創新要趁早。

大模型淘金熱中，除了平臺機會，更多科技公司正在致力于挖掘大模型在軟件應用上的機會和可能。

SaaS行業也正在迎來新一波的創新熱潮。國際頭部SaaS公司Salesforce在今年3月推出了生成式人工智能（AI）工具Einstein GPT，打造了全球首個生成式AI客戶關系管理（CRM）技術。其中Einstein GPT將把Salesforce現有的AI模型與OpenAI的GPT-3.5大型語言模型相結合，不僅可以為銷售人員生成個性化的電子郵件，還可以自動化回復幫助銷售和營銷人員，同時也可以給開發人員自動生成代碼。

更多SaaS公司在借助大模型全新的能力進行產業創新應用探索，比如，Notion就基于OpenAI 的GPT-3 開源模型，推出了Notion AI （Alpha） 寫作助手，并將其作為一個單獨售賣的產品。

種種現象表明，不論是技術路徑、產品創新，還是商業化可能性，大模型正在全面打開SaaS行業的新想象。國內很多公司也都紛紛加入這場新技術的淘金熱中。

Moka是國內SaaS領域比較早就基于大模型技術推出創新性產品的公司之一。今年6月， Moka 的探索成果正式亮相，公司推出了基于大模型技術的HR SaaS行業AI 原生產品 Moka Eva，其功能涵蓋對話式BI、員工Chatbot、簡歷智能初篩、定制面試題、AI寫面評等，幫助企業和組織全面提升HR相關工作的效率。

創業公司在前沿科技的探索和實踐和創始人自身對技術的認知息息相關，Moka新技術實踐背后亦然。李國興將Moka Eva定義為“未來的職場專屬AI HR伙伴”，他們希望為管理者、HR及員工三方帶來AGI時代新體驗。目前，Moka已經正式啟動了試用客戶招募，希望和客戶共同打磨和優化產品體驗。

在創業之前，Moka創始人李國興也與AI有很深的淵源。本科期間，他在上海交通大學/密西根完成計算機雙學位，之后在斯坦福讀計算機碩士期間，主攻方向也是AI，內容涵蓋自然語言和計算機視覺方向，期間他曾擔任cs229 machine learning課程的助教，老師就是鼎鼎有名的AI大師吳恩達。

本次，「甲子光年」獨家對話了李國興，談了談他眼中新技術帶來的機會和挑戰。

以下是對話全文：

???

1.談產品：新技術下的新創新

甲子光年：具體談談最新發布的Eva？

李國興：EVA是一個擬人化的設定，我們的設定里，它是HR合作伙伴，像HR一樣能夠幫助到工作，不是要取代HR，而是要大幅提升HR的生產力。

企業需要結合新技術來解決當前組織管理中面臨的挑戰：組織管理的復雜性、人事流程的繁瑣、績效評估等一直是企業的痛點，大家都在渴望尋找更多降本增效解決方案來優化管理流程、提高工作效率，并最大限度地釋放人力資源的潛能。

EVA面對的是比較復雜的場景，我們在嘗試看到工作中有哪些過程可以簡化，有哪些可以通過EVA這樣新的工具覆蓋，沿著這個思路再去做，不斷覆蓋更多的場景，更多地幫助客戶。

Moka Eva可以實現對話式BI、員工Chatbot、簡歷智能初篩、定制面試題及AI寫面評五大能力，可大幅提升HR的工作生產力。在未來，Moka將嘗試推出更多 AI 在HR SaaS領域的產品應用，幫助企業全面提升招聘效率、優化員工體驗、賦能管理者決策。這些功能的規劃都源自于Moka長期以來對于企業真實人力資源場景的洞察。

甲子光年：這次怎么能這么快推出新的大模型+HR SaaS的產品？

李國興：得益于Moka在AI方向領域多年的探索研究。2018年，我們就成立了自己的算法團隊，那個時候就招了一些人，我自己當時還寫了部分代碼。當時我們認為，AI的發展會給招聘領域帶來非常大的效率和生產力的提升。

雖然，過去幾年技術還處于比較沒那么成熟的狀態，我們依舊在持續投入和優化，也在一些個別場景里獲得了客戶的認可。

甲子光年：當時AI技術具體用在我們的什么產品上？分享一下具體的案例。

李國興：舉一個簡歷匹配的例子。比如我們現在要招一個記者，如果有大量的簡歷進來，借助我們的產品，可以幫助HR做初篩或者排序，通過算法匹配人才和崗位。

背后，算法技術會依據過去公司在記者這一崗位招聘的行為數據，進行分析，最終會自動篩選或進行簡歷的評分推薦，基于數據，系統可以設置淘汰或者自動推薦到下一個招聘階段，同時按照匹配度，HR可以安排工作的優先級。

另一個產品是人才庫推薦。這是2018年開始，我們借助AI算法對人才庫產品進行的升級。比如，有的企業端用系統比較久之后，會積累大量的簡歷數據，但對企業而言這是“沉睡”資產，他們希望把候選人信息持續盤活利用起來，從而優化招聘成本。所以，借助我們的人才庫系統，企業如果有職位需求出來，會優先去人才庫里面做推薦。

除此之外，今年，借助大模型技術，我們上線了一個新功能，讓HR用幾句話描述崗位的招聘需求，從一些明確的硬性的描述信息中，我們的 AI模型可以自動化分析這些簡歷，進行排序，同時生成推薦原因的總結，輸出自己的觀點，讓HR更快獲得信息。

甲子光年：新的大模型技術對我們此前的AI算法路徑有改變嗎？

李國興：當然，很多知識圖譜的能力我們不需要自己從頭開始做了。但我們并沒有用大模型技術完全替代了此前的算法路徑。這其中有兩個關鍵因素：成本和性能。

之前，在一些具體的任務中，我們在不斷通過數據持續優化算法模型，讓它在具體的任務和領域中做得比較好，但這個模型不是特別大的模型。現在我們談論的大模型，它的優勢是有泛化能力，在通用知識上可以拆解的不錯，但在具體的業務場景，大模型的行業知識和成本都會是一個挑戰，通用能力并不能直接替代原有的技術實踐。

我們用大模型改進和創造一個產品需要綜合考慮：性能怎么樣，成本怎么樣，效果怎么樣，這三者之間要找一個平衡點。

這個過程中，保障信息安全是個重要的前提。我們有義務去保障這些個人信息、企業信息的安全性，不能做一些有損于所屬方利益相關的事情，更不能做不經允許的事情。

2.談行業：SaaS+大模型=？

甲子光年：大模型火了之后，你自己感受到目前行業對于新技術的態度是什么？

李國興：大家基本都還在一個摸索的階段。目前，看到比較多的是HR用它來提高工作效率，但還沒看到一個產品型的公司從頭開始定義新的產品鏈路。硅谷的公司會跑的快一些，現在已經有各種各樣的產品。

新技術結合具體領域的應用需要一些時間，大家都還處于一個非常早期的階段。

技術一定會越來越好，但也需要去看技術的成熟度。目前，確實進入了一個加速階段，各個行業都迅速達成了共識，投入各種資源、資本、人才在探索大模型落地，幾乎每天都在發生新的一些變化，但達到商用還需要一段時間，才能去影響更多的企業。

尤其，目前我們看到，雖然GPT-4通用能力強，但它的成本、性能、效率等在一些實時的行業場景里面不一定特別適合，比如在HR領域，它不是一個績效專家，也不是一個招聘專家，所以需要有更專注垂直的公司進行數據分類，把產品做的更深入。

甲子光年：你覺得大模型機會下，HR SaaS 行業會有顛覆性的產品創新嗎？

李國興：未來10年組織的競爭力取決于組織內“人+AI”的結合深度，如何在各個工作領域中應用好AI技術，需要組織的積累，需要盡早行動才能構建組織上的壁壘和優勢。

SaaS雖然是一種新的商業模式和產品服務的模式，但是本質上還是在解決企業的效率和管理問題，幫助企業把數據運維的更精準，幫助企業把決策、制度、流程落地，幫助提升內部的運轉效率。這些本質不會改變，企業永遠需要降本增效。

? AI本質上是一種生產力，肯定會更深入的去影響企業的工作流。它會和企業軟件融合在一起，更深入到業務的細處。

大模型來了之后，一方面改變了人機交互的形式，從之前的圖形界面等交互方式，變成自然語言交互。另一方面它可以干一些以前只有人才能干的事。隨著技術的發展，我們會越來越多地看到各種產品中AI的影子。

重新定義一個工作流的這種模式可能概率比較小了。技術變革出現之后，是否會有全新的物種出現，顛覆掉之前的公司或者模式，本質上還是要看現有公司的認知，如果大家都在擁抱新技術，就會存在先發優勢。

當然，怎么能夠通過新的技術優化這個過程的需求一定存在，AI肯定會改造，但我覺得這是一個漸進式的過程，不會突然一下就完全變了。而隨著技術的成熟，大家都會結合技術做深入的應用，Moka也在all in這件事，我個人至少40%的精力做相關的探索。

甲子光年：目前企業用戶對于大模型+HR SaaS這種新產品的的態度是什么？

李國興：有大量的客戶對大模型技術和新產品表現出濃厚的興趣，挺讓我們驚喜，大家都對這個東西感興趣，也有很多客戶主動找到我們去聊他們的一些想法。

一個月的時間，我溝通過的30家多家客戶基本上每一家都在聊大模型相關的話題，大家不僅關注新技術，還關心怎么借助新技術幫助提升工作效率。其中有一家客戶還專門寫出詳細的ppt來談招聘過程中，他們希望大模型怎么幫助他們在各種場景、環節、流程中去提升效率。

客戶需求是企業創新的源動力之一，他們正在幫助我們去更深地理解應用場景，集合我們對技術的理解，大家一起在探索改造現有的工作流和場景的可能性。這個事做好了，就能夠在AI新時代里面取得一個非常領先的優勢。

3.談未來：大模型的一萬種可能

甲子光年：大模型技術讓你感到驚艷的點在什么地方？

李國興：你會發現到這個階段，它真的跟人非常像，比如人很多時候會用機器來幫助自己做事。GPT-4也一樣，它會變得越來越會使用下游的工具，成為一個智能體，擔任大腦的角色，去調用各種各樣的知識、工作和能力。

這真的是一個讓人特別興奮的未來，它雖然有局限，但局限并不是一個大的問題。技術的局限可以通過它使用工具來解決，同時它比人在很多時候情緒更穩，更客觀。

比如招聘環節里，在面試的時候，很多面試官判斷標準并不一致，有時也會因為面試官自己的面試狀態、情緒等會有一些不同變化，一些隨機的因素非常多。但如果GPT-4可以做面試工作，它可能會比人類面試會更準確。

甲子光年：未來你還期待哪些技術發展？

李國興：我特別興奮的是，大模型真的帶來了一個巨大的生產力的釋放。之前我們需要很多人很多力量去做這個事情，才能把成本迅速降低，才能讓更多的人去做一些其余的工作。

未來的組織有無限的可能，有可能像現在這樣，很多資本、很多的人形成一個巨大型組織，也有可能真的一兩個人能做出非常適配某一個客戶群體的產品和服務，他們也不需要很多成本，成本也大幅降低，也能讓這個公司變得健康運轉，這種想象空間非常大。

當然優秀的人才會越來越稀缺，因為更簡單的思維和智力性工作會被AI模型做掉，但是相對比較跨域的，比較偏戰略思維方式的人才會比較稀缺。很有可能未來會出現更靈活的雇傭模式。

甲子光年：也有人覺得現在all in大模型改革現有產品為時尚早，你怎么看？

李國興：我個人認為，這次的大模型技術跟過往的每一次技術變革都有類似之處，它剛出現的時候，一定有一些組織看好，一定有些人不看好，沒那么重要。

回過頭來看，那些沒有那么看好或者沒有那么重視新技術的一些公司和一些組織最終都會錯失良機，在未來的AI時代里這次肯定是新的科技革命。

在這種大變革里，什么公司真的能抓住機會？一定是整個組織從上到下都能夠非常深入的去理解和擁抱這種新的技術的人。做的越早，對這個東西的理解更好，積累就會越深，就一定會比其他的公司跑得很快。目前，國內創業者和公司的熱情絲毫不亞于美國。

甲子光年：怎么看待這個時候機器與人新的合作和新的關系？

李國興：現在看上去AI確實替代了一小部分，但是長遠來看，它其實帶來的效果是廣泛性的。比如我們看到第二次工業革命，讓很多的工作消失了，電腦出現的時候，很多線下的計算工作消失了，但也衍生了非常多的一些新機會。

本質上，它就是一種新的生產力工具，人類要不斷迭代自己的工具，從這個層面來看，就看誰能多快適應這種新技術的變化。

但在偏感性的層面，如果你在做一份工作，你自己很享受做這個工作，突然某一天，機器已經做的比你好了，那人怎么重新找到這種意義感？我們做任何的技術工作其實都是想讓整個人類變得更好，生活得更好，工作更好。雖然會很辛苦，但如果把這些開心的部分從工作上給拿走了，該如何重新尋找新的意義，這是一個需要我們去思考的問題。

眼下，最核心的是，每一個人真的要去擁抱新的技術，去真的使用它，去思考它會怎么影響自己的所做的事情，讓自己變得更有價值，這是最關鍵的。

我算是比較樂觀，有生之年，能看到技術進展到這個程度，而且在可見的未來會有非常快速的持續發展，這是一件讓人特別興奮的事兒。

這是任何一個創業者都會想要達到的一個狀態，非常有幸我在其中有一些積累，我們會義無反顧地朝著新技術的創新邁進。