前两周，OpenAI在官网上发了一篇名为《From assistance to execution：How enterprises put AI to work》的文章，其中OpenAI对外公布了一些数据。

自2月以来，企业Codex周活跃用户中，来自销售和市场营销岗位的用户数量分别增长了41倍和26倍。

原文链接我贴在这里，感兴趣的同学可以去翻阅原文。https://openai.com/zh-Hans-CN/index/how-enterprises-put-ai-to-work/

（图源：ChatGPT官网）

这说明，尤其是Agent智能体，正在越来越深的渗入到销售和我们市场人的工作流程中来。而这种体感，在我身上尤为强烈。

前段时间因为同事的离职，几乎所有事情都分摊到了我一个人的头上，我才发现我这越忙，好像后面的转化数据越难看...

这就像是一种假的忙碌。

这里的“假”，不是说我们在表演性工作。忙是真的很忙，毕竟产出数量证明了一切。这里我是指明明有些工作可以用更高效的方式来完成，却仍然坚持“手搓”的这种矛盾思想。

过去，只是因为这些工作一直由某个人负责，我们才习惯性地认为，它们就应该继续由人来做。但是当我开始把更多完整工作交给Agent，结果发现工作不仅没有停摆，甚至完成效果超出了预期。

我才意识到，我们B2B营销人，更应该大胆地去用AI。因为在某些工作上，它会做得比你的更好。

（点击获取《B2B市场部AI工作接管测评表》）

基于这个思路，我整理了一份《B2B市场部AI工作接管测评手册》，大家可以按需查看。

手册收录了56项B2B市场部常见任务，并从业务价值和AI可接管度两个维度，帮助团队判断每项工作更适合停止简化、AI执行、人机协作还是人工主导。同时还提供了任务盘点表、AI工作接管四象限和30天行动计划。

一、大胆用AI，但也要分场景

大胆用AI，并不意味着把我们的所有工作都交给AI。恰恰相反，它要求我们先对自己的工作做一次严格的判断。

有些工作业务价值低，AI也很难稳定完成。这类工作首先应该考虑的不是提效，而是停止、合并或者简化。

有些工作业务价值不高，但高度重复、规则明确、结果容易审核，例如资料整理、字段清洗、内容改写、活动提醒和基础报表生成。这类工作最适合直接交给AI执行。

（判断业务价值，拆分需要AI做的和人做的）

还有一些工作业务价值高，同时具备明确的流程和标准，例如客户问题分析、目标用户研究、线索意向判断和个性化培育。这类工作适合建立人机协作流程，即AI负责执行，人负责制定标准、审核结果和作出关键决策。

至于品牌立场、资源取舍、重要客户关系和最终业务判断，依然应该由人主导。

（AI可接管度评分）

因此，用AI重做市场部的第一步，不是先购买一个工具，也不是先收集一套提示词，而是先盘点团队当前的任务。

每项工作究竟占用了多少时间？它是否影响客户和转化？能不能形成可以复用的资产？执行规则是否明确？AI能否获得完整输入？输出结果是否容易审核？

只有回答清楚这些问题，市场部才能知道应该停止什么、交出什么，以及把释放出来的时间重新投入到哪里，也是这份《B2B市场部AI工作接管测评表》所想要回答的核心问题。

二、大胆的让AI进入线索转化链路上

现在很多市场部谈AI，首先想到的还是内容生产。

这很正常，因为内容工作规则相对明确、结果容易审核，也是最容易看到提效成果的环节。但如果AI最终只停留在内容生产端，市场部得到的只是更多产出，而不是更好的增长。

因为B2B营销真正复杂的地方，在于用户从看到内容到成为商机，中间还有一条很长的链路。我们不仅要生产内容，还要知道谁看了、为什么看、处于什么阶段，以及下一步应该采取什么动作。

（判断哪些工作适合完整交给AI）

因此，只有AI继续进入数据、画像、培育和销售协同，才能真正改变转化结果。

• AI数据清洗，负责将分散、混乱的线索字段统一、去重和补全，让后面的识别与自动化拥有可用的数据基础；
• AI用户画像，将客户基础信息、内容行为和沟通记录组织起来，帮助市场部理解客户是谁、关心什么、处于什么阶段。
• 在此基础上，营销自动化系统可以根据客户阶段匹配内容与触达节奏，对暂时没有明确意向的线索持续培育；
• AI SDR则可以进一步分析客户行为与沟通上下文，识别真实意向，并告诉销售应该经营谁、为什么以及下一步做什么。

这也是致趣百川正在构建的AI营销链路，“从扩大内容生产能力，走向数据可用、客户可识别、线索可培育、意向可判断和动作可执行”。

三、市场部AI任务分配参考表

市场部工作这么多，究竟应该先把哪一项交给AI？

为此，我们将市场部的常见工作拆分为市场研究、内容生产、活动运营、渠道触达、线索运营、销售协同和数据分析七个模块，并整理了56项任务，给出了相应的接管方式参考。

（AI时代量化营销运营闭环链路B2B市场部AI任务参考库（部分））

从这些任务中可以看到，最适合率先交给AI的，通常具备“高频重复、执行规则相对明确、输入信息可以持续获得、结果容易检查和纠正”这几个共性。

资料搜集与整理、访谈纪要转稿、长内容多渠道改写、活动提醒、线索字段清洗和营销周报生成，都属于比较典型的AI执行型任务。它们并不需要AI替代人的判断，而是让AI按照既定标准稳定完成重复执行。

目标用户研究、选题优先级判断、线索意向识别和个性化培育等工作，虽然AI可以参与，但结果会直接影响资源投入和客户转化，因此更适合采用人机协作的模式。

（AI工作接管四象限）

当然，任务分配并不是一套固定答案。同一项工作，在不同企业里的接管方式可能完全不同。不过，如果内容标准没有建立、客户数据仍然分散、销售反馈无法回流，即使一项任务在表中被标记为“AI执行”，它也暂时只能停留在AI辅助阶段。

所以，市场部不需要一次性改造全部56项任务。更现实的做法，是先找出一两项高频、规则明确、风险可控的工作，通过一次完整验证，把它从临时调用AI，逐渐变成一套能够重复运行的工作流程。

四、市场部要忙在“增长”上

现在，我重新理解了“市场部缺人”这件事。

如果我们想要保持增长，我们永远都是处于“缺人”的状态，因为大家都在忙。但在急着补充人手之前，或许更应该先问自己一次，我们需要的究竟是更多执行者，还是一直没有重新分配现有工作？

有些工作需要人的经验和判断，有些工作只是重复执行；有些工作值得继续投入，有些工作即使做得再快，也不会让客户更接近下一步。

过去，因为这些工作都由人完成，我们很少意识到它们之间的区别。现在，AI正在迫使市场部重新划分工作的边界。

市场人大胆用AI，不是为了证明市场部可以用更少的人完成更多工作，也不是让团队从一种忙碌进入另一种忙碌。而是应该意味着，一部分工作不再做了，一部分工作由AI接手了，一部分工作形成了稳定的人机协作流程。

未来的B2B市场部当然还会很忙，但至少应该忙在那些真正影响客户、转化和业务结果的事情上。

这份测评表将B2B市场部的工作分成市场研究、内容生产、活动运营、渠道触达、线索运营、销售协同和数据分析七个模块，并整理了56项常见任务，完全可以按照其中设定的步骤来完成一次部门工作盘点。

完成测评后，得到的不是一个笼统的“AI成熟度分数”，而是几项可以直接用于管理决策的结果。测评表中还附带了一份30天行动计划，帮助团队从停止低价值任务开始，逐步建立AI流程、接入业务上下文并验证实际效果。