AI正在快速进入Marketing、Sales和Customer Service的日常工作。内容生成、客户研究、线索筛选、邮件跟进、数据整理等任务，已经可以由AI完成其中相当一部分。这会带来一个直接的组织问题：
当企业可以用更少的人完成更多执行工作，人的价值究竟在哪里？答案并不是AI无法取代人这么简单，真正的变化是企业对人的需求，会从执行能力转向判断能力。这会直接影响Marketing和Sales团队的岗位设计、绩效指标，以及企业对CRM和数据基础设施的要求。
判断一个工作是否容易被AI接管，可以看它是否具备几个特点：流程明确、输入和输出相对固定、结果容易衡量，例如：
根据产品资料生成营销内容、总结客户会议记录、整理和补充客户信息、根据既定规则进行Lead Scoring、发送Follow-up邮件、根据客户行为触发营销流程
这些工作并不是没有价值，而是很容易被流程化和自动化。因此，企业使用AI的第一阶段通常不是重新定义岗位，而是减少员工在重复性工作上的时间。问题在于，如果AI只能帮助员工“更快地执行原来的工作”，企业得到的主要只是效率提升。真正产生组织变化的是下一步。
假设一个Sales过去每天需要花两小时研究客户、整理CRM和发送Follow-up。如果AI把这些工作压缩到30分钟，那么剩下的90分钟应该做什么？
如果答案只是：联系更多客户，那么AI最终只是提高了销售人员的工作量。更合理的做法，是把节省下来的时间投入到AI无法独立完成、但对成交结果影响更大的工作中。例如：
判断客户真正的业务需求
识别复杂采购流程中的关键决策人
处理不同利益相关者之间的关系
设计解决方案
进行商务谈判
判断什么时候应该推进，什么时候应该停止
因此，AI真正改变的不是一个Sales可以处理多少Lead，而是Sales的时间应该分配在哪里。
Marketing也是一样。
如果AI可以快速完成大量内容生产，那么Marketing团队的核心问题就不应该变成一个人一个月可以写多少篇文章，而应该是哪些内容值得生产、针对什么客户、服务哪个业务目标，以及如何判断内容是否产生了商业价值。
过去的Marketing组织，很大程度上围绕Campaign执行建立。确定主题、制作内容、投放广告、发送邮件、统计数据，然后进入下一轮Campaign。
AI可以明显缩短其中很多环节。因此，Marketing团队未来更需要解决的是一个上游问题：什么值得做？
例如，同样面对一个新市场，AI可以快速生成几十个Campaign方案，但它无法替企业承担市场定位本身的商业责任。企业仍然需要判断：
目标客户是谁？
进入市场的优先级是什么？
品牌应该建立什么差异化？
哪些客户信号意味着真实购买意向？
哪些内容与业务增长有关，而不仅仅是获得流量？
这些判断决定了AI的执行结果有没有商业价值。所以，AI并不会简单地让Marketing人员减少，而会让策略能力与业务理解的重要性提高。
传统Sales工作中，有大量时间用于Pipeline管理。哪些Lead需要Follow-up？什么时候发送邮件？客户多久没有回复？哪些机会需要更新CRM？
这些任务非常适合自动化。当AI Agent可以持续观察客户行为，并根据规则和上下文执行下一步动作后，Sales的工作重点就会发生变化，Sales不再需要亲自管理每一个动作，而需要判断哪些机会值得介入。这意味着未来Sales团队的评价方式也可能发生变化。
“联系了多少客户”“发送了多少邮件”这些过程指标的重要性会下降，而客户质量、机会转化率、成交质量以及销售人员对关键机会的判断，可能变得更加重要。
这其实是一个组织管理问题，而不只是一个AI工具问题。
AI Agent能够做什么，很大程度取决于它能够获得什么信息。如果客户资料分散在Marketing、Sales、Customer Service以及不同的沟通渠道中，AI就很难形成完整的客户上下文。
例如，一个客户刚刚在网站上访问了产品页面，同时过去曾经参加过Webinar，Sales几个月前也和他沟通过。如果这些信息都存在CRM中，AI可以综合这些信号判断客户当前的意向。但如果这些数据彼此孤立，AI即使具备很强的推理能力，也只能基于不完整的信息做判断。因此，Agentic AI真正进入企业之后，CRM的作用会发生变化。
过去CRM主要用于记录客户信息和管理Pipeline。未来，CRM需要成为AI理解客户、判断机会和触发行动的数据基础，这也是为什么AI Agent、CRM和Data Foundation正在越来越紧密地结合。
很多企业现在的问题不是有没有AI，而是已经购买了很多AI工具，却没有重新设计工作流程。
一个典型例子是：Marketing使用一个AI工具生产内容，Sales使用另一个工具做Prospecting，客服又使用另外一个系统处理客户咨询，而CRM仍然只是一个被动的数据仓库。
这样的AI应用，很难产生系统性的增长。更有效的方式，是从业务流程重新设计AI的角色：哪些工作由人决定？哪些工作由AI执行？AI需要什么数据？什么情况下必须交给人处理？执行结果如何回写CRM？当这些问题被明确之后，AI才真正从一个生产力工具变成企业工作流程的一部分。
这是一个经常被讨论，但实际上并不准确的命题。
有些人的工作确实会被AI替代。尤其是大量重复、标准化、可以被明确规则描述的工作。企业真正需要关注的是另一件事：当这些工作被AI接管之后，组织是否知道应该把人的能力放在哪里？
如果企业只是减少人力成本，那么AI带来的主要是效率收益。如果企业能够重新设计Marketing、Sales和Customer Service的工作方式，把人的时间投入到判断、策略、客户关系和复杂决策中，AI带来的才可能是组织能力的提升。
这也是我们认为AI进入企业之后，人反而更重要的真正原因。不是因为我们公司人的所有工作都无法被AI完成，而是因为当执行成本持续下降，决定企业差异的因素会越来越集中在判断和决策上。对于正在进行数字化转型的企业而言，这意味着AI项目不应该从买哪个工具开始，而应该从一个更基础的问题开始：
哪些工作应该交给AI，哪些决策必须由人掌握？这可能才是AI时代企业真正需要重新设计的组织问题。