AI来了，外贸公司的销售团队反而扩张了

AI来了，外贸公司的销售团队反而扩张了

AI不是把销售一刀切掉，而是在不同环节里，改写销售与客户之间的分工关系

一个做外贸SaaS的公司，在AI全面上线之后，销售人数不降反升。

这件事是宜选科技高级副总裁陈尔航讲的。他还补充了一句：「因为我们看到了更多机会，生意可以做得更大。」

大家花了这么多时间讨论“AI会不会干掉销售”，结果一个深耕外贸16年的人告诉你：AI来之后，他加人了。

在杭州AI WEEK上一场关于AI销售的圆桌，四位嘉宾分别来自CRM、消费品牌AI、外贸出海、销售培训四个完全不同的赛道。主持人一开场就抛出问题：

AI到终局，到底能不能完全代替销售？

这个问题让全场直接分了阵营。

销帮帮联合创始人王钊琦做了十多年CRM，他的答案是：「中短期很难代替，但如果从终局来看，势必会干掉所有销售。」

理由很简单：他见过太多销售执行力低下的中小企业，AI直接把低效环节统统替掉，剩下的只是时间问题。

LynxAI创始人张克一的答案截然相反——「不会替代，一定是共生和协同。」他的逻辑也很清楚：智力型的工作AI可以scale，但判断型的工作，始终需要人。消费品牌要服务的终端是人，只要碳基生命还在做消费决策，人类专家的判断就不可能被替换。

主持人当场做了个现场调查——认为AI终局能完全替代销售的观众请举手，只有少数人觉得会。

争「会不会替代」是个伪问题。

宜选科技的陈尔航说了一句更实在的话：「你把一个销售任务化解为各个环节，AI在里面所起的作用是不一样的。」

他们做外贸独立站已经16年，对销售全链路非常熟悉。按他的描述，整条链路大概分三段：

这三段，AI在每一段的角色都不一样。不是「替代 vs 不替代」，是「AI管哪一段、管多深」。

贝塔数据CEO李守国补了一句很精准的话：「最终在客户需要服务、需要解决方案、需要信任连接的这些领域，AI是比较困难的。」

简单销售，AI确实能干。复杂销售，核心不是产品本身，是信任。信任这个东西，目前还没模型能量化。

王钊琦分享了销帮帮过去一年多的实践，我觉得这段最有价值。

他做的是全链路——从获客拓客到线索清洗到销售陪练到BI报表，一条龙全接了。

成绩是真实的：从去年10月开始AI商业化，两个月内完成100万合同，现在超过100个客户在落地使用。

其中最核心的一个点，是他处理「成交环节」的方式。

所有做过销售的人都知道，最难的不是找到客户，是客户说「我再考虑一下」之后怎么办。

他们做的是：用AI监控整个销售跟进过程，做红绿灯看板。一旦某个客户在跟进过程中出现异常信号，立刻亮红灯提醒管理介入。管理介入之后，系统自动根据这个客户的历史所有记录——包括录音、视频会议数据——生成一个三到五分钟的实战对练场景，销售打开CRM就能直接练。

「把业务和培训完整地结合在一套系统里。」

而且培训成本直接干下去了——他提到，国内中型以上SaaS公司的销售培训负责人，年薪普遍超过百万。AI陪练把这个成本打掉了相当一部分。

这是张克一说的，我觉得这个提法挺有意思。

很多公司说在搞「组织AI化」，但实际上做的只是「个人AI化」——每个员工各自用用工具，但组织层面没有真正变。

他的判断是：个人AI化是AI赋能人的执行；组织AI化是人赋能AI，让AI从不懂到懂你的行业、你的专业领域、你的业务负责人的偏好。

三层让AI进入状态：行业同频、专业同频、业务负责人偏好同频。

LynxAI没有专职销售岗，「谁销售谁就交付」。在合作过程中，交付团队先跟客户深度同频，然后把这个同频的结果沉淀到系统里——结构化数据库、知识库、AI承载的业务流程——客户在执行层面被「养懒」了，但在架构层面会提出更多要求。正向飞轮就这么转起来的。

说白了，续约不靠销售跟进，靠的是客户用着用着发现离不开了。

李守国在贝塔数据做的是AI销售陪练工具，客户是金融、电信、能源、机械等大B领域。他对断点的描述比较冷静。

第一个断点：数据断点。

大量线下销售的数据根本就没有被采集。人和人面对面谈事，语言和声音在整个交流中的占比极低——过去三四十年的研究已经说明了，大量的眼神、表情、动作才是主要内容。「即使你用录音设备把完整对话录下来，这个权重只有10%。」AI拿到的信息量就这么多，效果能有多强？

第二个断点：组织断点。

今天的大组织仍然是条状流水线的分工逻辑，不同部门之间的数据系统是割裂的，有时候两个团队之间的数据打通，「你看起来像两家公司」。更别说背后还有合规问题。

所以他的结论是：AI销售不是不行，是「还有非常长的路要走」，是节奏选择的问题。

这个问题四个人的答案高度一致：场景优先。

王钊琦说了一个很接地气的例子：「你招一个月薪三千的销售，然后在抖音上投流，一个线索要200多块。你给他15个线索就超过他一个月工资了。你打150个线索，是他工资的十倍。你用人还是用AI？」

这不是纯技术问题，是ROI和场景的综合决策。

张克一说他们去年闷头做产品，上线之后「被骂得狗血淋头」，觉得客户不懂AI，后来发现是自己不懂市场。加上人类专家陪跑之后，才真正搞清楚客户在具体场景下需要AI做什么事。

陈尔航说得更直接：「成熟企业一定是马上去找场景，马上找落地方案。可能初创企业有个技术亮点，但商业模式和落地场景还比较模糊。」

最后李守国补了一个小注脚：To B客户里有一类例外——IT采购部门，有时候买的是「技术游行」，跟风为主。除了这类，基本都是场景说了算。

段宏宇：我想先问一下四位嘉宾，让我们按这个顺序每人大概一分钟左右做个自我介绍，并且你们判断一下AI到终局，它是不是真的能代替掉整个销售的环节，或者说它最终会跟人在销售达成什么样的一个协作的平衡，请王总先开始。

王钊琦：我是销帮帮的王钊琦。销帮帮是做CRM软件的。所以我每次出来见到大家，大家都问我说还能做吗？那事实是AI来了以后呢，对这种传统SaaS软件其实帮助还是蛮大的，明显感觉从今年开始呢，这个SaaS/CRM声音越来越好做了。回到主持人这个问题，AI最终会不会替代销售？从中短期来看呢，很难代替。但是刚才我注意到主持人讲了“终局”这两个字，如果硬要从终局的视角的话，那势必会把所有的销售都给干掉。但是这个终局可能会经历非常长的时间。

张克一：我是LynxAI的创始人张克一。那我们的产品是一个产品创新平台，具体的服务是AI产品加专家陪跑服务，因为我们服务的客户是To B的消费品牌。回到主持人的问题，这一块我的观点可能跟王总有些差异，在我看来是不会被替代。因为我们是这样一个思考：智力型的工作或者任务，AI确实是可以逐步成长的；那么判断型的工作，AI也好或者不同状态的人也好，总是会有不同的选择。所以它不是个替代的关系，一定是一个共生和协同的关系，只不过这个关系正在重构当中。所以我很明确的观点是不会被替代。只不过那个时候人与AI之间的连接是怎样的，销售带来的连接从过程到结果的价值是怎样的，正在过程当中。这是为什么我们LynxAI的解决方案是除了AI产品交互解决方案之外是有专家陪跑的。

段宏宇：所以目前做传统SaaS的王总认为是可替代，然后以卖结果、卖服务的张总认为是不可以替代。那我想看一下我们现场观众，认为AI的终局能完全替代掉销售的，请举手我看一下。认为不能替代的举手看一下。好，那在我们这场访谈结束的时候，我们再看一下大家想法，我们就现场打个辩论。好，那请宜选科技的陈总说一下您的观点。

陈尔航：很高兴今天能够有这样一个机会跟大家一起交流。我是宜选科技的陈尔航。宜选科技是给中国外贸企业做出海服务的，我们专注于做外贸独立站的生态，为外贸企业提供独立站的建设、运营和全球营销服务，帮助他们品牌出海。这是我们公司一直以来专注的领域，已经深耕16年了。回到这个话题，从我们做的这个领域来讲，我觉得很难简单来说是取代或者说不能取代，它有个发展的过程。你比如你把一个销售任务化解为各个环节或者化解为各个子任务的话，那AI在这里面所起的作用是不一样的。有些环节或者任务到现在我们能看到AI可能已经几乎取代了人，但是在某些环节，比如说需要深度互动、需要跟客户建立情感连接的这种任务上面可能还是以人为主。所以我觉得这是一个相辅相成的关系。但是从总的趋势来看的话，我觉得AI的作用会越来越大，它的价值也会越来越大，关键还是如何运用把它价值发挥出来。

李守国：大家好，我是贝塔数据的李守国，我们公司在做一款销售技能的陪练工具。销售的技能像游泳骑车一样，它是一个反复训练的过程，这个过程是一个简单重复的劳动，非常枯燥。所以呢用AI来去模拟客户，然后让销售对着这个客户来做对练，我们做了这么一个工具，现在主要在做金融、电信、能源、机械这些大B销售领域里面。回应主持人的问题能不能替代，随着AI的进展，肯定会逐渐吃掉销售的一部分领域，特别是在简单销售简单产品当中。在复杂销售领域里面呢，如果看不见AGI的到来，我觉得还是相对来讲比较困难的。但本质上最终销售这件事情会不会被AI全部替代掉，它的区分其实也并不是简单或复杂。你看我们为什么在做金融、通信、能源、机械等领域相对来讲会做得好一些？因为客户其实需要的并不是一个简单的产品，他需要的是解决方案，是情绪沟通，是信任的构建，而这些东西永远都是AI替代不了的。所以回应主持人的问题说，它会去解决一部分的领域、一部分的环节，但最终在客户需要服务、需要解决方案、需要信任连接的这些领域当中，AI其实是比较困难的。

段宏宇：我是否能理解为在一些交付场景比较简单，尤其是低客单的场景，它能够完全取代，然后对于一些交付比较复杂、难度比较大的，尤其是一些KA客户，可能还是需要人的一个介入？

李守国：简单也可以这样讲。

段宏宇：那我想再问一下四位嘉宾，在今天的这个场景之下，你们怎么看待用OpenClaw做销售的这个事情？以及现在有很多市面上的，无论是在跨境场景做达人找客户，还是说在国内的这个To B场景之下，很多企业主应用了AI之后发现它确实提高了很多获客的效率，但是在转化上面其实做的并不好，那里面可能就有一些情绪价值没有到位的原因。针对这个问题大家怎么看，以及你们是否有自己的一套解法？请王总先开始。

王钊琦：首先我并没有看到OpenClaw在销售管理上面的真正落地的场景跟企业。但是呢，我们也看到一些AI在找一些分销、做达人分销等固定场景上的一些应用，我们也看到一些这种简单销售被替代掉的场景，比如说客服、线索清洗、应答式，包括我们现在电子商务的这一类的工作岗位被大量的取代掉。所以我并没有看到OpenClaw这种形式。更广泛地我看到的是中国的绝大部分的中小企业，它的销售还处在一个超低执行力的一个状态。所以我看到一个机会是说，AI去驱动执行力这件事情。这个可以成长的空间会非常大。

张克一：先说行为吧，在我们团队里面的话，我们确实全面拥抱，甚至是强制性的。但是呢，OpenClaw的授权和产出都严格地要经过人类的检查复核。一方面也就是前面提到的，我们交付的结果是To B应用的，所以严谨性和稳定性需要有保障。另外一个角度我觉得值得跟大家做分享的就是，我们如何构建团队的工作流程，涉及人与AI交互。我们从传统数字化企业架构的角度来看，用大厂的逻辑来说，底层技术架构再往上数据架构、应用架构和业务架构这边来看，我们就把它拆开来。OpenClaw也是类似。我们人类专家也是基于此，这个时候就比得出来大家的优劣势。所以我说智力型的工作，可能OpenClaw还可以合理地scale，确实更高效；但是在产品创新和品牌创新这样的复杂决策领域，一定是智力型的工作和判断型的工作交互的。我们团队设计客户如何跟我们的AI产品交互的话，标准就两个：第一个反馈的效率是不是更高，就是什么应该变，什么应该坚持，这个准确度要高；第二个是迭代的频率要快。那这个确实是有OpenClaw跟没有OpenClaw差别会很大。但不妨碍的是架构的本质构成：人类专家。 在消费品行业很有意思的一个点，不变的是终端消费者，已经就是我们每一个碳基生命每天24小时我们做的日常生活的消费，是价值交换创造的源泉，这个是不变的。所以人类专家在最终做判断和AI一起做整体产品品牌创新，这个底层架构永远不变。

段宏宇：那我刚刚听您讲的，我想多问一句，如果说在这个OpenClaw或者说专家型的skills足够完善的情况之下，还有必要专家吗？或者我打一个比方，今天我是一个卖酒的资深销售，然后我要去跳槽到一个做新能源的公司，我是没有行业经验的，但是智力的工作这个智能体它具备，我有销售的经验，我知道怎么去获客，怎么去维护客户，怎么去判断这句话该不该跟客户说，未来会不会有这样的场景，就是专家已经不存在了？业务的专家已经不存在了？

张克一：在这一点上面的话，我们团队有过讨论，但是我们的共识很明确：不会的。这里面确实基于人类专家给AI做反馈，那AI可能在判断性的工作上也会持续前进。但是我们还是回到具体的消费场景，价值被消费的场景下是人来做消费。那永远是人来看说我想要怎样的生活，我想要哪些生活方式或者体验不变，我想要哪些生活方式和体验改变。这个触发点、原动力在这里。所以AI——就我这句话可能说的未必合适，但是大家可以体感一下：“非我族类其心必异”。如果未来有一天AI也有权责道德的主体性，那可能AI也会是终端消费者构成之一，那个时候可能有变化。但是我们在服务终端消费者、服务一个个碳基生命的话，那人类专家的判断性选择反馈一定是不可替代的，AI只能亦步亦趋。但是人加AI跟单纯用人，这结构性的效率和效果差别是很显著的，这个很明确。

陈尔航：其实最近几年这个浪潮啊，我们可以分几个阶段。最近这一波当然是大模型。再往前可能是AIGC，然后再往前可能是PGC等等，给大家冲击比较大。其实每一波来跟我们企业自己内部都是有关系的。因为我们是非常关注的，在互联网这个行业里面肯定是一直盯得很紧。那每一次出来之后，我们其实也非常焦虑，看怎么跟我们有关系，我们怎么能够运用这波新的技术来促使业务的发展，因为这不进则退嘛。我们内部都有这样一个原则，就是后场先行：研发团队会先跟目前最流行的AI先接上；然后是中场就是运营，看能不能提高人效、降本增效；然后再往后才是前场就是销售端营销端，因为前场可能跟人打交道的这种比例是最大的。每一波出来之后就是研发团队最忙，还要看马上这个新技术能够给我们的产品和服务做哪些改善，能够运用到给我们的客户带来什么价值，这应该是一个企业最核心的任务。第二个就是我们自己内部的降本增效。

段宏宇：明白您现在给客户的方案里面有针对他们To B销售的一些AI化的解决方案吗？

陈尔航：应该是已经比较深入了。我们给客户做的服务就是帮外贸企业全球获客。大概2017、18年的时候，在全球获客最前面那个链条，帮他获得销售线索（Leads）方面，其实基本都已经系统自动化操作了，人工基本已经全部退场了，这已经有五六年的时间了。第二个环节就是Leads回来之后，客户要进行第一轮的筛选互动，这一轮以前也是人在做。但是从这最近两年，我们也用最新的AI技术去帮客户解决这个步骤的问题。那这部分基本上可能目前一半一半，有些是AI在帮客户做了，就是线索的筛选和简单的互动，因为简单互动的要求不高，AI已经可以做。帮客户提高了很多效率、降低了很多成本。然后最后到了深度的互动，跟客户谈生意的时候，到了要确定高意向，甚至合作决策的这个阶段，目前的还是客户自己做。但在整个销售链条里面不断地从前往后推移，AI不断地起到更高的作用。

段宏宇：您公司有多少个销售？这个组织架构在这两年有发生什么变化吗？

陈尔航：我们公司以前销售的人数是比后端研发要少一些的。但是AI出来之后，我们销售数量反而增加了。为什么？好像这个跟一般大家经验是相反的。因为我们看到了更多的机会，生意可以做得更大，所以我们在扩张触达市场、触达客户的队伍规模。其实这也是AI给我们带来的新机会，内部人员结构有这样一个变化。

李守国：现在在内容营销或者是SDR领域其实还是有一些比较不错的案例的。现在说落地效果还差一点，我觉得一方面本身也就三四个月的时间，太短了，很多东西工程化做得不顺畅、不扎实。另外一个方面呢，还是存在大量的断点，这其实也是需要时间去构建的。第一个断点就是数据断点。因为大量的线下销售的数据采集其实是没有的，人与人之间面对面的沟通，其实即使你增加了录音设备，语言和声音在交流中占比是极低的。这是过去三四十年的理论已经表明的，大量的眼神、表情、动作它是交流更主要的内容。即使你用录音设备把完整的销售与客户对话录下来，这个权重只有10%，你录得非常完美也只有10%。第二个大断点我认为是组织断点。实际上今天的组织并不是一个AI的组织，大部分是条状流水线的方式来去分工的。这些数据系统，特别是我们做这些国企客户，两个部门，甚至是一个部门当中的两个团队之间，你看起来像两家公司。甚至都还要我们来协调他们之间的矛盾，来打通数据结构和API，你想这件事情该有多难？更何况背后还有合规等这种问题。所以说AI获取到的信息量非常非常低。所以说并不是不行，而是说还有非常长的路要去走。

段宏宇：所以李总刚提了一个全链路的问题，那现在其实我们在很多做AI销售型的工具，包括在销售类的解决方案的AI公司里面，发现会有两类公司：一类他们做的是AI销售的全链路，一类做的是某个单个环节，比如说我在SDR环节筛选清洗客户。那我想请问一下各位嘉宾，你们觉得现在是做全链路好，还是说我做单个环节的AI会更好、更落地一些？王总。

王钊琦：我觉得我还是比较有发言权的。因为我已经践行了一年多的时间。做的就是全链路。并且我觉得收获比较大。我原来只做L2C这非常小的一段CRM这块确定的东西。AI来了以后呢，我去年一整年收集了国内绝大部分的数据服务商洗了这些数据。做完以后发现，AI加上数据完成获客、拓客、线索清洗这一环节的链路成熟了。加上我的L2C线索消化就完成了。往后接了一个豆包的陪练模块，接入门槛低。因为有完整的过程数据，所以很快针对某一个客户就产生了一个对练场景。你看我就又完成了向后的一个陪练场景。也就从获客到销转到陪练的全链路我都干了。前两天见客户，他说希望我们能把BI的这块也给他做了。我看了下原来业务团队给他报的BI报价是36万，看完以后我说我都不想给你做。即使你同意了36万我也不想做，因为要花掉我300多个人天。我说把这个人投在这个事情上面，不如投在AI的研发上面。所以我们探索有没有可能用AI的方式，用AI去生成这个BI的分析。接上我们的数据，AI的BI报表做得非常漂亮，比我们自己原来coding的报表都好看。所以我说你看这是完全全新的一种展现方式。所以我在探索有没有可能再接一个BI板块变得更加强大。这就是做全链路的视角。结果也特别好，我从去年10月份开始做AI商业化，我们在两个月时间里就完成了100万的合同，到今天已经超过100多个客户在落地上用了。所以我觉得这是我做完以后的践行结果，给大家做个参考，没有好跟坏之分。

段宏宇：王总我再问一下，因为做过销售都知道谈客户最难的是在成交的那个环节，方案都聊完了，客户说满意，你问他买不买，他说我再考虑一下。那您做的全链路里面，您怎么去解决最重要的成交环节，这个地方有没有用到AI发挥能力的部分？

王钊琦：当然有用到。好的销售跟差的销售在整个成交转化率上面会差了10倍以上的差距。这个东西我觉得贝塔数据的李总更有发言权一点。你看AI在整个客户的早期分析、销售过程中的预警，我们都做了AI的判断，做了一个红绿灯的看板。当这个客户在长达半年的跟进过程中，任何一个节点出现异常，我们都有个红灯的报警，这就是呼唤管理的介入。第二个呢，一旦管理介入以后需要管理的抓手。这个时候我们就有个陪练注册进来去提高销售的能力。在销帮帮的CRM里面点开客户详情，一点开右上角有一个模拟训练。他一点，就根据这个客户历史所有跟进记录、录音数据、视频会议数据完成了一次实战的大概三到五分钟的对练。我觉得这是业务跟培训完整的结合，你在早期的预警工作完整在一套系统里面完成。从销售的视角来说，他从一种我主动去寻找变成一种被动接受的状态，他每天干完活以后第二天会收到这么一份报告，会在几个地方露出：一个是在我们APP的首页，另外一个是钉钉群里面，类似于OpenClaw这种效果会发给它。

段宏宇：所以听起来他其实是借用AI销售的能力来解决这个问题。

王钊琦：我一直有一个信仰一样的相信，就是只要管理到位就是三倍增长。我已经帮无数的企业客户都做到这件事情，所以AI先解决管理的这部分内容。

段宏宇：对这个确实是一个很有价值的能力。据我了解在国内中型以上的SaaS公司的销售培训负责人年薪基本没有低于百万的，所以销帮帮的这个能力其实如果能解决销售培训的这个问题的话，其实还是有很大价值的。那张总请您也回答一下刚刚的这个问题。

张克一：我特别同意王总的观点。肯定是做全链路价值大，这跟我前面表达的观点一脉相承。我们更多的是从企业架构的角度来看，人类定规则做架构。垂直和全链路是相对的，但是垂直到了极致的话，那就是由人定的标准或者规则，然后做触发式的执行，那越到极致的垂直领域我们认为AI是更擅长的。但是当全链路的时候就面对着系统性的内外部变化，这个不确定性就需要从全局出发建架构、动态更新规则来看规则的有效性。这个过程里面我觉得是人才开始享受跟AI正反馈的和谐相处。在这个组合过程下我们逐步进入状态。让AI进入状态，我们团队内部有这么一个说法。很多时候我们的客户说他在做“组织AI化”，其实没在做，他在做“个人AI化”。个人AI化所有的工具大家都可以尝试，赋能的是人的执行。但是组织的话是“人要赋能AI”，要让AI从不懂到懂他所在的行业、所需的专业领域和他具体的业务负责人的偏好倾向。这三层让AI进入状态的过程需要人去赋能。专业说就是把AI当做员工之一，重构我们的组织架构去关联业务架构。那人来保证业务架构的动态迭代有效性。这才是我们认为做的全链路。LynxAI做全链条是产品和品牌创新的生命周期。往小里说是全链路的AI化，往大里说就是企业的AI化。所以不管是交付团队还是我们服务的客户，都是未来一个个AI原生的To B公司的雏形。

段宏宇：那我们知道一般企业利润最高的这个场景一般就是续费或者是复购，因为您刚刚提到是完整的全链路，我想让您讲一下您目前在续费或者复购上怎么去产生价值，用AI怎么做这个事。

张克一：我觉得这就是我们LynxAI目前的增长模式中最好复利效果的展现。因为我们确实没有专职的销售岗。我们跟客户合作过程里面的理念是：谁销售谁就交付。在合作过程里面先由我们的交付团队跟客户同频——就我刚刚说的三个维度：行业同频，专业领域同频，以及业务负责人的取舍同频。也就是一个结构化的数据库，叠加知识库和由AI承载的业务流程。这个时候等于是客户在执行层面上被“养懒”了，但在架构层面、规则动态更新层面上提出了更多的要求。这个时候只要有合作就变成正反馈，他会发现进入了一个正向的增长飞轮，如何去跟AI有效地合作。这个时候我们把背后系统性的工作做好稳定性，保证我们提供的AI解决方案是最懂这个行业、这个企业和创始人的。那续约是顺理成章的。

陈尔航：全链路这个话题，结合我们自己的业务来谈一下。我们给中国外贸企业做出海全球获客。这个业务的全链路起点就是全球可能数以百万、千万甚至上亿级的用户。重点就是怎么从这上亿级的用户群里找到每年能跟我签单做成生意的几个采购商。这个链路实际上是比较长的。我们把它分为几个环节。第一个环节可能从百万千万级的用户行为里找出几百个销售线索，这个工作一定是AI来做的，这已经是个定论，人工无法达到AI效能。第二步是从几百个采购商群体里找出几十个确实现阶段有采购计划的，现在AI也可以做一部分工作。第三部分是从十个二十个有意向的客户里找出最后那几个真的能谈生意的，这第三个阶段目前看还是以人为主。这两年变化最多的在于第二个阶段。比如我们帮客户做全球推广，有个时差问题和语言问题，以前这是痛点。我半夜睡觉如果有客户来找，一定会流失。现在不存在了，没有语言问题，AI实时帮你先互动着。所以第二阶段在开始取代人，减少了客户流失。那第三个阶段是不是无所作为呢？我觉得AI也是有它的价值，它可以给你提供很多方案。因为很多客户谈客户时也有能力欠缺，比如欧美市场他擅长，但如果南美客户来他就不知道怎么谈了，因为文化传统不一样。这个时候AI可以提供很多方案出来，因为AI在这个能力上可能比人强。所以即使在第三阶段，AI也是有价值可以有所作为的。

段宏宇：因为你们已经有了大量的场景，然后在单个场景上去看技术。

李守国：这个观点可能大家比较一致，肯定是场景优先。因为客户毕竟是在采购价值和ROI。但在我们国企客户中，有一类是例外，就是IT采购，或者技术游行（跟风）。除此之外基本上还是场景占比较大。