文章主题：
01
即将迎来的交互革命
🌟传统的企业软件模型往往扮演着连接”生产线工人”与”管理层”双头角色的传统角色🌟💡无论是内部协作（👩💻），还是信息传递（💼），它都承载着生产者与消费者的双重任务。在这个架构中，员工被视为软件的直接使用者，他们的日常操作和需求是软件优化的核心驱动力。而领导层，则通过软件监控业务流程，确保整体运营顺畅。💡📊然而，随着数字化转型的加速，这种模式开始显得有些过时，企业需要更灵活、智能化的解决方案来满足日益复杂的工作环境。现代的企业软件不再仅仅局限于这两端，而是向着服务全员工，促进跨部门协作，以及实现数据驱动决策的方向演变。🌈💻通过云计算和人工智能的力量，软件能够更好地理解并适应每个用户的具体需求，提供个性化的用户体验。优化后的表述：🌟企业软件进化：拥抱全员工时代，迈向智能化与协作的新高度🌟💡过去，生产者（员工）与消费者（管理层）的互动是其核心功能。如今，软件正逐步打破这一界限，致力于满足所有团队成员的需求。借助云计算和AI技术，它不仅能简化日常操作流程，还能深度分析数据，为决策提供依据。🚀📊从生产线到决策桌，软件的角色正在从信息传递者转变为全面支持者，推动企业实现更高效、灵活的运营模式。🌈💻#企业软件进化#全员工协作#智能化转型
🌟改写版🌟在现代企业管理中，演示文稿和数据分析是不可或缺的工具。💡领导者常常期待通过简洁明了的PPT来掌握全局，而员工们则需熟练运用PowerPoint，以高效且专业的手法呈现信息。💼同样，详尽的报表分析能为决策提供有力支持，员工们会用Excel进行数据清洗和整理，或者借助BI工具构建可视化的报告板。这样的工作模式要求员工不仅具备基本技能，更要灵活适应变化，将繁琐的数据转化为直观的图表，以满足领导对信息深度理解和快速决策的需求。📊SEO优化提示：使用关键词如”企业管理”、”演示文稿制作”、”Excel数据分析”、”BI工具”、”数据可视化”等，同时保持内容连贯性和逻辑性。
在企业级软件领域，设计通常以直观易用为核心，旨在降低用户的上手难度，因此每种终端设备的界面呈现都可能催生相应的生产工具。比如，若需绘制流程图，Visio会是首选；而思维导图的需求，则可通过Xmind这类专业软件来满足。这样的模式下，多样化的工具适应了不同场景和需求，确保了无论何种终端，都能找到匹配的解决方案。
为什么这么多年来有多少软件和 SaaS 号称要取代Office但是一直无法成功？
🌟领导者眼中的“黄金”文件：为何文档、表格与幻灯片独领风骚？💡在商业世界中，那些易于理解和操作的工具总是最受欢迎。而对于决策者来说，无论是面向消费者还是生产者，文档、表格和幻灯片无疑是他们的首选——因为它们直观且高效。打印版的文档以其传统魅力，清晰展示信息，而无需额外学习成本；Excel的表格逻辑性强，一目了然，是数据处理的得力助手；至于幻灯片，生动的视觉呈现，配合简洁的文字，瞬间抓住眼球，传达复杂观点。Office三件套，无论在教育背景还是实际操作中，都是生产者的入门之选。微机课的烙印，让它们成为快速学习和掌握的象征，降低了生产过程中的知识门槛。这就是为什么，无论何时何地，文档、表格与幻灯片始终是商业沟通中的关键元素，引领着信息时代的潮流。🏆
🌟Microsoft’s edge in enterprise software lies not just in its steep learning curve, but also in the fact that the nation shoulders a significant part of the educational investment. Unlike competitors, this unique advantage allows for a more seamless onboarding and long-term support, making it a formidable player in the market. 📚SEO optimized: “Unleash Microsoft’s Enterprise Edge: The Learning Cost Shift & Unmatched Support”
🌟无论飞书、语雀还是石墨，这些数字化工具的高效性背后，都离不开对文档类型的基本区分—— dokument, presentation,表格 —— 这种逻辑的精准执行。毕竟，对于大多数用户来说，这三种核心格式满足了他们日常工作的多元需求。虽然现代工具可能已远远超越了传统的界限，但这种基础分类仍是理解和操作的基石。🚀
Notion 是完全不区分这三种对象的，Notion 本质上是一个伪装成文档的数据库。里面的每一个「文档」本质上都是数据库里面的一行记录，所有的文档具备的功能都是完全一模一样的，不会出现有的是「文档」，有的文档是「表格」这种问题。
使用者如果有一些基本的计算机素养，就可以基于 Notion 创造出无数种花样，Notion 与其说是一个文档工具，不如说是一个低代码工具。
这种设计模式先进到让国内的模仿者难以望其项背，所以 Notion 即使只是佛系更新，国内的模仿者也得扒一层皮，因为从软件开发的角度来说，Notion 只需要给「文档」这个对象增加一个功能即可，而国内的模仿者们有多少类型的「对象」，就需要把相同的功能适配多少遍。
Notion 为了这种设计思路也付出了代价，代价就是它和 Office 相比注定是相对小众的。但是支持多模态的 GPT 出现之后会打破这个均势，你的下一个 PPT 何必需要用 PPT 来做呢？
乍一听这其实是非常反人类的，但实际上在这个星球上有很多人对这种模式已经习以为常了，最典型的群体莫过于程序员。
对于一个具有编码能力的人来说，如果想要看到一张复杂的报表，他们会更倾向于什么手段呢？是手工在 Excel 里面各种 Vlookup，还是在 BI 平台直接用 SQL 语言拼出自己想要的底表，然后在界面上点几个按钮进行数据可视化。
显然是后者更让人省心，排除 BI 平台作为一个 B/S 架构的软件服务端性能更强能处理更多数据的优势之外，对于具有编码能力的人来说用这种工作方式最省心的点就在于他们可以只和编程语言打交道，而不用去学习不同工具的交互，毕竟大部分工具的产品经理太不靠谱了，学习软件的成本不会比用熟悉的编程语言来的更低。
编程语言本质是一种为了方便人类表达自己意图的工具，只不过为了确保这个意图表达是足够精确的，所以会有很多的范式或者限制。所以某种角度来说编程语言也是一种「交互」，只不过这种交互在设计的时候为了「足够的灵活」与「精确」牺牲掉了「易用性」。
为了「足够的灵活」、「精确」以及「便捷性」（双手都在键盘不用离开鼠标），一部分人甚至会特意在可视化操作已经非常完善的场景重新搞出来一套特定的「语法」以符合自身的使用习惯，比如 Markdown。
GPT 的到来最重要的就是让自然语言能够作为一种交互模式的学习成本得到了巨大的下降。
所以尽管微软的 Copilot 贯穿了整个 Oiffce 的生态，但是从交互升级上来看微软还是做的相对保守的，Copilot 在交互上定位仍然是一个「辅助」工具，所以被放到了界面的右侧，并且占据的面积不是很大。
这点和上面截图的 Markdown 编辑器就能形成比较鲜明的对比，Markdown 把编码区域放在了左侧，也就是人类视觉习惯性会注意到的位置。
就我个人的观点来看，微软在 Office 三剑客内塞入 GPT 为例子，场景上可以说与目前我们人类使用三剑客的习惯是异常贴合的，但这并不代表这样的实践就是最佳实践，这很可能是一种「皇帝的金锄头」。
相比之下文档类工具，比如 Word 和 Notion 对 GPT 的结合都显得更加自然一些，而如何通过类似于对话的形式展现可视化的图表或者数据表格，Jupyter 也给出了足够好的交互设计范式。
所以如果微软不能够单独为 Copilot 设计一个 All in One 的工具软件，脱离于现有的 Office 体系，很快就会有人替微软做这个事情。
但是这样假想中的 All in One 的工具能否对 Office 市场造成冲击，造成多大的冲击，这是一个无法预判的事情，很可能这个冲击在短期内根本不会生效，也可能很快就会生效，这里面涉及的变量非常多，还是让我们从传统的 SaaS 软件交付开始讲起。
02
颠覆 SaaS 市场的技术
传统 SaaS 软件的交付成本都是非常高的，以 Salesforce 为例子，这个软件的交付成本极高，Salesforce Premier 级别的交付专家费是软件授权费用的 30%。
但其实对于 SaaS 厂商和客户来说这 30% 可能都是成本，对 SaaS 厂商来说这部分营收毛利较低，会拉低自己的毛利率，对客户来说是费用成本，更是自己员工的学习培训成本，员工用来学习 Salesforce 的时间完全可以用来做别的更有价值的事情。
造成这个现象的原因主要是因为SaaS 市场客户需求多样化造成的，不同规模不同行业的客户对相同的软件会有着完全相反的诉求，这导致软件必须要开发大量的配置项，甚至配备一些低代码的能力，这些灵活性都会显著拉高软件的使用成本，最终造成的结果就是一个裸的 Salesforce 如果没有经过相关专家的配置，就根本没法用的程度。
正是因为 SaaS 市场的这个特性，所以这个市场是没有赢者通吃的。以 CRM 为例子，Salesforce 的占有率只有 19.5%，这已经是了不起的数字了，CRM 市场集中度较低（CR5 仅为 37.6%），也就是说市场排名前 5 的 CRM 厂商加起来才能占有 37.6% 的市场，毕竟有大量的小企业不愿意也没有能力给那些交付专家付费。
GPT 类的工具可以对于交付体系来说是一个降本增效的工具，交付人员的内部学习材料完全可以被 GPT 的模型学习，并且推出针对性的专家系统，这意味着一个交付人员可以在短时间内交付的功能更多，他们原本需要花时间给客户写大量的文档、PPT，同时还要花费时间学习自家系统的迭代升级，现在这其中有不少都可以交给 GPT 代劳了。毛利率提升杠杠的。
在一些需要复杂低代码配置的场景下，GPT 类工具也有非常强的降本增效的作用，微软将相关工具集成到了自家的低代码平台。用户可以 Power Apps、Power Virtual Agents 和 Power Automate 中用自然语言描述他们想要的应用、流程或机器人，Copilot 可以在极短时间内完成创建，并提供改进的建议。
详细见：https://mp.weixin.qq.com/s/96IemncFH5lYYKcGj8aFZw借助 GPT 的工具，大型 SaaS 企业的交付毛利率结构会发生巨变，所以在可以预见的未来，SaaS 公司很可能会因为交付毛利率的降低引发新一轮的价格竞赛，导致整个市场的集中度会比原来高很多。
对于客户来说如果可以以更低的成本用上世界上最好的 CRM，何乐而不为呢？但是对于垂直市场的 CRM 厂商来说这就不是什么好消息了。
那么上面提到的这些低代码能力有没有可能直接授权给用户呢？我认为会有人做这样的尝试，但是很可能是无功而返的。
Excel 也好，PowerPoint 也好，哪怕是 BI 软件也好，软件除了降低门槛之外，还有一个很重要的作用就是「约束」使用者。
在这个场景下约束不是一个贬义词，是一个褒义词。这些软件内置的所有功能都是在漫长的时光中迭代出来的，里面凝聚了无数软件开发者与使用软件的企业的经验和最佳实践。
举例来说，打开 Sensors Analysis（神策数据旗下）和 DataFinder（火山引擎旗下）这两个产出自不同公司的行为分析软件时，会发现二者的功能极为相似，事件分析、漏斗（转化）分析、留存分析等等。我甚至怀疑使用这些软件的企业客户们使用习惯也会高度类似，因为这些软件里面凝聚的功能本身就是最佳实践。
对于一个没有什么统计分析能力的运营来说，让他去面对 GPT 的文本框描述清楚自己需要一个漏斗分析实在是太困难了，还是用神策比较简单。GPT 如果能够获得关于漏斗分析的详细计算逻辑，也可以一定程度上的引导用户，但前提是用户得能说出来漏斗分析这四个字，实际上脱离了界面很多人都不见得能描述的清楚自己想要的是什么。
同样的，如果有一个人觉得神策不好用或者神策功能不够强大，其实很可能是他碰到了伪需求而不是神策真的不够强大，神策的约束恰恰避免了他花费时间在伪需求上面。
所以从SaaS 软件客户视角来看，GUI 要被取代掉是有前提的，那就是大部分员工要能够描述清楚自己的诉求，或者说能够描述清楚诉求的员工/企业可以获得超额收益，快速取代掉无法掌握类似技能的企业/员工，这些都是市场成熟度的问题，SaaS 企业在这个过程中可以起到催化作用，但是无法真正主导这个进程。
如果市场真的进化到了大部分软件的使用者都能够熟练地撰写提示词，那么对于大部分 SaaS 企业来说竞争会变得更加激烈。
以数据分析领域为例子，传统的 BI 和行为分析软件一般都是井水不犯河水，各有各的市场，因为二者的分析范式和数据存储思路都有比较大的区别，用其中一方尝试去干另一方的活都是很别扭的。
但假如说主流的交互形式变成了对着文本框描述用户想要的分析结果，那么 BI 和行为分析软件各自基于 GUI 承载的包含大量分析范式的功能都将没有意义了。
毕竟不论是怎么样的分析范式，最后都是转成 SQL，反正都是转成 SQL，让 GPT 帮忙转成 SQL 不是更简单吗？
对于客户来说他们其实是不能理解为什么有了 BI 还需要有行为分析软件的，他们甚至无法很好地区分 BI 与行为分析软件的区别是什么，其实他们想要的是一个万能的许愿机，现在许愿机来了，SaaS 厂商可不就要倒霉了吗？而这些厂商公开的帮助文档则会给 GPT 的模型提供大量优质的学习素材。
GPT 可以通过提高交付效率来模糊同赛道之间的不同规模的 SaaS 厂商的护城河，就也可以通过通用交互的形式来模糊赛道跨度比较大的企业之间的护城河，只要这些企业之间的护城河下钻到实现层面都是相对统一的，那么 GPT 就有能力模糊他们以往的工作成果。
当然上面的假设并没有完全考虑到数据集成+建模以及查询性能优化相关的问题，但是这种假设在我看来已经足够让一众 SaaS 从业者引起重视了，毕竟对于客户来说他们本来就不关心建模和查询优化的问题，那是 SaaS 企业应该解决的。
当全社会的主流人群都能够较为熟练的掌握撰写提示词以及用思维链引导 GPT 的技能时，这个世界上的大部分企业级软件的核心流程都会最终变成一个对话框，上文提到的假想中的 All in One 的工具就会真正取代 Office，尽管 Office 的展现形式可能还是会被保留，但是这个时候它更多的只是一个「阅读器」而非「生产工具」了，SaaS 市场很可能就会结束以往市场集中度较低的局面，迎来赢者通吃的市场格局，对于大部分中小 SaaS 企业来说这绝对是噩梦。
这个过程到底有多漫长呢？这个过程可能非常漫长，需要等待具备 GPT 能力的软件走进义务教育才行；也可能不需要那么漫长，只要作为一种新的工具它带来足够高的收益，同时带来的新风险以及学习迁移成本其实并不高，高 ROI 会让这种生产模式很快得到普及。
03
两个平行宇宙的故事
新工具带来的收益、风险与学习成本这三个指标其实很大程度上是取决于工具所处的社会环境的。在不同的社会环境下，一项全新的技术带来的收益更高还是风险更高并不是一个恒定的值，下面让我们简化一下这三个指标的定义：
收益：使用者使用这个工具后获得的收益，这些收益中的一部分会以软件 License 费用的形式提供给 GPT 类工具的开发者；
风险成本：工具提供方解决用户使用 GPT 类工具附带风险的成本，包括但不限于因为引用了不可控的信源导致了监管风险，大量引用未授权数据导致的隐私质疑；
学习成本：对于用户来说 GPT 类工具的学习成本，理论上来说 GPT 类工具能够获得的数据越多，并且能够支持面向特定企业业务进行特定的数据训练，那么对于用户来说学习成本就越低。
所以对于 GPT 类工具的开发者们来说，在一个高收益但是低成本的世界里他们是最有动力去尽可能推广这个工具的，也就是我们上文说到的 All in One 的工具。
让我们做一个假设，假如存在 2 个平行宇宙，宇宙 A 和 宇宙 B。让我们尝试推演一下在不同的社会环境下，GPT 类的工具会如何改造 SaaS 市场。
接下来这段论述会比较冗长，如果没有耐心阅读可以拉到最底部，有通过 Notion AI 总结（有人工润色）的表格形式结论供读者参考。
宇宙 A 的社会中大部分具有较强盈利能力的企业都是公有制企业，这些企业具有一定的垄断性地位，但与之对应的是这些企业需要承担更多的社会责任，比如他们的利润需要上缴然后以基建或者社保的形式将红利分享给全社会。
同时宇宙 A 的企业会非常重视雇主责任，除非是政府层面下达指令，不然不会轻易开出任何一个雇员，哪怕这些雇员实际上产生的经济价值是很低的，甚至是负的。
宇宙 A 的企业存在上级部门的监管，因为这些企业是公有制企业，理论上要对全体国民负责。这些企业的采购和经营决策都需要能够经得起考验，采购过程中不能有腐败，经营决策必须经得起推敲，不然就是玩忽职守。在这种情况下，宇宙 A 的企业通常首要考虑的问题不是效率，而是合规。
宇宙 B 中的大部分企业是私营企业，并且这些企业对宇宙 B 的政府有极强的游说甚至干预能力，宇宙 B 有不少人都认为实际上自己这个社会的政府就是这些大企业的提线木偶。
宇宙 B 的企业为了招揽更优秀的雇员往往会给出具有诱惑力的薪资和福利，但是在经济环境不好的时候也会无情裁员，并且宇宙 B 的股市非但不会因为企业裁员认为企业不稳定，反而会认为这是提升盈利水平的举措进而导致股价上涨，宇宙 B 的企业最多考虑的就是如何扩大自己的盈利水平。
上面的假设是非常粗糙但是又具有一定代表性的，想必不少读者朋友们都能会心一笑，上面两个社会中的主力企业也会是 SaaS 市场中的主力客户，那么请让我们分别推演一下 GPT 类的工具在这两个宇宙的发展情况吧。
在宇宙 A，GPT 类工具会在一开始由少部分私营企业开发出来，并且引爆热点，但是当这些工具想要应用到宇宙 A 最具有付费能力的大型企业时会遇到如下困难：
大型公有制企业对于 GPT 类工具利用使用者的反馈进行训练这件事情产生巨大的质疑，会要求大模型进行私有化部署，这个很显然不利于模型的进步，也会拖慢创新的脚步；
大型公有制企业会对 GPT 类工具的「可解释性」要求会很高，毕竟这些企业的经营决策要对全体国民负责，使用这些工具也无法改变这个现实，毕竟如果最后出了问题工具不能背锅；
大型公有制企业需要 GPT 类工具的开发者提供尽可能尽善尽美的提供完善的交付服务，考虑到这些企业的员工有不少人数字技能比较落后，这些交付很可能还是会花费人工和人力，同时除非合同有额外约定，开发者直接用 AI 客服去做售后服务会被视作为「欺诈国有资产」；
宇宙 A 的政府会为了公平考虑，会要求尽可能保留原有的系统，以免内部的国民出现过于巨大的数字鸿沟，这也需要花费一定的财力物力，同时为了考虑社会的稳定性，宇宙 A 的政府也会禁止其管理的企业短期内进行大量裁员，同时在采购时也可能会考虑避免造成垄断，刻意扶持一些本土/本地的中小 SaaS 公司；
由于上述「个性化」的诉求，宇宙 A 中的 SaaS 企业会存在非常长的时间，GPT 类的企业也会因为可解释性和私有部署这些要求产生不同生态位的玩家，赢者通吃很难完全实现；
宇宙 A 的民众和官员也会有参与这类工具迭代的热情，但是显然如果这类工具在一些问题上给出了不恰当的回答，那么将会引起监管风险；
在宇宙 A 开发 GPT 类工具，对用户的收益是明确的，但是考虑到大部分具有付费能力的企业具有垄断性地位，这个工具对于企业来说更多的是提效的作用，可能会降低企业的成本，但是不一定能帮助企业扩大规模。
工具的提供方需要负责大量数字技能较为落后的人的培训成本，同时为了避免，所以要实现真正的全民普及，可能得需要这类工具进入到义务教育的课本里面才可以。
当然宇宙 A 对于开发者们来说也不全是坏的，因为大部分采购可能是私有部署，宇宙 A 的公司采购这类工具时会自行准备机器，虽然会产生私有部署产生的额外适配成本，但是比服务器钱要便宜。
最终，宇宙 A 的企业可能需要花费十年乃至数十年的时间才会淘汰掉那些无法掌握 GPT 类工具的企业和个人，实现整体社会收益的提升，但在某些关键领域会禁止使用这类工具。
在宇宙 B，GPT 类的工具发展速度会非常迅速，并且迅速的在大大小小的公司内扩展出来，但是很快他们将会引发新的问题，那就是人的主体性问题：
宇宙 B 的企业会以非常快的速度推进这类工具的普及，能够率先运用好这项技术的公司在市场上会具有更强的竞争力，并且一定程度上替代掉自己的竞争对手；
宇宙 B 的企业对于「快」的追求高过一切，所以他们更能接受 SaaS 形式的服务，只要确保自己的数据不会被滥用即可；
宇宙 B 中企业中的决策环节很快也会用上相关技术，宇宙 B 的企业家们会成为智能系统的傀儡，可能会有部分企业决策者对此有所抗拒，但是没关系，宇宙 B 的资本市场会无情的将这些企业干倒闭，他们无法阻挡任何潮流。
宇宙 B 中的 SaaS 企业之间会在较短时间内产生兼并和垄断，很快就会形成赢者通吃的时代；
在这个过程中，宇宙 B 的政府不会起到任何作用，因为宇宙 B 的政府在大部分情况下本来就不会起到作用，就和不存在一样；
宇宙 B 的企业中无法掌握相关技能的员工和企业很快会被淘汰掉，剩余的员工劳动的主体性也会大幅下滑，整个社会的幸福指数大幅降低，从结果来说可能最终导致生产过剩但是消费不足的经济危机；
简而言之，宇宙 B 会以最快的速度去推广这项技术，可能在 10 年或者 5 年内就会完成这次技术革命，但是最终会因为其自身社会结构的特性导致社会层面发生巨大改变，如果改变顺利，他们将借助这项技术降低全民众的劳动时间，如果改变不顺利，则会引起动荡。
考虑到宇宙 B 的政府一以贯之的思路就是少干预和躺平，所以引起动荡的概率远高于改革成功的概率。
在一个相对保守的社会，我们将会看到技术以较为缓慢的状态进步，前进的过程中需要负担较多的成本，没有办法很好的释放自身的红利，但也不容易引发社会问题；在一个管制较少的社会，技术会以非常快的速度普及，但是这种颠覆性的技术很可能会引发新的问题，而这个社会的立法者们显然没有为此做好准备。
如果觉得上面这段论述太过复杂，在这里也有借助 Notion AI 抽象一个总结表格（有人工润色），可以用来展示宇宙 A 和 宇宙 B 的不同：
那么我亲爱的读者们，如果你是一个软件开发者或者是一个 SaaS 行业从业者，你会更希望自己活在哪个世界，是一个自己的软件会缓慢发展，但是大家也许都能活下去的世界，还是一个软件快速发展，自己的公司可能会被兼并或者把全社会带沟里的世界呢？
04
结语
当然，上面的推演并没有很好地考虑这两个宇宙假如能够互相接触，甚至互相竞争的情况。
如果把这个要素考虑进来，事情就会变得更有趣一些，但是这里的有趣并不是指会往好的方向发展，因为两个文明的竞争往往不是互相取长补短，而是会学习对方更糟糕的更没有人性的部分。
毕竟效率这种东西，往往是会牺牲公平的。
彩蛋：本文请 Notion AI 做了一些校对，Notion AI 认为这篇文章还可以。
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
相关文章
