SaaS结合GPT技术，会对SaaS形态产生什么样的变化呢？作者在文章中，针对这个问题展示了思考，例如：对话化的入口会完全取代原来图形的交付方式吗？对SaaS公司各个部门角色的影响等等。推荐给SaaS行业的各位阅读，一起来看看吧~
GPT火了，Chat GPT火了。一时之间，所有的人都在谈论AI，谈论GPT，大家都说第四次工业革命真正发生了，在惊喜中更多的带着恐慌，恐慌对自己职业可能的影响，恐慌长期人类的命运以及人生意义变得更加未知。
笔者的观点，人类大的发展路径是已经确定的，只是或早或晚被某些人发现并且推动了，该来的始终会来，既然天命不可违，我们有什么好担心的呢？
笔者不是人工智能和神经网络方面的专家，尽量基于自己目前的理解，从比较通俗的角度和大家做一些分析和讨论。
首先我们来看GPT的原理，GPT是Generative Pre-trained Transformer的缩写，中文翻译为生成式训练转换器，主要用于自然语言理解，生成，对话等任务。
大家还记得原来有一个有趣的说法吗？就是让无数只猴子在键盘上面随机地敲击，只要时间足够长，就会有猴子可以敲出莎士比亚水准的作品。GPT的本质实际上是类似的，实际上是利用了算法以及强大的算力，提升命中率，缩小得到答案的时间。
Chat GPT的表现是你问问题，它生成答案。比如说你问一个问题，如果无数个猴子敲击键盘或者随即画图，肯定有一只猴子有某个时间点生成一个比较优的自然语言答案，或者生成比较贴合你要求的一张图。理论上，只要猴子足够多，时间够长都是可以的。
为了提升命中率以及缩小得到答案的时间，目前采用的就是预训练的神经网络模型，提升命中的概率以及降低需要的时间，GPT的底层主要还是统计学，概率学。
怎样理解神经网络呢？实际上这个上个世纪40年代就推出的一个算法模型，不复杂，只是因为原来计算机算力不够，一直没有发挥出大作用，一直到最近一些年才开始发挥其作用。
神经网络你可以想象成一张渔网。渔网是由节点和节点之间的连接线组成，这些连接线可以类比为参数，比如说GPT-3，就有96层以及1750亿个参数，你可以想象这是一张多大的网，而普遍的说法就是层数越多，参数越多，这个算法的结果就是越精确，所以GPT的后续发展趋势，网络层数以及参数会越来越多。
所谓的预训练，你可以理解有一个函数f(x1，x2，x3………)，里面有千亿的参数，就是通过有监督或者去监督的方式，通过一些固定的输入输出数据去训练这张网，得到这数以千亿计的参数的具体值。
基于这个训练好的模型，你去输入一个问题，这张训练好的网就能在足够短的时间内输出贴近的答案。
因为这个网络的计算是如此复杂，过程和结果都是很难预测的，以致设计这张网络的人都不知道你的输入，GPT会给你什么样的输出，这里面就会涉及到伦理问题，价值观问题，于是涉及到复杂的监管的问题。
由于现在试验比较成功的主要是大语言模型，主要是自然语言的处理，导致GPT技术首先会对搜索，问答，内容生成领域带来深远的影响。
了解到这些内容之后，笔者再来谈谈GPT大模型可能会给SaaS领域带来的影响。
笔者的观点，GPT影响SaaS的路径可能首先是SaaS结合AI，AI-based SaaS，但是随着大模型的发展，在一些场景里面，是可能出现SaaS-based AI，SaaS的一部分作为微服务隐身在后面。
SaaS软件的组成是主要数据库层，逻辑层以及展示层。展示层主要又包括输入以及输出，目前的GPT技术的发展实质上没有涉及到数据库层，主要还是在交互，输入，输出这个维度。
在第一步SaaS结合GPT技术，会对SaaS形态产生什么样的变化呢？
对话式入口会成为一个重要的交互方式。
对话化的入口会完全取代原来图形的交付方式吗？我的判断是不会，但会是一个重要的补充。
哪些交付是对话式交互很难取代的呢，主要包括下面几类：
哪些场景是容易被对话式交互给取代的呢？
（1）低频需要查看的数据或者低频需要操作的长尾功能。
SaaS很多时候都是复杂业务系统，90%左右都是低频的长尾需求。由于功能以及需要展示的信息比较复杂，为了提升系统的易用性，很多时候需要将这些信息以及功能展示权重弱化，实际上操作上是不方便的。
对于这些功能用对话式的方式来交互式会大大提升产品的易用性的。
（2）一些偏个性化化的数据统计查询功能。
对于一些偏个性化的统计查询功能，很多时候标准产品上面很难支持，这个时候可以用到对话式交互方式去支持，当然这里在展示层以及逻辑层之间需要有一个大模型，去解读自然语言命令以及调用执行逻辑层相应的动作。
（3）一些适合语音输入的场景
有些数据的输入因为场景以及使用人群的素质，使用自然语言来进行输入是更方便和自然的。
可以想象，以后所有的SaaS软件的首页都会有一个对话的交互入口，甚至有些行业软件场景对话式入口就是首页。
另外，为了实现自然语言对话式的交互，在展示层与逻辑层的中间，需要增加对自然语言的大模型解释层，来调用逻辑层执行数据库操作命令。
大家知道，对于SaaS软件来说，很重要的一块功能，就是数据的输入，我们一般要将数据结构化之后手工输入或者导入系统，比如说人事信息的输入、薪酬信息的输入、客户信息的输入、拜访信息的输入、订单信息的输入。
这种信息输入一般是事后整理输入，实际上属于相对重复的工作，这也是SaaS产品使用让人觉得繁琐的很重要的原因。
比如拿到简历，面试完成之后去系统里输入人事信息以及面试评价。而实际上简历信息的输入，以及面试过程等信息的输入是可以在简历投递，以及面试的过程中自动发生。
GPT技术的发展，会导致数据输入部分的前置以及自动化。自然语言语音，文本以及图片等方式进行信息输入的方式比重会大大提高。
不过这里蕴藏着一个很大的挑战，就是将自然语言的非结构化数据变成结构化数据，实际上即使是GPT技术，要完整的解决这个问题也需要一个非常长的周期，甚至有很多场景会一直都做不到。
比如说二个人聊一个销售或者采购订单的事情，在沟通的过程中，出来很多订单相关的信息，需要GPT识别聊天过程中的订单结构化信息，然后输入系统，一般来说是很难精确的，或者被GPT结构化的信息是需要人为确认或者修正的，这个时候这个输入的效率就不高。
少数垂直，而且不需要特别精确的地方，这类场景长期有可能实现自动结构化自然语言的数据。比如生活一些销售聊天的线索获取的场景，比如说问诊时候的病历信息获取等，这种类似领域，就会实现SaaS的一部分作为微服务隐身于AI之后。
不过这个需要一个相当长的周期，而且绝大部分领域以及场景做不到，所以更多还是AI-Based SaaS。
GPT技术的发展会对一些交流、会议、内容、视觉设计等自然语言，图片类的SaaS软件带来很大影响。
目前来看，邮件系统，会议通讯软件，Office，图片制作等自然语言，图片为主的SaaS或者相关场景是首先受到波及的部分，很多内容生成的场景，利用GPT技术进行辅助内容提醒或者内容自动生成，会让软件变得颠覆性的高效，这也是首先需要应用GPT技术的SaaS软件。
另外，长期来看，语言文本，图片为主的软件和公司会和CRM，ERP，HR数据类软件系统打通，从而让内容的输出更加强大，SaaS产品之间的边界会变得更加的模糊。
因为GPT擅长处理的就是语言以及图片，这块很多都是原来传统SaaS无法触及的领域，毫无疑问，这个领域基于场景会产生很多新型的SaaS工具，特别是一些下层的市场。
首先GPT技术的发展，可以大大提升研发的效率，大量代码都是可以自动生成，稍微改一改就好了。
例如PaaS平台的机会。
有很大概率会出来新的自然语言编程开发的研发工具，比如说qqbot.dev等类似的早期公司已经在做这方面的探索，传统的开发平台可以利用GPT技术变得更为智能化。
对于一些垂类的相对聚焦的场景，有垂类PaaS诞生的机会，通过自然语言进行开发，比如说类似微信小程序的开发平台，这种开发平台针对的场景比较简单纯粹，通过自然语言来开发是可能的。
CRM、HR、Finance、ERP等领域，有标准类SaaS存在的机会，同时对于这些垂直领域，也有基于GPT技术的PaaS平台作为标准SaaS补充的机会，标准SaaS公司可以结合这类PaaS平台去更高效的完成交付。
随着研发成本的降低以及颠覆性的高效化，软件将会迎来膨胀式的发展，需要大量的产品经理，了解客户的需求并且描述清楚的能力更加重要。
对于一些简单场景的软件需求来说，产品经理结合GPT PaaS软件，可能承担从需求调研，设计，开发，测试的所有工作。
综合长期的来看，GPT技术如果导致不了企业数据库的颠覆，SaaS会长期存在，但是会给SaaS行业带来深远的影响：
GPT技术的发展，有望加速中国SaaS本土市场碰到的产品易用性，需求个性化，交付难等问题的瓶颈，从而让技术更加不露痕迹地和用户融合。
巨浪来袭，我们都需要积极拥抱。赢得SaaS未来的更多的不是磊落豪雄，而是深沉厚重的长期主义者。
专栏作家
作者：李东林，微信公众号：SaaS产品说，人人都是产品经理专栏作家。菜小秘联合创始人，原ADP大中华区产品负责人，14年To B研发与产品设计，团队管理经验，主导过多款大型企业管理软件的设计、研发、上线，也有过数年移动互联网TO C的创业经验。
本文由@东林-Tony 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash, 基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。