VibeGTM来了，AIagent在营销领域持续火爆，又一笔3000万美金大额融资

你有没有想过，销售这件事情可能彻底变了？传统的销售方式正在从单纯依赖人工拨打电话、发送邮件，转向将AI agent视为驱动整个销售流程的核心力量。这不是什么小调整，而是一场彻底的范式转变。想想看，那些我们一直习以为常的核心概念——冷呼叫、邮件模板、客户分类、甚至"销售代表"的概念——都在因为AI agent驱动的工作流而被重新定义。

最近，一家名为Landbase的AI销售初创公司刚刚完成了3000万美元的A轮融资，由Sound Ventures和Picus Capital联合领投，这轮融资背后有个有趣的故事。当创始人Daniel Saks准备融资时，约了50家顶级投资机构进行路演，最终是Ashton Kutcher的一个建议让Sound Ventures赢得了这笔投资机会。Kutcher建议他们把营销标语从"智能自动化你的市场开拓"改为"找到你的下一个客户"。这个看似简单的改变，却体现了AI销售革命的本质：不再是自动化工具，而是真正能够帮企业找到并转化客户的智能伙伴。

我们正处在销售行业的一个历史性转折点。Landbase所代表的不仅仅是一种新技术，而是对整个B2B销售模式的重新思考。他们提出的"VibeGTM"概念，正在改变企业与潜在客户互动的方式，让复杂的多渠道营销活动变得像聊天一样简单。

行业案例：从软件到电信的成功实践

我观察到，AI agent在销售领域的应用已经跨越了多个行业，每个行业都能从这种技术中获得独特的价值。在软件和SaaS领域，公司经常面临拥挤的市场，快速接触到正确的决策者可能决定增长的成败。这些公司通常有创新产品，但需要教育特定的角色（比如DevOps经理或CFO），这些人被供应商推介轰炸。

Landbase的AI agent通过使用技术图谱和意向信号来锁定强匹配的潜在客户，为SaaS销售团队提供了优势。例如，AI可以识别使用互补技术的公司（如与SaaS产品集成的云平台），表明兴趣的可能性更高。然后AI agent制作针对该潜在客户特定情境的超个性化消息——它可能引用最近的开发者会议演讲或潜在客户技术栈中的已知痛点。

在电信行业，B2B销售涉及长销售周期、严格的合规规则和大量的区域定位。跟踪不断变化的业务发展（如哪些公司正在扩大办公室或需要基础设施升级）是令人生畏的。AI agent通过监控触发事件和确保外联中的合规性证明了其价值。例如，电信AI agent会跟踪企业扩展到新地点或带宽使用激增等信号，作为关于升级连接解决方案的外联线索。它自动确保所有消息传递符合电信行业法规——遵守选择退出要求，包括适当的免责声明——这内置在其质量中。

P2 Telecom的成功案例完美诠释了这种应用的威力。这家全国性分销商使用Landbase的AI agent重振了他们的销售渠道。在传统淡季期间，AI通过找到显示相关信号的"隐藏"潜在客户发现了被压抑的需求，并用关于P2语音和数据服务的个性化推介与他们接触。结果令人瞩目：P2 Telecom从AI源头交易中增加了40万美元的月度经常性收入，他们的销售团队确实难以跟上合格会议的涌入。

金融服务行业也开始利用AI agent进行销售和营销。在这些行业中，信任和可信度是至关重要的，外联通常必须高度量身定制并符合法规。AI agent可以在财务方面接受正式语调和共鸣证明点的培训（例如强调安全性、ROI、监管合规）。它在向银行高管发送消息时会使用比向科技初创公司创始人发送消息时更谨慎、数据驱动的方法。关键的是，AI的内置护栏防止任何不允许的声明或敏感信息泄露到通信中——确保遵守FINRA或GDPR等政策。

从制造业（使用AI定位有特定供应链需求的公司）到医疗保健和制药（在保持HIPAA合规的同时，向医疗实践教育新解决方案的个性化外联），其他行业也在跟进。所有这些的共同点是核心价值主张：AI agent自动化线索生成和培育的苦差事，并以产生更好结果的智能、个性化方式做到这一点。

我对AI销售未来的思考

展望未来，我相信我们仅仅处于这种转变的开始。在接下来的几年里，拥有AI"副驾驶员"（甚至整个AI SDR团队）很可能会成为B2B销售的标准做法。Gartner预测，到2025年，供应商和买家之间80%的B2B销售互动将在数字渠道中进行。这种数字优先的现实将推动公司部署AI来覆盖这些渠道。

我预期会看到更深层次的个性化——"一对一"营销方法，每个潜在客户的体验都是独特定制的。未来的营销AI agent将整合更多关于每个潜在客户的数据源——不仅仅是公司概况数据，还有行为洞察、个性倾向（也许从公开内容或先前互动中推断），以及实时情境。它们可能会动态调整沟通风格：例如，对财务高管使用更正式的语言，对科技创始人使用随意的语调，这是自动的。

未来的AI agent将不是需要偶尔重新训练的静态模型；它们将是持续学习系统。使用在线学习和联邦学习等技术，AI agent将近实时地变得更好。我们将看到能够自主实验（在安全限制内）以改善结果的AI——例如，尝试全新的消息角度或新颖的序列并从结果中学习。这种自我优化比以往任何时候都更快地闭合反馈循环。

我也看到人类与AI协作的重要性将日益凸显。远非消除对人类的需求，营销的未来将提升与AI一起工作的人类专家的角色。例行任务和首次接触外联将主要由AI主导，这意味着人类销售人员可以专注于更高价值的活动：与客户咨询、解决复杂问题和谈判交易。人类接触将被保留在最重要的地方——建立信任、处理细致入微的讨论和指导策略。

当然，这种转变也带来了新的挑战。安全性和权限控制变得比以往任何时候都更加重要。当AI agent可以代表用户执行各种操作时，如何确保它不会越权或被滥用？企业需要建立严格的权限框架，明确定义AI agent可以执行哪些操作，并建立审计机制跟踪所有自动执行的操作。

我相信，那些早期采用并深度整合AI agent的公司将建立难以逾越的竞争优势。每次AI运行和学习的营销活动都会使你未来的营销活动更加智能，创造一个不断扩大的性能差距。正如Daniel Saks在播客中所说的，我们正在进入一个"Tech是为我们工作，而不是我们为Tech工作"的时代。这种转变将重新定义销售专业人员的角色，让他们能够专注于建立关系和战略思考，而不是被重复性任务所困扰。

从Daniel Saks的创业经历中，我看到了一个有趣的对比。在AppDirect时代，他们需要穿西装打领带，印制咨询风格的传统演示文稿，深入研究企业文化来适应大客户。而在Landbase，他们采取了完全相反的方法：主要面向中小企业市场，不再印制文档，着装也更加随意。这种转变反映了市场环境的根本性变化——从2009年云计算刚兴起时人们对新技术的抗拒，到现在每个人都知道他们需要采用AI并且都善于采用它。

我特别认同Daniel关于创业时机的看法。他指出，在2009年SaaS兴起时，也许只有大约100家真正在做多租户SaaS的公司，竞争相对有限。今天的AI领域也类似——虽然有很多公司声称在做AI，但真正在应用层做原生AI agent的公司实际上数量有限。但最大的不同是现在有太多人在创造内容和噪音，创业也从小众变成了主流。这使得差异化变得更加困难，但也意味着机会更大。

我也思考过Daniel提到的权限委托问题。他预测在未来一年内，很多商业用户将拥有超过10个AI agent为他们工作，而关键问题将是：你给这些AI agent多少权限？他分享了一个亲身经历的故事——他使用了一个LinkedIn自动化工具，结果在周末发送了2000条消息，包括用他不会说的语言发送的完全胡言乱语的内容，甚至称呼一位女士为"兄弟"。这个例子生动地说明了AI自动化的风险。

我认为这种权限平衡将成为未来商业用户面临的核心挑战：如果你不使用AI，你会完全落后；但如果你在没有防护措施的情况下使用自动驾驶模式，你会有很多风险。每个商业用户都需要找到这个平衡点——在不同任务和应用程序中，你愿意委托给AI agent多少权限。这不仅是技术问题，也是个人品牌和商业风险管理的问题。

从投资和技术发展趋势来看，我注意到目前大量资本正在投入基础设施层——就像2009年云计算基础设施战争一样。当时有IBM的Softlayer、Rackspace等众多品牌，它们实际上比AWS更大，Azure甚至还不存在。但最终只有三个真正的赢家：AWS、Azure和GCP。我相信AI领域也会发生类似的情况——会有几个基础模型的赢家，但真正的价值将在应用层体现。这就是为什么像Landbase这样专注于特定垂直领域（go-to-market）的应用层公司具有巨大潜力。

最终，我认为AI agent不会取代销售人员，而是会让优秀的销售人员变得更加出色。它们将承担繁重的工作——研究、外联、跟进——让人类能够专注于他们最擅长的事情：理解客户需求、建立信任、创造价值。这种人机协作的新模式将定义未来十年的高绩效销售组织。

对于那些仍在犹豫是否采用AI销售技术的企业，我的建议是：现在就开始实验。技术的进入门槛从未如此之低，而早期采用者正在获得的优势——更多销售线索、更高转化率、更低成本——简直太有影响力了，不容忽视。正如Landbase所证明的，AI驱动的销售不再是未来的概念，而是今天就能实现的现实。我们正在见证一个时代的结束和另一个时代的开始，那些能够适应这种变化的企业将在未来竞争中占据主导地位。