本文观点整理自 2026 年 9 月 22 日「AI 与销售」直播对谈。
对谈嘉宾：夏凯，AI营销专家，销售罗盘创始人，《赢单九问》《信任五环》《营销罗盘》等畅销书作者 刘华，AI营销专家，《卓越销售》《激活销售组织》作者
最近见客户，听到最多的一句话是："我们已经在用 AI 了，用豆包。"
这句话本身就是问题所在。夏凯老师谈到上周在某企业提问一批营销中层：有没有用 AI？百分之百举手。有没有人写过提示词？没有。有没有人训练过自己的专家系统？也没有。
那不叫应用 AI，那叫换了一个地方搜索。
把 AI 应用等同于一个聊天框，是当前企业 AI 落地最大的认知偏差。
这场对话里，两位在销售领域深耕近三十年的大咖，从三个角度回答了同一个问题：AI 到底改变了什么，什么又没变。
一、换门槛：AI 抬高而非降低了销售的专业门槛
直觉上，AI 应该让销售更好做。夏凯给出的判断恰恰相反。
AI 能解决的是信息分析效率。
两分钟读懂一家企业——背景沿革、价值链、商业化路径、客户的客户、盈利模式、利润空间、年报数据，这些过去要查一整天的东西，现在几分钟就能出来。找商机、找关键人，AI 也确实帮得上忙。
AI 解决不了的是四类东西：理解能力、洞察能力、信任建立能力、责任兜底。
政企大客户销售的本质，是面对面、人与人、组织与组织的交易，是基于责任和信任兜底的销售。没有哪个政务云项目是在网上搜一下就定了供应商的。多人复杂决策里，要同时考虑对方的需求、动机、位置、KPI 和帽子——这是一个复杂项目管理问题，不是信息检索问题。
所以夏凯的判断是：销售门槛不是降低了，而是更高了。 AI 对靠体力、靠勤奋、靠效率型的销售是碾压式打击；对有智慧、有洞察、有思考力的销售是如虎添翼。分水岭在于你有没有"慧根"去读懂 AI 给出的结果，有没有"愿力"去成就客户和价值。
刘华的实践数据支撑了这个判断。他三年前就开始做销售的"学练考评"智能体，把二十多位优秀销售的经验萃取成知识库。结果是：老销售基本一周内就弃用，还会挑一堆毛病；新销售两三个月使用频率还不错；效果最好的是有三四年经验的中间层——有一定的行业和公司经验打底，又能被 AI 赋能。
我把这个现象概括为一句话：AI 实现的是知识平权，不是能力平权。
知识可以萃取、可以复制、可以下发。能力不行——真的面对客户挑战时，你不能一边看着 AI 一边回答。这一层只能靠时间和实践去迭代。
还有一个反直觉的观察：刘华发现，在"考"的环节，老销售的实际回答经总监核验后，有时还不如 AI 的回答。但老销售的自我评价依然很高——"我都干了十几年了"。这恰恰是最危险的地方：AI 让知识差距迅速抹平，而认知差距被掩盖了。
二、换逻辑：七分业务，三分技术
为什么很多企业的 AI 应用"能用但不敢用"？夏凯的原话是：能用吗？大概能用。敢用吗？不敢直接用。就总是差一口气。
差在哪里？
FDE（Forward Deployed Engineer，前沿部署工程师），即面向业务场景的前沿部署工程师，其核心工作不是帮客户写提示词，不是做 AI 部署，而是基于业务发现问题，并找到问题的解决逻辑——注意是逻辑，不是方法，更不是答案。
夏凯的做法有很强的启发性：给一家客户做 FDE 之前，他和全国十位分公司总经理在北京开了一整天的研讨会，反复讨论一个问题——大客户赢单要素究竟是什么。60% 到 70% 的精力花在这里。同一个公司的另一个事业部想直接复制这套东西，复制不了，因为客户不同、行业不同、产品不同，决策指标的结构就完全不同。
所以他把结论压成一句话：七分业务，三分技术。
先把问题的角度和思路锚定，再用它去配提示词和工作流，明确 AI 完成哪些、人做哪些确认和决策。这个闭环成立，AI 才转得起来。
从人才发展的角度看，销售知识是分层的：底层是源知识（知识点、知识组件），中间是场景知识（对场景的解读和知识组合调用），顶层是面向复杂不确定问题的知识组合包。
显性知识——当地法规、文化、产品定价、竞争对手——可以收集、可以管理、可以抓取。真正难的是"暗知识"：对面这个人此刻在想什么，他的角色和岗位在企业规模背后意味着什么动机，这是基于经验和隐性技能的知识。
夏凯的一个提示词协议通常写到 15000 到 18000 字，对每个字段、每个词做 N 个定义，才能让 AI 精准理解。这就是为什么他的AI能用，而大多数人的AI"能用但不敢直接用"。
我补充一个判断：如果你的问题本身不能解构、不能 SOP、不能走流程，AI 最多给你一个似是而非的答案。 AI 不会替你把问题想清楚，它只会放大你已经想清楚的部分——包括你想错的部分。
三、换定位：不是三个监工，是三个助理三个师傅
读书会谈到了为何大多数企业的CRM 用不起来，是销售管理里最老生常谈的结构性矛盾。本质上，CRM是组织性优先，即以企业管理的视角思考问题，而缺乏个人性，并没有从个人角度出发。
组织要数据：资源分配要看，销售预测要看，未来收入的可能性要看。个人要省力：今天拜访完客户，讨论完就拉倒，谁愿意回头填一堆格子？
刘华给出一个正反馈的应用经验。他主持过公司 CRM 建设，调研时发现：销售不愿意填，不是因为不愿意被管控，也不是不愿意把信息共享给组织，而是只有输出，没有回报。如果他的经理、总监能在系统里看见他的日志并且回复，他填写的积极性、完整度和真实度会明显不一样。
"一味输出而没有回报"——这才是根因。
夏凯的解法是从这个根因出发的：给销售找三个助理、三个师傅，每天帮他干活。
AI 客户洞察：按行业、区域、客户签单量匹配，每天推十条线索，告诉他这些客户为什么有商机
AI 线索开发：该用什么话术、跟谁联系、邮件电话可能是什么、找谁能搭上关系
AI 绩效分析：每周二周四自动发邮件给销售本人、经理、总监，同步客户量、商机量、跟进量、预测完成率和下一步行动建议
项目研判：漏斗结构健康度、每个项目的卡点、赢单要素和丢单要素、风险点、内部外部该调动什么资源
交互方式也换了。所有跟进记录对话即生成，有录音直接上传生成，没有的话全程“口喷”——"帮我增加客户""帮我写条跟进记录"，AI 写完人确认一下就完成操作。他的设想是：一个大的集团只需 20 个管理账号管组织和产品配置，100 个销售配 100 个口喷终端就够了。
由此他推到一个更大的判断：未来的销售不是听指令作战的士兵，而是被 AI 全身武装的独立作战个体——有感知系统、有分析系统、有研判系统，根据市场情况机动、灵活、精准行动，而不是等经理告诉他往哪打。
我的呼应只有一句：AI 的价值是找三个助理三个师傅帮他干活，不是找三个监工在旁边盯着他。
还有一点必须说清楚：AI 是放大器，但要看放大什么样的能力、什么类型的人。积极学习、爱思考的人，一定被放大。本来就有依赖和拖延的人，AI 可能加剧他的拖延——"反正 AI 会做，我等着就行"。
四、落地怎么选：四高两低，从单点到体系
场景怎么选？我给的判断标准是四高两低：
高频、高重复、高性价比（AI 做比人更好）、高数据基础；低风险、低实施难度。
这和夏凯的三步走是同一个逻辑：先结构化提问（我是谁、在做什么、面对什么问题、想达到什么效果），再把最高频重复的工作提炼成自己的提示词和专家，最后才走到多技能协同和 FDE。
但更关键的是第二步到第三步之间的跨越：一定是从单点突破走向整体协同。
我一直认为，营销是体系建设的活，不是单纯技能培养的活。单点工具解决不了组织问题。从企业 AI 转型的路径看，大致是三段：AI 嵌入——在既有流程里用工具提效；AI 优先——围绕 AI 重构流程和角色；AI 原生——组织形态本身发生变化，销售变成智能化的独立作战个体。
落到战略—价值—组织—技术四维上：战略层要明确 AI 解决的是哪个业务问题，价值层要定义清楚衡量口径，组织层要解决"只有输出没有回报"的激励机制，技术层才是提示词、知识库和智能体。绝大多数企业卡住，是因为只在第四维发力。
最后记两句这场对话里最打动我的话。
夏凯说，他十二年前就把版权课程开源了，现在全国有一千二百人可以讲他的课，提示词也开源。“别人轻易拿走的不是你的，别人拿不走的才是真正属于你的”——洞察力、思考能力、设计能力在持续迭代，蒸馏走的是 What，留下的是 What 和 Why 之间的那段距离，那才是真正的 know-how。
他收尾时引了老子：“道可道，非常道。凡是你说出来的都不是真正的道。”
而我们能做的，是保持好奇、保持韧性、持续输出——最好的输入是输出。
感谢夏凯老师和刘华老师的倾情分享，敬请关注我们，定期邀请AI+领域的知名大咖和图书作者对话，以书为媒、以知会友、以思促行，探索AI时代的组织、人才和未来。
下期预告：《全局谈判》作者胡定成，北京外国语大学国际商学院原院长牛华勇教授。
