和纷享销客CEO聊了两个小时，他说 AI 时代企业的分水岭不是模型

上周约了纷享销客 CEO 罗旭聊了两个小时。本来是想问他们家的 Agentic CRM 到底怎么落地，结果聊到后半段，话题完全跑偏了——他反复在讲一个词，不是“模型”，不是“算力”，而是“组织记忆”。

这个反差让我印象很深。当所有人都在卷大模型能力的时候，一个做了十几年 CRM 的人，最在意的反而是企业自己能不能把经验留下来。

一、CRM 的下半场，从“记录”到“判断”

罗旭对传统 CRM 有个很直白的观察：过去十几年，销售花大量时间录入客户信息、更新商机状态、整理跟进记录，系统负责保存数据、呈现报表。人不断把信息“喂”给系统，但真正推动业务向前的，仍然是人的判断和行动。

纷享销客做 AI 原生 CRM，想改变的就是这种关系。系统不再被动等人录入和查询，而是从邮件、会议、IM 里主动提取商机信号，生成跟进建议和风险预警，在授权范围内执行任务、把结果写回系统。销售的角色，从大量录入和流程操作，转向业务判断和例外处理。

他给 AI 原生 CRM 划了三层能力，我觉得这是整场对话里最值钱的部分：

懂业务：系统要理解客户、商机、合同、交付这些业务对象的状态和相互关系，这靠的是长期行业 Know-how 积累；
能工作：在明确授权下调用工具、执行任务、形成闭环；
会进化：把每一次执行的结果、失败和人工修正，沉淀成组织记忆，成为下一次判断的依据。

这三层最后指向同一个原则：AI 的每一次行动，都应该可解释、可追溯、可回退。罗旭的原话是，“CRM 承载的是企业最核心的客户资产和商业决策，唯有如此，它才配得上‘可信的认知系统’这个定位。”

二、真正难的，不是接一个大模型

聊到落地，罗旭抛了个反常识的判断：真正实现这三点，难度远比接入一个大模型高。

企业过去积累的数据散落在不同系统，字段口径不一致，客户、商机这些业务对象缺少统一的语义定义，权限和业务规则也未必能被 AI 直接理解和调用。纷享销客内部有个说法叫“驾驭工程”——AI 能不能被组织真正用起来，取决于有没有一套可复用的工具、权限、记忆和运行机制托底，而不是简单接一个大模型 API。

所以他给企业的建议很实在：先问自己一个问题——核心业务对象、状态和规则，有没有被结构化、语义化？如果没有，先补这一课，别急着去接更大的模型。只有跨过这一层，AI 才可能从一个外挂的效率工具，进入企业日常经营的业务链条。

三、别一上来就“大而全”，先找一条最痛的链路

这是我觉得对中小企业最有参考价值的一段。

罗旭说，AI 落地不宜一开始就追求“大而全”，更现实的方式是先找到一条最痛、最高频、最容易看到结果的业务链条。他把这条路概括成九个字：小切口、真业务、快闭环。

小切口：不搞全公司数据治理和系统重构，先聚焦一个足够具体的问题；
真业务：这个问题每天都在发生，直接影响经营结果；
快闭环：让 AI 真正参与从发现问题、采取行动到结果反馈的全过程，而不是停在生成一份建议。

比如客户跟进遗漏、报价响应慢，都是典型的切入口。先把这一条链路上的业务对象和状态理清楚，再让 AI 参与进来。链路一旦跑通，数据、流程、规则也会在实践中逐渐被梳理出来。这比“先把所有数据治理好再上 AI”门槛低得多，也更容易用真实结果建立组织对 AI 的信任。

四、比个人效率更重要的，是组织“复利”

聊到组织层面，罗旭讲了一段他自己的转变，挺真诚的。

他一开始用 AI，和很多管理者一样，只关心能不能提高个人效率——整理信息、起草方案、准备跨部门沟通材料，确实都变快了。但用得越多他越发现，真正影响 AI 判断质量的，往往不是模型能力，而是自己有没有把问题的背景、约束条件和真正看重的取舍讲清楚。“这倒逼我自己在很多决策上想得更清楚，而不是模糊地拍个方向。”