过去一年的CRM市场，大家还在做聊天对话框——销售人员用自然语言问AI“帮我查一下客户A的订单状态”，AI理解之后去系统里执行。这个模式很好用，效率确实上来了，但本质没有变：所有指令由人来发起。

过去一年的CRM市场，大家还在做聊天对话框——销售人员用自然语言问AI“帮我查一下客户A的订单状态”，AI理解之后去系统里执行。这个模式很好用，效率确实上来了，但本质没有变：所有指令由人来发起。

然而今天，AI已经能够理解人的指令，并真正在系统中自主执行一些动作。

变化发生在最近几个月。 “龙虾”带来了真正的范式跃迁。龙虾给企业端系统最大的启示是：不仅仅是由人发起指令、AI帮助执行，而是AI能够真正自主理解和执行——这是非常重要的范式跃迁。

销售易刚刚推出的NeoAgent2.0，产品架构没变复杂，但逻辑翻过来了：不再是问一句它答一句，而是AI主动分析、主动建议、主动干一部分活，用户只需要确认或拒绝。我们称之为“自主执行”加“全新人机协同体验”。

图片来源：花瓣网

这件事往深了想，会冒出一个疑问：如果AI自己就能调用业务能力，那传统的SaaS软件，是不是就退化成后台的一个数据库了？它的价值护城河还在不在？

很多人第一反应是“护城河没了”，实则不然。企业级软件真正的护城河是业务，背后是业务数据的模型，以及长在数据模型上的各种业务场景和复杂的业务逻辑。 过去SaaS公司招大量的程序员，把这些东西用代码封装到软件里；今天AI确实能更低门槛、更快地把业务需求转成运行代码，但企业客户经营场景里最认的一个东西，AI给不了，这就是确定性。大模型能力虽强，但不确定性无法避免，一定是相结合的场景才能在企业中落地。

也就是说，AI负责灵活和效率，企业SaaS负责确定性和复杂业务逻辑。谁也别想完全取代谁。

要让AI真正能在企业场景里干活，光有模型不够。过去CRM的数据模型是给人看的——“线索、客户、商机、订单”这些表和字段，程序员懂，AI不懂。过去的数据模型是面向人写的代码，今天要让这套模型更容易被AI理解，就必须在此基础之上丰富语义。 也就是要用AI能懂的方式告诉它：这个字段是什么意思，那个查询对应什么业务场景。指标层也一样，企业建的报表和指标体系大多是给人读的，现在得让AI也能理解和使用。

还有一个以前不太被重视的事：非结构化数据。

CRM里最多的其实不是结构化数据，而是跟进记录、会议纪要、通话录音。以前这些信息基本被丢掉了，因为大模型上下文处理不了那么多。但现在大模型有了百万级上下文能力，又带来了新问题——塞太多进去会严重影响质量，甚至产生幻觉。销售易的做法是：自动采集，然后提取出客户特征标签，让数据能更友好地放进上下文里。

在这些底层能力之上，销售易做了一个“智慧销售工作台”。名字听起来有点大，但实际落地场景很具体。一个销售登录进去，看到的不是传统的聊天对话框，而是一个已经被AI处理过的界面：工作台中一目了然，AI已经帮我做了什么，下一步该做什么，以及下一步AI能给我提供什么样的赋能。

比如客户刚分配过来，AI主动分析这个销售名下所有客户的数据，告诉他把哪个客户优先跟进；如果是老客户，会自动调出历史信息和跟进记录，给出拜访策略；如果是新客户，会根据市场情报和客户角色，给出不同的拜访建议。甚至商机阶段，会自动推荐相应的解决方案文档、客户案例，以及能找到哪位内部专家来协助。

这里有一个很关键的设计：不是所有动作都让AI自动执行。销售易NeoAgent2.0对业务动作做了分级。一部分只是建议，比如“这个商机到了这个阶段，该做这几件事”，然后由销售自己去干。另一部分，AI可以直接执行，但必须经过用户审批或确认。整个AI在企业级场景下的动作都是安全可控的，并不是每一个动作都自动帮销售人员执行。

回到最初那个问题：AI自己干活了，SaaS还值钱吗？值钱，但值钱的地方变了——不再是卖软件功能，而是卖业务数据的模型、卖复杂业务逻辑的封装、卖企业最在乎的那个“确定性”。而所有这些的最终目的，是真正让每一个销售人员在智慧销售工作台上，做到数据驱动的业务推进。