Comment Productivity SaaS peut-il résoudre les perturbations de l'IA ?

Source originale : Licornes d'outre-mer

Source de l'image : générée par l'IA illimitée‌

GPT est un modèle de productivité et OpenAI perturbe la productivité.

Évidemment, cela rend les gens de la productivité SaaS anxieux. La vidéo promotionnelle de Clickup AI a accidentellement souligné la stratégie d'IA actuelle de ces "anciennes" entreprises, c'est-à-dire en concurrence pour lancer des cas d'utilisation similaires dans leurs propres scénarios de produits.

Bien que ces cas d'utilisation eux-mêmes soient fondamentalement homogènes, nous avons tout de même observé des propositions de valeur uniques - par exemple, autour des "données", le SaaS qui sert vraiment les clients au niveau de l'entreprise "n'utilise pas et ne stocke pas dans leur propre logiciel" comme première réaction de chacun. Les données formation LLM", mais davantage d'accent sur la confiance de la livraison dans le cloud, des ensembles de données sans droits d'auteur ni risques juridiques, et mieux aider les clients à créer des données pour les modèles.

** Ainsi, bien que nous ne puissions toujours pas identifier les SaaS qui en bénéficient et ceux qui en souffrent à long terme, nous pouvons déjà voir quelles entreprises ont des stratégies d'adaptation vraiment différenciées. Suivant cette ligne de pensée, cet article sélectionne les trois méthodes et les cas multiples qui me ressortent le plus au deuxième et au premier niveau respectivement. Cependant, même avec ces stratégies en place, le SaaS de productivité doit encore faire face à une série de défis en matière de tarification, de concurrence avec ChatGPT et de feuilles de route de produits à long terme.La bataille pour l'entrée de la productivité est dans une phase féroce. **

Il convient de noter que le SaaS de productivité a deux définitions : large et étroite. La définition étroite ne fait généralement référence qu'à la collaboration de production autour de scénarios de base tels que des documents (tels que Notion), des tâches (telles que ClickUp), des vidéos (telles que Zoom), et des tables (comme Airtable).SaaS, tandis que le plus large comprend la plupart des SaaS qui peuvent améliorer l'efficacité opérationnelle de l'entreprise, de l'énorme CRM aux outils d'automatisation intelligents comme Zapier. Le SaaS de productivité dont il est question dans cet article est plus un large champ d'application de ce dernier.

Résumé:

1. La proposition de valeur et la stratégie commerciale des géants de second rang
2. Les "licornes d'outre-mer" cherchent un endroit où vivre et travailler
3. Cinq défis majeurs rencontrés par la fonction IA du SaaS au stade actuel

Comme nous l'avons souligné dans l'article de Kick, ** nous avons observé dans la Silicon Valley que la proportion d'investisseurs dits "All in AI" est bien inférieure à ce que nous attendions. **Un point de vue courant est que l'IA générative n'apporte pas de nouveaux groupes d'utilisateurs et les canaux d'acquisition de clients correspondants comme l'Internet mobile et le cloud, donc les anciens joueurs avec des avantages Go-To-Market ont un avantage. Une autre perception courante est ** "Il est trop tôt pour investir dans des applications natives d'IA, il est plus rentable de faire bon usage de GenAI dans votre portefeuille existant." **

Du point de vue de la direction des "anciennes" entreprises, chacun a pleinement vécu les trois vagues du PC, de l'Internet mobile et du cloud. Cependant, GenAI arrive avec acharnement et le consensus est complet.Aucune entreprise ne devrait avoir le sentiment que cette vague d'opportunités est trop petite, elles sont donc particulièrement FOMO et entrent clairement sur le marché.

Cependant, à ce stade, les cas d'utilisation réels de GenAI lancés par diverses entreprises ne sont pas mauvais. C'est l'agencement et la combinaison de "compréhension", "génération" et "raisonnement" dans divers scénarios. Il est facile de se lasser de trop voir. ** Nous avons mis de côté ces cas d'utilisation spécifiques qui ont été suffisamment discutés, combinés à l'expérience de visite et de recherche dans la Silicon Valley, et avons sélectionné 3 propositions de valeur et stratégies qui nous semblent plus intéressantes pour les géants de second rang et les premiers Licornes du marché -tiers. Dites-moi en détail. **

Source - Frameworks des cas d'utilisation de GenAI

par Alana Smith

01. La proposition de valeur et la stratégie commerciale des géants de second rang

Plusieurs angles pour lire les "données"

Premier angle : pas de contact avec les données client

Les "données" peuvent devenir une proposition de valeur très puissante, mais ce n'est pas notre première réaction qu'"une grande quantité de données CRM est stockée sur Salesforce, et il existe un grand nombre d'enregistrements de réunions potentiels sur Zoom, qui peuvent être utilisés pour former un modèle puissant". Au contraire, c'est l'une des propositions de valeur les plus importantes de ces entreprises de s'assurer que les données des clients ne sont pas utilisées sans autorisation pour former des modèles ou automatiser des tâches pour les clients. ** Pour les clients des grandes entreprises, GenAI peut en effet devenir un artefact de productivité, mais c'est aussi une nouvelle technologie à laquelle il est difficile de faire confiance. cet écart. En ce qui concerne la confiance et la confidentialité, récemment, "open source + déploiement local" est devenu une réponse sans cervelle. En plus de cette approche évidente, assurer la confidentialité et la sécurité sur le cloud est la compétence de base que le SaaS qui peut servir les grandes entreprises a accumulé au cours des 10 dernières années. Prenons un détail de Slack comme exemple : afin d'étendre sa clientèle des PME et des moyennes entreprises aux grandes entreprises, il a dépensé beaucoup d'argent pour effectuer des personnalisations plus complexes des schémas de chiffrement de données standard. , Laissez le client contrôler la clé, et Slack appelle ensuite la clé définie par le client via le service pour chiffrer les données de l'utilisateur. Ce niveau de "sécurité et de contrôlabilité" est également très courant dans les outils de productivité basés sur Microsoft. ** "Ne touchez pas aux données client" est la base pour établir la confiance. Dans le cas de cas d'utilisation homogènes, les solutions de confidentialité et de sécurité des données personnalisées pour GenAI ont la possibilité de devenir une proposition de valeur différenciée. ** Bien que Microsoft ait beaucoup accumulé sur ce point, il n'a pas promu de manière agressive cet argument de vente au monde extérieur. Au contraire, Einstein GPT de Salesforce utilise davantage cette proposition de valeur.Après l'annonce d'Einstein GPT en mars, le plus grand développement récent est le lancement de la couche de confiance, essayant de se clarifier comme l'offre GenAI "la plus fiable".

Deuxième angle : ne touchez pas aux données de copyright

Adobe Firefly a été ridiculisé lors de sa première sortie il y a 4 mois, et ses Pikachu et Hello Kitty générés étaient horribles. Mais maintenant, Firefly a aidé les utilisateurs d'Adobe à générer plus d'un milliard d'actifs dans la version Web et Photoshop, et a été évalué par la société comme "les deux produits bêta les plus réussis de l'histoire d'Adobe".

Le monde extérieur a progressivement saisi la proposition de valeur unique de Firefly au cours des derniers mois : ** Restez impressionné par le contenu protégé par des droits d'auteur non autorisés et aidez les utilisateurs de leurs produits à éviter les risques juridiques liés à la commercialisation de ces actifs générés. **Le cœur de cette proposition de valeur est de créer un ensemble de données totalement exempt de problèmes de droits d'auteur. Stability AI et Midjourney continuent de conserver une mince avance sur Firefly en termes de performances, mais font inévitablement face à des recours collectifs car ils utilisent l'ensemble de données LAION contenant 5,6 milliards d'images extraites du Web public sans autorisation.

Troisième angle : aider les clients à connecter les données

Traitement des données à l'aide de LLM

Source : a16z

Il existe d'innombrables startups sur cette piste, je ne répéterai donc pas les cas d'utilisation les plus typiques de la connexion de données. En plus de cela, la capacité d'intégrer des données à travers le local et le cloud est une compétence de base qui nécessite une accumulation à long terme.Les géants SaaS existants ont des avantages différenciés : ils ont connu la période embarrassante du passage sur site au cloud pour le traitement des données de stock, De plus, Salesforce a acquis Mulesoft, Google a Apigee et Microsoft a Power Platform, qui disposent tous de divers connecteurs puissants pour aider les clients à collecter des données entre les organisations et à travers le local et le cloud.

En intégrant verticalement son propre cloud, ses connecteurs de données et ses scénarios de produits, puis en collaborant avec le LLM des partenaires, le SaaS établi peut fournir aux clients une véritable pile de bout en bout, en collectant d'abord les données, puis en coordonnant les données et en créant un pipeline lié aux données. rendre les données disponibles dans différents modèles et scénarios. L'effet sur les ventes de cette proposition de valeur est actuellement inconnu, mais au moins cela semble merveilleux.

Les trois angles de jeu avec les données sont présentés ci-dessus, mais le but n'est pas de rendre GenAI plus puissant, mais de le rendre vraiment Business Class et Enterprise Ready.

Profitez-en pour relancer la marque du produit

GenAI peut non seulement jouer un rôle pratique, mais aussi une parfaite aide marketing :

• EinsteinGPT ramène l'attention sur le petit logo Einstein de Salesforce. Vous devez savoir que Salesforce, la marque d'IA d'Einstein, n'était pas considérée comme un succès auparavant, et qu'il n'y avait pas de produit leader absolu sur le marché. intelligence conversationnelle ;

• Microsoft est similaire dans les produits Bing et Process Mining. Il existe encore un écart considérable entre Bing et Google en termes d'expérience de recherche, et Power Automate Processing Mining de l'acquisition de Minit par Microsoft est également comparable à des acteurs indépendants tels que Celonis. mais grâce à Bing Chat et Copilot, tous deux réorientés vers des clients potentiels et ont suscité une vague d'attention ;

Dans Power Automate Processing Mining de Microsoft

Utilisation du copilote

• Zoom IQ a commencé tardivement sur la voie de Conversation Intelligence, mais grâce à son intégration avec GenAI, il a rapidement lancé la collaboration avec d'autres scénarios de productivité Zoom et a gagné plus d'exposition et d'attention de la part des clients ;

Utilisation de Zoom IQ pour générer et répondre aux e-mails

• Des entreprises telles que UiPath et Five9, considérées comme des perdants potentiels à long terme, ont également été très actives dans l'intégration de GenAI pour rendre leurs larges gammes de produits plus intelligentes ;

……

Bien que ces tactiques aient aidé d'autres produits sans éruptions à reprendre du poil de la bête, cette fenêtre pourrait se refermer. Avec l'intégration de Copilot dans les différents produits de Microsoft et GenAI d'autres sociétés de la version bêta privée à la version officielle pour la livraison aux clients, le rôle de l'offre GenAI passera de "l'augmentation des prospects" à "l'augmentation du taux de réussite". **

Développez TAM pour maintenir le bénéfice brut

Quand l'environnement économique incertain et la situation macro rencontrent GenAI, qui fait consensus, on voit des entreprises du marché secondaire tenter de faire une posture "All in AI", soulignant sans cesse que c'est le moment de la nouvelle révolution industrielle ou de l'émergence des PC, cependant, en termes de stratégie commerciale réelle, il essaie toujours d'utiliser GenAI pour étendre le TAM tout en maintenant autant que possible le bénéfice brut.

Quelques entreprises telles que Microsoft et Google qui approfondissent la couche modèle font légèrement exception : elles sont prêtes à augmenter leurs investissements CapEx tout en maintenant leur bénéfice brut.

Parmi le grand nombre d'entreprises SaaS, la pensée et les stratégies de Zoom sont standard à ce stade, c'est-à-dire que l'offre GenAI ne peut pas perdre d'argent et gagner de l'argent, et les clients doivent payer directement ou mettre à niveau leurs plans de paiement :

L'IA a moins d'impact sur la marge brute. **Pour les cas d'utilisation plus avancés et haut de gamme, nous aimerions facturer les clients soit en les laissant mettre à niveau leur plan d'abonnement, soit via le modèle de consommation de notre plateforme. Donc, dans l'ensemble, nous essayons de compenser toute pression potentielle. **Nous sommes très confiants dans l'amélioration de notre marge brute à long terme.

Eric Yuan - Zoom

En termes de modèle de tarification, en plus d'une série de produits IA de M365 Copilot, Zoom IQ for Sales et Salesforce, qui sont facturés séparément par siège et utilisation, le regroupement avec des abonnements payants est devenu une méthode de tarification très populaire :

Il est très difficile de trouver une tarification généralement acceptée par les clients tout en maintenant le bénéfice brut. Un grand nombre de produits sont encore en bêta privée, explorant les méthodes de tarification. A l'ère du cloud, le modèle de paiement à l'usage rempli de crédits a le vent en poupe, il faut aussi se demander si GenAI peut favoriser l'émergence d'un nouveau type de stratégie de tarification.

02. Les "licornes d'outre-mer" cherchent le fondement de leur vie

Pont intermédiaire avec super pouvoir exécutif

Pour le futur du SaaS de productivité, il existe deux types de vues :

• Les interfaces graphiques seront sans valeur et ces SaaS finiront par ne fournir qu'une valeur de base de données ;

• GenAI est un moteur de niveau Ferrari, mais vous avez quand même besoin d'une voiture complète.

D'un point de vue réaliste, le premier point de vue est encore difficile à atteindre à court terme, beaucoup pensent même que LUI est peut-être la pire des UI, ce qui nous ramène à l'ère de la ligne de commande. Bien sûr, aucune licorne SaaS n'est prête à accepter le premier sort, donc tout le monde essaie toujours de fournir aux utilisateurs une meilleure voiture.

À ce stade, les tentatives de Notion, ClickUp, Miro et d'autres sociétés ne sont pas fondamentalement différentes de M365 et de Google Workspace. Cependant, au premier trimestre, lorsque Bing et M365 ont presque dominé l'élan de l'attention du marché, Notion a prêté une attention particulière à la tendance d'OpenAI à la fin de 22 et est devenue la première entreprise SaaS de productivité native non IA à lancer un produit d'IA complet. Les joueurs, et ont reçu de bons retours du marché, et ont rapidement créé des millions de dollars en ARR.

Utilisation de Notion AI pour résumer et trier une littérature de recherche

Certains employés de Notion avec qui nous avons parlé ont positionné Notion AI comme un pont à double sens - les instructions fournies par Notion AI aident les utilisateurs à réduire le seuil de collecte et de colocalisation, et GenAI lui-même abaisse le seuil permettant aux utilisateurs d'utiliser divers composants complexes de Notion.

ClickUp, un autre roi du volume sous la piste de la productivité, est très similaire aux idées de résolution de problèmes de Notion.Ses produits sont plus complexes que Notion, intégrant des tableaux blancs, des vidéos et d'autres scènes. Avant qu'Atlassian, Asana, Monday.com et d'autres concurrents sur le marché secondaire n'aient l'offre GenAI, ClickUp a lancé son propre produit d'IA et a déterminé que seul Notion avait une stratégie de tarification générale, qui a rapidement produit un ARR considérable.

Gestion des tâches avec les capacités d'IA de ClickUp

Armez-vous avec l'open source

Pour certains SaaS de productivité, il peut ne pas suffire d'agir comme un pont intermédiaire, car leur technologie d'autosuffisance est directement mise au défi par LLM - deux exemples typiques sont l'analyse de dialogue de Gong.io et la recherche de code de Sourcegraph, qui sont toutes deux intégrées à la technologie traditionnelle. ML Models a construit des douves technologiques, mais maintenant ces douves ont été déchirées par LLM.

Les 3 technologies derrière Sourcegraph

La réponse de Gong a été assez satisfaisante et il n'y a eu aucune réaction au premier trimestre. Selon notre communication avec les premiers investisseurs, une partie de la raison peut être que l'équipe pense que les capacités du modèle ne sont pas le point décisif, et la capacité d'obtenir et de traiter les données de réunion et de conversation des clients est un sale boulot qui prend du temps à s'accumuler. Ce n'est que début juin que Gong a annoncé le lancement de Call Spotlight et des modèles d'IA générative propriétaires.

Il se peut que la capacité de ChatGPT et Github Copilot à traiter le code soit trop étonnante, et Sourcegraph est devenue une entreprise très impressionnante au cours des deux derniers trimestres en réponse à l'impact de GenAI. Bien que Sourcegraph se soit rendu compte très tôt que la fenêtre contextuelle de LLM présentait encore des défauts dans la gestion de plusieurs codes à grande échelle au niveau de la bibliothèque, cela n'a pas empêché l'innovation produit.Fin mars, il a fait face à la concurrence et a lancé l'assistant d'édition de code piloté par modèle d'Anthropic. Cody, et a rendu son code open source.

Solution technique derrière Cody

Parce que Cody a le long avantage contextuel des incorporations et la bénédiction unique de Code Graph de Sourcegraph, il a rapidement été largement discuté sur Hacker News et Twitter. L'attribut open source fait que Cody n'est pas limité aux produits Sourcegraph, mais peut être utilisé comme une extension IDE flexible.En tant qu'ancienne société et AI Native's Cursor et d'autres produits, il est rapidement devenu l'une des alternatives les plus probables à Github Copilot.

** Roulez sur la victoire pour augmenter la valeur **

Nous avons décrit les avantages à court terme de Zapier dans notre article sur le plugin ChatGPT :

Actuellement ChatGPT dispose d'une forte capacité d'utilisation d'outils, mais manque de savoir-faire en matière d'agrégation d'API, l'émergence de Plugin bénéficiera donc à court et moyen terme à des produits agrégateurs tels que Zapier. Zapier a beaucoup accumulé dans ce domaine. Désormais, si vous souhaitez effectuer des opérations complexes sur ChatGPT : comme résumer le texte et l'envoyer sur les réseaux sociaux, ou l'enregistrer dans Google Workspace, tout le monde choisira d'utiliser ChatGPT + Zapier pour y parvenir. ça. Dans de nombreux cas d'utilisation, ChatGPT n'a besoin d'être connecté qu'à l'agrégateur pour obtenir une très bonne expérience utilisateur, et il n'a pas besoin de se connecter à un grand nombre d'API, ce qui équivaut à ce que la partie similaire au SEO soit entièrement fournie par l'agrégateur.

……

Mais à long terme, ces produits sont confrontés aux impacts suivants : d'une part, la forme organisationnelle des API peut changer, et la fréquence et la fréquence des interactions entre produits peuvent se produire à l'ère du LLM. OpenAI a récemment publié la possibilité d'appeler des fonctions, ce qui a considérablement amélioré la convivialité de l'API.Ces changements pourraient affaiblir les douves de Zapier. D'autre part, les agrégateurs peuvent faire partie des opportunités du système d'exploitation. Microsoft, Google et Apple peuvent tous créer des capacités correspondantes basées sur leurs propres systèmes, et la concurrence est féroce.

La performance de l'équipe Zapier au cours des 6 derniers mois a été très impressionnante, montrant la vision et la capacité d'exécution de première classe de l'équipe. Les lancements de produits suivants peuvent être décrits comme stables et impitoyables :

• Introduit Zapier Natural Language Actions en mars, ouvrant pour la première fois les capacités de la plate-forme via l'API, et prenant également en charge les appels via le chat, intégrant rapidement Zapier à l'écosystème GenAI ;

• Étant donné que les données de divers SaaS sont uniquement connectées par Zapier et non stockées, Zapier a lancé Zapier Tables en mai pour aider les utilisateurs à stocker, modifier, partager et automatiser les données dans divers SaaS, afin qu'elles puissent s'accumuler à partir des données de stock des utilisateurs. fossé du point de vue de

• Le framework Chatbot qu'il a lancé a également rapidement attiré beaucoup d'attention sur les médias sociaux, devenant l'une des solutions à faible coût que les utilisateurs introduisent spontanément LUI pour divers SaaS.

** Du point de vue de ne pas gaspiller les dividendes, d'empêcher la subversion après les dividendes à court terme et de bien fabriquer les produits, Zapier est le meilleur modèle SaaS de productivité cette année. **Et son co-fondateur, Mike Knoop, a beaucoup investi dans les produits liés à l'IA de Zapier et est devenu un important leader d'opinion dans l'écosystème de l'IA dans la Bay Area, ce qui vaut la peine d'apprendre des autres sociétés SaaS de productivité.

03. Cinq défis majeurs rencontrés par la fonction IA du SaaS au stade actuel

Bien que nous ayons trouvé 6 exemples positifs pour illustrer que certains SaaS de productivité se portent bien, ils relèvent inévitablement de certains défis spécifiques. Voici les 5 plus typiques :

Défi 1 : La perte causée par les relations publiques d'abord

En raison de l'enthousiasme soudain des utilisateurs déclenché par ChatGPT, un grand nombre d'entreprises ont commencé à se préparer pour leur offre d'IA au début de 23 et ont publié la version bêta privée lors d'un crash de la mi-mars à la fin, ** cela a entraîné une liste d'attente excessivement longue, et un grand nombre de clients savaient qu'ils l'étaient. De nombreux fournisseurs de SaaS ont lancé des capacités d'IA, mais ils n'ont pas pu les acheter et les utiliser, et doivent se calmer avec le temps. **

En prenant le CRM comme exemple, de nombreux clients Salesforce sont très intéressés par Einstein GPT et ont demandé des devis à leurs ventes à plusieurs reprises, mais ils n'ont pas pu obtenir de commentaires sur les ventes en avril et en mai, ce qui a poussé de nombreux clients à prendre ce problème au sérieux. loi.

Salesforce a en fait une feuille de route produit complète, mais il y a un décalage de 3 mois depuis l'annonce officielle d'Einstein GPT

Défi 2 : Conflit entre l'IA et la feuille de route du produit

**Les investisseurs espèrent que l'IA subvertira le SaaS, mais un grand nombre d'utilisateurs du SaaS veulent en fait simplement utiliser leurs documents, la gestion des tâches et les outils de visioconférence en toute discrétion. **

Les utilisateurs de ClickUp attendent déjà avec impatience le lancement officiel de ClickUp 3.0, mais attendez ClickUp AI, il y a donc des plaintes d'utilisateurs très pointues :

Le cœur de ClickUp est d'agir comme un outil de gestion de projet et une base de données, mais les fonctions de base sont pleines de bogues, certains tableaux de bord prennent quelques minutes pour se rafraîchir, la fiabilité prétend occuper 70 % des ressources au cours des 18 derniers mois, mais presque pas de nouvelles fonctionnalités apparaissent, la 3.0 rebondit, les capacités de base de ClickUp Docs sont loin de Google Docs, et l'IA elle-même est inutile.

ClickUp a essayé de faire apparaître l'IA comme un sous-élément de la mise à niveau du produit, mais tout le monde a trouvé que leur priorité était l'IA au lieu de 3.0.

ClickUp se sent trompé en choisissant de publier AI au lieu de 3.0, 3.0 n'est plus "juste au coin de la rue" et je préférerais revoir Asana ou Wrike.

D'autres produits ont des problèmes plus ou moins similaires. Par exemple, la voix des utilisateurs en mode hors ligne de Notion peut être beaucoup plus forte que celle de Notion AI, de sorte que tout le monde peut se débarrasser du dilemme de ne pas pouvoir utiliser Notion lorsqu'il n'y a pas Wi-Fi. Cependant, Notion AI a été le premier à se lancer et semble prendre plus d'énergie dans la feuille de route du produit.

Défi 3 : Modèles de tarification supportés par les utilisateurs

Cela va de pair avec le défi 2 : si les capacités de l'IA sont offertes gratuitement, il y a peu de raisons pour que les utilisateurs ne les aiment pas. Cependant, en raison de la stratégie consistant à "étendre le TAM et à maintenir le bénéfice brut", les utilisateurs doivent souvent payer un supplément.

Qu'il s'agisse de 5 $/mois/personne pour ClickUp, de 10 $/mois/personne pour Notion ou de 30 $/mois/personne pour M365, ce n'est pas un gros montant à payer pour chaque utilisateur, mais ce n'est pas un gros problème pour les opérateurs. Ce n'est pas une petite somme d'argent - vous devez savoir que le plan d'affaires de Notion n'est que de 15 $/mois/personne, et l'achat d'IA pour les employés équivaut à une augmentation de 60 à 70 % de la facture.

Défi 4 : Accrochez-vous à l'entrée avec ChatGPT

Ces défis s'enchaînent !

En raison de l'existence du défi 1, le flux de travail d'un grand nombre d'utilisateurs habitués à ChatGPT consiste à coller du texte dans les questions et réponses ChatGPT, puis à copier les résultats requis dans leur propre SaaS,

En raison de l'existence des défis 2-3, bien qu'il soit difficile de mesurer la proportion précise, un grand nombre d'utilisateurs se sont abonnés à ChatGPT Plus, supportant la facture de 20 USD par personne et par mois. Bien que cet abonnement soit un peu cher, il est plus général et le montant total des abonnements individuels pour chaque offre SaaS AI peut largement dépasser 20 $.

Par conséquent, la logique d'entrée dont notre équipe discute souvent est en train de se produire. ** Productivité Les entreprises SaaS sont en concurrence avec ChatGPT Plus pour le budget de chaque employé. Cette guerre est encore indécise. **

Défi 5 : Il n'existe pas de PDG "génial"

Avant d'aller aux États-Unis, nous pensions que la stratégie Data Cloud de Salesforce fournissait des orientations descendantes pour sa feuille de route GenAI, mais après avoir discuté avec des employés internes, nous avons constaté qu'il ne s'agissait que d'une idéologie directrice de très haut niveau, et nous sommes finalement revenus au cloud marketing, diverses équipes commerciales telles que le cloud de service et le cloud industriel ont présenté des demandes pour diverses fonctions de produit GenAI de bas en haut.

En fait, après avoir interrogé, des grandes entreprises aux licornes sur le marché de premier niveau, l'approche de chacun en matière d'innovation en matière d'IA est fondamentalement la même. . L'une des principales différences entre les différents acteurs est la quantité totale de ressources que le PDG est prêt à allouer à cette partie. ** Compte tenu de l'existence du défi 2 et de l'incertitude du calendrier apporté par AGI, cela peut être difficile à équilibrer et devenir l'une des questions les plus importantes auxquelles tous les PDG SaaS doivent réfléchir au cours des 5 prochaines années.