AI大模型将如何重塑to B企业？| 亮马桥会客室
2023年，多家公司推出与AI对话的产品，让我们见证了AI交互方式的初步演变。然而，这些交互大多限于用户输入和AI的简单回复。斯坦福大学人工智能研究所的杰出学者彼得·诺维格（Peter Norvig）预测，在2024年，我们将看到AI Agent（人工智能体）的能力大幅提升，它们不仅能与人交谈，还能为用户完成实际任务，如预订、规划旅行和连接其它服务。
2023年，纪源资本被投企业HR SaaS公司Moka推出了一款基于大语言模型的新一代人工智能原生的HR SaaS产品Moka Eva 。它融合了Moka招聘和Moka People的基础能力，无缝集成到HR日常工作的各类场景中，以提升HR工作效率。本文是亮马桥小纪AI系列的第二篇，我们邀请到了Moka联合创始人兼CEO李国兴，与我们一起讨论在to B领域大模型的发展前景，以及在AI时代优质人才需要具备的关键能力。
以下是李国兴的分享：
已关注
关注
重播分享赞
关闭
观看更多
更多
退出全屏
视频加载失败，请刷新页面再试
刷新
视频详情
巨头现在看起来对AI是all in（全力以赴）的态度。我觉得C端（面向客户端）未来几年还是会有一些变化，但是可能会相对慢一些，B端（面向企业端）反而会相对更快一点。
其实现在AI的能力有点类似于水和电这种基础的能力，它会变得越来越便宜，效果变得越来越好，性能变得越来越好，可能有些时候就会到一个拐点，某个程度上一个拐点就能带来一波机会，某一个程度上进一步拐点得到另一波机会。
AI大模型对于B2B（企业面向企业）软件的重写，是非常确定的。B2B软件本质的价值一个方面是system record（系统记录），它是一个类似于数据库的存在，比如像我们做的领域，其实是一个围绕着候选人和职位的大的数据库，我们专注于如何沉淀有价值的信息。另一个方面是和组织、人相关的一些数据，比如薪酬，这些数据我们怎么能够管理好，让它变得准确和可留痕，这其实是系统上很大的一个价值。在此基础之上怎么能够进一步发挥它的效用？在招聘层面，我们能看到全盘的数据，招聘的效率、招聘的进展等等，对于人，比如我们人力资源的一些预算的情况、预算执行的一些情况，再到人效的一些产出、不同的人才的梯队，这些东西怎么能够看穿全貌，它其实需要利用一些所谓的BI（商业智能）的工具，然后再基于系统中已经存在的一些数据，假设你的原始数据积累得比较全面和准确的话，那你就能通过这样的方式去做。
这其中最大的一个挑战，在于数据工具的使用是相对有门槛的，从这个角度思考，再去做我们的Moka Eva的能力的时候，重点考虑的是要做懂数据的Moka Eva，它能够更擅长理解这些原始数据是什么含义，同时又能够连接到我们系统中的各种数据和API（应用程序接口），就可以自助通过Moka Eva去服务数据消费者，然后让他们能够去满足一些想查看数据或者分析数据的需求。
结合整个B端，因为它还有很复杂的一些工作流，你怎么去通过工具作为一个切入点，更多地影响以及负责工作流，我觉得这个是后面逐渐会发生的。
我判断今年可能逐渐就能看到一些不同领域，会有一些公司以新一代的大模型技术为基地，产出的一些产品和解决方案，我觉得逐渐会进入到一些企业端的应用里面。包括Office Copilot（办公协助智能工具）面世之后，热度很高，预计今年有一些更广泛的客户能够用起来。
B端确实比较复杂，它不是很简单就能达到客户的预期，就能颠覆掉之前的一些行为，其中需要通过不少步骤才能达到想要的效果，不管是从这个很多场景中一些用户的交互，还是说更深度地去改造工作流。第一步是助手的角色，后面可能会演化成一个伙伴，然后怎么能协助，再往后也许可以更进一步地能够自主地完成很多东西，所以我觉得也会是一个长期的改造的过程。
面试官其实是招聘过程中的很重要的一个角色，但是TA可能不会天天围着这个系统转，那怎么能够在业务工作里边更多地赋能给TA们，让TA们去更好地完成这项工作，其实也是大模型能带来的很重要的能力。
Moka现在有两个功能正在开发（编者注：截至本文发布时，以下功能均已上线并投入使用），一个叫做AI 定制面试题，Moka Eva可以基于简历和职位的需求，以及基于这个职位我们设定好的评价维度去出面试题。有一些面试官其实并没有那么擅长去做这种面试，包括有些公司会出现交叉面试的情况，这是因为TA对一些岗位其实没有那么熟悉，那怎么能够保障下限的水位线能够提升，我们怎么通过Moka Eva这样的大语言模型的技术，然后结合这样的场景，从而去赋能这些非高频使用的用户，让TA在业务工作里面完成得更出色。还有一个延伸的是面试完之后有一个反馈的过程，也就是 AI 写面评，我们其实看到很多客户很头疼的一点就是TA很多的面试是没有留痕的，那我们怎么能帮TA自动地去根据面试内容做总结，从而TA可以基于生成的内容稍微修改一下，得到一个面试的反馈。
另一个方面，我们称之为“懂员工的Moka Eva”，也就是员工 Chatbot，它是一个7*24小时可以响应的助手，其实是更偏HR SSC（人力资源共享服务中心）的一些工作，专注于怎么能够去给员工更好的服务，其实更偏向于员工的一些日常的咨询，尤其是跟假期、福利待遇相关的比较多，HR比较苦恼的工作中频繁重复的问题可以被转接给 Moka Eva。我觉得核心做法上还是得多从用户的角度出发，我们叫全员体验更好的HR SaaS，这是我们的定位。
我个人觉得很明确的可能还是偏底层的能力和原能力，也就是你有没有一个比较开放与学习的心态，拥抱新的东西，在变化里比较快速，第一波或者最早一波去掌握这个东西，从而把你变为更有价值、有更高产出的一个人。
再比如解决问题的能力，其实你去看工程师、程序员，很多的核心人才，TA的能力其实在（解决问题）这方面很突出。TA不一定非得是一个什么编程语言专家，因为编程语言其实就是一个工具，这个工具可能有很多的知识。你会发现其实ChatGPT已经有很强的对不同的编程语言的生成和理解能力，但是它可能不太擅长去做一个很大型的软件设计，可能不太擅长解决一个非常难解决的技术问题。这些东西其实都是更底层的一些能力，你怎么通过一些工程化的思考，去解决一个问题，也是比较难去训练的，它不是一个大家都容易有的技能，相对来说也是在这种AI技术发展之下，更难被替代掉的一个部分。
HR的工作我觉得有两个能力和职责是至关重要的，一个是HR跟人的连接和信任的部分，这是很难被替代的，因为这确实是更偏connection（连结），包括人跟人之间的温度，以及团队的感觉和氛围。当然我们作为管理者也会多少做一些这种层面的东西，但是HR会通盘地去思考并更深地去建立。HR的角色也比较特殊，TA和员工不是一个上下级的关系，TA怎么能跟团队的自上而下都有很强的这种链接，能够去感知到整个组织的全貌的一些情况，也能够潜移默化去影响，往好的方面积极地去引导。
另一方面我觉得是更围绕着业务的方向，或者公司的战略方向，比如我们的人力资源的关键点，现在从团队和组织的人才梯队打造上，我们应该在哪个方面发力？我们应该再往哪方面多投入资源？这类的东西我觉得是比较难被替代掉的，因为它是更偏顶层的设计和具有策略性的工作。
我觉得其它的工作可能会大幅地被改变，因为它本质上是生产力的跃迁，它可能会让整个人类需求的满足升一个甚至几个台阶。如果是AI进入，可能会大幅地释放生产力，让很多生产力变得比较便宜，可以用更低的成本去满足更 niche market（细分市场）的需求。我觉得这种生产力的释放一定会让这种供给侧发生巨大的变化，因为需求一直在。