从Shopify可防止欺诈的机器学习到Salesforce的Einstein，在过去的数年间，SaaS巨头们或投入巨资以进行AI的开发，或收购AI创业公司，以试图率先在竞争中取得优势。
借助于云计算，AI技术也得以落地与普及，因而我们可能正处于一个全新的“AI即服务”的时代。
那么AI这个雪球如何在云计算这块“雪场”中越滚越大?AI又为SaaS带来了什么?当然我需要从AI在云计算中的发展说起。
第一阶段：由巨头引领的潮流
传统的SaaS模式基于每月订阅模式，这意味着SaaS厂商需要不断地维护与培养客户关系，以确保客户不会流失。 SaaS加速器公司L-Spark的创始人Leo Lex说道，“AI正在帮助人们去减少那些建立客户关系所需的人力工作，并允许SaaS供应商以更有意义的方式与客户进行交流”。
在过去的几年中，只有那些大型，拥有充足资金的SaaS巨头才能够聘用到合适的人才，并进行有意义的AI研发投资。 但是仅仅依靠于银行存款远不足以创造出使用的AI应用，AI的核心内容依然是数据，当然也有众多其他的基础事物。
SaaS公司建立自己的平台只是第一步。在AI和机器学习系统培训中最大的障碍之一就是无法获得足够大的数据集。Shopify数据和分析高级VP David Lennie解释道：“只有尽可能的获得更大的样本才能获得足够的价值，而当你拥有一群同事从事相同事务时，一切都会事半功倍。 SaaS公司通常会以打造全新种类的方案，以快速进入那些那些可以为他们提供更多数据的市场”。
Lennie认为，与其试图打造一套“一体化”的SaaS AI 工具不如专注于一个特定领域，因为这样公司可以更好的创建数据以训练他们的AI与机器学习应用。 一旦公司能够建立起全球数百万用户这种级别的庞大数据集，他们就可以着手去解决问题。不过，Rubikloud的CEO兼联合创始人Kerry Liu认为，知道目前为止，AI应用中最佳的成功案例还是在公司内部中。
“无论是Google用AI来优化他们的基本搜索功能，还是Salesforce使用Einstein来帮助自己去确定账户与销售助手的最佳实践案例，迄今为止大部分成功的AI应用均是为了促进公司自己内部的运行效率与产品开发”。
不过尽管Liu观点反应了一定的事实，但是我们也应该看到这是因为这些公司主要的数据来源也是其内部，而这些公司正走在一条促进自动化、个性化、语音输入和用户安全性的正确道路上。
第二阶段：“AI即服务”的出现
直到现在，SaaS行业中依然鲜有新兴公司去使用高级的AI应用。Affinio的联合创始人Ardi Iranmanesh说道，“AI被过度地用于营销目的，许多小公司仅使用诸如聊天机器人或线性回归分析功能就声称自己是AI创业公司”。
不过，在过去的几年中，AWS、Microsoft Azure、Google和Oracle等巨头利用云计算为市场带来了“AI即服务”产品，这也为小型公司打开了机器学习和更高级的I应用的大门。
这意味着，这些云服务巨头可以为小型公司提供底层的技术支持，这使得他们无需具有硬件与担心数据安全问题，而且他们可以随时随地的获得这种真正具有意义的AI计算能力。
在这个SaaS AI发展的第二阶段中，由于更强的包容性与支持性，许多专门的SaaS AI应运而生。这些全新的公司专注于解决更为细分领域中的问题，而不是像大规模厂商那样去进行更广泛的生产力或通信方面的服务。
正如Mobify的联合创始人兼CEO Igor Faletski所述，“AI已经存在这么长时间了，如果还有什么新消息的话就是它开始真正的逐渐开放给开发者，越来越多的小型创业公司获得AI的能力”。
像Beanworks和Mindbridge Analytics这样的专注于垂直领域的新兴公司就利用AI以实现审计和会计等“白领”工作的自动化，而这些业务在很大程度上被SaaS巨头忽略了。
EnergyX Solutions 的CTO Alex Cornegilo认可了这一趋势。他说道，“我看到了一个全新的利基产品，这种产品可以针对非常具体的市场用户进行量身定做。不妨设想一下，那些吸引我们的各种微小特征与功能都可以被嵌入到产品和服务中，而这种产品可能很快就会出现。”
但是正如前文所述，AI的价值并不在于其算法而是公司可以访问的数据集的规模与数量。Lennie警告到，公司在创建AI方案前要充分了解到如何去使用数据。
Lennie认为，为了克服AI与数据集这道“鸡与蛋”的难题，新兴的AI公司需要分享更多的数据，并于那些“拥有大量数据，但不知道如何去使用”的传统公司进行合作，甚至他们可以为这些传统公司进行工作，以交换获得一些关键的数据。
Iranmanesh预计将有更多的传统公司会向AI创业公司开放数据，比如Mastercard和Visa。他指出, “虽然个人身份信息将永远是是个问题，但是公司总是希望增加他们手中的筹码，而仅仅是存储数据并不能解决他们自身的需求”。
不过，Mindbridge Analytics的CEO Eli Fathi不太同意这一观点，他反驳到， 在处理像审计这一的任务时，可以利用来自于各公司的公开数据或小样本数据进行算法训练。Beanworks的CEO Catherine Dahi也认为，会计任务往往是重复的，因而这使得少量样本就可以去训练机器学习算法。
第三阶段：百花齐放的SaaS AI应用
对于已经获得了大量客户和运营数据的成熟SaaS公司来说，他们的机器学习系统的智能水平已经呈现出了指数级的增长，因此在不久的将来，我们可能会看到更多专注于企业问题解决的AI应用的出现。
Forrester预测，2018年SaaS巨头们在平台层面的竞争将愈发激烈，他们会在云计算平台上运行部分服务，以应对客户对自定义应用程序和更高级AI应用的需求，以实现一系列核心业务功能的自动化。
与此同时，随着AI在各个领域中的普及，更小于更专业的服务公司将能够获得更多的客户，从而使他们能够获得更多的数据集以磨炼他们的AI应用。Lennie认为，如果小型公司专注于逐一的问题解决，那么他们就将获得进军临近市场的能力，而这最终将使得他们的AI平台具有SaaS巨头的水平。他说道，“你需要反复锤炼自己的模型，如果你锤炼了足够多的次数，那么最终你就会得到一个出色的平台”。
Faleski预测，Amazon、Microsoft和Google等公司都将大力推进AI的研发，以争取在其平台上构建出生态系统，并成为真正的“AI即服务”供应商。这将进一步为小型创业公司打开AI大门，借助于云计算，这些创业公司或通过自主算法开发，或通过巨头们的计算能力将为市场带来种类极为丰富的AI产品。
Liu也同意这一点，他说到，“五巨头(Amazon、Microsoft、Google、Apple和Facebook)意识到市场中的AI应用越多，他们所能提供的云计算服务种类就越多。巨头们会很乐意看到各种规模和各种形式的公司应用AI方案，因为这样，他们就可以将相关运行数据和各种应用部署在一个可以无限扩展的弹性云平台之上”。
看起来，借助于云计算这块大“雪场”，AI的雪球不但正在越滚越大，而且还越滚越快。SaaS巨头们的智能平台的能力正在以指数级增长，而较小型利基市场的参与者正在不断地为AI落地“开枝散叶”。Liu认为，人们低估了AI应用的速度，虽然一些人预测，那些财富500强的公司需要10-15年才能将SaaS AI产品应用到他们核心的业务系统中，但他认为，这一过程在未来5年内来就将完成。
