Showing Posts From
Ai
一個人管六個行銷管道、零程式背景——Anthropic 成長行銷人 Austin Lau 的 AI 工作流拆解
Austin Lau：零程式背景，獨扛一間 3,800 億美元公司的成長行銷 2026 年 2 月，Anthropic 剛完成 300 億美元的 G 輪募資，估值 3,800 億美元。這家公司 70% 的 Fortune 100 企業都是客戶，年化營收衝到 190 億美元——而他們的成長行銷團隊，在長達近十個月的時間裡，只有一個人。 Austin Lau 是 Anthropic 的第一位成長行銷人。在加入 Anthropic 之前，他在 Dropbox、Webflow、Notion 等生產力工具公司累積了成長行銷經驗。但他不會寫程式——連終端機都沒打開過。 他一個人負責付費搜尋、付費社群、App Store 優化、Email、SEO 共六個管道。按照業界基準，這個規模的公司通常需要 150 到 200 名行銷人員。前廣告科技公司 Ampush 創辦人、現 Gateway X 創辦人 Jesse Pujji 在 2026 年 3 月的 X 貼文中拆解這個案例時直接說：廣告文案製作時間縮短到原來的 12.5%，創意產出提升 10 倍。 這不是一個「AI 好棒棒」的勵志故事。這是一個有具體工作流程、有實際產出數字的操作手冊。 從「不知道終端機是什麼」到一週內建好兩套工作流 Austin 在 Anthropic 2026 年 1 月發布的案例文章中坦承，他第一次聽到 Claude Code 的反應是："My first reaction when we launched Claude Code was, I have zero idea what this product is for." （我第一次聽到我們推出 Claude Code 時的反應是：我完全不知道這個產品是幹嘛用的。）他甚至得 Google「怎麼在 Mac 上打開終端機」。 但一週後，他已經建好了兩套徹底改變工作方式的自動化流程。他做的第一件事不是直接衝去搞大工程，而是先叫 Claude Code 幫他做一個簡單的計算機 app——純粹為了搞懂這個工具能做什麼。 這個起手式值得注意。Austin 在訪談中反覆強調的原則是："You don't need to know how to code. All you need to know is how to explain your challenge and what you're trying to solve in a very clear, concise manner." （你不需要會寫程式。你只需要知道怎麼清楚、簡潔地解釋你的問題和你想解決的事情。）Figma 外掛：半秒鐘產出所有廣告尺寸變體 Austin 的第一個正式工作流，是一個 Figma 外掛。 做過廣告投放的人都知道這個痛苦：同一組文案，你得在 Figma 裡手動套進正方形、橫幅、直式、故事尺寸⋯⋯每換一個版本就得複製貼上、調整排版，一批素材搞下來半小時跑不掉。如果同時跑 5 組文案測試，就是 2.5 小時的純手工操作。 Austin 直接跟 Claude Code 說："Claude, I'm working in Figma. I really want to be able to solve this challenge of this repetitive copy and pasting. Can you help me build a Figma plugin?"45 分鐘到一小時後，外掛就做好了。使用方式很直覺：從 Google Sheets 把標題文案貼進去，指定要用哪個設計框架，按一下按鈕——所有尺寸、所有文案排列組合，瞬間全部生成。 原本 30 分鐘的工作，現在 30 秒。 這不是概念驗證，這是每天實際在用、直接投放到廣告平台的生產工具。 Google Ads 文案工作流：讓 AI 讀完你的成效數據再寫文案 第二個工作流更有意思，因為它不只是提速，而是改變了文案產生的邏輯。 Google 的回應式搜尋廣告（Responsive Search Ads）要求每則廣告提供 15 個標題和 4 段描述文字，系統自動組合測試。手動寫 15 個不重複、有變化、又符合字數限制的標題，是一件極度消耗心力的事。 Austin 在 Claude Code 裡建了一個自訂指令，輸入 /rsa（他自創的快捷指令，代表 responsive search ads），Claude Code 就會開始問他要三樣東西：現有的廣告活動數據——哪些文案跑得好、哪些跑得差 目前在用的文案——避免重複 目標關鍵字——確保方向對然後 Claude Code 會交叉比對這些數據，同時參照 Austin 預先設定好的 Agent Skills——包含 Anthropic 的品牌語氣指南、產品描述的準確性要求、以及 Google Ads 的最佳實踐規範。 最後直接輸出一個可以上傳的 CSV 檔案。不用再手動整理格式，不用再從聊天視窗一條一條複製。 關鍵在於：AI 不是在真空中「創作」文案，而是在讀完了你的歷史成效數據、品牌規範、和平台規則之後，才開始生成。這跟在 ChatGPT 裡打「幫我寫 15 個 Google Ads 標題」是完全不同層次的事情。 不是取代團隊，是改變一個人能做的事情的上限 這裡有一個容易被忽略的細節：Austin 並不是唯一在 Anthropic 做行銷的人，他是唯一負責「成長行銷」的人。Anthropic 還有品牌行銷、產品行銷、內容行銷等其他團隊。 但即使只看成長行銷這塊，一個人同時操作六個管道，這在傳統行銷組織裡是不可能的。不是能力問題，是物理時間的限制。 Austin 自己的反思是："I would say a few years ago, if you had an idea to build something like this workflow, you would probably need a team of engineers." （我會說幾年前，如果你有這個想法要建這樣的工作流程，你大概需要一整組工程師。）而 Anthropic 內部其他行銷團隊的數據也印證了這個趨勢：影響者行銷團隊用 Claude 寫腳本，每月省下超過 100 小時；客戶行銷團隊把案例研究的初稿時間從 2.5 小時壓到 30 分鐘；數位行銷團隊的生產力年增 5 倍；合作夥伴行銷團隊把展會準備時間縮短了 40%。 真正值得學的不是工具，是工作流設計的思維 Austin 的案例之所以值得仔細看，不是因為他用了多厲害的工具——Claude Code 任何人都能用。值得看的是他設計工作流的思路： 第一，他把問題拆成「重複性高 + API 可接取」的單元。 不是把所有行銷工作都丟給 AI，而是精準鎖定那些量大、規則明確、格式固定的環節。廣告素材套版、文案變體生成、成效數據比對——這些都符合「高頻、重複、有明確規則」的特徵。 第二，他讓 AI 帶著上下文工作。 不是給 AI 一個空白提示詞，而是把品牌規範、歷史數據、平台規則全部餵進去。AI 的產出品質直接取決於你給它多少上下文，Austin 的 Agent Skills 設定就是在解決這個問題。 第三，他保留了人類判斷的環節。 所有文案範例都是「和產品行銷與文案團隊合作」產出的基礎上再延伸。AI 產出的是初稿和變體，最終的品牌判斷、策略方向、創意決策仍然是人在做。 Austin 自己說得最到位的一句話是："I think growth marketing is going the way of almost like a product manager. We're not only able to execute on campaigns, we're able to actually build products." （我覺得成長行銷正在往產品經理的方向走。我們不只是執行行銷活動，我們能真正建造產品。）這句話的含義很深。當一個行銷人可以自己建工具、自己跑數據、自己做自動化，他的角色就不再是「執行者」，而是「系統設計者」。瓶頸不再是你會不會寫程式，而是你有沒有能力定義問題、設計流程、判斷品質。 Jesse Pujji 在他的分析中指出，Ampush 過去管理超過 10 億美元的數位廣告預算，團隊超過 100 人，而 Austin 一個人用 AI 工具做到的產出量級，已經超過了大多數完整編制的行銷團隊。傳統代理商按人頭、按工時計費的模式，正在被每月不到 100 美元的軟體成本取代。 這不是未來式。這是正在發生的事。📎 Austin 的完整案例收錄在 Anthropic 官方部落格的 How Anthropic's Growth Marketing team cut ad creation time from 30 minutes to 30 seconds with Claude Code，裡面有更多關於 Figma 外掛的操作畫面和 Google Ads 工作流的詳細設定步驟，還有 Anthropic 其他行銷團隊（影響者、內容、合作夥伴）各自怎麼用 Claude 的具體案例。另外，Austin 在 2024 年 7 月接受 Passionfroot 的 AMA 訪談，聊了更多關於成長行銷策略的底層邏輯——什麼時候該投廣告、什麼時候該先做 SEO、怎麼用不能規模化的方法先跑起來——那些是 AI 工具之前的基本功，值得一讀。
你的客戶開始在 ChatGPT 買保險了——Insurify 如何成為 AI 通路的第一槍
2026 年 2 月 9 日，一個看起來不起眼的產品上線，卻讓華爾街的保險經紀股在一天內蒸發了數百億美元市值。 那天，Insurify 正式成為 ChatGPT App 商店的首批合作夥伴之一——也是第一個保險類 App。用戶只要在 ChatGPT 對話框裡輸入 @Insurify，就能用聊天的方式比較車險報價、瀏覽真實用戶評價、找到適合自己的方案。 隔天開盤，Willis Towers Watson（WTW）股價暴跌 12%，創下 2008 年以來最慘的單日跌幅。Arthur J. Gallagher 跌 9.9%，Aon 跌 9.3%，S&P 500 保險指數整體下挫 3.9%。 一個 App，還只能比較美國車險，為什麼嚇成這樣？ 因為所有人突然意識到：ChatGPT 每週有超過 8 億活躍用戶。如果保險變成「一段對話就能搞定的事」，傳統經紀人的存在意義是什麼？ Insurify：一個被車禍催生的比價平台，十年後站上 AI 風口 Insurify 的創辦人 Snejina Zacharia 是 MIT Sloan 的 MBA。創業故事很經典：她在 MIT 念書時出了一場小車禍，保費被大幅調高，她才發現——竟然沒有一個像 Kayak 那樣的比價平台可以讓你一次比較所有保險方案。於是她和前 Kayak 總裁 Giorgos Zacharia 共同創辦了 Insurify。 十年後的 2026 年，Insurify 已經在美國全部 50 州取得執照，累積了超過 1.96 億筆車險報價資料和 7 萬多筆用戶評價，串接超過 500 家保險公司。它不賣保險，它是持牌的數位保險經紀人——幫你比價，然後媒合。 這個定位，讓它成為 ChatGPT 保險生態的完美第一個合作對象。 在 ChatGPT 裡買保險，體驗長什麼樣？ 操作流程比你想像的簡單。打開 ChatGPT，在 App 目錄裡連結 Insurify，然後在任何對話中輸入 @Insurify，用自然語言描述你的需求。"Shopping for car insurance has traditionally been time-consuming, confusing, and frustrating for many drivers. With our new ChatGPT app, we're redefining the insurance shopping experience by making it feel as simple as having a conversation." （買車險一直是一件耗時、困惑又令人沮喪的事。透過我們的 ChatGPT App，我們正在重新定義保險購物體驗——讓它變得像聊天一樣簡單。）Insurify CEO Snejina Zacharia 在 2026 年 2 月的新聞稿裡這樣說。 系統會根據你提供的資訊——所在地、車型、年齡、信用狀況、駕駛紀錄、想要的保障範圍——從 1.96 億筆歷史報價中算出個人化的估價，同時讓你看到其他用戶對各家保險公司的真實評價。價格、服務、理賠速度、折扣優惠，全部可以在對話中比較。 決定好了？點一下連結，到 Insurify 網站上完成投保，幾分鐘搞定。 有一個細節值得注意：目前在 ChatGPT 裡拿到的是「估價」而非即時報價。真正的精確報價和投保動作，仍然需要回到 Insurify 網站完成。Insurify 的 ChatGPT App 也不會儲存你在對話中提供的任何資訊——除非你主動到網站上完成報價流程。 華爾街的恐慌：不是因為這個 App，而是因為它代表的趨勢 讓我們誠實地說：一個只能比較美國車險的 App，本身不足以顛覆任何產業。 但華爾街反應這麼劇烈，是因為它嗅到了一個結構性的轉變：AI 正在成為新的保險通路。 Bloomberg Intelligence 分析師 Matthew Palazola 在 2026 年 2 月指出，這類應用「可能威脅到保險經紀公司的部分諮詢業務」，但他同時也說，這更像是「force multiplier（力量放大器）而非 existential threat（存在性威脅）」。 而 Insurify 共同創辦人 Giorgos Zacharia 在 2026 年 3 月接受 Insurance Journal 專訪時透露了一個有趣的細節：在開發 ChatGPT App 之前，Insurify 就已經觀察到大量來自 AI 搜尋引擎的自然流量。消費者早就在用 AI 平台搜尋保險資訊了——Insurify 只是把這個已經存在的行為，變成了一個更流暢的體驗。"We are barely scratching the surface." （我們才剛觸及表面而已。）Giorgos 這句話，可能是整個事件裡最值得記住的一句。 果然，一個月後，更多保險 App 跟進。2026 年 3 月，Neptune Flood 上線了洪水險報價 App，Steadily 推出了房東保險 App，Jerry.ai 則推出了結合車險比價和維修估價的雙功能 App。 從車險到洪水險到房東保險——品類正在快速擴張。 恐慌過後，冷靜下來看：AI 到底能取代什麼，不能取代什麼？ WTW 暴跌 12% 的那天，很多人的第一反應是「保險業務員完了」。但一個月後，市場的看法出現了明顯修正。 2026 年 3 月，Barclays 發布報告，認為市場對 AI 顛覆保險經紀業的恐慌「過度了」，並將 WTW 從「減持」上調至「中性」，同時上調了 Arthur J. Gallagher 的評級。JPMorgan 的分析師也在 2 月就指出，真正的 AI 顛覆「至少還需要 24 個月」，認為拋售過度。 為什麼分析師們認為恐慌過頭了？因為他們區分了保險業務中「可以被 AI 取代的環節」和「不能的環節」。 AI 能做得更好的事：報價比較： 這是 Insurify 正在做的事。把 1.96 億筆資料丟給 AI，它能在幾秒內給你個人化的估價。沒有任何人類業務員能比 AI 更快、更全面地完成這個動作。 基本諮詢： 「第三責任險和全險差在哪？」「我的信用分數會影響保費嗎？」這類標準化問題，AI 可以回答得比大多數業務員更清楚、更有耐心。 行政流程： 填表、核保、文件整理——這些重複性工作正在被自動化吃掉。AI 做不到的事：複雜的保障規劃： 一個有三間房、兩台車、一個小公司的客戶，他的保險組合牽涉到責任歸屬、稅務影響、資產保護。這種跨領域的判斷，不是一段對話能解決的。 理賠時的陪伴： 當你家被水淹了、車被撞了、或者更嚴重的事故發生，你需要的不是一個聊天機器人，而是一個真人在電話那頭告訴你「我來處理」。業界數據顯示，在複雜理賠情境中，有真人經手的案件，客戶留存率顯著高於純自動化處理。 人生大事的諮詢： 結婚、生小孩、退休、創業——每一個重大人生轉折都會改變你的保險需求。這些對話需要信任、需要理解脈絡、需要一個人能根據你的整體狀況而不是單一數據點來給建議。Insurify CEO Snejina Zacharia 自己也這麼看："It will be an evolution. I think that everything will just become more automated and simpler, but a lot of the existing interfaces will remain and the existing relationships will continue to remain." （這會是一個演化的過程。一切會變得更自動化、更簡單，但很多既有的介面會留下來，既有的關係也會繼續存在。）她在 2026 年 3 月的 Insurance Journal 專訪裡這樣說。注意她的用詞：是「evolution（演化）」，不是「disruption（顛覆）」。連顛覆者自己都不認為這是顛覆。 真正的問題不是「會不會被取代」，而是「你的價值在哪一層」 這件事的真正啟示，不是「AI 要來搶業務員的飯碗了」這種標題黨。 真正的問題是：如果報價比較、基本諮詢、行政流程這些事，AI 都能做得比你快、比你好、比你便宜——那你花在這些事情上的時間，價值歸零。 但反過來說，當 AI 把低價值的工作吃掉，業務員花在高價值工作上的時間佔比就會提高。Insurify 自己內部也在這樣做——他們部署了 AI 工具來處理重複性任務，讓真人經紀人專注在「高價值的客戶諮詢工作」上，結果生產力創下新高。 這跟 Jeb Blount 說的邏輯完全一致：AI 不會殺死業務，但會嚴厲懲罰那些「只會做 AI 也能做的事」的業務員。 你可以花一個小時幫客戶比價——但 Insurify 在 ChatGPT 裡十秒鐘就做完了。 你也可以花一個小時坐在客戶對面，聽他說他剛被診斷出一個疾病、他擔心家人以後怎麼辦、他不知道現有的保障夠不夠。 同樣一個小時。但 AI 只能做第一件事。 第二件事，是你的護城河。📎 這篇只聚焦在 Insurify 上線 ChatGPT 的事件和它對業務員角色的影響。如果你想看更完整的脈絡——包括 Insurify 創辦人怎麼看 AI 搜尋引擎帶來的自然流量、他們內部如何用 AI 工具提升經紀人產效、以及 CEO 對「AI 會不會取代保險經紀人」的完整回應——推薦讀 Insurance Journal 2026 年 3 月的這篇專訪：Insurify's Founders Discuss Evolution of Insurance Shopping With AI。另外，想了解 ChatGPT App 商店上線後更多保險 App 跟進的狀況，Carrier Management 的 The List is Growing: More Insurance Apps on ChatGPT 有很好的整理。
Jeb Blount：AI 時代的三種業務員，只有一種能活下來
你的信箱裡是不是越來越多那種「一看就知道是 AI 寫的」開發信？千篇一律的開頭、假裝很熟的語氣、永遠在第二段問你「有沒有時間聊十五分鐘」。 Jeb Blount 說，發那種信的業務員，正在親手毀掉自己的職涯。 Jeb Blount：17 本銷售書作者，全球最大銷售 Podcast 主持人 Jeb Blount 是 Sales Gravy 的創辦人兼 CEO，也是全球下載量最高的銷售 Podcast《Sales Gravy》的主持人。他寫過 17 本銷售相關的書，其中《Fanatical Prospecting》幾乎是每個英語系國家業務人員的必讀書目，講的是為什麼「瘋狂開發」才是業績的根本。 2024 年 9 月，他和另一位銷售大神 Anthony Iannarino 合著了《The AI Edge》，專門談業務員該怎麼用 AI 來賣更多，而不是被 AI 取代。2026 年 3 月，他在 Sales Gravy Podcast 的一集〈The AI Edge: How to Use Technology Without Losing Your Human Touch〉裡，把這套觀點濃縮成一個很直覺的框架：AI 時代的三種業務員。 核心觀念：AI 不會殺死業務，但會嚴厲懲罰平庸 Blount 的立場很明確：AI is not going to kill sales, but it is absolutely going to punish mediocrity. 這句話的重點在後半段。AI 不是來搶你的工作的，它是來放大差距的。好的業務員用 AI 變得更強，平庸的業務員用 AI 變得更顯眼地平庸——因為客戶現在收到的垃圾開發信比以前多了十倍，對制式內容的容忍度已經降到零。 在同一集裡，他還丟出一個很精準的觀察：在 AI 能提供無限情報（intelligence）的時代，真正稀缺的東西是智慧（wisdom）。情報是知道客戶公司剛融了一輪、智慧是知道該在什麼時機、用什麼方式提起這件事。AI 可以幫你做前者，但後者只有人能做。 第一種：被取代的業務員 這種人的工作模式，本質上就是一台效率不高的機器：照著腳本打電話、用範本發信、把客戶資料從 A 系統搬到 B 系統。 Blount 的判斷標準很簡單：如果你的工作內容可以被寫成一套 SOP，那 AI 就能做，而且做得比你快、比你便宜、比你不會請假。 這不是假設，而是正在發生的事。越來越多公司把 SDR（銷售開發代表）的初階工作交給 AI agent 處理。被取代的不是「業務員」這個角色，而是「只會執行流程」的那種業務員。 最危險的信號？你每天花大部分時間在做的事，不需要判斷、不需要讀人、不需要隨機應變。 第二種：抗拒的業務員 這種人的反應是把頭埋進沙子裡，假裝 AI 不存在。他們的邏輯是：「我做業務做了二十年，靠的是關係和直覺，那些都是 AI 學不會的。」 Blount 同意關係和直覺很重要——但他不同意這是你可以不學新工具的藉口。 抗拒型業務員的問題不是他們的技能過時，而是他們的效率正在被拉開。當你的競爭對手用 AI 在十分鐘內研究完一個客戶的產業背景、最近的法說會內容、LinkedIn 上發過的每一篇文章，然後帶著這些洞察走進會議室的時候，你還在靠「我跟他很熟」吃老本。 關係確實是 AI 取代不了的護城河。但光有關係，沒有效率和深度準備，護城河會越來越淺。 第三種：把 AI 當力量放大器的業務員 這是 Blount 認為唯一能長期勝出的那種。 他在 Podcast 裡分享了自己怎麼用 AI：用它來更快地準備（prepare faster）、更聰明地寫東西（write smarter），然後把省下來的時間花在只有人能做的事——建立連結、解讀現場氣氛、在對的時刻說對的話。 「The reps who survive and thrive will be the ones who use technology as a force multiplier without losing their humanity in the process.」（能存活並且勝出的業務員，是那些把科技當成力量放大器，同時不在過程中失去人性的人。） 這裡的關鍵字是「force multiplier」（力量放大器），而不是「replacement」（替代品）。差別在哪？ 用 AI 當替代品的人，讓 AI 幫他寫開發信然後直接發出去。結果那封信跟其他一千封 AI 信長得一模一樣，收件者直接封鎖。 用 AI 當放大器的人，讓 AI 幫他整理客戶情報、起草初稿、模擬可能的反對意見，然後自己加入判斷、個人風格和時機感，寫出一封只有他能寫的信。 Blount 在書裡提出了一個叫「三個 A」的框架來描述這個過程：Adopt（採用）：先接受新工具的存在，願意試 Adapt（適應）：把 AI 融入自己的銷售流程，找到自己的用法 Adept（精通）：反覆練習到 AI 的使用變成第二天性聽起來很基本？但 Blount 的觀察是，大多數業務員卡在第一步和第二步之間——他們可能試過 ChatGPT，覺得「也就那樣」，然後就放棄了。真正的競爭優勢來自第三步：你用 AI 用到不需要思考怎麼用的程度。 AI 開發信的陷阱 Blount 在 2026 年 3 月的 Podcast 裡特別點名了一件事：AI-generated emails are not just getting deleted — they are getting you blocked and costing you access to prospects permanently. AI 寫的開發信不只是被刪掉。它們讓你被封鎖，永久失去接觸那個潛在客戶的機會。 為什麼？因為當每個人都用 AI 生成「個人化」的開發信，這些信反而變得最不個人化。收件者一眼就看得出來，他們的反應不是「這封寫得不好」而是「這個人連寫信都懶得自己來，他真的在乎我的生意嗎？」 這是一個反直覺的結果：AI 讓制式溝通的成本降到幾乎為零，但同時也讓制式溝通的效果降到幾乎為零。在每個人都能用 AI 寫出「看起來還不錯」的信的世界裡，只有真正投入心力的溝通才能突圍。 智慧 vs. 情報 Blount 在這集裡提出的另一個區分也很值得記住：wisdom is scarce in a world of unlimited intelligence. 在 AI 以前，掌握情報本身就是競爭優勢。你知道客戶公司的組織架構、最近的策略方向、關鍵決策者的背景——光是知道這些，你就贏了一半。 現在？任何人花五分鐘就能用 AI 查到這些。情報不再稀缺。 稀缺的是智慧——知道這些情報以後，判斷該怎麼用。什麼時候提？怎麼提？用什麼脈絡包裝？配合什麼時機？這些判斷需要經驗、需要對人的理解、需要在現場讀出那些沒被說出口的訊號。 這也是為什麼 Blount 認為第三種業務員會贏。他們用 AI 獲取情報（這個步驟比以前快了一百倍），但用自己的智慧來決定怎麼行動。AI 負責「知道什麼」，人負責「知道怎麼做」。 這不是一個關於 AI 的故事。這是一個關於你選擇成為哪種人的故事。📎 Jeb Blount 的 Sales Gravy Podcast 幾乎每週都有新集數，是英語系銷售圈最有影響力的 Podcast 之一。這篇談的「三種業務員」框架來自他和 Anthony Iannarino 合著的《The AI Edge》。如果你還沒讀過他更經典的《Fanatical Prospecting》，那本講的是所有技巧之前最重要的事——開發量。兩本搭配著看，會對「AI 時代業務員該怎麼活」有更完整的理解。
Vercel 的瘋狂實驗：讓工程師跟蹤最強業務 6 週，打造一個年薪三萬的 AI 分身
最近科技圈最瘋狂的一則新聞：軟體公司 Vercel 把 10 人的銷售團隊，縮編到剩 1 個人加一個 AI。 不是裁員。是他們的 AI agent 真的能做到那 10 個人在做的事。 Jeanne DeWitt Grosser：從 Google 到 Stripe 再到 Vercel 的營運長 Jeanne DeWitt Grosser 是 Vercel 的營運長（COO），之前在 Stripe 當 Chief Business Officer、再之前在 Google 帶過業務團隊。她在 2025 年 11 月的一集 Lenny's Podcast 上分享了這個故事，引爆了整個 SaaS 圈的討論。 Vercel 是一家開發者工具公司，做的是網站部署平台。他們的銷售團隊原本有 10 個 SDR（Sales Development Representative，負責開發潛在客戶的業務代表），做的事情包括回覆客戶訊息、過濾垃圾郵件、分類需求、回答問題、把案子往上丟給資深業務。 Vercel 如何用六週打造 AI 銷售分身 Vercel 的做法不是去買一堆 AI 工具拼湊。他們做了一件很聰明的事： Step 1：找出你最強的那個人。 團隊裡一定有一個人，成交率最高、客戶回頭率最好、處理問題最俐落。Vercel 找到了他們的 top performer。 Step 2：派工程師去「跟蹤」。 三名工程師花了整整六週，像影子一樣跟著這位最強業務。他們記錄每一個動作：怎麼讀訊息、怎麼判斷哪些是垃圾、怎麼回覆客戶、什麼時候把案子升級、用什麼語氣、遵循什麼邏輯。 不是問他「你平常怎麼做」——因為人往往說不清楚自己的工作流程。而是直接觀察、直接記錄。 Jeanne 在訪談中解釋：「People can't always articulate what makes them great. You have to watch them.」（人們不一定能說清楚自己為什麼厲害，你必須去觀察他們。） Step 3：把流程變成 AI agent。 六週的觀察資料，成為 AI agent 的訓練藍圖。這個 agent 現在能自動做到：篩選訊息、過濾垃圾、回覆客戶提問、判斷案子的優先順序、把需要人處理的案子丟給那位唯一留下的人。 結果？ 10 個人的工作量，現在由 1 個人 + 1 個 AI agent 完成。AI agent 一年的運行成本大約一千美元。對比原本團隊超過一百萬美元的年薪支出。 而且那 9 個被「取代」的人並沒有被裁掉——他們被調去做更有價值的 outbound prospecting（主動開發客戶），也就是 AI 目前還做不好的事。 能寫成 SOP 的工作，AI 就能接手 Jeanne DeWitt Grosser 說了一句讓人頭皮發麻的話："If you can document a workflow, it's now pretty straightforward to have an agent do it." （如果你能把一個工作流程寫成文件，那讓 AI agent 來做就很直接了。）這句話的殺傷力在於它的適用範圍。不是只有科技公司能這樣做。任何一個重複性高、流程明確的工作，都在射程範圍內。 反過來說，如果你的工作沒辦法被寫成 SOP？那你反而是安全的。 Vercel 把人調去做 outbound，就是因為那需要判斷力、創造力、人與人之間的信任——這些東西目前還寫不成 SOP。 更值得注意的是 Vercel 的方法論：他們沒有去買市面上的 AI 銷售工具，而是從自己最強的人身上「萃取」能力。因為每家公司的客戶不同、產品不同、銷售流程不同，通用工具永遠比不上從自己的 top performer 身上複製出來的 agent。 Vercel 目前已經部署了 6 個 AI agent，目標是在未來一年內擴展到上百個——每一個都是某個 top performer 的數位分身。 三個問題，檢視你的團隊能不能這樣做 Jeanne 在訪談中強調，這個方法的核心不是技術能力，而是「觀察力」。任何公司都可以用這三個問題開始：你的團隊裡，誰的表現最好？ 不是主管覺得最好的，是數據上表現最好的。成交率、客戶滿意度、處理速度——用數字說話。他做的事情，能不能被拆解成步驟？ 如果可以，那這就是 AI agent 的候選工作。如果不行，那這個人做的事可能更有價值，不應該被自動化。你願意投入多少資源來觀察？ Vercel 投入了三名工程師六週的時間。這不是小投資，但對比省下的百萬美元人力成本，ROI 非常明確。Vercel 的案例證明了一件事：AI agent 最有效的建造方式，不是買現成工具，而是從你最強的人身上「萃取」能力。 因為每家公司的客戶不同、產品不同、流程不同，通用工具永遠比不上量身打造的 agent。 這不是未來式，是現在進行式。📎 Jeanne DeWitt Grosser 在那集 Lenny's Podcast 裡不只講了 AI agent 的事，還分享了 Vercel 從零到規模化的完整 GTM 策略，以及她在 Stripe 和 Google 累積的 B2B 銷售經驗。如果你對「科技公司怎麼打造銷售引擎」這個主題有興趣，推薦完整收聽：What the best GTM teams do differently — Lenny's Podcast。