从CahtGPT一开始的时候，我们就在研究，AI是否能够替代to B的销售人员或者销售工作，到现在我们在研究AI 在to B销售领域能够做什么。

先说结论——目前AI无法替代to B的销售人员和销售工作，未来AI可以对to B销售工作、销售管理、销售人员能力提升等方面给予很好的加持。

本文主要包括以下几部分：

• 为什么AI无法取代to B销售工作；

• 现在AI能够帮助to B销售工作做什么；

• AI未来可能帮助to B销售工作做什么；

• AI未来应该如何应用到to B销售工作中；

• B端客户虽然是组织层面的采购行为，但是客户采购角色个人的感受和思考在采购和决策过程中起到关键性的作用，目前AI还无法满足客户的这个情绪价值；

  
  

• 让AI扮演销售角色与客户交流过程中，如果要想取得精准的、更好的效果，AI基于专业知识库、提示词等方面的约束，其反应时间比较长，体验感非常差；

  
  

• 目前因为绝大多数AI都是通用大模型，缺乏销售专业的底层逻辑，几乎无法直接被拿过来使用，甚至会出现常见的幻觉现象；

  
  

• 目前AI被用于训练的销售方面的数据缺少系统性和逻辑性，而且无法保证数据的准确性和正确性，很多底层逻辑方向都是错误的，换句话说AI更多的时候使用的是低效的销售方法和逻辑（因为这样的数据更多）；

上图是知名的HubSpot公司整理的AI使用案例，主要包括几个方面：

• 撰写内容，主要包括撰写邮件，会议纪要等；

  
  

• 节省手动任务的时间，专注于销售，主要包括自动化数据录入、笔记记录和日程安排等手动任务；

  
  

• 利用数据优化销售流程，主要包括获取与销售预测、潜在客户评分、销售漏斗分析等相关的数据驱动洞察；

  
  

• 自动筛选潜在客户，主要包括帮助销售代表节省时间，识别高质量的潜在客户；

  
  

• 支持潜在客户拓展，主要包括撰写拓客邮件的初稿，或者提供一些可能引起目标受众共鸣的内容创意；

  
  

• 模拟与训练，主要包括用于分析或模拟销售电话、模拟与客户互动；

  
  

作为国内的销售从业者你会发现上面这几条几乎好像你都用不上，除了最后一条，前面的好像在国内做的并不多，或者是没有足够的数据来推动AI帮助你的工作。

这一年多来，我们测试了提示词、智能体、API接口，我们发现现在AI目前能做的工作有限：

• 在合适的提示词的加持下，DeepSeek V3能够比较好的扮演客户的角色，能够与销售展开拜访沟通对话；但是如果提示词不合适以及大模型不对的话，距离实际拜访客户的场景，客户的表现差距非常远；

  
  

• 利用Coze搭建了诸如约访信息类的销售工具，效果可以达到为销售人员撰写一条合格的约访短信提供充分的参考信息和指导的作用；但是，相比于一个成熟使用约访短信的销售人员效果还有距离；不过对于大部分销售半个小时写不出一条合适的约访短信而言，还是提升了效率和效果；

  
  

• 利用AI帮助销售人员整理会议记录、撰写报告框架都还是可以的，不过需要注意的是使用者要能够识别AI的幻觉和胡说八道，AI在这些方面只是助力、锦上添花，如果使用者没有辨识能力极有可能闹笑话，毕竟现在通用型AI在外行看起来像内行，但是在内行看起来像外行；

  
  

• 在提示词和销售专业逻辑的加持下，AI能够按照销售逻辑展开较好的销售情况分析，然而问题在于，由于缺少相应的专业数据支持，AI在对于输入信息的分类、标识效果不理想；

现在国内有很多公司都在做AI在销售领域的应用，包括Kimi的股东公司之一循环智能，这些公司普遍有以下特点：

• 主要聚焦在电话销售、4S店销售（工牌后有麦克风）等能够拿到销售人员与客户沟通内容的销售领域；这意味着复杂、多变的to B销售场景并不适用这些应用；

  
  

• 缺少销售专业的介入，更多的是靠所谓的销冠经验萃取来对标销售人员沟通内容进行检验、辅导，这就意味着销售能力提高的天花板很低；很多基于这些应用的销售训练只是在扣模板，效果可能也就是扫盲班的水平；

  
  

• 虽然很多公司号称1天部署，但是请注意只是IT方面的部署，每个企业，每个客户行业都有自己的专有的知识，这些知识不经过梳理和数据标注是不能够很好的和销售专业结合的；

  
  

• 如果不能从销售业务底层逻辑打通与AI垂直领域模型的配合，这些应用很难盈利，不盈利就无法优化模型性能；现在看下来，很多应用都缺少销售专业的人参与，但是未来AI应用一定是专业的人主导，懂AI的人配合；

基于我们对大模型的研究，未来在针对to B销售数据的标注和对通用大模型进行预训练和微调之后，还是有很多工作可以帮助销售人员来做的；

• 销售人员拜访前准备，拜访后总结与分析；这两步是能够给予销售人员比较好的建议的，现在的难点是通用模型对于销售人员输入信息的识别、分类还不够准确，这需要专门的销售数据来纠正、训练销售人员；同时，不要期望在拜访过程中，与客户交流的过程中让AI参与，一方面会涉及到合规的问题，一方面AI的响应速度基本上不够，一方面AI介入会打乱销售人员沟通的节奏可能适得其反；

  
  

• 订单的分析和销售行动策略的制定；因为我们现在已经具备了订单分析和策略制定的逻辑和方法论，缺少的只是销售数据的标注，未来这些工作做了之后，这条路就会打通；可以说AI就像Excel一样，即需要懂使用Excel的人也需要懂专业数据的人结合起来，为使用者提供一个方面的使用条件，让使用者填写相关信息就好，而不是需要使用者自己去构建一个充满公式的Excel表格，这个门槛比较高；

  
  

• 销售行为能力训练；AI目前已经可以扮演客户与销售人员进行模拟拜访的训练了，目前在训练总结和建议方面还不够专业，未来这部分会随着销售垂直领域AI大模型的完善逐步专业起来，同时也会增加基于案例的订单推演模拟演练；因为目前这些我们在线下已经有了方法论和大量的实践，现在需要的就是利用AI搭建与使用者的桥梁，以惠顾更广大的销售伙伴；

  
  

• 帮助销售管理者分析销售人员的订单；对于销售管理者面对团队众多订单情况、销售日志，逐一浏览是一件费时低效的事情，未来AI是可以帮助销售管理者分析这些内容，并给出销售管理者相应建议，让销售管理者更关注哪个订单或者销售人员，甚至是给出指导建议、辅导方法等内容，弥补销售管理者的短板；

  
  

• 分析销售团队业绩情况，给予相应的业绩达成建议；同理，这也需要销售专业的支持，只要对业绩数据的识别、分类关过了之后，这些分析、建议的逻辑和方法是现成的；

  
  

• 销售、业绩风险预警；利用AI，是可以从市场（潜在客户）、业绩规划、订单分析、销售人员行为等方面给予相应的预警和建议，能够提供给销售管理者和销售人员事前性的建议，以作预防性措施的参考；

前一阵子红杉资本提出了未来客户会为AI提供的效益（结果）买单；注意，这个结果和效益不一定是最终的结果和效益，更多的是过程性的结果和效益；同时，我们作为使用者也要思考一个问题——企业需要做什么样子的准备去迎接AI应用；

除非一个企业非常有资金搞一个自己的销售AI模型，否则你就要选择通用的AI大模型，至少是销售垂直领域的通用AI大模型，这就需要你们公司具备使用销售通用大模型的基础，以及为了使大模型发挥作用，需要具备承接大模型能力的机制，大模型是助力的，不是代工的。

• 销售会涉及到销售专业、产品专业、客户行业专业，要想AI发挥作用，至少要准备好产品专业和客户行业专业的数据、知识，销售专业的数据和知识由AI来负责，这也是考察AI在销售方面是否更有效果的地方；

  
  

• 为了使AI大模型更好地发挥作用，就需要提高现在以订单为基础单元的销售信息的质量，这包括拜访信息、销售日志等方面的内容；同时，因为一个更有效的销售AI大模型，一定是有其自己的销售方法论和底层逻辑来支撑销售数据的分析、判断和建议的；为了保证效果，势必会有一个销售信息规范格式向销售方法论靠拢的过程；

  
  

• 即使大模型的效果再好，也无法代替人去执行，这就要求销售人员具备承接AI提供销售方面建议的行为能力，只要还有人参与，这就是大模型无法代替的；

  
  

• 销售类的AI是一个专业服务型AI，不是工具型AI，工具型AI对于使用者而言无非就是使用不使用的问题；而对于专业服务型AI一定会与企业原来的销售行为习惯有或大或小的冲突，这些冲突得不到很好的解决，势必会影响AI应用的效果；所以 ，不要将销售AI应用当做IT软件部署，而是一个销售咨询项目，AI只是承接咨询的结果落地，并持续的实践、迭代、升级；

最后总结一下：

• AI目前在某些方面是可以支持销售工作的，想得到更好的效果，就需要在提示词等方面增加销售专业逻辑的加持；

  
  

• 未来，AI会发挥更大的作用，但是需要专门的数据标注，专门的数据标注需要基于专业的销售底层逻辑和方法论的支持；

  
  

• AI只是销售人员的外骨骼，销售自己不行走、不负重，外骨骼能力再强也没用；

  
  

• AI就像现在的电，是一种智力能源，AI助力销售，就是电如何驱动销售的业务展开；所以，这里需要的是销售专业的人主导，不是电线拉进你家电器自然就转起来了吧，需要有人帮你构建适合你的销售电器。