对话Moka李国兴：大模型改造SaaS需要持续渐进式创新，先发者把握先机

创新要趁早。

大模型淘金热中，除了平台机会，更多科技公司正在致力于挖掘大模型在软件应用上的机会和可能。

SaaS行业也正在迎来新一波的创新热潮。国际头部SaaS公司Salesforce在今年3月推出了生成式人工智能（AI）工具Einstein GPT，打造了全球首个生成式AI客户关系管理（CRM）技术。其中Einstein GPT将把Salesforce现有的AI模型与OpenAI的GPT-3.5大型语言模型相结合，不仅可以为销售人员生成个性化的电子邮件，还可以自动化回复帮助销售和营销人员，同时也可以给开发人员自动生成代码。

更多SaaS公司在借助大模型全新的能力进行产业创新应用探索，比如，Notion就基于OpenAI 的GPT-3 开源模型，推出了Notion AI （Alpha） 写作助手，并将其作为一个单独售卖的产品。

种种现象表明，不论是技术路径、产品创新，还是商业化可能性，大模型正在全面打开SaaS行业的新想象。国内很多公司也都纷纷加入这场新技术的淘金热中。

Moka是国内SaaS领域比较早就基于大模型技术推出创新性产品的公司之一。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术的HR SaaS行业AI 原生产品 Moka Eva，其功能涵盖对话式BI、员工Chatbot、简历智能初筛、定制面试题、AI写面评等，帮助企业和组织全面提升HR相关工作的效率。

创业公司在前沿科技的探索和实践和创始人自身对技术的认知息息相关，Moka新技术实践背后亦然。李国兴将Moka Eva定义为“未来的职场专属AI HR伙伴”，他们希望为管理者、HR及员工三方带来AGI时代新体验。目前，Moka已经正式启动了试用客户招募，希望和客户共同打磨和优化产品体验。

在创业之前，Moka创始人李国兴也与AI有很深的渊源。本科期间，他在上海交通大学/密西根完成计算机双学位，之后在斯坦福读计算机硕士期间，主攻方向也是AI，内容涵盖自然语言和计算机视觉方向，期间他曾担任cs229 machine learning课程的助教，老师就是鼎鼎有名的AI大师吴恩达。

本次，「甲子光年」独家对话了李国兴，谈了谈他眼中新技术带来的机会和挑战。

以下是对话全文：

‍‍‍

1.谈产品：新技术下的新创新

甲子光年：具体谈谈最新发布的Eva？

李国兴：EVA是一个拟人化的设定，我们的设定里，它是HR合作伙伴，像HR一样能够帮助到工作，不是要取代HR，而是要大幅提升HR的生产力。

企业需要结合新技术来解决当前组织管理中面临的挑战：组织管理的复杂性、人事流程的繁琐、绩效评估等一直是企业的痛点，大家都在渴望寻找更多降本增效解决方案来优化管理流程、提高工作效率，并最大限度地释放人力资源的潜能。

EVA面对的是比较复杂的场景，我们在尝试看到工作中有哪些过程可以简化，有哪些可以通过EVA这样新的工具覆盖，沿着这个思路再去做，不断覆盖更多的场景，更多地帮助客户。

Moka Eva可以实现对话式BI、员工Chatbot、简历智能初筛、定制面试题及AI写面评五大能力，可大幅提升HR的工作生产力。在未来，Moka将尝试推出更多 AI 在HR SaaS领域的产品应用，帮助企业全面提升招聘效率、优化员工体验、赋能管理者决策。这些功能的规划都源自于Moka长期以来对于企业真实人力资源场景的洞察。

甲子光年：这次怎么能这么快推出新的大模型+HR SaaS的产品？

李国兴：得益于Moka在AI方向领域多年的探索研究。2018年，我们就成立了自己的算法团队，那个时候就招了一些人，我自己当时还写了部分代码。当时我们认为，AI的发展会给招聘领域带来非常大的效率和生产力的提升。

虽然，过去几年技术还处于比较没那么成熟的状态，我们依旧在持续投入和优化，也在一些个别场景里获得了客户的认可。

甲子光年：当时AI技术具体用在我们的什么产品上？分享一下具体的案例。

李国兴：举一个简历匹配的例子。比如我们现在要招一个记者，如果有大量的简历进来，借助我们的产品，可以帮助HR做初筛或者排序，通过算法匹配人才和岗位。

背后，算法技术会依据过去公司在记者这一岗位招聘的行为数据，进行分析，最终会自动筛选或进行简历的评分推荐，基于数据，系统可以设置淘汰或者自动推荐到下一个招聘阶段，同时按照匹配度，HR可以安排工作的优先级。

另一个产品是人才库推荐。这是2018年开始，我们借助AI算法对人才库产品进行的升级。比如，有的企业端用系统比较久之后，会积累大量的简历数据，但对企业而言这是“沉睡”资产，他们希望把候选人信息持续盘活利用起来，从而优化招聘成本。所以，借助我们的人才库系统，企业如果有职位需求出来，会优先去人才库里面做推荐。

除此之外，今年，借助大模型技术，我们上线了一个新功能，让HR用几句话描述岗位的招聘需求，从一些明确的硬性的描述信息中，我们的 AI模型可以自动化分析这些简历，进行排序，同时生成推荐原因的总结，输出自己的观点，让HR更快获得信息。

甲子光年：新的大模型技术对我们此前的AI算法路径有改变吗？

李国兴：当然，很多知识图谱的能力我们不需要自己从头开始做了。但我们并没有用大模型技术完全替代了此前的算法路径。这其中有两个关键因素：成本和性能。

之前，在一些具体的任务中，我们在不断通过数据持续优化算法模型，让它在具体的任务和领域中做得比较好，但这个模型不是特别大的模型。现在我们谈论的大模型，它的优势是有泛化能力，在通用知识上可以拆解的不错，但在具体的业务场景，大模型的行业知识和成本都会是一个挑战，通用能力并不能直接替代原有的技术实践。

我们用大模型改进和创造一个产品需要综合考虑：性能怎么样，成本怎么样，效果怎么样，这三者之间要找一个平衡点。

这个过程中，保障信息安全是个重要的前提。我们有义务去保障这些个人信息、企业信息的安全性，不能做一些有损于所属方利益相关的事情，更不能做不经允许的事情。

2.谈行业：SaaS+大模型=？

甲子光年：大模型火了之后，你自己感受到目前行业对于新技术的态度是什么？

李国兴：大家基本都还在一个摸索的阶段。目前，看到比较多的是HR用它来提高工作效率，但还没看到一个产品型的公司从头开始定义新的产品链路。硅谷的公司会跑的快一些，现在已经有各种各样的产品。

新技术结合具体领域的应用需要一些时间，大家都还处于一个非常早期的阶段。

技术一定会越来越好，但也需要去看技术的成熟度。目前，确实进入了一个加速阶段，各个行业都迅速达成了共识，投入各种资源、资本、人才在探索大模型落地，几乎每天都在发生新的一些变化，但达到商用还需要一段时间，才能去影响更多的企业。

尤其，目前我们看到，虽然GPT-4通用能力强，但它的成本、性能、效率等在一些实时的行业场景里面不一定特别适合，比如在HR领域，它不是一个绩效专家，也不是一个招聘专家，所以需要有更专注垂直的公司进行数据分类，把产品做的更深入。

甲子光年：你觉得大模型机会下，HR SaaS 行业会有颠覆性的产品创新吗？

李国兴：未来10年组织的竞争力取决于组织内“人+AI”的结合深度，如何在各个工作领域中应用好AI技术，需要组织的积累，需要尽早行动才能构建组织上的壁垒和优势。

SaaS虽然是一种新的商业模式和产品服务的模式，但是本质上还是在解决企业的效率和管理问题，帮助企业把数据运维的更精准，帮助企业把决策、制度、流程落地，帮助提升内部的运转效率。这些本质不会改变，企业永远需要降本增效。

‍ AI本质上是一种生产力，肯定会更深入的去影响企业的工作流。它会和企业软件融合在一起，更深入到业务的细处。

大模型来了之后，一方面改变了人机交互的形式，从之前的图形界面等交互方式，变成自然语言交互。另一方面它可以干一些以前只有人才能干的事。随着技术的发展，我们会越来越多地看到各种产品中AI的影子。

重新定义一个工作流的这种模式可能概率比较小了。技术变革出现之后，是否会有全新的物种出现，颠覆掉之前的公司或者模式，本质上还是要看现有公司的认知，如果大家都在拥抱新技术，就会存在先发优势。

当然，怎么能够通过新的技术优化这个过程的需求一定存在，AI肯定会改造，但我觉得这是一个渐进式的过程，不会突然一下就完全变了。而随着技术的成熟，大家都会结合技术做深入的应用，Moka也在all in这件事，我个人至少40%的精力做相关的探索。

甲子光年：目前企业用户对于大模型+HR SaaS这种新产品的的态度是什么？

李国兴：有大量的客户对大模型技术和新产品表现出浓厚的兴趣，挺让我们惊喜，大家都对这个东西感兴趣，也有很多客户主动找到我们去聊他们的一些想法。

一个月的时间，我沟通过的30家多家客户基本上每一家都在聊大模型相关的话题，大家不仅关注新技术，还关心怎么借助新技术帮助提升工作效率。其中有一家客户还专门写出详细的ppt来谈招聘过程中，他们希望大模型怎么帮助他们在各种场景、环节、流程中去提升效率。

客户需求是企业创新的源动力之一，他们正在帮助我们去更深地理解应用场景，集合我们对技术的理解，大家一起在探索改造现有的工作流和场景的可能性。这个事做好了，就能够在AI新时代里面取得一个非常领先的优势。

3.谈未来：大模型的一万种可能

甲子光年：大模型技术让你感到惊艳的点在什么地方？

李国兴：你会发现到这个阶段，它真的跟人非常像，比如人很多时候会用机器来帮助自己做事。GPT-4也一样，它会变得越来越会使用下游的工具，成为一个智能体，担任大脑的角色，去调用各种各样的知识、工作和能力。

这真的是一个让人特别兴奋的未来，它虽然有局限，但局限并不是一个大的问题。技术的局限可以通过它使用工具来解决，同时它比人在很多时候情绪更稳，更客观。

比如招聘环节里，在面试的时候，很多面试官判断标准并不一致，有时也会因为面试官自己的面试状态、情绪等会有一些不同变化，一些随机的因素非常多。但如果GPT-4可以做面试工作，它可能会比人类面试会更准确。

甲子光年：未来你还期待哪些技术发展？

李国兴：我特别兴奋的是，大模型真的带来了一个巨大的生产力的释放。之前我们需要很多人很多力量去做这个事情，才能把成本迅速降低，才能让更多的人去做一些其余的工作。

未来的组织有无限的可能，有可能像现在这样，很多资本、很多的人形成一个巨大型组织，也有可能真的一两个人能做出非常适配某一个客户群体的产品和服务，他们也不需要很多成本，成本也大幅降低，也能让这个公司变得健康运转，这种想象空间非常大。

当然优秀的人才会越来越稀缺，因为更简单的思维和智力性工作会被AI模型做掉，但是相对比较跨域的，比较偏战略思维方式的人才会比较稀缺。很有可能未来会出现更灵活的雇佣模式。

甲子光年：也有人觉得现在all in大模型改革现有产品为时尚早，你怎么看？

李国兴：我个人认为，这次的大模型技术跟过往的每一次技术变革都有类似之处，它刚出现的时候，一定有一些组织看好，一定有些人不看好，没那么重要。

回过头来看，那些没有那么看好或者没有那么重视新技术的一些公司和一些组织最终都会错失良机，在未来的AI时代里这次肯定是新的科技革命。

在这种大变革里，什么公司真的能抓住机会？一定是整个组织从上到下都能够非常深入的去理解和拥抱这种新的技术的人。做的越早，对这个东西的理解更好，积累就会越深，就一定会比其他的公司跑得很快。目前，国内创业者和公司的热情丝毫不亚于美国。

甲子光年：怎么看待这个时候机器与人新的合作和新的关系？

李国兴：现在看上去AI确实替代了一小部分，但是长远来看，它其实带来的效果是广泛性的。比如我们看到第二次工业革命，让很多的工作消失了，电脑出现的时候，很多线下的计算工作消失了，但也衍生了非常多的一些新机会。

本质上，它就是一种新的生产力工具，人类要不断迭代自己的工具，从这个层面来看，就看谁能多快适应这种新技术的变化。

但在偏感性的层面，如果你在做一份工作，你自己很享受做这个工作，突然某一天，机器已经做的比你好了，那人怎么重新找到这种意义感？我们做任何的技术工作其实都是想让整个人类变得更好，生活得更好，工作更好。虽然会很辛苦，但如果把这些开心的部分从工作上给拿走了，该如何重新寻找新的意义，这是一个需要我们去思考的问题。

眼下，最核心的是，每一个人真的要去拥抱新的技术，去真的使用它，去思考它会怎么影响自己的所做的事情，让自己变得更有价值，这是最关键的。

我算是比较乐观，有生之年，能看到技术进展到这个程度，而且在可见的未来会有非常快速的持续发展，这是一件让人特别兴奋的事儿。

这是任何一个创业者都会想要达到的一个状态，非常有幸我在其中有一些积累，我们会义无反顾地朝着新技术的创新迈进。