前沿洞见 · 方法论 · · 国科智飞 Gavin

CRM 缺的不是 AI，是上下文

二十年了，CRM 名义上管关系，实际上管销售。Agent 出现后，首先要重做的不是界面，而是「关系」这个核心对象。

绝大多数销售对 CRM 的感情是复杂的：不得不填，但填完也不觉得有用。

公众号「傅里叶」在一篇拆解 Agent Native CRM 的文章里，把这件事说得很透：CRM 真正缺的，是上下文。（原文《Agent Native CRM：从管理销售到强化关系》。）过去二十年，CRM 接住的只是关系被压缩之后的残影——客户名称、联系人、商机阶段、预计金额、下次跟进时间，再加上销售手动写下的几句备注。

M 太重，R 太轻

CRM 的全称是 Customer Relationship Management，但行业实际把它做成了"销售管理系统"：管理客户资料，更管理销售人员的动作、更新和合规。表格、字段、权限、审批、漏斗、报表，本质都是管理工具。它解决的是两个问题：一是把客户信息标准化，二是让管理层能看见销售在做什么——后者往往比前者更重要。

为什么会这样？不是产品经理不知道关系重要，而是过去没有技术能低成本地维护"关系的现场"，于是只能退而求其次，管那些可以标准化的字段。

Agent 改变了这个前提。一个销售服务几十个客户，曾是人力极限；如果每个销售背后都有一个能长期记忆、整理、提醒、执行的 Agent，低成本、持续、细颗粒度地服务上千个客户就变得可能。这时，Manage 会下沉为后台约束，Relationship 重新回到前台。

上下文，不是更多的数据

很多"AI CRM"的做法是：把电话录音、微信、邮件、会议纪要全部接进来，让数据变厚，然后再塞回旧世界——表格、总结、风险提示。

问题在于，产品对象没变，仍然是线索、商机、阶段、任务。文件接得再多，也只是给旧账本配了一个更好的归档员。

上下文应该是别的东西：这段关系现在的目标是什么、对方在顾虑什么、预算周期走到哪了、内部政治是什么格局、我们承诺过什么、信任余额还剩多少、竞争态势如何。这些东西过去只存在于优秀销售的脑子里——差销售记不住，新销售看不懂，管理者只能猜。

**上下文不是更多数据，而是关系的现场被系统重新拥有。**它应该被持续呈现、维护、挖掘，并且能触发具体的服务动作——否则就只是另一个更漂亮的文件夹。

一段关系在系统里应该长什么样？想象一个跟进了半年的客户：三月，对方提到预算要等年中；五月，关键联系人从技术负责人换成了采购负责人；六月，客户开始追问合同里的数据条款；七月，回复间隔从一天变成三天。单看每一条，都是零散的信息；串起来看，关系正在进入一个新阶段——决策权转移、合规审查前置、热情在降温。

传统 CRM 会把这些记录成四条互不相干的备注，落在四个不同的地方。Agent Native CRM 要做的是把它们组织成一条连续的时间线，并回答几个问题：这段关系为什么慢下来了？卡在谁那里？我们承诺过什么还没兑现？下一步应该做什么？这就是"上下文"的具体形态。

一组值得记住的对象替换

傅里叶的文章里有一组对照，很能说明产品思路的差别：

前五个替换改变的是"记录什么"；最后一个改变的是系统的行为方式——当核心对象变成"服务程序"，Agent 就可以在约束内持续推进，直到需要人判断的时候，再把问题交回给人。这才是 Agent Native 的产品想象力：系统有事可做，而不是等人来填。

四个系统，撑起"关系"这个对象

如果"关系"是新的核心对象，它需要哪些基础设施？文章给了四个：

**组织记忆。**不是聊天记录归档，而是把非结构化沟通变成可检索、可解释、可授权的连续关系历史：谁说过什么、承诺过什么、态度怎么变化、哪次交付带来了信任、哪次延迟消耗了关系。

**关系雷达。**不是静态的风险提示，而是持续观察关系信号：回复变慢、关键联系人换人、竞争对手被频繁提及、客户开始追问合同条款、一向积极的联系人突然沉默。目标是在关系变坏之前看见，在机会出现之前准备好。当然，信号太多就会变成噪音，必须有分级和阈值——雷达的价值在于少而准，不在于多。

**服务编排。**超越单一的销售流程模板。根据客户状态、行业、角色和历史沟通，生成可编程的服务框架——什么时候该教育、什么时候该降低决策风险、什么时候该推动内部共识、什么时候该长期维护。"千行千面"不是字段模板，而是差异化的服务节奏、内容策略和执行路径。

**人与 Agent 的协作界面。**Agent 负责记忆、整理、提醒、准备、追踪、执行低风险动作；人负责承诺、谈判、判断、共情和关键推进。界面不是一张待填写的客户列表，而是一个"关系工作台"：哪些关系正在变冷、哪些承诺需要兑现、哪些客户到了触达时间、哪些必须由人亲自介入。

落地难，难在产品定义

多数公司的困境是：嘴上要 Agent CRM，组织还是传统 CRM 的逻辑——要 AI 提效，但不改流程；要自动总结，但仍要求填同样的字段；要持续服务，但部门墙依旧。结果就是造出一个"更自动化的旧 CRM"。

真正的难点从来不是模型能力，而是一连串产品问题：当行政性的劳动被 Agent 接走，销售的工作该如何重新设计？客户成功怎样接手一段被系统记住的关系？SOP 应该是固定流程，还是可调整的服务框架？考核还只看录入完整度和成交金额吗？

也不是所有业务都值得这么做。客户生命周期长（大客户销售、企服、医疗、教育、金融顾问）、沟通渠道分散（微信、电话、会议、邮件）、服务动作可拆分、组织对合规和责任有要求——这四类场景，Agent Native CRM 的价值最明显。反过来，短周期、低客单、纯交易型的生意，传统 CRM 甚至一张表格就够了。

我们怎么看

我们在做企业 AI 落地时越来越确信：系统的价值不在于能生成多少漂亮的总结，而在于它是否真正拥有关系的现场。

从我们接触过的落地实践看，这件事通常会经过三个阶段：先把散落的记录变成可检索的记忆；再把记忆变成主动的提醒；最后把提醒变成可编排的服务动作。多数团队停在第一步和第二步之间——数据接进来了，但没有人真正用这些记忆去改变服务方式。

还有一个现实提醒：上下文的价值是随时间累积的，系统上线第一周往往平淡无奇——它需要真实的关系喂上一段时间才会显形。评估这类系统，要看三个月后的状态，而不是三次演示的表现。

企业选型时可以问一个很朴素的问题：如果明天换掉这套系统，你和客户的关系是留下来了，还是清零了？