完成后，怎么制定产品收费策略？能否聊一下你们的定价策略？
纪伟国：定价问题非常复杂，我们做过很多研究，我们有几个假设：
第一，大模型是不断演变的，现在只是早期阶段，未来的成本会不断降低的；第二，你的 AI 创新究竟能为客户创造多大商业价值，当下是不太好判断出来，因为真正的规模化采用是需要一段时间的；第三，价格不应成为 SaaS 快速获客、验证产品价值的障碍。
因此，如果 SaaS 厂商现阶段想用大模型赚很多钱，可能不是太现实。所以，目前 AI 产品的价格，应该基于成本制订一个大家相对能承受、比较容易购买的价格，让客户用起来，验证 AI 产品的价值，才是上策。
崔强：AI 对于现有的 SaaS 公司是利好还是利空？AI 原生的 HR 公司，会颠覆现有的 HR SaaS 公司吗？相信你们肯定考虑过这个问题。
纪伟国：先回答第二个问题：肯定不会。HR SaaS 是一个流程软件，入转调离的审批、以及调薪、绩效评定的决策，都要由管理者来做出的，AI 更多是一个助理的角色，提供部分参考信息，并不能够代替人做审批、做决策。
对于第一个问题：AI 对 SaaS 是一个巨大的增量。因为有了AI产品，SaaS厂商可以销售更多产品，获得更高的ARR；另外，基于大模型的AI场景只能通过云端方式做，如果客户想采用各类的AI场景，就要接受SaaS的部署方式，这对SaaS公司是一个很大的利好。
崔强：在“SaaS+AI”的过程中，你们踩过哪些坑？有哪些原则可以分享给大家？
纪伟国：一开始我们也想在软件中增加很多小的 AI 功能点，比如简历筛选，生成招聘图片、生成职位描述等等。这些特性，客户会觉得挺好的，但让客户付费还是比较困难的；推出一个更高价格的 AI 版本，也不行，根本原因是特性太碎、价值太小。
所以，如果想要有一个更好的销售业绩，还是应该把 AI 产品做成一个独立的 SKU，一个独立可收费的产品，一旦可以独立收费了，客户就能真正感受到 AI 产品的独特价值了。所以北森的原则是：尽量做可产品化的 AI 场景。
崔强：这些新的 SKU，会和你原来的产品冲突吗？比如原来没有 AI 加持的老版本，和有 AI 加持的新产品之间，会不会因为升级和替换，互相影响？
纪伟国：不会，原有产品里面小的、碎片化的 AI 场景，客户价值感不明显，我们就尽量不收费了。而所谓的独立产品，就应该和原来的产品耦合比较小、但又会促进原来的产品的应用。
比如：北森的 AI 面试官，就是一个独立的产品，客户可以单独购买，是一个独立的 SKU，又和招聘管理系统相互促进。AI 面试官和北森其它产品之间是一个弱耦合关系，又有自己独立的价格，客户就能够体会到 AI 产品背后的独特价值。AI 陪练助手、AI 做课助手和北森的学习系统也是同样的逻辑。
崔强：如果要给 AI 产品定价的话，应当遵循一些什么原则，能否具体再讲一下？
纪伟国：在 AI 产品定价方面，我们认真研究过国外的做法，有一些收获。对于 SaaS 软件，AI 产品定价的第一原则：还是应该按用户数收费，这样未来更容易获得销售增量；第二，是按照使用量收费。比如 AI 面试官，是按照面试者的数量收费；第三，是按照调用量收费。大模型厂商是按调用量收费的，但是 SaaS 厂商按照调用量向客户收费，落地上比较困难，客户不容易理解。这些是计费点的一些原则。
另外，还要考虑价格及竞争因素。目前 AI 产品的价值不一定说的清楚，产品也还有一些差距，而且大模型还在发展，价格也在不断降低，所以我觉得可以定一个比较保守的价格，甚至就是盈亏平衡点，不赚钱，但可以通过 AI 带动原 SaaS 产品销售，或者与针对老客户的交叉售卖，获得更高的 ARR。原则是：价格不应成为客户大规模采用的障碍。
崔强：你怎么看国内 To B 软件的价格竞争？
纪伟国：正常、所有行业都有残酷的价格竞争。
同质化的产品肯定会陷入价格战的，这个是我们无法改变的。但我们应该有应对的策略：1）通过技术创新，例如AI产品，创造差异化的优势，从而获得额外溢价。2）通过内部运营能力，使自己的运营成本低于竞争对手，也可以获得相对的竞争优势。
崔强：我觉得价格战，其实对厂商、客户来说，都没有太大益处。我说的价格战，是指恶意竞争，而不是一个合理的竞价区间。比如同样的服务价格差三倍，这虽然可能是为了获客，但其实是会干扰整个市场的。
我们看到中国整个企业软件市场其实是没有溢价的，价格是偏低的。管理软件的价值，并没有被客户充分认同。这个问题未来一定要通过市场竞争解决，慢慢让行业回到一个比较良性的轨道上。总的原则还是希望大家不要打价格战，而是去关注自己的产品和服务，真正能为客户带来价值；另外，客户看待报价时也需要更理性一些，因为很多东西并不是越便宜越好。
崔强：你们本身用了哪些 AI 的能力吗？
纪伟国：北森在苏州有一个大的客服中心，现在通过AI去回答一部分简单的客户问题，这个效率改善还是挺大的。我们也通过HR员工助手，替代SSC来回答员工的日常问题，还挺好的。
03
差异化竞争
崔强：有网友提问，在 AI 能力上，比如单独的招聘模块，我们怎么看与同行之间的竞争？在产品策略上如何应对？
纪伟国：大家都是基于大模型去做，场景和产品的外观不会有什么差别。真正的差别，一定是在行业 Know-How 上。但行业 Know-How 最终也可能被同行理解，关键还在于你底层的知识积累。比如北森做的 AI 面试官，结合了北森在人才测评上 20 年的积累，包括：北森的能力图谱、测评技术、及发展技术，这些独有的知识和能力，是保证 AI 面试官评估准确的前提，这就成为我们AI面试官产品领先友商的绝对优势。
崔强：在应用软件和 AI 的结合中，技术差异其实没那么大，最重要的还是行业 Know-How，以及多年以来独有的经验积累，这可能是最终能够体现差异化的地方。
纪伟国：是的。
崔强：现在的 HR 软件是一个全员应用，不像原来只是 HR，或者管理者用，也横跨了员工从入职到离职的全生命周期，这个链条和行业 Know-How 的跨度是难以想象的。这对北森未来会带来什么挑战？
纪伟国：人力资源的场景太多、太碎，要做的东西就很多，需要足够的人力和研发投资，才能形成规模化优势。
所以，北森还是保证了足够的研发投资，近 600 人产研团队，接下来的用户大会，我们一次性推出了 7 个 AI 助手，这个研发投入是相当大的。同时，我们还要保持耐心、持续打磨产品，挑战很大啊。
崔强：越基础的职位，简历越结构化。越高端的职位， AI 决策可能越困难。你们会不会遇到这样的问题？
纪伟国：不同群体，比如蓝领工人、知识员工、学生，我们考察的维度是不一样的，招聘的场景也不同，通常大规模招聘才会用到 AI 面试官。而在高端的职位上，HR 不用使用 AI 面试官的。
在 AI 面试场景中，目前大模型能做的：一是可以基于简历去追问求职意愿；二是可以衡量应聘者的一部分外在表现；三是它能考察求职者的知识和技能。高端的职位，往往要评估个人的后续发展潜力，这方面 AI 是做不到的，我们把人才测评和AI面试官进行了深度融合、弥补了 AI 的短板，形成了“不仅测现在的能力，更要评未来的潜力”的六合一评估模型。
04
先发，还是后发？
崔强：有一种观点，企业服务市场， 在 AI 上的先发优势并没那么大。如果看到别人成熟的、可以商业化的产品，是可以快速跟进的。比如一年前，可能有很多人先在 AI 上投入了很多研发，最后并没有结出很好的果实；相比之下，那些在后边看清楚后再投入的，反而可能结果更好一点。你怎么看这种情况？
纪伟国：要找到好的 AI 场景，最好的办法是扫描市场，让别人先做，确认市场机会点后再做。北森做得比较好的一个地方是：我们没有直接冲进来，而是一直在旁边观察、判断、等待，笃定了再去做，这也与北森的研发理念有关：我们希望产品研发是一个确定性的战役，要做就一定会成功。
需要注意的是，SaaS 或者 AI 公司的老板，如果突然有个创新的想法，就按这个想法去做产品，大概率这个产品做完了是不靠谱的。一定要去观察客户要什么，或者客户在做什么。比如去国外看有哪些新产品，友商在做什么，这些是不是客户要付费购买的……弄清楚了再做，迟几个月根本不重要，但别晚几年。如果投入太晚了，在 AI 上的追赶难度就会变大，这其实是一个风险。
崔强：去年我们走进北森学习时，学习了北森整个研发管理的改变，北森是参考了华为的研发管理流程的，你说过华为是很难做出来像抖音这样的产品的。刚才你提到 SaaS 公司老板，突然想到一个产品或者 AI 化的想法就去做，其实会害死一个公司。这样是不是有点保守呢？
纪伟国：这是我们这么多年来的经验。因为客户真正要啥，只有和客户聊了才知道。但一般老板是很少有足够时间去见足够多客户的，这个想法就容易偏颇；此外，验证这个想法的成本太高了，To B 产品的研发、迭代周期比较长。而且，一般情况下，老板提的想法，其他人也不好意思反对，这就比较消耗了。
所以，保守的打法是：要确定客户的场景和真正的商业机会点，明确客户愿意付费的 SKU。花大量时间反复研讨，直到无比确认后再去做。
崔强：最后再用两分钟，谈一下你对今晚话题的一些感受。
纪伟国：第一，我觉得大模型现在处在早期阶段，它的技术还在不断发展，成本也在不断降低，所以在这个节点我们不要把它当成一个极其成熟的产品；第二，寻找场景，打磨产品，创造价值，是需要时间的，价值验证比现在决定收多少钱更重要一些；第三，大模型有能力短板，它可以做很多事情，也有很多事情它做不了。在不同 SaaS 场景中，比如 CRM、客服、HR 等，一定能找到大模型生根发芽并创造价值的地方。
此外，to B 业务，确实不用过早去创新，但一旦当你识别到巨大的商业机会时，也不应该等太久。
注：文/崔牛会，文章来源：牛透社(公众号ID：Neuters )，本文为作者独立观点，不代表亿邦动力立场。
文章来源：牛透社
