写点什么

大模型时代,未来所有公司都是 Data+AI 公司

作者:Kyligence
  • 2023-12-18
    上海
  • 本文字数:10424 字

    阅读完需:约 34 分钟

大模型时代,未来所有公司都是 Data+AI 公司

来源/作者:Founder Park

 

Kyligence 联合创始人 & CEO 韩卿做了一次非常真诚的分享。

 

大模型出现的时候,韩卿思考了很多。团队比他更加兴奋,在他前往美国考察时,已经做好了大模型能力加持的第一版产品。

 

但冷静后,他意识到那并不是 Kyligence 想要的东西。他和团队推倒重来,不断摸索出适合 Kyligence 自己的 AI Copilot 应用——对企业服务的数据产品而言,大模型意味着客群的变化,从高层决策者到全体员工,都可以使用智能的数据工具,通过对话的 UI 轻松上手。

 

7 月 Kyligence 率先结合大模型,发布了 Kyligence Copilot,AI 数智助理,帮助快速降低一线业务人员用数的门槛,提升组织运营和管理效率。现在已经受到了不少客户的认可。

 

面对大模型浪潮,他到底做了哪些思考?大模型的能力相比上一波 AI 有怎样的不同?带来了哪些变化?

 

为什么 Snowflake、Databricks 等数据公司在今天成为了最受资本认可的企业?他如何看待中国的 SaaS 企业面对的问题?作为大数据和开源老炮,他对今天大模型行业不断涌现的开源创业公司又有怎样的建议?

 

以下是韩卿与极客公园创始人 & 总裁张鹏在 Founder Park 直播间的对谈,经编辑整理。

 

01 让听到「炮火」的人能做决策

 

张鹏:

 

先给大家介绍一下,Kyligence Copilot 是一款怎样的产品?解决了哪些问题?

 

韩卿:

 

感谢鹏总,我先来介绍一下,我叫韩卿,是 Kyligence 的联合创始人和 CEO。我们公司在 2016 年成立,由 Apache Kylin 的创始团队创建,我们是中国贡献到 Apache 软件基金会的第一个顶级项目。

 

过去六七年的时间,主要为客户提供基于 OLAP 的大数据平台,所以我们的客户群更多聚焦在金融、制造、零售等行业,主要像中国的一些大型银行、保险、零售品牌公司等等。

 

过去这段时间,我们把 AI 引入到整个产品体系中,起了个名字叫 Kyligence Copilot,AI 数智助理,数字化和智能化。

 

(这个产品)一方面可以非常方便地用对话与机器交流,使用数据的方式也大大简化了,基本上,只要会说话,就能看数据了。另一方面,智能化能力,不仅仅是用户自己问问题,我们的 Copilot 现在已经可以开始推送一些问题给用户了。

 

我们的迭代速度非常快,几乎每周都会有(新)版本,最近的版本甚至可以帮你写周报了,能够基于指标,帮你把上周的周报总结好,甚至推荐、告诉你哪些是风险指标,推荐你去做归因分析,推荐你一步一步找到相应的问题,甚至可以把指标相关的提示都准备好。

 

所以可以说,确实 AI 在大数据和整个未来的企业经营方向上,都带来了一些巨大的变化。这是我们最近的一些进展。

 

张鹏:

 

基于数据,分析公司状况,甚至做出更好的决策,这对于(企业)数字化来说肯定有非常重要的价值。但我很好奇,在 AI Copilot 之前,你们是怎么做的?要单独为公司老板做一个「驾驶舱」吗?

 

韩卿:

 

差不多。你叫它数据分析也好,所谓的 BI、数据仓库等等,这个领域在过去几十年里有一个分类叫做「决策支持系统」(Decision Support Systems)。

 

在过去,我们的认知是,决策是人做的,机器可以提供一些支持的能力,给一些数字。所以最早的时候是非常简单的,就是把你的数据算好算精准。那个时候的业务形态,怎么说,也没有现在这么卷对吧?所以可以有一个比较稳步的过程。当然也受限于计算机发展的限制。

 

过去几年,我们看到像仪表盘、self-serving 的自助式分析能力,甚至基于搜索的展现等等逐渐出现。

 

回答你刚才的问题,蛮有意思的一点,过去我们认为,决策都是老板们做的,但最近你可以看到,所谓的全民分析师、数据民主化等等方向(出现),所以说,因为商业形式不一样了,我们会说,「一定要让听到炮火的人能做决策」。

 

所以过去决策都是高层,需要组建分析团队,帮着把数据汇聚起来,组成数据模型,做仪表盘等等。

 

但今天,全民用数的情况下,这个速度太慢、成本太高,不太可能给每个员工做这件事。所以我们在过去几年里一直在探索,有什么方式,能支撑我们更好、更低成本地支撑每个人把数据用起来。

 

AI(大模型)出来以后,我们发现,很多事情发生了变化。过去半年左右的实践,我们认为是找到了一个非常不错的方式。

 

02 大模型带来了哪些实际价值?

张鹏:

 

听说 Copilot 产品出来之后,得到了一些客户比较真实的反馈。我们非常关心(基于)大模型的产品推出之后,客户为什么愿意买单,怎样增加了产品的竞争力。来说说客户是怎么反馈的。

 

韩卿:

 

对,好消息是我们最近已经开始和客户签单了,不管是中国还是美国都有。我们发现,Copilot 不管在产品层面还是商业层面上,确实带来了很多变化。

 

分享几点。

 

第一点,我有一次约了我们的客户,一位银行副行长,给他介绍了整体的情况,他当时就把分管的下属叫来,就一句话,我们赶紧上,再不上就落后了。因为你会发现,客户比我们更加焦虑,因为所有人都知道 AI 今天带来的变化是非常大的。如果不把这个能力快速吸收成为自己的,那在行业的竞争上就会落后,不管在获客还是效率、成本上,一定会出现问题。

 

张鹏:

 

我追问一句,他担心什么落后了?

 

韩卿:

 

两个方面。

 

一方面是业务作业。他们说过一个例子,比如我们两个人去 BD 一个客户,如果我有一个 AI 助理,问一句就能把数字拿出来,比如面对一个大客户,我要看一下他的经营报告等等,只需要几秒钟就能回答一些问题,甚至 AI 能帮我解释很多东西,而你(没有 AI 助理),可能还要打开电脑,跑一个报表,甚至可能还要后台帮你准备。那么我们两人作业的效率和方式方法是完全不一样的。

 

另一个方面,你可以理解是成本。一个客户经理,以前要看 10 个客户,要做非常多的事前准备,数据收集。现在通过 AI 的方式,一个人就能作业 30 个、50 个,这样我的整个成本就完全节约和可控了。

 

所以你看,不是我们在竞争,是客户自己的行业本来就在竞争。尤其银行,钱存你这里就不会存别人那了,他们得赶紧把业务给抢了。

 

最近我也跟零售行业的客户去聊,他们也是一样。业务能力都比较强,业务上厉害的,可能技术上就不会花那么大的力气。所以这时候使用数据存在挺大的阻力。

 

但是当我们给你配一个 AI 助理,相比业务人员理解技术等复杂的东西比较困难,有个 AI 助理陪你聊,给你信息,而且不知疲倦地跟着你做,我们发现业务人员是愿意使用数据的。

 

这个事情非常重要。以前我们不是没有工具,有工具,但是他们不愿意用。这是第二个很重要的变化。

 

第三点,我们自己的实践。我们公司内部也有指标体系,目前基于指标体系做了 AI 报告、周报。每周一,我都能根据每个管理者基于指标的分析报告,总结成飞书文档,我只需要一点点时间,早上开会之前,就能把全盘浏览一遍,我的所有副董事都能看到。

 

这比以前的效率高很多,因为开会前所有的信息都有了。以前可能要么我自己花力气去分析,要么找人去分析,但不太可能有一个特别合适的人,有精力、能力,和足够的行业背景来做这件事。这是我们自己观察到的一个有价值的变化。

 

张鹏:

 

说得特别好。我真的很羡慕现在的年轻人,做个预言,再过 5 年,员工会挑公司,我去不去这家公司,取决于它给不给我配一个 AI 助理,就像以前说公司给不给我配电脑。不知道你们认不认同?

 

韩卿:

 

我非常赞同,甚至我觉得不需要 5 年,因为现在(AI 发展)的速度实在太快了。

 

第二点,我觉得,嗯,我们这些,中年人,也可以被利好到。(笑)确实太累了,如果有个 AI 能帮到我们,也许我们就不用拼体力了。

 

03 大模型和上一波 AI 的区别

张鹏:

 

你们应该在大模型之前,就已经在使用 AI 了。我很好奇,之前你们是怎么思考的?怎么用 AI 解决问题的?

 

韩卿:

 

你看我们的名字,Kyligence,Kylin + Intelligence。我们刚开始创业的时候,就一定要做智能化的部分。但坦率地说,那时候我们的智能化,重心其实在平台层面,更多在做自动化工程方面。

 

2019 年,我们推出 AI 增强引擎,当时解决的第一个痛点,就是客户在建模、优化模型、底层数据治理等方面,非常耗时耗力,所以我们想通过算法能力做自动化。

 

这是 Kyligence 4.0 最重要的特性,到现在来说反馈都非常不错,但还是局限在专业的数据领域。

 

所以今年大模型出来,我们往前走了不止一步,从用户使用习惯的角度上解决问题,对整个产品思路、战略都带来了一些变化。

 

张鹏:

 

以前的 AI 还是解决产品效能问题,但今天真正的大势是,像 Kyligence 这样的产品有更大的空间,更大的市场需求,这个需求的核心驱动力,是数据的民主化,一线员工能够被加强。

 

04 面对大模型,怎样才能不焦虑?

张鹏:

 

大模型这波变化很快,你是用什么方法跟进技术潮流变化的?你还要作出判断,公司内部要做产品立项,团队要改变,要观察市场变化。给我们分享一下你的学习机制、决策机制,你有没有 Copilot?

 

韩卿:

 

(笑)这方面还真没有 Copilot。

 

团队很重要。我可以分享一下我们的 Copilot 怎么做出来的,给大家一些参考。

 

去年 ChatGPT 火了之后,我们内部也是一样,大家兴奋、焦虑,也有怀疑。管理层当时的认知是,这个未来一定是一个很大的变化,但我们还看不清楚。所以当时的第一个决策是:看不清楚之前不要动。

 

如果所有人都基于 OpenAI 的 API 做东西,那所有人都能做,如果做的东西对我们的行业真的有变化,未来我们再去做,我不担心。

 

更重要的,我们当时内部已经有非常多的兴趣小组,研发、产品,甚至客服,各个部门都有,大家会自发去研究、试用,然后后做分享会,团队会思考,AI 可以用在什么地方?

 

我去美国的时候,当时团队已经把今天 Copilot 的原型做出来了,美国回来以后,市场宣发的文案都写好了。但那不是一个我们想要的东西。

 

我在内部写了一篇文章分享,重点三句话:

 

第一,it is not our game,大模型本身不是我们的游戏。

 

第二,be part of the game,必须参与其中,不能被淘汰掉。

 

最后,build our own game。

 

这是当时给到整个团队的原则。把原则定好,告诉大家不要焦虑。

 

5 月 12 日,是个重要的节点,我们把所有销售人员叫到上海做培训。当时销售会 challenge 管理层,外面 AI 这么火,我们自己有没有东西,行不行啊?所以我就给他们看了东西,当时的雏形产品,用了以后大家发现还行,这种对话的方式和能力挺不错的,那时候一下展开了很多讨论。从那时起,我们开始快速往前推进,我们发现 AI 确实能在我们行业里带来蛮多变化。

 

我们自己知道,接下来要去做什么了。

 

然后吭哧吭哧去迭代,6 月底,我们认识到,如果只是做个 NLP 的 toC,或者做个 ChatBI,所有人也都能做,这不够。我们就一直在思考,自己的竞争优势在哪里?讨论了很多之后,我们把指标和决策串起来,AI 能帮我们做很多东西,以前都是人在做事,现在 AI 能帮人做很多事情,甚至很多事都能自动化掉,人只要做决策就好。它可以帮助变革一个组织的运营和管理。

 

到今天,产品已经做出来,行业的客户也出来了,我们开始思考下一个版本在哪里?因为 AI 变化太快了,如果再不努力,可能要被追上。这是整个心路历程。坦率地讲,从立项到发布,到客户付费采购,整个速度非常快。

 

05 人为什么需要 Copilot?

张鹏:

 

听说你三月去了趟美国,你们也在那边有业务,三四月份正是大模型最热的时候,当时有什么收获?有了什么思维的转变?

 

韩卿:

 

我们是三月底去,四月初回来的。当时主要是参加 Gartner 大会,介绍我们指标平台(Metrics Store)的最新成果。

 

那时候大模型是如火如荼,第一个感受就是,所有参展商,绝大部分都跟 AI 有关系。而且各家都会有不同的尝试,每家借 AI 发力的方式都不一样。

 

当时听了一场报告,说怎么重新思考数字和决策相关的,分析师讲了一个故事。一个人每天要做 35000 次决策,他说,你的精力浪费在了很多决策上,「我只穿黑色的袜子,这样我就比别人少做一次决策,这样我竞争力就强一些」。这个故事蛮有趣的,但他通过这个故事展开,是未来数据和分析的方向。

 

我们人类最擅长的其实是做决策,而不是常规的计算等工作。如果我们把时间浪费在后者上,价值不够大,人也会更累。如果 AI 能够帮你把分析、洞察做完,人需要做的决策数量更少,也可以有精力做更关键的决策,甚至 AI 还能给你一些决策的参考辅助。

 

张鹏:

 

Copilot 确实在起到作用,把繁琐的变成简单的,甚至给用户更多更好更全面的选择。

 

韩卿:

 

举个例子,我比较胖,我想减肥。这是我比较直接的想法,但我并不知道身体其他的指标。要做一件事,有各种不同的方式方法,以前我只知道运动,但单纯的运动不一定真的能减好肥,这跟企业是一样的。

 

我们最近跟另一个客户交流,客户老板说现在这个阶段我只关心成本。但是他下面的副总说,「老板你还有其他的得看一看啊」。

 

人都是会有 bias(偏见)的,但 AI 能在这个时候给你一个全面、理性的数据。如果副总这时候说话,人家可能会有些脾气,但 AI 告诉他,你发脾气 AI 也不理你对吧?(笑)

 

张鹏:

 

(笑)这点特别重要!之前大家开玩笑说,人不会被 AI 替代,因为得有人「背锅」。

 

但我后来发现,AI 也很重要,因为 AI 不怕你发脾气,也不会嫌你烦,甚至不嫌你笨,会一遍一遍地回复你。这跟人的组织有很大的区别,这是 AI 进入人的生产力组织里能够发挥的作用。

 

韩卿:

 

同样是提问,当你问同事工作问题的时候,你会发现「人性」很快会体现出来。

 

举个例子,我现在越过一层,去问下面销售或研发,「这个事儿怎么样了?」很多时候人的第一反应是:「老板为什么问我这个问题?」

 

于是,于是!我得到的第一个回答是:老板我刚刚拜访过这个客户 blahblah,他要先解释一圈。因为他不知道你想要啥,其实我只是想要一个数字,相比之下 AI 这点就好很多,问啥就答啥。

 

06 所有公司都是数据公司和 AI 公司

张鹏:

 

回到硅谷的话题,今年 Databricks、Snowflake 都非常活跃,数据巨头在大模型浪潮中这么活跃的原因是什么?你作为行业里的专家怎么看?

 

韩卿:

 

我们确实一直在行业里摸索。我们认为,大部分的数据公司、AI 公司,未来一定会变成 Data+AI 的公司。甚至从用户角度来说,不管甲方还是乙方,最后都会变成 Data+AI 的公司。

 

过去几年我们提过很多次,每个公司都是一个数据公司,因为都会产生数据。现在是每个公司都会需要 AI,这两者天然是一样的。

 

回过头来看,想要 AI 用得好,前提要有大量的数据,而 AI 用得好的公司,又会大量地产生数据。这个循环会越滚越大。这个时候,作为基础软件的提供商,不管是 Snowflake、Databricks,他们这时候布局 AI 是非常自然的。Databricks 刚刚完成一轮融资,英伟达、Capital One 投进去,这非常能表明市场的认知:要有数据的能力,也要有 AI 的能力。以前使用数据的方式,导致(数据使用的)频率、能力并没有很好地释放,今天有了 AI 之后,会更快、更深地将数据的价值释放出来。

 

07 大模型时代的壁垒:技术、数据和用户体验

张鹏:

 

在大模型时代,不管数据行业还是 SaaS 产品,想要建立壁垒和竞争力,跟以前相比有什么根本性的变化?

 

韩卿:

 

第一,原来的技术壁垒,是基础。如果把新的壁垒依赖于大模型本身——你又不是做大模型的。这其实会有一些误导,可能未来你就直接被通用模型替代掉了。要认知到自己公司的竞争优势。

 

第二,所谓的竞争壁垒,最重要的是用户体验。AI 带来的变化是,可以将一个非常复杂的技术,平民化成一个人人都能用的东西。举个例子,画图,以前很难,现在 Midjourney 分分钟画的很好看。

 

所以在这个过程中,普通人的用户体验是非常重要的,它形成的壁垒比技术壁垒还要高。

 

因为在这个时代,大家的耐心都不够,如果不在几分钟内让用户「wow」,可能你就失去这个用户了。

 

我们是个 toB 软件,但也花了很多力气在这里(用户体验),这就是原因。

 

还有第三点,建立在数据本身上的壁垒。AI 算法已经变成通用的,人人都能用上的现状,这时候数据才是不一样的东西。

 

现在看微软这么厉害,它也有别人没有的东西,Github、LinkedIn 等等,这些也形成了不同领域的壁垒。

 

比如银行,有自己私有的数据,我们这样的公司也会有自己私有的数据。这些数据未来会形成你真正的壁垒,那么问题就是,怎么用 AI 把它变成一个能力?这也许是挑战每个公司的地方。

 

08 谈 SaaS:先不要看 SaaS

张鹏:

 

SaaS 前几年特别热,你也做了 7 年了。我一度很吃惊,你们客户都是大的银行这样的客户,这种一般都是按项目做,后来我才知道你把这些大客户都做成了 SaaS。

 

但是今年中国 SaaS 有很大的争议,很多人感到绝望,认为中国没有做 SaaS 的土壤,不知道你怎么看?

 

韩卿:

 

先说一些背景,我们做的是大数据平台,过去 6、7 年里,拿下的客户真的是一些大型客户,六大行我们有 3 个,十二个股份制银行我们有 7 个,前十的保险公司我们占 6、7 个等等。

 

第一,我们是标准化产品,标准化很重要。第二,我们收年费,按 SaaS 模型收订阅费,这是两个事实。导致是我们公司的收入主要来自订阅收入,我们整体毛利也非常高,NDR(收入留存)超过 100%。

 

所以我觉得我们能证明几点。第一,在中国,即使是大客户,也能做 SaaS 这种业务模式。前两天某个银行机构的客户过来聊,过去 6、7 年,每年几百万的订阅费,付了这么多年,这是能做到的,是我们走出的一条路。

 

另外一点,最近 SaaS 确实有各种各样讨论。回过来说,大家先不要看 SaaS 本身,首先是生意,你要提供价值,让客户认可你的价值,愿意为你的价值付费,这才是核心。

 

很多朋友问我,怎么让银行、保险公司接受我们订阅制的服务?我觉得最重要的一点,你的产品要强。不只是性能好,那是功能,功能之外要有差异的能力。当你有差异的能力后,客户就会为你的差异能力跟你聊。这样你才有议价空间,你才能够跟客户区商讨采购模式。

 

所以最终,所谓 SaaS,只是客户采购的一种消费模式。

 

就像音乐,你可以订阅,也可以买碟,说白了这也是一种 SaaS 模式对吧?这里本质的问题,用户买的不是订阅,而是你的产品。

 

我是从这个角度看这个问题。

 

张鹏:

不用在 SaaS 不 SaaS 的模式上纠结,现在也有成功过的案例。我很好奇你为什么能做到大客户、大金额还能收年费订阅,这背后有什么特殊的原因吗?

 

韩卿:

 

我们从创业的时候就决定了要走订阅制的模式,原因很简单,在中国做一个项目的公司,也许能赚钱,但不一定能像美国那些创业公司做成那样。

 

第二点,我们认为订阅制应该是未来,是更先进的经济模式。所以我们就决定坚持选择这样的模式。

 

后来回头看,最重要的,就是坚持。我们坚持这样的模式,才会决定我们的行为。

 

举个例子,早年的时候,客户说给你一个大单子,但非常定制化,要我最好的程序员放到现场去。那个时候拒绝过的单子,能占到当年一半的收入,真的。

 

可能是有点初生牛犊不怕虎,选择了这么一条比较难的路,但坚持下来的结果还不错。因为当你坚持的时候,你就会逼着自己,去做差异化,做壁垒。

 

第三点,早期客户决定了未来的方向。我们非常感谢早期的客户,像招行等等,最早期接受了我们的订阅制。早期的先锋客户,它在模式上会采取比较开放的态度,一旦积累下来,一段时间后你就发现,「我在行业里就是这么卖的」,底气就起来了。

 

张鹏:

 

蛮让我有感触的。我身边好多做 SaaS 的朋友,很多时候做一件事,抱着一个把它做成产品的想法,但中间公司要发展,你要生存,有各种诱惑,可能就会把你引向去定制一个东西。我身边很多做 SaaS 的公司都经历过这样的过程。

 

刚刚韩卿也说到遇到这种诱惑,这种关键时刻,他的决定就是坚持,「我不要做项目公司,要做产品公司」。最后金融领域大银行客户可能也会接受,但就是需要更长的时间。

 

韩卿:

 

刚刚你说的特别好,其实早期的坚持之后,回过头来最感谢的就是客户。早期的客户认可了你的模式之后,他们会不断地支持你,你也会把产品做得更好,形成一个良性的生态。

 

但确实,这条路会非常长,也比较难。

 

09 不要为了开源而开源

张鹏:

 

Kyligence 是从开源走出来的,开源对 Kyligence 到底意味着什么?现在大模型很多开源项目,作为一个开源老炮,你有什么建议吗?

 

韩卿:

 

2016 年我们拿了第一轮投资,红点中国。红点在美国很出名,安卓创始人是驻场企业家,Snowflake 也是他们投的。我们当时去拜访他们的合伙人,给我的第一个问题,「你们是做开源的,你们有什么东西是不开源的吗?」

 

这个问题我觉得挺有意思的,他也是开源和企业服务的老兵了,创业成功,然后转做投资。我就请教他,为什么问这个问题?我们刚出来,其实所有东西都是开源的。

 

他说,最终你的客户需要你的,一定是你不开源的东西。你得找个理由让他们为你付钱。

 

我们当时做了很多这方面的交流,然后才有了我们的产品模式、商业模式。

 

我们第一个商业化产品叫 Kyligence Analytics Platform,2016 年 8 月发布。我们开源的时候,存储用了 Apache HBase,但它的稳定性并不够好,性能也一般。我们做的第一个决策,就是重写了底层的存储,这个存储,我们当时并没有开源(现在已经开源了),还有一些高级的企业级特性(也没有开源)。

 

这些都是企业客户要付费的。

 

今天也是,我们在开源引擎之外,做了非常多不开源的能力。你可以理解为,最初 Apache Kylin 是发动机,每个人都能用,不要钱。很多互联网公司或者技术大拿,都可以拿去手工打造一台机器,没有问题。

 

但大量的消费者,其实需要的是一辆量产的轿车,它不止需要一辆车,还需要配套的金融服务、保险服务、4S 店、救援服务等等。这些肯定要付钱。做企业服务软件也是一样,我们需要构建这些增值的东西。

 

所以大家不要为了开源而开源。你看 Snowflake 就完全没开源,市值那么高,对吧?做一个创业公司,是商业实体,其实要回到生意的本质,模式不同,带来的价值也不同。

 

张鹏:

 

很有共鸣,之前我也听 Databricks 核心团队说,他们内部也反思过,如果再来一遍,未必还会从开源出发去做这件事。反过来,我们客观看,对很多公司而言,开源是早期的第一步,经过这一级台阶才能去构建商业的东西。刚刚韩卿说的很重要的一点:你可以第一步是开源,但在那一步的时候,你一定要想好没有开源的价值是什么,然后再拿开源作为台阶,作为第一步。

 

韩卿:

 

对,这是个商业模式,第一天就要想清楚,为什么靠开源。开源本质可能是个获客工具,是个构建社区的工具、市场营销的工具等等,但也许就是要去转换成商业的。这个过程中,大家没必要避免谈钱。我的很多朋友会说,做了开源,不好意思跟客户谈钱。

 

那我都好意思去问投资人要了那么多钱,怎么能不好意思问客户要钱呢?大家要突破这个心理障碍。这对 founder 团队很重要,每个人认知不一样,理想不一样,这时候需要协调认知,拉齐共识。

 

10 给点阳光就满血复活

张鹏:

 

Kyligence 创业 7 年了,心态怎么样?你怎么看这 7 年?分成几个阶段?

 

韩卿:

 

现在回想起刚创业的时候,有点初生牛犊不怕虎。

 

张鹏:

 

哈哈,创业早期容易飘是吧?

 

韩卿:

 

我其实蛮感谢我的合伙人,CTO 李扬。他非常理性,我记得 16 还是 17 年,他拉着我,说你有点飘了。

 

早期的时候是这样。那时候觉得干个几年就能全球大卖了,完全不知道商业化的痛苦,或者即将经历如何漫长的过程。这是第一阶段。

 

后面的时间,有几年挑战特别大,我们早期做商业化验证的时候非常辛苦,又要证明自己行,还要坚持商业模式。这个时候经历的各种挑战,不管是客户的,还是团队内部的。这个阶段是比较痛苦的,给我带来的认知是,怎么做生意,怎么建立客户关系,怎么服务好客户。

 

慢慢的,心态就放下来了,把心放在地板上,从底下做起。这是第二个阶段。

 

还有疫情前,18、19 年,有一种雄心壮志。当时美国业务做起来后,有一些不错的客户,美国有瑞银集团 (UBS),全球最大的银行之一、MetLife,全球最大的保险公司之一等。当时觉得好像做外国生意也挺容易做的。但疫情三年,也会遇到一些压力。整个行业环境变了,那时候确实有些焦虑。

 

今年,又回来了。尤其是 AI 带来的变革,有种豁然开朗的感觉。现在心态慢慢平下来了,更加淡定了,准备好面对接下来的变化和挑战。

 

张鹏:

 

特别真实。我身边很多朋友都是这样,特别感同身受。

 

创业者好像就是这样,不管中间遇到多大的障碍,给点阳光,就能复活。这波技术浪潮,能看到又点亮了很多创业者,至少在心态,在追求上,又满血复活了。

 

Founder Park 特别能理解创业者的这种能力。其实这也是创业者的使命吧,在所有人都悲观的时候,坚守到最后。在所有人还没乐观的时候,做第一批乐观的人。这就是真创业者。

 

谢谢韩卿特别走心的分享。

 

11「要有信心」

张鹏:

 

最后,分享一下最近刷新你认知的东西,读过的书,跟别人的交流,听到了怎样的观点?可以跟我们分享下。

 

韩卿:

 

推荐两本书。

 

一本《大创业家》,麦当劳创始人 Raymond Kroc 的故事。麦当劳也是我们的客户。52 岁才开始创业。也有部改编的电影 The Founder。

 

他也经历过巨大的起伏,房子卖了,差点破产了,还被人坑了。但他最后成功了,创建了麦当劳,一家让人尊重的企业。

 

为什么会有麦当劳这样的快餐文化?其实是来自美国当时的工业化进程,吃饭要半小时 vs 吃饭只要一分钟,竞争力完全不一样。他在大萧条前后创业,当时美国非常卷,在最短时间里把饭吃完,这件事非常重要。这个背景带来了整个麦当劳乃至快餐文化的变化。

 

第二本,《一路向前》,星巴克 CEO Howard Schultz。星巴克也是我们的客户。2008 年,星巴克面临倒闭的风险,已经退休的舒尔茨又回归,拨乱反正从底部拉回来。

 

这两本书给了我巨大的勇气。

 

还有一段对话。去年我跟顾问,许良杰先生,之前网易的 CTO,新浪 CTO,eBay 中国的 founder。

 

他就跟我说了一句话,:「要有信心。」

 

在什么时代都可以做生意,有什么好焦虑的?这是我希望可以分享给各位的。

 

张鹏:

 

非常感谢韩卿的分享。

 

创业者的书里,很少有一帆风顺的传奇,经历构筑了一个个经典。这样的书也才更有养分,它对创业者最大的意义就是,你今天经历的所有艰难,都不是独特的,别人经历的可能比你难得多,你只要想清楚怎么跨越这些。

 

其实有信心,不断向前思考,才能够在每一次技术变革、行业变化中掌握先机。

发布于: 16 小时前阅读数: 3
用户头像

Kyligence

关注

To be Great! 2021-11-08 加入

Kyligence 由 Apache Kylin 创始团队创建,致力于打造下一代智能数据云平台,为企业实现自动化的数据服务和管理。

评论

发布
暂无评论
大模型时代,未来所有公司都是 Data+AI 公司_人工智能_Kyligence_InfoQ写作社区