大模型争相降价下，AI应用的门槛真的降低了吗？
答案还真不一定。因为除了价格门槛，AI大模型还有应用门槛。甚至，后者比前者更具挑战性。
B端业务场景向来以“繁、杂、难”著称，大模型想要落地，绝非易事。
如何在千头万绪中，找到一个切入点“下脚”？低代码，逐渐进入了各方视野。
事实上，低代码自诞生以来，一直因其应用场景边缘化而饱受争议。而通过自然语言交互就能自动生成代码的大模型推出后，唱衰低代码之声更甚，但事实到底如何？一些“敢吃螃蟹”的行业老兵们给出了出乎意料的答案。
他们认为，低代码与大模型融合后，大模型为低代码注入了“灵魂”，使机械工具一跃变成智慧助手。而大模型则借低代码“小、轻、快、准”的特性，将触角伸到了万千真实业务场景里，走进了中小企业的‘寻常百姓家’。
“低代码不再‘呆板’，大模型不再‘高冷’，两个乍看水火难容的技术，最终反而一同推动了AI普惠。”
01 低代码+大模型
破开B端场景繁杂难的“铜墙铁壁”
企业在发展，业务在扩大，数字化需求也在蹭蹭上涨，但相应的数字化工具却经常陷入捉襟见肘的窘境。这是国内大多数企业，尤其高成长型企业面临的困局。
作为一家成立了13年，主营国际物流的公司，环世物流对此感受颇深。
其数字化运营总监李刚告诉雷峰网，在“以更小成本，更快速度，对高速奔跑的业务进行数字化改造和提效”这一过程中，环世物流走过了一段“打怪升级”之路。
2020年，与大多数中小公司一样，环世物流选择从简单的低代码工具入手，做一些简单的表单和审批流，实现一些简单的数据收集、统计和业务协同。
但仅用了一年后，就发现“不够用”了。当时公司业务高速扩张，要搭建海外仓储系统，需要进行一些轻应用搭建，却遇到一个两难困境：
外购系统的话，需要支付的费用高昂；
自研的话，当时公司研发人员有限，能否做出来、能否做好，都存在不确定性，并且要花费的人力、时间成本也比较大；而现有的低代码工具功能又不足。
一时间，找到一款好用、易用的数字化开发工具，成为公司业务发展的燃眉之急。
“经过一番调研、筛选，我们最后选择了钉钉的宜搭。最终只用了五分之一的人员投入和时间投入就把场景给配置起来了。”李刚回忆道。
最近这两年，走过了“轻应用”搭建阶段后，环世物流的数智化又开始进入“更重”的阶段。
此时，所面临的问题也愈发复杂了。
李刚告诉雷峰网，“客户询价”是环世物流业务链条中最基础、最重要的场景。整个流程会涉及三种角色：客户、销售、航管（环世物流内部“价格管理”的角色，负责对接船运公司等承运商）。
在售前环节，客户将需求告知销售，销售作为中介，分解客户需求之后向航管咨询。航管从承运商报价单中，找到符合需求的路线报价方案，再返回给销售，最终给到客户一个完整方案。
然而，询价的复杂之处在于这是一个涉及“1对N”的沟通场景，由于每个港口、每条航线的航管都不一样，所以一次“客户询价”，往往需要销售沟通多个航管，经过多轮沟通、比价、筛选，才能给到客户*方案。这一过程费时费力。
在此之前，为了提效，环世物流自主使用过一个信息系统，但由于使用不便、信息完整度不高，导致销售和航管主要还是选择通过线下面谈或电话沟通，效率极低。而且航管每天也要面临大量销售的咨询，承运商的线上价格又是实时更新，导致航管和销售之间的协同常常产生摩擦，关系紧张。
直到2023年，随着钉钉AI助理的发布，大模型成为了环世物流破局的利器。
李刚和同事们经过一番梳理后发现，“客户询价”场景中，整个流程的低效体现在四个方面：
1）运价信息滞后。传统运价查询方式依赖人工沟通、运价数据更新频繁且不统一，容易导致货主和物流公司获取的信息不准确，影响业务决策。
2）询价耗时久。运价结构复杂，难以快速比较和选择*方案，需要人工筛选，非常费时。
3）运价整合难。承运商众多、信息整合难。
4）报价效率低。计算方式复杂、人工出错率高、输出格式不统一、客户体验差。
针对这四大痛点，基于钉钉AI助理，环世物流打造了“掌柜助手”。
李刚告诉雷峰网，“掌柜助手”通过钉钉AI的智能语义解析，能够精准获取到销售的实际需求，实现上千家国际物流企业和船舶公司的线上实时价格匹配。
“如今，销售同事只需要跟AI助理简单对话，就能获取到包括合适价格、承运公司在内的*方案。而且销售还可以增加一些筛选条件来锁定需要的运价。”李刚补充道。
“不仅如此，最终基于筛选的运价，‘掌柜助手’还可以生成符合企业自定义模版标准的企业报价单，并一键分享给客户，提高业务效率的同时也提升了客户体验。”
至此，通过对低代码、大模型的相继运用，环世物流在B端业务繁、难、杂痛点的“铜墙铁壁”上，撕开了一道口子。
02 “老屋翻新”，传统应用也能一键AI化？
如果说，低代码降低了企业的数字化门槛，那么低代码引入大模型就是更进一步，直接降低了企业应用AI的智能化门槛。
上个月，钉钉宜搭AI助理又进一步能力升级，通过提供开箱即用的低代码，让企业能够快速、低门槛为传统应用配备上AI助理，使存量应用一键AI化，实现“低代码+大模型”双剑合璧。
就好比建造新居通常比翻新老宅来得容易。相比新搭建的应用，不少企业在处理存量应用的数智化问题时，往往会面临更多棘手难题。
存量应用的数智化改造常常涉及更庞大、更复杂的工程量，经常是千头万绪，无从下手。因此，基于原有软件系统，采用低代码和大模型，进行阶段性、渐进式的数智化改造，更符合大多数企业的实际情况和需求。
环世物流也借此机会实现了大模型数字化应用的再次升级。
李刚告诉雷峰网，环世物流的信息化部门不仅为集团提供数字化支撑，同时也对外出售软件，赋能其他中小物流企业，所以也面临销售管理的问题。
“我们对订单成交后的管理有更高要求，如客户满意度、新增需求、跟进情况等，更偏向成交后的订单生命周期管理，但市面上的CRM大多功能都是服务于售前流程，缺乏对订单成交后的业务流程管理能力，因此难以满足我们的需求。”
后来，当钉钉在低代码平台“宜搭”中引入大模型后，环世物流仅花费一周时间，就用宜搭低代码自主搭建了一套CRM的销售管理系统。所不同的是，这套系统可以覆盖订单从售前到售后的全生命周期。
现在，环世物流的销售只需向宜搭AI助理简单提问，就可一键获取销售情况的数据分析，并生成BI卡片，获取更智能、更精准、更有效的分析数据结果。例如，销售向AI助理询问“帮我查询下某某的客户拜访情况”， 宜搭AI助理便能够将“拜访情况”转化为该销售习惯拜访地区、拜访客户喜好、拜访时间统计、拜访次数分布、拜访形式和拜访目的等数据指标，然后进行数据库查询，并返回有效分析，为企业决策提供数据分析支撑。
“只要7天，我们就用低代码+AI助理，搭建出了一套CRM业务系统并获得BI数据分析的能力，这在以前想都不敢想啊。”拥有近 20 年行业经验的李刚也不禁发出感慨。
无独有偶，深圳航空对此颇有感触。
深航销售平台的业务负责人史炎平曾讲述过这一过程。
据他介绍，此前，深圳航空已经搭建有机票分销系统“深航销售平台”，在用户使用过程中虽然提供了培训以及使用了传统的手册和知识库，但是由于功能迭代频繁，营业部、坐席人员调整，每天仍需要通过大量人工问答获取信息，效率不高，沟通成本巨大。
同时，一线销售人员需要查询订单票据信息时，需要通过登录深航销售平台系统中查询，信息同步不够及时便捷，系统中沉淀的大量数据也没有*程度地发挥价值。
怎么办？
今年以来，经过数次调研，深圳航空营销委使用钉钉宜搭AI助理、钉钉宜搭互动卡片以及业务接口搭建了“深航AI销售帮手”（简称“深航销帮”），专门针对深航营销场景的痛点进行了定制化开发，解决了销售系统保障、信息触达、经营监控、销售预警、知识管理等难点。
据史炎平介绍，“深航销帮”集成宜搭搭建的销售管理系统“云销平台”，打通多个内部销售相关系统，为员工触达和使用这些数据提供了非常人性化的入口：
“你用自然语言询问‘系统最近的出票时间是什么？’‘近12小时出票情况如何？’等问题，这个Agent就会调用接口，实时查询，并以图表形式显示相关数据，通过Agent对接知识库解答用户的常见问题。”他补充道。
此外，据史炎平介绍，该Agent还能为非系统用户提供订单票据查询等服务。
也就是说说销售人员无需经过系统用户中转，就可直接向AI助理提问“XXX机票/订单的出票代理人是谁?具体信息如何?”，而AI助理收到需求后，会直接查询B2B系统的出票数据，返回所需票据信息。
在这次项目的升级改造中，史炎平发现，用户的需求实际上是不断进阶的：
“最开始，用户希望手工的活儿能通过系统解决（IT系统），后来希望工作可以随时随地的做（低代码），再后来又觉得入口太深、操作麻烦，现有应用也过多了，希望有一个应用能够解决所有问题。此时，低代码+AI，以智能互通之能力就派上了用场。”
而需求进阶的背后，本质上是效率的进阶、数智化深度的进阶。
“我们用‘宜搭+AI’忙活了三年，从各种系统、各种应用齐上阵，到现在一个AI助力，实现了应用从入门到消失。”史炎平话锋一转笑道，“当然应用不是真的消失，而是在隐藏在后台，低调、丝滑地实现着业务逻辑。”
03 看似降维打击，实则升维赋能
实际上，在2022年底大模型问世之初，低代码和大模型的关系并不像现在这般融洽。
大模型刚出现时，不少人都在担忧：大模型对低代码会是一种降维打击么？
毕竟，如果通过自然语言与大模型进行交互，就能迅速生成应用的话，那以“拖拽组件、点击配置和图形化界面”立身的低代码的部分功能将被取代。
但后来，随着落地实践的展开，大家发现，一定程度上可以说，低代码和大模型是天作之合：大模型为低代码平台提供了更深度的智能支持，而低代码为大模型提供了更快捷高效的落地渠道。
一个通俗的比喻是：大模型和低代码可以相互成就，前者为后者注入了“灵魂”，后者为前者铺就了一条落地“高速路”。
在不少用户看来，没有AI大模型加持的情况下，低代码的本质仍是一个开发工具，虽然可以帮助企业快速创建一些轻量级应用，但不管从交付体验，还是实际操作效率上来讲，都只能被当成一个机械表达、机械执行的工具。
而引入大模型后，低代码就从“机械工具”一跃升级成了“智能助手”。大模型作为一种底层技术，有着更强的自然语言理解和数据处理能力，被整合进低代码平台后，进一步提升了低代码的效率和易用性。
反过来，大模型想要以更低成本、更快速度赋能企业，实现AI技术普惠，低代码技术无疑是一个关键的突破口。
AI技术在处理复杂场景和任务方面的潜力巨大，但这依赖于海量数据的爆炸式增长和计算能力的显著提升。
特别对于B端产业，企业提供的海量、多样化数据，能够极大地优化大模型的内部参数，让模型学习到更多特征和模式，从而在各种B端场景中展现出更强的泛化能力。
而低代码正是深入这些海量场景和数据的“触手”。在将近十多年的发展历程中，低代码在利用自身“小、轻、快、准”的特点，支撑了海量数字化场景，而这正是大模型迭代、落地所需之土壤。
B端产业的AI普惠注定是一个“长坡厚雪”的历程，而低代码和大模型，正在以携手之势，加速这一进程。
