SaaS不会像本地部署软件那样走向消亡但随着AI更深入地渗透到推动企业运营的系统中IT领导者在管理各类AI时面临着巨大挑战。今年1月Anthropic低调发布软件插件引发了SaaS类股票的疯狂抛售。在接下来的两周里金融市场目睹了3000亿美元的软件估值灰飞烟灭。Anthropic的Claude Cowork为公司面向开发者的Claude Code带来了更易用的版本供企业用户使用该软件使知识型员工能够提示AI智能体整理文件、创建文档等。Cowork的插件捆绑了针对特定业务角色的技能、连接器和子智能体似乎是为了使驱动数十亿美元SaaS经常性收入的知识型工作实现自动化。测试过这些插件的人很快得出结论SaaS陷入困境“SaaS末日论”由此诞生但狂热逐渐消退市场恢复平静理性回归。SaaS并未消亡也未走向衰落。即便如此这些事件也引发了人们对未来的担忧随着企业更多地采用AI智能体和生成式AI工具来自动化业务流程软件的未来会是什么样子?AI推动工作流程变革随着企业更紧密地采用AIIT领导者正在改变从工作流程和用户体验到运营模式的一切。在首席数字与技术官Greg Meyers的领导下百时美施贵宝公司利用AI彻底改革了一个关键的从毛额到净额的预测系统该系统通过考虑全球定价、法规和国际市场规则将药品价格转化为收入。Meyers的团队没有优化一个严重依赖电子表格和企业系统的现有解决方案而是利用AI的速度和能力重建了该软件由此产生的解决方案将预测误差降低了50%。Meyers告诉CIO.com网站AI时代为企业提供了一个机会让他们可以“以全新的视角”来审视许多“基本业务流程”。与此同时强生公司正在利用AI重新构想工作流程——始终以人为核心——据CIO Jim Swanson称这是一个“改变游戏规则”的举措。该公司正在使用GitHub Copilot从用户故事到测试和验证的软件开发过程中提供协助Swanson表示这对于在受监管行业运营的制药公司来说至关重要。强生公司还利用AI实现客户服务问题解决等功能的自动化这将大幅减少员工执行任务时必须访问的屏幕数量。软件将迎来用户体验的革新——但不会一蹴而就Swanson关于减少屏幕数量的观点强调了软件未来的发展方向。如今企业员工仍然要盯着屏幕从一个用户界面(UI)切换到另一个从一个应用程序切换到另一个。IDC软件开发研究副总裁Arnal Dayaratna表示最终员工与融入AI的软件系统的交互方式将发生改变。随着智能体越来越深入地融入软件和工作流程与人类协同工作的机器人将承担更多此类工作包括提交工作订单、服务工单和其他可执行文件。智能体将通过API进行通信就像如今不同应用程序之间的互操作方式一样。人类将通过指挥控制仪表盘监督智能体的执行情况例如这些屏幕将显示智能体是否按预期执行并在智能体未按预期执行时发出警报。Dayaratna预测当智能体未能完成任务时企业员工将通过聊天界面进行纠正就像如今他们提示由大语言模型驱动的生成式AI应用一样甚至随着世界向更多多模态AI交互转变还可以通过语音界面进行纠正。自主式AI仍面临巨大障碍有无数理由让我们对AI自主性踩下刹车智能体仍然脆弱在准确性和可靠性方面面临挑战。技术领导者深知这一点他们排除了在其组织中实现完全智能体自主性的可能性——至少在可预见的未来是这样。例如惠普全球数字与生命周期服务总裁Faisal Masud指出客户对按下按钮触发软件主动修复PC问题的做法持谨慎态度。Masud问道“我们凭什么认为首席信息官会让成千上万个智能体做出决策并通过其他智能体指挥这些智能体而不对其进行治理?IT领导者不会让一级系统暴露在自主性之下。”Swanson证实了这一立场“我不会让10000个智能体在环境中运行而我却不知道它们在做什么”Swanson说“没有哪家公司能接受这种情况。”Masud补充说虽然人类不太可能整天“盯着屏幕”但员工仍然需要查看报告以确保交付成果的质量控制简而言之人类的工作正从战术和技术任务转向治理任务。此外Dayaratna警告说行业必须在提高智能体之间的可发现性、编排和协作方面取得重大进展。Dayaratna问道“智能体如何知道另一个智能体的工作何时完成?测试智能体如何知道代码已准备好进行测试?”这些关键问题的答案将决定智能体何时准备好在企业中大展拳脚。SaaS将安然无恙——而软件复杂性将激增至于SaaS的未来专家认为这一庞大的类别将继续与智能体共存——而且会蓬勃发展。事实上SaaS供应商已经在他们的应用程序中嵌入了专门设计的智能体这证明不是SaaS或智能体二选一而是SaaS与智能体并存。Forrester分析师Kate Leggett指出“‘SaaS消亡’的说法被夸大了企业的‘大脑’仍然存在‘中枢神经系统’正在进化重心正变得更加智能。”一些人认为随着智能体的兴起SaaS可能迎来更多增长。正如SaaS供应商所指出的企业将需要构建更多软件来设置智能体的防护栏。SaaS加智能体加生成式AI加本地部署应用的潜在缺点是什么?软件复杂性将超过当今企业界的水平为比最愤世嫉俗的软件工程师想象的还要多的技术债务埋下伏笔。学习资源推荐如果你想更深入地学习大模型以下是一些非常有价值的学习资源这些资源将帮助你从不同角度学习大模型提升你的实践能力。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能​因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示​因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取四、AI大模型商业化落地方案作为普通人入局大模型时代需要持续学习和实践不断提高自己的技能和认知水平同时也需要有责任感和伦理意识为人工智能的健康发展贡献力量。