AI 時代的 Sales：哪些動作真的可以自動化，哪些還是要人扛

> Meta Shift

---

開場：我的判斷

Sales 這個職位不會消失，但大概有一半的 sales rep 會消失。

這不是在唱衰，是在講結構性的變化。AI 把 outbound 裡面那些「重複性的量產動作」幾乎全部接管了 — cold email 的撰寫、prospect research、follow-up cadence、CRM 更新。這些以前需要一個 SDR 花一整天做的事，現在一個 AI tool 搭配好的 prompt 大概半小時搞定。

但 sales 的本質從來不只是發信。真正關鍵的部分 — 建立信任、讀懂 buying committee 的政治、推進一個複雜的 enterprise deal — 這些 AI 現在做不到，短期內也做不到。

所以 AI 時代的 sales org 長什麼樣子？答案是：更小、更貴、更精。Bardia Shahali（Granola VP of Sales，前 Fireworks AI）跟 Tom Tunguz 在 Theory Ventures Office Hours 裡談到的核心觀點就是這個：lean sales org。不是裁員，是重新定義誰該在這個位置上。

從工程師的角度來看這件事會更清楚 — 我們天生習慣問「這個 task 能不能自動化」。問題是，sales 裡面能自動化的部分，跟不能自動化的部分，邊界在哪？

---

現象：你在觀察什麼

Outbound 的成本正在崩潰

過去幾年，一個標準的 SaaS 公司 go-to-market 是這樣的：一堆 SDR 負責 outbound prospecting，把 qualified lead 交給 AE 去 close。SDR 的工作高度重複 — 寫 email、打電話、更新 Salesforce、約 demo。

現在這套架構正在被打穿。Apollo、Clay、Outreach 這些工具都在大量引入 AI 功能，讓一個 AE 可以自己跑完以前需要兩三個 SDR 配合的 pipeline 工作。據 Granola 的案例，他們的 sales team 規模顯著小於同類 SaaS 公司的傳統配置，但 quota per rep 反而更高（來源：Theory Ventures Office Hours）。

Quota benchmark 正在重新校準

傳統 SaaS 的 AE quota 大概落在年 $1M ARR 左右，是業界長期的 benchmark。但 Bardia 提到，AI 時代的 quota 正在向上移動，因為 AI 幫 rep 做掉了大量的 non-selling time。一個 rep 真正花在「跟客戶說話」的時間更多，自然能 carry 更大的 book of business。目前沒有公開的新 benchmark 數字，但方向是向上。

Product-led growth 跟 sales 正在 merge

Granola 本身是個有趣的案例 — 他們的 product 有很強的 viral / PLG 特性，會在組織裡自己擴散。這種情況下的 go-to-market 不是傳統的 top-down enterprise sales，而是 bottom-up 找到 champion，再往上 expand。這個 playbook 需要 sales rep 有更強的 technical 理解力，因為你要跟工程師或技術 leader 說話，而不只是對 VP 講 ROI。

---

分析：為什麼會這樣

技術面：AI 把 sales 的 admin layer 幹掉了

sales 的工作時間分佈一直是個問題。根據 Salesforce 的統計，sales rep 平均只有大約 28% 的時間真正花在 selling 上，剩下的時間是 CRM 更新、email 撰寫、內部會議、prospecting research（來源：Salesforce State of Sales Report）。

這個 28% 的問題，AI 正在解決。GPT-4 class 的 model 寫 cold email 已經好到跟資深 SDR 差不多，而且可以 personalize at scale。你可以給它一份 prospect 的 LinkedIn、公司最新的 press release、產品 pricing page，它會吐出一封針對性很強的 outreach。以前這個動作要人花 15 分鐘一封，現在批量處理。

更重要的是 CRM hygiene。sales rep 最討厭的事之一就是更新 Salesforce — 但 pipeline visibility 是 sales management 的命脈。現在有 tool 可以自動從 email、call transcript 裡面 extract 出 deal stage 的更新，直接寫進 CRM。這個 admin 負擔被大幅減輕。

商業面：hire 的邏輯在改變

如果 AI 把 SDR 的工作接走了，那 SDR 這個職位還有沒有意義？短期內還有，但它的定義在變。以前 SDR 是 pipeline factory，現在更像是 AI tool 的 operator — 你要會用 Clay 建 lead list、會調整 AI 寫的 email sequence、會看 data 判斷哪個 segment 值得 push。

這讓 hire 的 bar 改變了。你不再需要一個願意打 100 通 cold call 的年輕業務，你需要一個懂得用工具、能 iterate 策略的人。薪資結構也在變 — 傳統 SDR 的底薪低、OTE 靠量，現在的 lean team 要給更高的底薪來吸引更強的人。

AE 的角色變化也值得講。ramp time（新 rep 到 full productivity 的時間）正在縮短，因為 AI 可以幫 new hire 快速吸收 product knowledge、競品資訊、historical deal data。以前 ramp 要 6-9 個月，現在有 tool 輔助的話可以壓到 3-4 個月。這對 scaling sales org 影響很大 — 你可以更快 deploy capacity。

這讓我想到 SaaS 取代 on-premise 的時代

大概 2010 年代初，Salesforce 那波 SaaS 浪潮進來的時候，很多人說「IT 部門要消失了」。結果不是消失，是 IT 的工作從管伺服器變成管 SaaS subscription 跟 security policy。

sales 現在面臨的是類似的 transition。不是消失，是工作內容的重心轉移。從量產 outbound 轉向高價值的 relationship building 跟 deal strategy。但這個轉移的速度很快，跟不上的人確實會被淘汰。

哪些是 AI 真的做不好的

信任。這個東西很老派，但在 B2B enterprise sales 裡面還是核心。一個 $500K ARR 的 deal，buying committee 裡面有 5 個 stakeholder，每個人都有不同的 concern — security、ROI、implementation risk、vendor stability。你要在 6 個月的 sales cycle 裡面一一 address 這些，中間還有競品在攪局。

這個過程需要人去讀懂 room，感知對方說話的語氣變化，判斷是誰真正在影響決策。AI 目前在這個層次的 EQ 跟情境理解力還差很遠。

另一個是 champion building。在 enterprise 裡面，你要在客戶組織內部培養一個 internal champion 幫你推，這是非常人際密集的工作。你要讓對方覺得你是在幫他，不只是在賣東西。這個 dynamic，AI 沒辦法替代。

---

Meta 判讀

判定：Meta Shift

這不是 patch note，是根本性的結構變化。

Sales org 的人員配置 benchmark 正在被重新定義。以前 "hire fast, scale SDR" 是 growth playbook 的標配，現在這個公式被打破了。lean team + AI tools 可以 cover 更大的 market，用更少的人。

對投資者來說，這個 shift 的含義很直接：同樣的 ARR，AI 時代的 sales org 成本結構應該更好。如果一家公司的 S&M expense 佔 revenue 的比例沒有隨著 AI 工具的引入而下降，那要問一個問題 — 他們的錢花到哪去了？

Granola 這個案例有意思，他們是在 PLG 強的產品上疊加 enterprise sales motion，這個組合如果跑通，sales efficiency 會遠優於純 enterprise sales 的 model。這是值得注意的 signal。

對 sales 這個職位本身，這是個 nerf 加 rework — 總量會減少，但留下來的人薪資和地位會提升。高端的 enterprise AE 會變得更稀有、更值錢。底層的 SDR factory 會萎縮。

---

我的建議

如果你是工程師，想跨到 sales 或 GTM：

現在是最好的時機進場。因為 AI 時代的 sales 需要懂技術的人 — 你要能跟工程師客戶說話、要能操作 AI tool 建 outbound workflow、要能看 data 做 pipeline analysis。這些是純業務背景的人不擅長的。你的 technical credibility 在 PLG 往 enterprise 走的 product 裡面特別值錢。

如果你是 SDR 或初級 AE：

不要繼續做純 volume 的事。現在就去學 Clay、Apollo 的進階用法，學怎麼用 AI 工具建 personalized outreach sequence。你的 job security 不在於你能打幾通電話，在於你能不能用工具放大自己的效率。

如果你是 founder 在想 GTM 策略：

別急著 hire 一堆 SDR。先把 product 的 PLG loop 搞清楚，再疊加 sales。Outbound 可以先用 AI tool 跑，等你找到 repeatable motion 再 hire 真人去 scale。這樣錯誤成本低很多。

不該做的：

不要以為 AI 會讓 sales 完全 automated。那些說「AI 可以全自動 close deal」的 demo 通常是 cherry-picked 的最佳情境。enterprise sales 的複雜度不是 AI 現在能處理的，別被 hype 騙了，該 hire 的 AE 還是要 hire。

Sales 在 AI 時代不是消失，是變貴了。

延伸閱讀

• PayPal 用 AI 跟進沒人要打的 8000 個 leads，轉換率升了 50%
• AI delegate out,accountability delegate in — Zapier V2 招募標準真正的分水嶺
• 設計師用 AI Agent 自己刻網站了 — 工程師的邊界在哪裡？