Aaron Levie解析企业级Applied AI层规模化特征
Box CEO Aaron Levie表示,过去数月或正见证Applied AI层在规模化时的形态,尽管初期批评认为这只是LLM薄层,但驱动企业agentic工作流远更复杂,复杂性之处通常形成长期护城河与价值。
他总结关键组件包括:构建智能与工作流间桥梁的专属功能、模型路由平衡前沿与高效模型、通过FDE等驱动实施与变革管理、以及领域特定GTM打造专业能力。
这些在编码、法律、医疗、客服、金融等领域实践中显现,企业需今日帮助而非仅依赖模型智能。
来源:公开信息
ABAB AI 解读
Aaron Levie作为SaaS老兵长期观察企业软件演进,此番对Applied AI的拆解延续其对工作流深度集成的洞察,强调代理系统需超越通用接口转向领域定制。
资本路径上,SaaS与AI公司将资源从通用模型集成转向领域特定工具与变革管理服务,资金向垂直解决方案与专业服务倾斜,动机在于通过复杂性构建可持续收入与客户粘性。
类似Salesforce与ServiceNow在企业流程自动化中的演进,以及历史中ERP系统从通用到行业定制,本轮企业AI处于从实验部署向规模化工作流集成的转型阶段,平台通过FDE与领域GTM建立竞争壁垒。
本质属于产业链重构,Applied AI层在通用智能基础上添加工作流专属组件,机制在于企业数字化转型的复杂性需求驱动价值从模型能力向实施深度转移,资本向能解决“今日变革”问题的垂直玩家集中。
ABAB News · 认知定律
通用智能易得,工作流深度难复制,复杂性即护城河。
模型路由降成本,领域GTM提转化,Applied层靠执行落地价值。
短期代理实验,中期变革管理固化,长期AI重塑企业软件垂直分工。