企业级实践为“燃料”，大模型助推Kyligence产品力向上

回顾2023年，最火热的科技话题无疑是生成式AI。

从ChatGPT横空出世，到“千模大战”如火如荼，AIGC正式破圈，成为企业数字化转型的新关键词。

在红杉中国《2023企业数字化年度指南》中，通过调研235家企业可知，79.4%的受访企业已经开始进行AIGC应用的初步探索，23.6%的受访企业已经利用AIGC产生明显价值。

图源：红杉中国

这些数据清晰地反映，大部分企业都希望拥抱这一波大模型的技术浪潮，AI企业级应用的奇点正在到来。

对于服务于企业数字化的科技公司来说，这既是一次技术迭代的挑战，也是重新定义产品力的机遇。数智化商业创新再次席卷To B企业服务赛道。比如，12月19日，大数据分析和指标平台供应商跬智信息（Kyligence）发布了数据和分析领域垂直大模型司南，与旗下产品Kyligence Zen（智能一站式指标平台）、Kyligence Copilot（AI 数智助理）结合，旨在帮助企业以更快周期、更低成本落地AI。这是企服赛道玩家拥抱大模型，探索升级产品的一个缩影。

那么，大模型的应用，能否有效提升企服产品服务力？企业数智化转型下，中国企服会迎来哪些机遇？

一、技术knowhow+企业级实践，中国企服大模型落地的先行条件

拥抱AI技术是整个科技界的共识。而在企业管理领域，新技术的价值更是可以在实践中更清晰地被感知。

过去，从拿到数据、清洗与规整数据、建立模型、分析数据，直到做出业务决策，在经营层面对IT技术人员与业务人员之间的协同要求高，在效率方面也往往不尽如人意，因为数据是滞后的。

随着科技进步，利用新技术来优化经营策略成为企业必选项。数字化转型也确确实实带给了一部分企业红利。

然而，数字化转型并不总是成功的。企业变革最重要的目标是提升运营效率，但是如果没有符合当下管理现状的转型路径，企业很难从技术创新中获益——数字化不仅是IT范畴，也是业务管理范畴。

问题是，每一家企业的转型对于自身来说都是一个新鲜案例，而一套成熟的管理产品和体系，需要技术knowhow与业务knowhow的双重沉淀。显然，这两者是矛盾的。

正因如此，企服赛道才会随着数智化进程而迎来快速发展的机遇。而商业化成功的企服公司提供的不仅是好的产品，还有成熟的落地经验。只有对企业业务有足够多的思考和沉淀，才能让新技术发挥其价值。

笔者了解到，目前海外市场落地大模型商业化应用的企业，大部分本就是企服赛道的“老玩家”。比如，微软、Salesforce、Adobe、SAP、Palantir等公司。

而Kyligence探索大模型应用之前，也已经服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售、医疗等行业客户，包括建设银行、平安银行、浦发银行、北京银行、宁波银行、太平洋保险、中国银联、上汽、长安汽车、星巴克、安踏、李宁、阿斯利康、UBS、MetLife等全球知名企业，并和微软、亚马逊云科技、华为、安永、德勤等达成全球合作伙伴关系。

可以说，大量客户服务的经验，是企服公司开启AI变革的必要条件。那么，大模型能够为企业服务行业带来哪些新的突破？

二、“AI+”落地数智赋能，使用效率与学习门槛的双重颠覆

企业转型的难题就是答案：效率与门槛。

当下，企业级产品结合AI大模型，最直接的表现就是可以根据用户的自然语言输入，快速生成符合用户需求和预期的内容和结果。未来，随着多模态大模型技术演进，AI大模型可以帮助企业级软件拓展新的功能和应用，因为它们可以利用海量的数据和知识，生成各种类型和风格的内容，满足不同的业务和场景需求。

从具体应用来看，在海外市场，微软通过开放Azure OpenAI赋能旗下产品，提升员工的效率；Salesforce也通过Einstein GPT将公共和私有AI模型与CRM数据相结合，在销售、服务、营销、商业等各个领域提供人工智能自动创建的内容，以适应实时变化的客户信息和公司流程。

在国内通用软件领域，腾讯会议基于混元大模型打造了AI小助手，只需要简单的自然语言指令，就能完成会议信息提取、内容分析等复杂任务，会后还能生成智能总结纪要。

而在数据分析的垂直赛道，Kyligence推出的基于AI大模型的数智助理Kyligence Copilot，目的也是提升企业效率和降低企业数字化门槛。

从效果来看，大模型的应用落地已经逐步释放生产力。以Kyligence为例，通过搭载AI数智助理，Kyligence核心产品Kyligence Zen（智能一站式指标平台）实现了决策效率和使用门槛的“双杀”。

一方面，如今的Kyligence Zen可以灵活响应不断变化的业务分析需求，提升业务决策效率。