30 秒看懂
在 2024 年 Sequoia 活动上,ServiceNow 高管 CJ Desai 介绍选择产品机会、集成较小 AI 模型,以及向企业买家销售结果的方式。Sequoia 是 ServiceNow 的投资方;公司数字是演讲中的历史说法。
- 1了解买家为每个产品明确买家、竞争和机会。
- 2模型约束模型大小、延迟和利润率是实际约束。
- 3具体提案企业提案应改善具体客户工作流。
- 4产品扩张扩张之前验证核心业务和相邻买家。
- 5展示结果解释成本与可衡量结果,而不是只做泛泛的 AI 推介。
要点建议
- 为每个产品明确买家、竞争和机会。
- 模型大小、延迟和利润率是实际约束。
- 企业提案应改善具体客户工作流。
- 扩张之前验证核心业务和相邻买家。
- 解释成本与可衡量结果,而不是只做泛泛的 AI 推介。
按章节阅读整理后的全文
ServiceNow 的增长
主持人和 Desai 回顾公司历史。
在 Sequoia 2024 年的 AI 活动上,ServiceNow 总裁兼 COO CJ Desai 讨论企业 AI、产品扩张和向 CIO 销售。Sequoia 是 ServiceNow 的投资方,公司数据和产品说法均来自活动中的讲述。
主持人强调 ServiceNow 的历史增长、利润率和规模。这些 2024 年数字是一张历史快照,不应被视为当前财务信息或投资建议。
Desai 感谢 Sequoia 支持公司,并回忆公司在 IPO 前选择独立发展、没有接受收购报价的决定。这是他对公司历史的叙述。
他介绍自己加入时,公司有一个大型产品和几个较小产品。平台策略要求团队决定解决哪些新问题,以及能够真正接触哪些买家。
面对拟议产品,他会问买家是谁、现有关系能否提供接触机会、竞争者是谁,以及机会是否足够大。他强调的不只是想法,还有执行。
在约束下应用 AI
团队考虑用于特定工作流的模型。
他说,ServiceNow 的 AI 方法是在客户已有具体问题的工作流中应用模型。公司收购了包括 Element AI 在内的小型 AI 团队,以建立研究和工程能力。
Desai 介绍利用开源研究并与 Hugging Face 合作,开发适合 ServiceNow 用例的模型。他围绕产品需求、延迟和服务客户的成本来选择模型。
他把毛利率视为约束:在所有地方使用大型通用模型可能很昂贵,因此团队探索在现有硬件上运行较小的专用模型。这是工程与商业取舍,并不意味着较小模型总是表现更好。
销售与扩张
Desai 讨论买家、合作和产品扩张。
被问到初创公司如何向 ServiceNow 销售时,他说提案应说明能如何具体改善公司客户的工作流。他也认为,当初创公司需要接触 CIO 买家时,双方可能有合作机会。
他以员工设备配置为企业工作流示例:审批、库存、配置、安全和交付可能涉及多个部门。自动化的目标是让整个流程更容易,而不只是让某个界面更快。
关于第二条产品线,Desai 建议创始人在扩张前理解核心市场和买家。ServiceNow 自己的时机和规模取决于具体情况,并非每家初创公司的统一收入门槛。
他说,公司在建立核心 IT 业务后扩展到安全、人力资源和客户服务,并利用 CIO 关系接触相邻买家。产品扩张仍需分别验证每类买家的需求。
优先级与结果
讨论转向企业回报和具体例子。
确定 AI 功能优先级时,他寻找客户痛点和可能改善的结果。他把进入公共部门市场所需的大额投入与认证要求描述为进入成本的一部分。
Desai 认为企业买家既会问 AI 功能的成本,也会问能带来什么回报。他建议解释具体结果,同时认识到实际节省可能不同于供应商预测。
他不同意 CIO 对企业采购不再重要的说法。按他的经验,CIO 对基础设施、成本和收入相关工作流的决策仍很重要;不同组织的采购结构也不一样。
被问到哪些做法有效或无效时,他说按自己的经验,从各种发票和文档中提取并匹配信息仍很困难。他将这与基于既有工作流数据的较窄预测任务作比较。
一个例子预测员工即将到来的电脑更新,并在继续之前请求确认。Desai 强调人工决策节点,反映了该用例中企业客户的偏好。
主持人最后总结识别买家、模型成本和客户结果。Desai 补充说公司在扩张过程中也犯过错误,并继续学习应该优先处理哪些机会。
同频道的其他文章
1:00:41EN → 简体中文
44:26EN → 简体中文
1:08:02EN → 简体中文
1:04:26EN → 简体中文
1:05:21EN → 简体中文
52:27EN → 简体中文