AI原生应用正接连不断地快速涌现。
从产品的数量和社会公众对其认知程度来看,AI原生应用仍处于早期发展阶段。这并不影响我们的判断,即:当前正处在AI原生应用大规模爆发并将深刻影响各行各业的前夜。
AI原生应用是指一种以AI技术和设计理念为核心,利用AI能力原生创造出的产品或系统,其来源于采用生成式AI理念对各类应用场景及其解决方案进行重构或创构(创造新的应用架构)。
AI原生应用具备以下典型特征:
以自然语言交互为基础:用户通过语言交互界面(Language User Interface)与后端交互,无需或者少量通过图形界面(Graphical User Interface)与后端交互,最终呈现GUI和 LUI混合的交互形式,以实现用户从有限的输入跃迁到无限的输入,既提供高频、固定的功能,也具备对低频、定制化需求的理解与处理能力。
具备自主学习和适应能力:在人机交互过程中,能够集成理解、记忆、适应多模态数据,并进行自我学习,能根据上下文、任务环境、交互对象的变化,对输出结果进行更准确、更个性化的调整。
具备自主完成任务的能力:有能力基于大语言模型和知识库执行精确任务,实现端到端闭环,集获取任务到完成任务全流程于一体。
AI原生应用,将会基于“生成型大模型+辨识型小模型+Agent(智能体)+数字孪生+用户拥有模型”五项技术或机制的组合来进行长期演进。
此技术架构的全面落地绝非一蹴而就,需要在技术、工具、方法层面积累量变。
在技术方面,AI原生应用的软件架构是以大模型为底座的生成式架构,而传统软件则是具备确定性构成式架构。底座架构的变化会带来工程层面的变化,AI原生应用的开发是以数据为本的一种生成式开发,与传统软件的协同式开发完全不同,并不要求开发流程、工具和开发者之间的高度协同。
这一系列变化,也就意味着传统软件的研发体系不再适用于AI原生应用,企业管理者需要改造现有技术体系以匹配其开发要求,这对于大多数公司来说是一项重大改变。
在工具方面,AI原生应用的发展需要各类工具应用的产品化,如:部署和管理大模型的Hub平台、产品化的大模型自动化微调工具、高精确度低成本的知识图谱生成管理工具、Agent高效编程的集成开发环境等等。大规模普及AI原生应用以解决各种问题的前提是具备完善的工具和框架体系,而非任一场景下都需要全流程自研。
所谓“磨刀不误砍柴工”,产品化工具和框架的积累,将是AI原生应用快速普及的关键成功因素。
在方法层面,目前实现AI原生的方法仍然处在探索期,这使得行业仍处在智力密集阶段,富集顶尖智力人才投身其中,像美国的AI顶尖公司就聚集了来自斯坦福、麻省理工等知名院校的员工。
随着探索的加深,方法必定持续积累和传播,包括AI原生应用开发思维、AI原生应用开发方法、AI原生应用的商业模式成熟等,其结果是创新方法渐成显学,开发AI原生应用所需的人才快速普及、开发门槛也将大幅度降低,这也为其质变创造了前提。
我们认为,AI原生应用的技术架构、工具产品以及方法论会在1~2年内不断演进,积累量变因素,最终达到成熟、可大规模复用的程度,之后AI原生应用将全面爆发。
目前企业内部业务活动和管理活动是基于功能进行构建,如文件管理、报销、制图等,每个功能都会输出对应活动的结果。
企业内部的工作流程首先是进行专业化分工,将产出不同业务结果的员工进行分类,再按照员工分类匹配使用不同功能。企业内部会形成多种形态的工作流,面向不同任务时,企业对相关功能组件进行串行或并行的组合,通过分工与协作来交付各类成果。
随着任务复杂程度提升,调用功能组件数量会急剧增多,组合形式也相应复杂化,这给组织管理带来了很大的挑战。
AI原生应用的引入有机会为企业内部协作形式带来突破性的转变,工作流将以角色为中心进行重构。面对具体的任务时,Agent会对任务所处的场景、领域、服务对象进行识别,再调用企业的领域大模型对相关的知识、数据、功能组件进行组合使用,然后作为一种角色,端到端地交付任务结果。
电视桌面通常会展示电视剧、电影、短视频等内容的海报,为吸引用户点击观看,海报的设计和管理工作极为重要,要求出品素质高、更新时效快、备选素材多、能个性化展示。
过去,此项工作流程非常繁琐,每上架一张新海报都要经历确定主题、选取片源、制图、审核等一系列操作,需要运营、设计、审核岗位的人员开展长链条的协作。
而在引入AI智能体后,此任务的实现过程被根本性重构。
AI智能体首先获取到内容片源,然后引用企业内部的设计及运营知识,自动执行图像分析理解、合成海报图像、多图像混合编排、个性化推荐给用户的全流程任务,实现任务端到端集成。
运营和设计人员在此过程中扮演的是知识贡献者角色,原有的链式协作机制被彻底打破,取代它的是“选取内容展示给用户”这一独立任务单元,AI在此过程中实际上扮演了“内容遴选官”的角色。
招聘是一项繁重任务,特别是劳动密集型企业,员工数量多且人员变动频繁,招聘工作就更加艰巨。
传统的招聘流程是:负责招聘的HR员工需要先沟通收集各岗位招聘需求,然后对外发布招聘信息,再与各招聘网站对接筛选简历;后续要经历一系列繁琐流程,包括多轮联系面试官、与候选人预约面试时间、收集面试反馈、办理员工入职等。
即使在数字化系统的加持下,招聘工作也只是在某些局部环节得以提效,流程本身仍旧冗长。
行业中的新型AI招聘应用提供了更加高效的解决方案,在过去一年取得了快速增长。
AI招聘应用会先引入招聘单位的岗位信息与市场公开信息形成不同行业的岗位胜任知识库,并将知识库微调到专用的“招聘领域大模型”中,使之具备专业化的内容辨别、理解和生成能力。
Agent会驱动领域大模型,在面试过程中以数字分身的方式与候选人开展深度对话、追问、解析,识别候选人是否符合岗位要求和任职资格要求,最终向招聘单位交付评估报告,并与企业对齐是否招聘的结论。
更为关键的是,Agent具备从候选人和招聘企业获得反馈的能力,可以沉淀知识和自我学习;后续企业提升招聘能力的方式,也不再是提升面试官的规模和技能,而是优化知识库和大模型、优化与候选人的交互方式、优化评估报告的质量。
这种“以AI招聘官为中心”的协作机制,可以显著提升企业招聘活动的效率和效能。
由此可见,引入AI原生应用到组织内部会形成不同类型的新角色,其中任何一个角色都可以独立完成一类任务,也可以由多个角色进行协同,完成更为复杂的任务,内部利益相关者的交易结构也会因此重塑。
此类协作方式的改变,还将带来一个重要影响。
未来企业内部的关键能力,将更依托于企业知识库(包括领域大模型知识)的丰富性、AI原生应用的个体能力和AI原生应用的群体协作能力。
原有“人-人”交互形成的组织能力,将会被重新定义,组织内耗将会极大程度降低,原有管理活动也会大幅度减少,并带来管理成本的大幅度降低。
AI原生应用在改造企业内部活动的同时,会伴生改进企业内外利益相关者的交易关系,形成新的商业模式。
此类改进的外在现象即是出现一系列新产品或新服务,例如:企业发布对客户服务的数字人(AI Worker),或者创造不同任务场景下的智能体,其实质都是企业内外部主体之间交易关系的变化。
如在上述AI招聘应用的案例中,招聘官数字分身和招聘报告都是具象化的产品,其本质是AI招聘应用的开发商与企业客户之间形成了一种新的交易关系,即:由企业客户采购AI服务,并提供岗位知识和招聘需求,再由AI招聘应用交付适岗候选人。
这种新交易关系的价值是使企业内招聘交付标准一致、招聘成本降低、招聘效率提升。
当企业使用AI原生应用服务于内外部利益相关者,会带来以下变化:
○显著增强使用者的能力。高度智能化、个性化的Agent功能,能够为使用者端到端地完成一项任务,降低其工作成本,甚至使其具备曾经无法获得的能力。
○大幅提升服务效率。AI原生应用能够让使用者可以随时随地获得服务,并且面对大量使用者的场景不存在等待时长。
○提升个性化和标准化的程度。AI原生应用能够理解使用者的个性化需求,并且能根据记忆灵活响应。同时由于Agent能根据使用者预设的要求来执行任务,不存在人为因素带来的主观差异,其最终交付的结果高度标准化,这有利于优化督查、审核、采购、质检等需重点关注人因风险的任务。
○可持续改进产品和服务。使用AI原生应用过程中,用户会产生新的数据反馈,这些数据能够改进大模型和智能体的能力。同时,能力提升又为吸引更多用户使用产生可能。用户在使用AI原生应用时也参与到了产品改进中,最终形成一种正反馈循环。
我们判断,拥抱AI浪潮的优秀企业会在未来持续重构自己的商业模式。
其外在体现是企业中会有越来越多的数字助理、数字分身、数字员工出现,这些数字人会调用AI原生应用类型的岗位智能体来承担一些新的职能,以此来服务用户和外部交易对象。同时,企业也会开发出更多服务于内部员工的服务智能体,以增强员工能力。
数字员工和真实员工会建立起长期的共生关系,持续优化企业内外部的交易结构。这些企业会持续引入行业知识、企业知识、岗位知识,构建越来越强大的领域大模型。同时也会按照商业模式与战略发展的需要,灵活组合业务活动,持续创造、改变、消除各种AI智能体角色。
企业按照上述路径发展的最终形态是“液态金属型”组织,是企业重构的最高层次。
在此形态下,企业已经变成完全的流体,可以任意进行变革和适应,各种资源的流动和组合不再有阻力。企业可以按照价值链、产品组合、管理职能、业务流程等维度,无限地细分和重新聚合业务活动和管理活动。
AI原生应用的普及最终也会带来企业产生和运营范式的革命,将工业时代的分工范式转变为智能经济时代的智慧体范式。在智慧体范式下,经济社会的主体由人变成了智慧体,即人机协同互动的碳基+硅基主体。
我们认为,AI原生应用的产品创新正在走进快车道,层出不穷的新产品、新形态纵然“乱花渐欲迷人眼”,必然围绕以下四种价值定位方法进行商业模式设计和价值延伸。
第一是构建能创造新价值的业务场景,为用户或客户提供前所未有的新体验或新能力。
超级个人助理就是典型案例,例如苹果公司正在打造高度智能化的Siri语音助理,正试图突破现有“App孤岛化”现状。当用户输入打车、点餐、订票类的指令时,Siri可以端到端执行对应任务,用户无需打开诸多分门别类的专用App,而且可结合用户偏好进行个性化的选择,降低用户的筛选成本。
这种新的业务场景下,苹果完全可以构架出一套全新的服务分发商业模式,伴随创造巨大的新价值空间。
第二是能够降低交易成本。
交易成本会发生于交易搜寻、交易议价、决策评估、交易监督、违约处理等环节中。比如交易房产需要以支付中介费的方式寻找买家或卖家,并存在繁冗的交易流程;又如制造业公司采购元器件,需经由采购寻源、样品配送与试用、效果评估等多项环节才可最终确定采购方案,时间成本巨大。
这些都是长期存在的交易成本,而AI原生应用将为降低上述交易成本提供可能。交易双方可以事先构建属于自己的数字分身,将自有商品知识库、需求数据、个性化的偏好和行为数据等融入到领域大模型或RAG(检索增强生成)中。
在交易发生前,双方数字分身根据即时的交易需求进行双边交互,以获取更加适配的交易方案,进而减少交易前的各项环节、降低成本。
第三是创造或优化业务活动和管理活动,做到以前想做但做不好的事。
构建此类商业模式时,应采用聚焦镜的思维,识别在原有业务系统中能够通过引入AI原生应用而显著优化的环节。
比如,零售业引入AI来总结海量用户评论、形成摘要,辅助进行产品改进;又如AI制药领域应用大模型技术,加速分子模型构建和药物性质预测,大大提升研发流程的效率;然后再利用AI原生的理念,引入新的角色,对原有业务活动进行重构。
随着AI技术和商业模式的加速发展,面对长期低效、做不好的业务活动,AI原生应用或许能另辟蹊径,提供突破性的解法。
第四是用于降低交易风险。
可以利用AI原生应用学习并理解特定领域的交易数据,结合公开数据和私有数据,包括交易记录、信用评分、市场案例等,对新交易进行风险探测和预警,尤其是在金融行业,金融机构可以利用AI原生应用对大量财务数据、征信数据进行分析,以及可以端到端打通业务活动。诸如此类,AI在数据密集、决策变量多的领域具备广阔的发展空间。
以AI原生的视角发掘价值创造的机会
在AI原生应用将迎来爆发式发展的前夜,我们对即将到来的全新图景充满希冀。面对无数可能性,当前时代的优秀企业家应开放心态、拥抱变化,通过AI原生的视角发掘在行业和企业内创造价值的机会。我们为参与其中的企业提供以下建议:
一是着手培养AI人才梯队并提升组织能力。AI时代不仅需要顶尖的技术专家,更需要兼通技术、业务、管理的复合型人才。二是构建适应自身的AI技术能力。企业应开始着手构建适应自身的AI技术能力,选择合适的工程平台、数据管理工具、大模型、云服务设施等技术要件来落地。
三是公司层面展开全方位变革,“AI+”不仅是一场技术领域变革,更是针对公司治理、业务流程、上下游供应等各领域的变革。需要公司制定严谨的AI升级战略,来面对未来的行业变化以及AI所带来的挑战。
四是寻找新的垂直市场机会。我们建议创业公司专注在仍未被开发的细分领域、聚焦于业务需求的端到端方案,创造在没有生成式AI的时代难以出现的AI原生应用。
五是将AI原生应用与商业模式创新相结合,实践AI原生应用开发绝非开发一款孤立的应用程序这么简单,而应与重塑组织内外部利益相关者交易关系相结合。
(魏炜为北京大学汇丰商学院管理学教授,马勇斌为北京大学汇丰商学院MBA,王子阳为西安交通大学物流科创融合发展与研究中心副教授,张鹏程为华中科技大学管理学院管理学教授)