5 篇博文 含有标签「automation」

一个日历日期选择器让一个生产环境浏览器 Agent 连续失效三天，无人察觉。设计师在一次小型 UI 改版中，将原生 <input type="date"> 替换为自定义 React 组件。没有 API 变化，没有内容移动，只是新布局中 24px 的单元格——而此前一直可靠点击正确日期的视觉模型，现在偏移了一格，悄悄地把预约订在了错误的日期。

这就是 DOM 脆弱性税：在从未为机器操作而设计的 Web 之上构建自动化 Agent，所持续付出的运营成本。与大多数基础设施税不同，它会复利累积。Web 在变化，反爬虫防御在进化，SPA 越来越动态，而你的 Agent 在悄然退化。

用LLM智能体替换所有Zapier流程和RPA脚本的团队，往往在六个月后发现了同一件事：他们用"脆弱但可审计"换来了"灵活但难以维护"。Zapier流程以可预测的方式崩溃——第14步因API变更而失败。LLM工作流则悄无声息地出错——模型悄悄地将支持工单路由到错误的队列，直到客户升级投诉才被发现。审计日志只记录着"AI决策"，这用律师的话来说就是"没人知道发生了什么"。

答案不是回避在自动化中使用LLM，而是要有意识地判断哪些任务交给哪个系统，并架构好两者之间的接缝，使故障不会相互传染。

每个工程组织都有这样的人。他们不拥有产品，不交付用户可见的功能。但没有他们，一切都无法运转。他们是编写 ETL 管道、将数据从计费系统搬到分析仓库的工程师；是构建 Webhook 处理器、让 Salesforce 与内部 CRM 保持同步的人；是维护 API 适配层、让移动端应用能与三个从未被设计为相互通信的后端服务对话的人。

他们就是胶水工程师，而他们的工作是第一批被 AI 代理完全吞噬的软件工程类别。

大多数 AI agent 通过结构化 API 与世界交互 —— 干净的 JSON 输入，干净的 JSON 输出。但有一类日益增多的 agent 完全抛弃了这种约定。计算机使用 (Computer use) agent 查看截图，对所见内容进行推理，并像人类操作员一样操作鼠标和键盘。当唯一的集成界面是屏幕时，像素就变成了 API。

这听起来像是个花招，直到你意识到有多少企业软件根本没有 API。遗留的 ERP 系统、内部管理面板、专有的桌面应用程序 —— GUI 是唯一的接口。多年来，机器人流程自动化 (RPA) 通过脆弱的、基于选择器 (selector) 的脚本来处理这些问题，只要按钮移动了三个像素，脚本就会失效。计算机使用 agent 承诺了一些不同的东西：像人类一样适应 UI 变化的视觉理解能力。

在不断优化销售渠道的过程中，AI 销售开发代表（AI SDRs）已成为 2025 年最热门的工具之一。它们承诺通过自动化潜在客户开发和大规模个性化外联，在不增加人力的情况下，将合格的会议安排到你的日历上。

但它们真的兑现了承诺吗？

在与数十位销售领导者交谈并深入研究 G2、Reddit 和 Slack 社区的数百条评论后，我发现了一个比炒作更复杂的故事。

11 倍问题：高期望，混合结果​

11x.ai 已成为这一领域的典型代表，声称可以让 SDRs 的生产力提高“11 倍”。这是一个大胆的承诺，并设定了很高的标准。

“一位销售总监告诉我：‘我期望 AI 能像初级代表一样研究每个潜在客户，但我得到的只是填入公司名称的填空游戏。’”

这并不是个例。在论坛和客户聊天中，一个共同的主题浮现：邮件感觉自动化、模板化，往往过于通用而无法奏效。

而当潜在客户回复时？AI 往往会出错。正如一位 Reddit 用户所说：

“它可以整天发送邮件，但一旦有人说出意料之外的话，它就短路了。”

这留下了一个奇怪的交接体验——潜在客户以为他们在与人类聊天，但当实际代表在对话中途介入时，他们感受到了变化。

实际有效的地方​

尽管有挫折，AI SDRs 在某些方面确实表现出色：

• 外联量：团队一致报告说，漏斗顶端活动大幅增加。一支欧洲团队告诉我，他们现在可以通过 AI 代表“全天候”跨时区进行外联。
• 潜在客户开发帮助：像 11x.ai 这样的工具在寻找潜在客户方面表现不错。“它找到的联系人列表比预期的要好，”一位德国用户说。
• 个性化见解：Humantic AI 以惊人的准确个性化档案给多个团队留下了深刻印象。“就像为第一次通话准备了作弊码，”一位 G2 评论者说。
• 实时辅导：Cresta 采取不同的方法——实时辅导人类 SDRs，而不是取代他们。这对于新代表的入职培训或提高通话质量特别有用，而无需聘请全职培训师。

超越性能：隐藏的痛点​

超越功能问题，更深层次的结构性问题开始浮现：

• 锁定合同：大多数平台要求每年 35,000 至 60,000 美元的承诺，几乎没有试用的机会。“我们被一个对我们不起作用的工具困住了，”一位买家说。
• 技术故障：从错误到延迟的仪表板，用户——尤其是在欧洲——报告了破坏工作流程的可靠性问题。
• 定制限制：如果你的受众是小众或信息复杂，AI 往往会遇到困难。“我们调整了好几周，”一位 B2B SaaS 高管说。“邮件仍然感觉很通用。”
• 数据安全担忧：随着敏感客户数据流经这些系统，几家大公司对其信息可能如何使用或重用表示担忧。

战略困境：构建、购买还是增强？​

鉴于权衡，销售领导者以三种方式接近 AI SDRs：

• 全力以赴者：通常是快速移动、高量的组织，优先考虑规模。他们愿意接受 AI 的粗糙边缘。
• 增强者：使用 AI 支持（而不是取代）代表的团队。他们使用像 Regie.ai 这样的工具来撰写邮件，使用 Humantic 来准备通话，并让人类控制对话。
• DIY 构建者：技术娴熟的组织在 GPTs 和内部数据之上构建自定义工作流程。虽然工作量更大，但这让他们拥有控制权并避免供应商锁定。

需要改进的地方​

要从“有趣”变为不可或缺，AI SDR 供应商需要在几个方面取得实质性进展：

1. 处理对话，而不仅仅是介绍——最大的差距在于后续。如果 AI 无法自然回应，幻觉就会破裂。
2. 超越模板——真正的个性化应该参考真实的业务背景，而不仅仅是职位和公司名称。
3. 使定价更灵活——团队希望在承诺六位数之前进行试验。
4. 修复用户体验——更好的入职培训、更快的加载时间和更少的错误将大有帮助。
5. 允许更深层次的定制——为公司提供工具，以教授 AI 他们的价值主张、信息框架和产品细微差别。

未来发展方向​

市场似乎正在分裂为两个方向：

• 垂直 AI SDRs：针对医疗、金融或制造业语言、工作流程和法规进行培训的行业特定工具。
• 轻量级助手：支持代表撰写、潜在客户开发和通话准备的更实惠工具——而不是假装取代他们。 a 那些倾向于增强而非自动化的公司可能最终会建立更可持续的业务。

底线​

AI SDRs 是企业 AI 炒作周期的经典例子。其推销——一个无限可扩展的数字销售团队——是不可抗拒的。但现实仍在追赶。

对于大多数团队来说，今天的明智之举是有针对性的增强： 让 AI 做它擅长的事情——潜在客户开发、撰写、支持——同时让人类参与处理异议、关系建立和成交。

因为在销售中，就像在生活中一样，人情味仍然很重要。也许现在比以往任何时候都更重要。

你使用过 AI SDRs 吗？你的体验如何——值得炒作还是为时过早？