SaaS是Software-as-a-Service（软件即服务）的简称，随着互联网技术的发展和应用软件的成熟，在21世纪开始兴起的一种完全创新的软件应用模式。

在过去的几年中，从Shopify上的基于机器学习的欺诈防御系统到Salesforce上的Einstein，SaaS行业的领导者们在人工智能研发领域投入了大量资金，并迅速收购了人工智能公司，以使自己在竞争中处于领先地位。

由于云计算服务使人工智能获得了民主化，我们可能正处于一个新时代的尖端，即新兴的SaaS提供商开始推出能够真正解决消费者问题的人工智能应用程序。



今年在加拿大渥太华举行的“SAAS NORTH”上，多位专家讨论了SaaS行业人工智能的发展本质。根据他们的见解，以下是对未来可能发生的状况的总结:

第一波:大企业先拔头筹
传统的SaaS模式是基于滚动的月订阅，这意味着SaaS公司需要不断改进和培养客户关系，以保证客户每月都能对公司做回馈。

Leo Lax是总部位于渥太华的SaaS加速器L-Spark的创始人，他说:“人工智能正在帮助减少与客户关系建立的人工劳动，并允许SaaS供应商以更有意义的方式与客户进行接触。”

在过去的几年里，只有规模更大、资金更充足的SaaS巨头才有资源雇佣合适人才，并投资于有意义的人工智能研发。但仅靠膨胀的银行余额不足以实现有用的人工智能应用程序。主要的因素是数据。

建立了自己的平台的SaaS公司有一个良好的开端。训练机器学习系统的最大障碍之一是获得足够大的数据集。Shopify的数据和分析高级副总裁David Lennie解释说:

“最大的价值来自于尽可能快地获得最大的样本，而当你拥有一个庞大的网络群，所有人都在与你做同样的事情时，这就更有可能了。”

SaaS公司通常有一种类型的解决方案，他们可以访问一个用户的市场，这些用户可以迅速提供更多的数据，从而更有效地完成这项工作。”

Lennie认为，专注于解决一个特定问题的SaaS工具，而不是一种“一体化”的解决方案，在创造正确的数据来训练机器学习应用程序方面做得更好。一旦公司能够从世界各地数百万用户的“干净”数据中获得这些数据，他们就可以开始解决问题了。

然而，Rubikloud的首席执行官兼联合创始人克里·刘认为，到目前为止，人工智能最成功的案例都是发生在企业内部的。

“无论是谷歌优化他们的基本搜索，还是Salesforce利用Einstein来帮助自己的客户和销售经理识别最好的用例，迄今为止，大多数成功的应用都是为了提高内部效率和内部产品开发，”刘说。

然而，到目前为止，主要公司的大部分应用都是内部的，它们正朝着正确的方向前进。专家们认为人工智能很快将会看到自动化、个性化、语音输入和用户安全的改进。

第二波:云计算的公平竞争环境
直到最近，在SaaS行业中很少有新兴企业真正使用先进的人工智能应用程序。Ardi Iranmanesh是Affinio的联合创始人，他说，“人工智能在市场营销中被过度使用。”许多规模较小的公司正在使用类似聊天机器人或线性回归的基本应用程序，并自称为人工智能创业公司。”

然而，在过去的几年中，AWS、微软Azure、谷歌云和甲骨文等云计算服务的使用，为一些规模较小的公司打开了一扇门，他们利用“人工智能”云工具等更先进的应用程序，比如机器学习。

也就是说，这些云服务提供的真正的服务是在底层计算层面上的。云计算服务已经改变了这一格局，使得小企业可以在无需拥有任何硬件或担心数据安全的情况下，构建有意义的人工智能应用程序和部署到世界上任何地方的计算能力。

这一更具包容性的SaaS人工智能进化的“第二阶段”，催生了一批专注于解决更小众问题的专门的人工智能软件公司，而不是由更大的企业解决的更一般的生产力或通讯任务。

正如Mobify的联合创始人兼首席执行官Igor Faletski指出的那样，“人工智能已经存在了一段时间。现在的新情况是，它真正向开发者开放，越来越多的小型创业公司可以使用它。”

像Beanworks和Mindbridge Analytics这样的公司专注于新兴的垂直领域，自动化“白领”的任务，比如审计和会计，这些任务至今都被SaaS巨头们忽视了。

Alex Corneglio，EnergyX Solutions公司的首席技术官，证实了这一趋势。“我看到了一种全新的利基产品，可以针对非常具体的市场人物量身定制——想象一下，所有微妙的特质都能吸引我们，并且正融入到产品和服务中。”

然而，开发有意义的人工智能应用程序的最大挑战是获得专有数据集。在SAAS NORTH的一个突破性的会议上，David Lennie强调，人工智能的价值不仅仅是在算法的力量上，而且在数据集公司也可以访问。他警告说，企业应该充分理解他们在投入使用人工智能解决方案之前是如何使用数据的。

Lennie建议，为了克服人工智能数据集“鸡和蛋”的难题，新兴的人工智能公司将不得不分享更多的数据，并与那些“有大量数据但不知道如何去工作”的传统公司合作。也许你可以为他们做这些工作，并交换一些数据。

Iranmanesh预计会有更多的传统公司向人工智能创业公司开放他们的数据。他认为，像万事达卡和Visa这样的公司会开放数据，“尽管个人可识别信息的数据法总是会被考虑，但公司总是希望增加他们的底线，简单地存储数据并不能解决问题。”

然而，Mindbridge Analytics的首席执行官Eli Fathi反驳说，在处理审计等任务时，可以用公共数据和单个公司的小数据样本来训练算法。Catherine Dahl是Beanworks的首席执行官，他说，会计任务是非常具有重复性的，这使它们非常适合训练机器学习算法。

第三波:SaaS行业人工智能的指数级增长
对于已经积累了大量用户和操作数据的SaaS公司来说，他们的机器学习系统的智能化水平呈指数级增长，我们很可能在不久的将来看到更多的企业专注于解决真正的问题。

Forrester预计，在2018年，SaaS巨头将越来越多地在平台层面上竞争，在云计算服务上运行其部分服务，以应对日益增长的应用定制需求和更先进的人工智能应用程序，这些应用程序自动化了一系列核心业务功能。

与此同时，随着人工智能在各个行业的普及，越来越小的、更专业的企业将可以访问更多的客户，从而获得更多的数据集来磨练他们的人工智能。

Lennie建议，如果规模较小的公司专注于解决具体问题，这将使他们有能力解决邻近的问题，并将他们的平台发展到SaaS巨头的水平。他说，“你可以冲洗（rinse）并重复模型。如果多次这样做的话，你最终会得到一个非常发达的平台。”

Faletski预测，下一波SaaS工具的广泛应用将被亚马逊、微软和谷歌等巨头推动，并将大量投入到人工智能研发领域，并在他们的平台上建立生态系统，并成为最大的“人工智能”提供商。这将进一步为使用云计算应用程序的小公司打开大门，或者开发他们自己的算法。

刘表示，“五大公司明白，市场上的人工智能应用越多，云计算的选择就越多。”大规模的科技公司对各种形式和规模的企业都有绝对的激励，可以将人工智能作为企业问题的解决方案，因为如果他们这样做了，他们就可以在弹性计算平台上部署这些数据和应用，这些平台可以无限扩展。”

如果SaaS宏大的想法值得信任，那么软件公司人工智能进化的雪球效应似乎正在进行中。

SaaS巨头们已经开发出了一种智能平台，这种平台正呈指数级增长，云服务已经为小众市场参与者提供了公平的竞争环境。刘认为人们低估了市场加速的速度。尽管有人预测，所有财富500/1000公司将采用人工智能SaaS产品需要10-15年时间，但他预计，这将在未来5年内就可以实现。