云計算數據越來越強大，AI又會給如何改變SaaS，AI+SaaS的才是未來的發展模式。隨著AI在SaaS行業的指數級增長，許多的大公司都已經領先一步布局。

　　近幾年，SaaS行業的領導企業為了在競爭中占據領先地位，已經在人工智能研發方面投入了大量資金，并收購了許多AI公司。Shopify推出了機器學習驅動欺詐防御、Salesforce推出了人工智能平臺Einstein。

　　由于云計算服務為獲取人工智能提供了可能，我們正處于一個新時代，SaaS供應商開始推出真正解決消費者問題的AI應用。

　　在今年的SAAS NORTH峰會上，我與許多專家討論了人工智能在SaaS行業的發展。以下是他們眼中AI+SaaS的未來：

　　第一波：大公司領先一步

　　傳統的SaaS模式基于每月大量的付費訂閱，這意味著SaaS公司需要不斷改進和培養客戶關系，以確保客戶持續付費。

　　SaaS加速器L-Spark的創始人Leo Lax表示：“AI正在幫助SaaS公司減少建立客戶關系相關的人工勞動，并幫助SaaS公司以更有意義的方式與客戶交流。”

　　以往幾年，只有真正資金充足的SaaS巨頭才有資源聘用合適的人才，并投資于有意義的AI研發。但是僅資金不足以實現有用的人工智能應用。主要的基礎是數據，大量的數據。

　　建立自己的平臺SaaS公司有了一個良好的開端。訓練機器學習系統最大的障礙之一是獲得足夠大的數據集。Shopify的數據和分析高級副總裁David Lennie解釋說：

　　“最大的價值是盡可能快地獲得最大的樣本量，而當你擁有一大群用戶與你一樣做同樣的事情的時候，這是更可能實現的。SaaS公司通常提供一種解決方案，以此進入市場獲取用戶，最終獲得更多的數據。

　　Lennie認為，專注于解決某個特定問題而不是“一體化”解決方案的SaaS工具，可以更好地獲取合適的數據來訓練機器學習應用。一旦公司能夠訪問來自全球數百萬用戶的“干凈”、龐大的數據集，他們就可以開始解決問題。然而，Rubikloud的CEO兼聯合創始人Kerry Liu認為，直到目前為止，人工智能方面最好的成功案例還是在企業內部。

　　“無論是Google優化搜索，還是Salesforce使用Einstein來幫助銷售經理確定的最佳使用案例，迄今為止大部分成功的應用都是為了提高內部效率和內部產品開發。

　　雖然迄今為止，領先公司的大部分應用都是內部的，但正朝著正確的方向前進。專家表示，人工智能將在自動化、個性化、語音輸入和用戶安全性方面得到提高。

　　第二波：云計算拉平競爭環境

　　一直到最近，SaaS行業的一些新興企業才真正使用高級AI應用。Affinio的創始人Ardi Iranmanesh表示：“AI大量被濫用于營銷目的。許多小公司僅僅使用了聊天機器人或線性回歸等基本應用，就宣稱自己是AI公司。

　　然而，在過去的幾年中，通過使用AWS，Microsoft Azure，Google Cloud和Oracle等云計算服務，利用“人工智能即服務”云工具，為小公司使用機器學習等更高級應用打開了大門。

　　也就是說，這些云服務所提供的支持是在底層的計算層面。云計算服務已經改變了這種狀況，使得小型企業無需擁有任何硬件或擔心數據安全，就可以獲得構建有意義的AI應用所需的計算能力，并可以部署在全世界任何地方。

　　SaaS AI進化的這個更具包容性的“第二階段”已經導致了許多專業細分的AI SaaS公司出現，這些公司致力于解決垂直市場的問題，而不是與大公司在生產力或通信方面競爭。

　　正如Mobify的聯合創始人兼CEO Igor Faletski所指出的，“AI已經存在了一段時間。新的改變是他正在向開發者敞開大門，越來越多的小創業公司可以使用AI。”

　　諸如Beanworks和Mindbridge Analytics等公司專注與新興垂直行業，實現審計和會計等“白領”任務的自動化，迄今為止，SaaS巨頭基本上忽視了這些領域。

　　EnergyX Solutions CTO Alex Corneglio證實了這一趨勢。“我看到一個全新的垂直產品，可以根據具體的市場角色進行定制，所有微妙的品質現在全部嵌入到產品和服務中。”

　　然而，開發有意義的AI應用的最大挑戰是獲得專有數據集。David Lennie在SAASNORTH峰會上強調，AI的價值不僅僅在于強大的算法，也在于公司獲取的數據集。他提醒說，企業應該充分了解如何使用數據，然后再去構建基于AI的解決方案。

　　Lennie建議，為了克服AI數據“雞與蛋”的難題，新興的AI公司將不得不共享更多的數據，包括與傳統公司合作。“也許你可以通過合作交換一些數據。”

　　Iranmanesh預計將有更多的傳統公司向AI初創公司開放數據。他提到萬事達卡和Visa這類開放數據的公司，他認為：“盡管數據法規永遠是一個必須考慮因素，但公司總是希望提高自己的底線，單純的存儲數據并不能解決問題。”

　　然而，Mindbridge Analytics的CEO Eli Fathi反駁說，在處理諸如審計這樣的任務時，可以用來自各公司的公開數據和小數據樣本訓練算法。Beanworks的CEO Catherine Dahl表示，會計任務是非常重復性的，非常適合用于訓練機器學習算法。

　　第三波：AI在SaaS行業的指數級增長

　　更成熟的SaaS公司已經收集了大量用戶和運營數據的，所以它們的機器學習系統的智能呈指數級增長，在不久的將來，我們很可能會看到更關注與解決真正的企業問題。

　　Forrester預測，到2018年，SaaS巨頭將越來越多地在平臺級進行競爭，在云計算服務上運行其部分服務，以處理對自定義應用和更高級的AI應用的需求，從而實現一系列核心業務功能的自動化。

　　與此同時，隨著人工智能在各行各業的普及，更小、更專業的玩家將能夠獲得更多的客戶，從而獲得更多的數據集來訓練人工智能。Lennie認為，如果小公司專注于解決一個一個的具體問題，這將使他們有能力轉向解決類似的問題，并將其平臺發展到SaaS巨頭的水平。他說：“你可以沖洗并重復這個模型。如果你沖洗和重復的時間足夠，你就得到一個非常發達的平臺。”

　　Faletski預測，亞馬遜，微軟和Google等公司將大力投入強AI的研發，構建平臺生態系統，成為最大的“AI即服務”供應商。這將進一步為小公司打開利用云服務使用云AI應用或開發自己的算法的大門。

　　Liu同意這一點：“美國科技五巨頭（蘋果，微軟，Google，Facebook，亞馬遜）意識到市場上將有更多的人工智能應用，也有更多的云計算供選擇。科技巨頭可以從企業采用人工智能解決方案中獲利，因為這些數據和應用可以部署在一個可以無限擴展的彈性計算平臺上。”

　　SaaS巨頭已經開發出智能平臺，這些平臺正在以指數級的速度增長，云服務已經為更小的垂直市場玩家提供了平臺。Liu認為，人們低估了發展的速度。雖然有人預測財富500強公司都需要10到15年的時間才能將AI SaaS產品應用到他們的核心業務功能中，但他預測這將在未來5年內發生。