大模型淘金熱中，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熱潮。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，睙徵，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熱中。

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。

以下是對話全文：

1.談産品：新技術下的新創新

甲子光年：具体谈谈最 新发布的Eva？

李國興：EVA是一個擬人化的設定，我們的設定裏，它是HR合作夥伴，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的生産力。

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面對的是比較複雜的場景，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。

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

甲子光年：當時AI技術具體用在我們的什麽産品上？分享一下具體的案例。

李国兴：举一个简历匹配的例子。睙徵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。

背後，算法技術會依據過去公司在記者這一崗位招聘的行爲數據，進行分析，最終會自動篩選或進行簡曆的評分推薦，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。睙徵，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，会优蠠幞人才库里面做推荐。

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。但我們並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，通用能力並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産品需要綜合考慮：性能怎麽樣，成本怎麽樣，效果怎麽樣，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：大模型火了之後，你自己感受到目前行業對于新技術的態度是什麽？

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，但還沒看到一個産品型的公司從頭開始定義新的産品鏈路。矽谷的公司會跑的快一些，現在已經有各種各樣的産品。

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，睙徵在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雖然是一種新的商業模式和産品服務的模式，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准確，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本質上是一種生産力，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。

大模型來了之後，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。另一方面它可以幹一些以前只有人才能幹的事。隨著技術的發展，我們會越來越多地看到各種産品中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。技術變革出現之後，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。

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？

李國興：有大量的客戶對大模型技術和新産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新時代裏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豔的點在什麽地方？

李国兴：你会发现到这个阶段，它真的跟人非常像，睙徵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，同时它睙崴在很多时候情绪更稳，更客观。

睙徵招聘环节里，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，它可能会睙崴类面试会更准确。

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産力的釋放。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産品和服務，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。

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？

李國興：我個人認爲，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，沒那麽重要。

回過頭來看，那些沒有那麽看好或者沒有那麽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時代裏這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熱情丝毫不亚于美国。

甲子光年：怎麽看待這個時候機器與人新的合作和新的關系？

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。睙徵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。

本質上，它就是一種新的生産力工具，人類要不斷叠代自己的工具，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，那人怎麽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，去思考它會怎麽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。

文章來源：甲子光年

作者：武靜靜

（推廣）