域名预订/竞价，好“米”不错过
参考摘要：AI技术的应用不应仅仅停留在追风的层面，而应深入到企业的实际需求中。
在当今这个快速变化的商业世界中，企业面临着前所未有的挑战和机遇。随着人工智能和机器学习技术的飞速发展，我们正站在一个新时代的门槛上，一个由数据驱动定义的时代。
近日，Moka联合创始人兼CEO李国兴先生接受了采访，分享了Moka在AI领域的探索和实践，特别是其AI原生产品Moka Eva的推出，如何通过智能化的面试解决方案，提升企业的招聘效率和质量。他指出，AI技术的应用不应仅仅停留在追风的层面，而应深入到企业的实际需求中，解决具体的业务问题。
同时，李国兴先生还表示，单纯的降本并非长久之计，真正的关键在于通过控制成本来实现与增效的平衡。Moka的产品设计理念，正是基于这样的理念，旨在帮助企业在激烈的市场竞争中，通过智能化的工具和解决方案，实现成本与效率的最优平衡。
此外，李国兴先生还就Moka的国际化战略、产品本地化、以及与生态合作伙伴的深度合作等方面进行了深入的讨论。他透露，Moka正积极拓展海外市场，特别是服务中国企业的出海需求，并在香港设立了办公室，以更好地服务亚太地区的客户。
在这次对话中，我们将深入探讨Moka如何通过其创新的产品和解决方案，帮助企业在成本控制与效率提升之间找到平衡点，以及AI技术如何为企业的人力资源管理带来革命性的变革。同时，我们也将一窥Moka在全球化道路上的雄心与实践，理解它是如何在不同市场和文化背景下，为企业提供定制化服务的。
AI深度融入工作流是关键
Q：从您的角度来看， AI 能力对Moka 产品能力的提升或者优化的效果有哪些？
A： 从去年 6 月我们推出 AI 原生产品 Moka Eva 到现在，已经与客户实践了一年，取得了不少收获，也发现了一些客户非常感兴趣的 AI 大模型应用场景。
例如，在面试过程中，面试官与候选人之间的对话本质上非常适合大模型处理。大模型擅长文本理解与分析，可以在面试前自动生成针对候选人的问题，基于简历信息和职位描述，从而帮助面试官更好地开展面试。
在面试过程中，大模型可以提供引导和追问，帮助面试官提出更深入、更高效的问题。此外，我们还在与客户探讨如何提炼公司内最佳面试官的提问方法，并通过 Eva 融入面试过程中，以提高整体面试效果。
面试后，Moka Eva 可以基于对话自动生成面试纪要和初步评价，面试官可以在此基础上进行修改，形成最终评价。这不仅减轻了面试官的负担，也帮助 HR 和用人经理避免问及不适当问题，提高候选人的体验和满意度。
整体来看，Moka Eva 提供了一套智能化的面试解决方案，覆盖面试前、面试中、面试后三个环节，大大提升了效率和效果。
Q：Eva 的定位是面试官的助手，还是未来希望它能够完全取代面试官？
A： 现阶段，Eva 的定位是面试官的助手，即 Copilot 角色。从长期来看，例如 3 到 5 年后，可能会有更多的发展潜力。
目前，我们服务的客户大多面临招聘重要岗位和知识密集型岗位的挑战。企业在招聘这些人才时，成本极高，通常需要筛选上千份简历，面试上百人，最终录用两三人。这整个过程耗时数月，成本巨大。如果最终录用的人不合适，对企业来说是巨大的损失。
我们希望通过 AI 技术，在简历筛选和面试环节帮助企业更准确地招到合适的人才。目前的 AI 技术还无法完全替代人类面试官，因为知识密集型岗位的考察维度复杂，还需要人际信任和企业文化的匹配。每个公司对同一岗位的要求都不尽相同，这些方面难以标准化。
因此，现阶段 Eva 的目标是更好地辅助面试官，帮助企业招到合适的人才。
Q：您如何看待像Moka这种从SaaS平台上成长起来的工具，与将大模型应用于人力管理的公司之间的渗透？
A： 纯AI应用在企业服务场景中，通常是一些点状的应用，能够在特定场景中产生良好效果。例如，美国的一些公司在视频生成等领域取得了一定的收入规模。但从整体上看，企业服务需要深度融入工作流。企业在购买或决策软件产品时，关注的是这些工具能在多大程度上帮助其业务场景。
我们在招聘管理（ATS）中的AI应用，例如在不同的招聘环节中引入AI能力，能够深度契合客户的工作流，这种集成方式对企业来说更有价值。而独立AI服务商则可能无法提供这种深度集成的体验。
另一方面，大模型在生成领域的应用，如视频和图片生成等，更多是点状应用。这些应用场景中，企业会购买一些单点产品来满足特定需求。所以，目前看来，这两种趋势是并存的，各有侧重。
Q：关于大模型的使用，Moka会选择哪些大模型？
A： 我们在业务场景中使用多种大模型，因为不同的应用需要不同的技术支持。有时候我们需要大规模的模型，有时则需要更精准的文本分析或对话处理能力。我们选择的大模型包括miniMax、百度的文心一言和Moonshot等。这些模型在我们的实际应用场景中发挥了重要作用。
Q：能否举例说明在客户场景中，Moka如何结合不同类型和尺寸的AI模型？
A： 在我们的产品中，比如「智能面试纪要」，我们结合了多方的技术能力。例如，我们很早之前就与腾讯会议达成战略合作，共同开发了「三合一面试」功能。现在的「智能纪要」这项功能也利用了腾讯会议的AI技术，将视频对话转录为文字，并基于此加入我们自身的大模型能力。我们根据面试的上下文，如岗位需求和候选人背景，通过模型提取出关键信息，形成面试总结和评价。这一过程展示了我们如何利用AI技术，无论是在会议中还是在自有产品中，结合不同技术形成完整的应用场景。
Q：Moka与钉钉的深度合作中，AI技术起到了什么样的作用？
A： 我们与钉钉的合作是战略性的，「钉钉人事旗舰版」也展现了高度的整合。在我们合作中的产品功能和场景中，包括了钉钉擅长的即时通讯、文档管理以及日程安排等协同办公场景，以及我们专注的人力资源管理场景。我们的目标是将 HR 业务深度融入协同办公场景中，从而提升员工和管理者的使用体验。
当然，在这一合作中，AI技术扮演着重要角色。例如，不久前钉钉的发布会上展示了他们在 AI 领域的战略布局，而我们自去年以来也一直致力于 Al技术的探索和研发我们正在与钉钉的产业团队紧密合作，共同规划和探索未来的发展方向和技术整合。
Q：Moka Eva去年发布到现在也有一年了，哪些类型的客户对Eva的需求或兴趣较高？
A： 总体而言，客户对Eva的兴趣非常高，但实际上，我们的Eva产品更多地被大型企业采购。这些企业通常在Eva能够解决业务痛点方面表现出较强的需求，并且有相应的预算用于购买这类产品。
Q：在过去一年里，我们对于大模型的应用有了哪些新的认知？
A： 最初我们可能会认为某些业务场景非常适合特定模型，但实际推广后发现，并不是所有预期的问题都能被现有模型有效解决。
举例来说，在我们的应用场景中，目前我们认为助手功能仍然需要更强的模型支持。
我们已经进行了大量技术投入和调优，但仍然面临一些挑战，例如AI可能会出现误解或逻辑推理能力不足的情况，导致信息收集不全或错误。
因此，现在看来，处理这些复杂场景需要更长的AI工作链路，并且可能需要模型具备一定的产品化和决策能力。我们目前更多地专注于文本分析和协作辅助场景，如提供用户提示和辅助功能。这些领域有很多探索的空间，我们可以让模型在文本分析和总结能力上发挥更大作用。
具体到面试对话分析和面试纪要的应用场景，我们的模型表现非常出色。在这些场景中，我们如何将客户的最佳面试实践嵌入到模型中，为面试官提供支持，这些都是我们目前模型能力非常适合的应用场景。
Q：未来中长期内，大模型对SaaS行业会带来怎样的改变，包括产品和商业模式的塑造？
A： 我认为未来中长期的变化将是显著的。首先，我们需要关注AI对整体劳动力市场的影响，这不仅仅是SaaS行业的问题，而是涉及到如何应对AI技术对各种职业的影响。在未来几年甚至十年内，AI可能会承担更多的工作，尽管这些工作不一定是整个职业的替代，而是会分解成更多的子任务，这些任务能够更有效地由AI完成。
在这种情况下，我们需要思考的不仅仅是SaaS产品本身，而是整个工作流程和工作组织的变化。随着AI能力的增强，可能会出现一些工作流程甚至完全不再需要存在的情况，这将对SaaS行业的发展产生深远影响。
具体到SaaS产品领域，我认为有许多令人期待的方面。例如，许多SaaS产品存在的一些痛点和共性问题，例如产品复杂度随着客户服务规模的扩展而增加，使得产品使用和学习变得更加困难。如果AI能够提供强大的能力，它可能会改变人机交互的方式，使得长尾功能和个性化需求不再需要用户专门学习，而可以按照用户意图快速完成任务。
当然，我认为AI不会完全取代现有的SaaS软件模式。对于高频使用场景，仍然需要现有的图形化交互界面提供高效的解决方案。
另一个痛点是，企业购买软件时常常面临无法完全定制化满足需求的问题。如果AI能够显著提升研发生产力，并以低成本满足客户的个性化需求，那么企业购买SaaS产品时将会更加灵活和高效。
这些都是未来可能会影响SaaS行业的变化方向和潜力。
Moka成功的核心在于聚焦
Q：您之前提出企业一味降本不可取，控本并实现成本与增效平衡才是有效管理结果。当前存在企业裁员又召回的矛盾现象，想请您分析如何找到平衡、难点在哪，Moka 产品能否助力企业实现这种平衡？
A： 过去两年，许多企业追求更高利润或扭亏为盈，采取了激进且简单粗暴的措施。然而，这些措施往往
