SaaStr的办公室里，现在有10张空着的销售席位。每张桌子上都贴着一个名字：Reply、Quali、Arty、Agent Force。这不是什么行为艺术，这是Jason Lemkin在2025年5月做的决定——裁掉整个销售团队，换成20个AI Agent。
如果你的销售团队还在用人工回复每一封邮件，你可能正在用打字机时代的方式做生意。
这个决定的导火索发生在他们的年度万人大会现场。两名销售当场辞职。这已经是Jason第三次经历这种事——高薪招来的SDR，干了三个月还不知道公司是做什么的。「我真的做不下去了，」他对首席AI官Amelia说，「我们不再招人类销售了。就算AI还不够完美，我们也要把极限推到底。」
Jason不是冲动行事的人。他手里有一张底牌：今年5月之前，他们上线了一个通用型AI Agent叫Deli。这个Agent没经过任何销售训练，却自己关掉了一笔7万美元的赞助。「如果一个横向Agent都能成单，那专门训练的销售Agent能做到什么程度？」
Jason Lemkin是谁？SaaStr创始人兼CEO，全球最大的B2B创业者社区操盘手。2012年他把第一家公司卖给Adobe后，开始在博客上写自己踩过的坑。没想到这个社区越滚越大，现在每年办万人大会，管理着近2亿美元的投资基金。
「我到现在还在琢磨我们到底是做什么的，」他半开玩笑地说。但账面上的数字很清楚：年收入八位数，100多个赞助商，每个赞助包7-8万美元起步，还有几百万张门票要卖。
他办公桌上永远摊着一堆赞助商合同。这个习惯从第一次办大会就养成了——2015年，几千人涌进会场，他意识到这件事可能比写博客更有意思。
「我跟你讲，」他在采访里说，「招两个播客赞助商只要发几封邮件，但要管100个赞助商？那就是另一回事了。」
这不是重点。
2025年初，SaaStr有8-9个全职GTM人员：2-3个SDR做外呼，最多5个AE做大单。他们要服务的数据库里有40万条联系人记录。人类销售的瓶颈很明显——你愿意让一个21岁的初级SDR给120万订阅用户逐个打电话吗？
「我问过他们，」Jason回忆，「你们愿意打多少个？2000个就顶天了。」
更糟的是流失率。赞助商续约需要跟进，潜在客户要激活，网站上的「联系我」按钮点下去，得等两天才有人回复。等到那个不了解产品的初级销售回邮件时，客户的耐心早就耗光了。
2024年，AI销售工具的口碑很差。厂商们宣传「开箱即用」「零训练自动成单」，结果一塌糊涂。Jason知道问题出在哪——那时候Claude 4还没出来，LLM的能力还没跨过临界点。
但到了2025年5月，他手里的Deli Agent已经验证了一件事：只要训练得当，AI确实能卖货。
当两个销售在年会现场辞职时，Jason做了一个赌注：「我们全押AI。哪怕业绩会掉，我也不想再培养第28个会跑路的人类销售了。」
第一个Agent不是从销售开始的。
Jason部署的第一个Agent叫Deli，是个「数字克隆」。他把自己12年的博客、访谈、演讲内容全部喂给它，本来只想做个「数字Jason」回答创业者的问题。没想到这东西自己进化了——开始回答活动咨询，帮人退票，甚至自己谈下了赞助。
「我每天早上要花一小时修Bug，」Jason说，「它会告诉用户错误的活动日期，会说一些莫名其妙的话。但你每天改一点，30天后它就很好用了。」
这就是「训练」的本质。上传资料、回答问题、修正错误、循环往复。没有黑科技，就是体力活。
他真正开始组建「Agent销售团队」，是从一个叫Artisan的YC公司开始的。选择Artisan不是因为它最强，而是因为它最肯帮忙。
「另一家厂商要我先付10万，」Jason说，「还有家怕砸招牌不敢接我们的单。只有Artisan说：『我们干。』」
这里藏着一个关键洞察：2025年的AI Agent产品，底层都是Claude 4 + 一堆API的组合。功能差别不大，真正的分水岭在于「Forward Deployed Engineer」——那个会花30天手把手教你训练Agent的工程师。
「买软件之前，先跟他们的FDE工程师通个电话，」Jason建议，「如果对方真的愿意帮你部署、训练、迭代，那就买。如果软件再好，但没人管你，别碰。」
Artisan的第一个任务是外呼：给SaaStr的40万联系人发邮件，邀请他们回到年会。训练完成后，Agent发了6万封邮件，回复率还不错。
第二个Agent叫Qualified，负责入站线索。它24小时守在网站聊天窗口里，自动筛掉不合格的询盘，把优质线索直接约好会议时间。某个周六晚上11点，一个赞助商通过聊天窗口成交——人类销售根本不可能在那个时间上班。
「最关键的是，」Jason说，「客户根本不在乎对面是不是AI。只要邮件有价值，回复速度快，他们甚至会说：『哈哈我知道这是AI写的，但写得不错，约个会吧。』」
但这还不是方法论的重点。
重点在第三个Agent：Agent Force。这是Salesforce的产品，Jason用它做了一件人类销售不愿意干的事——激活那些被放弃的线索。
每个公司都有这样的线索：客户主动联系过，但销售觉得「佣金太低」「不够大单」就放着不管了。Jason把这些线索全部导给Agent Force，用几乎相同的Prompt训练它，结果回复率高达70%。
「这是一个70%回复率的金矿，」他说，「而人类销售连看都不会看一眼。」
20个Agent的具体分工是这样的：Deli处理客服和通用咨询，Artisan做外呼和再营销，Qualified管入站筛选，Agent Force激活沉睡线索。还有一些小众Agent处理门票销售、VIP邀约、往届参会者召回。
它们全年无休。圣诞节也在发邮件。
但这里有个被所有人忽略的细节：训练Agent的模板，必须来自你团队里最厉害的那个销售。
「别让AI自己发挥，」Jason反复强调，「找出你们历史上转化率最高的那封邮件，上传给Agent，让它在这个基础上做AB测试和个性化变体。AI很擅长做变体，但它需要一个好的起点。」
大多数2024年失败的AI销售案例，问题都出在这一步：公司把未经训练的Agent直接扔给一群初级SDR，指望它自己学会卖货。那不可能。
「你得把最好的剧本教给它，」Jason说，「然后每天花1-2小时看它的邮件，改掉那些蠢话和幻觉，连续改30天。第30天它就能用了。」
这就是为什么Amelia——他们的首席AI官——每周要花10-15小时「编排」这20个Agent。她要决定哪些Agent负责哪部分客户群，避免它们互相冲突；她要每天审核AI发出的邮件，修正错误；她要把训练好的Prompt复制到新Agent上，把部署时间从几个月缩短到一天。
「Agent确实自主运行，」Jason说，「但它们需要持续的监督和迭代。如果你买了就不管，ROI会是零。」
两个字：够了。
想想你上次在超市买电钻——你不是在买电钻，你是在买墙上的那个洞。
AI Agent不是在取代「销售」这个岗位，它是在取代「那些人类不想做的重复性任务」。筛选线索、发外呼邮件、半夜回复咨询、追踪沉睡客户——这些工作的本质是「覆盖面」和「响应速度」，而不是「建立深度关系」。
Jason的数据验证了一个反直觉的事实：大多数销售人员的邮件，并不比训练好的AI强多少。「我在Adobe时，销售VP让我看了一遍团队的邮件，」他说，「我的天，这是我见过最烂的邮件。」
但最顶尖的销售——那些会花两小时研究一个客户、写出完美故事的人——AI暂时还替代不了。如果你在白板上列出50个最重要的潜在客户，给每个人定制化攻坚方案，那不需要AI。
AI的价值在于另外5000个你没时间联系的人。
这解释了为什么2025年所有快速增长的AI公司都在同时做两件事：招更多顶尖销售，同时把中层和底层岗位换成Agent。Verscell招了GTM负责人Janine，Replet组建了销售团队，但他们需要的SDR数量比五年前少了90%。
「我们应该有年薪25万美元的SDR，」Jason说，「但他们不是在管10个人，而是在管10个Agent。」
但这个模式有边界。
Jason很坦诚：「我们现在可能已经满负荷了。Amelia每周管理20个Agent的工作量，已经到了极限。我不知道第21个什么时候能上线。」
Agent不睡觉，但编排它们的人需要睡觉。每天早上打开电脑，会看到Agent们一晚上发了几百封邮件、约了十几个会、犯了几十个小错误。「这不是懒人的工作，」他说。
而且，这套方法只适用于「高频、标准化、基于文字沟通」的销售场景。如果你是卖需要线下演示的产品，如果你的客户需要上门拜访，如果你只有50个大客户需要深度运营——AI暂时帮不上忙。
另一个限制是成本。这些Agent产品的入门价是5-10万美元/年，还要配一个Forward Deployed Engineer。对于年收入低于200万美元的公司来说，可能还不如直接招人。
最隐蔽的风险是「业务流程变更疲劳」。2025年每个企业都在上线AI工具，到了2026年，很多公司会说：「我去年已经部署了5个Agent，真的做不动第6个了。」窗口期可能比想象的短。
但他错了。
Jason以为自己是在「止损」——与其再招一个会跑路的人，不如赌一把AI。结果8个月过去，业绩和10人团队时期持平，成本下降了70%，而且这些Agent还在持续进化。
最意外的是文化变化。「办公室现在安静得吓人，」他说，「10张空桌子，每张上面一个Agent的名字。Amelia坐在角落的办公室里，我在后面。就这样。」
他现在每天还是会看Agent发的邮件。不是检查错误，而是在学习——学习AI是怎么比人类更快找到客户痛点的，学习哪些话术的转化率在提升，学习这个「1.2人+20 Agent」的混合团队还能推到什么极限。
办公桌上那堆赞助商合同还在。只是现在签下它们的，有一半是从未见过面的Agent。