導入 AI 銷售 Agent 實戰指南：SaaStr 的 30 天訓練法則

本文整理自 Lenny’s Podcast 2026 年 1 月播出的單集。

那個 AI 本來只是用來回答社群問題的。沒有人訓練它銷售技巧，沒有人教它怎麼談贊助，它只是一個用 Jason Lemkin 的文章和訪談內容訓練出來的數位分身，放在網站上讓 SaaStr 社群成員問問題用。然後有一天，它自己談成了一筆七萬美元的贊助案。

這個意外，成為 SaaStr 全面導入 AI 銷售 Agent 的起點。如果一個通用型的 AI 都能做到這件事，那專門訓練過的銷售 Agent 能做到什麼程度？Jason Lemkin 花了半年時間回答這個問題，把原本十人的銷售團隊轉型成 1.2 個人加 20 個 AI Agent 的新模式。

這篇文章整理他在這個過程中學到的實戰經驗：用什麼工具、怎麼選擇、怎麼訓練、需要多久、誰來管理。如果你正在考慮在自己的公司導入 AI 銷售 Agent，這是一份來自真實戰場的參考指南。

先理解背景：SaaStr 在賣什麼？

在談導入方法之前，必須先理解 SaaStr 的業務模式，因為不同的銷售場景適合不同的 AI 工具。

SaaStr 是全球最大的 B2B SaaS 創業社群，由 Jason Lemkin 在 2012 年創立。Jason 本身是連續創業家，曾共同創辦電子簽名公司 EchoSign（後被 Adobe 收購成為 Adobe Sign），之後開始經營部落格分享創業經驗，逐漸發展成一個龐大的社群。每年舉辦的 SaaStr Annual 大會吸引超過一萬名創業者和投資人參加，是軟體訂閱制產業的年度盛事。

SaaStr 的主要營收來自兩個產品線。第一條是贊助商銷售，平均客單價約七到八萬美元，銷售週期較長，需要跟企業客戶談判。第二條是票務銷售，價格從幾百美元到兩千美元不等，量大但單價低，比較接近自助式購買。這兩種產品需要不同的銷售策略，也適合不同類型的 AI Agent。

此外，SaaStr 還有一個特殊的銷售場景：「復活」舊名單。過去參加過活動但近年沒回來的人、曾經表達過興趣但沒有成交的潛在贊助商——這些名單數量龐大，真人業務根本沒有時間逐一聯繫，但 AI 可以。

理解這個背景，才能理解為什麼 Jason 會用多個不同的 AI 工具，而不是只用一個。

SaaStr 使用的四大 AI 銷售工具

Jason 在訪談中提到，他們目前使用四種主要的 AI 工具，各自負責不同的銷售環節。

Delphi 是最早導入的工具，用來建立「數位分身」。這個 Agent 是用 Jason 本人的內容訓練出來的，可以回答關於 SaaStr 的各種問題，語氣和風格都模仿 Jason。它最初的用途是社群客服，但後來發現它也會自己發現銷售機會——當有人問的問題暗示了贊助意願，它會主動引導對話，最後成交了那筆七萬美元的訂單。Jason 也用這個工具來做一些非銷售用途，比如上傳求職者的 LinkedIn 資料，讓 AI 評估是否值得面試。

Artisan 負責對外開發（outbound）。這是一個專門做主動聯繫的 AI Agent，會自動寄送開發信給潛在的贊助商。對外開發是銷售流程中最消耗人力的環節——要研究目標公司、找到對的聯絡人、寫客製化的信件、追蹤回覆、安排後續會議。Artisan 把這些事情自動化，讓 AI 代替 SDR（銷售開發代表）做第一線的接觸。

Qualified 處理進站詢問（inbound）。當有人在 SaaStr 網站上填表單、發問題，或是透過 chat 視窗開始對話，Qualified 會即時回應，判斷對方是不是認真的潛在客戶。這在過去需要人類 SDR 或 BDR（業務開發代表）來做——回覆網站上的詢問、問一系列問題判斷對方有沒有預算、有沒有決策權、需求符不符合。現在 AI 可以 24 小時做這件事，而且反應速度比人類快得多。

Salesforce 的 AgentForce 負責「復活」任務。它會去聯繫那些被人類業務放棄的舊名單——過去表達過興趣但沒有成交的人、曾經參加過活動但幾年沒回來的人。這些名單數量龐大，人類業務會本能地「挑肥揀瘦」，把時間花在看起來最有機會的對象身上。但 AI 不會這樣，它會老老實實聯繫每一個人。Jason 說，這個 Agent 聯繫舊名單的回覆率高達 70%——十個人裡有七個願意回應。這些都是真人業務已經放棄的對象。

選擇工具的核心原則：誰願意幫你訓練？

市場上的 AI 銷售工具越來越多，功能看起來都差不多。Jason 說，選擇的關鍵不是誰的功能最強，而是誰願意花時間幫你訓練。

「這些工具底層都是跑在 Claude 上面，基本上就是一堆 API 串在一起。這不代表功能都一樣，但因為你必須訓練它們，如果一個軟體功能世界第一但沒人幫你做訓練，99% 的人都不該買。」

這個觀點很重要。AI Agent 不是買來就能用的現成產品，它更像是一個需要調教的新員工。你要餵它資料、教它規則、糾正它的錯誤、調整它的回應風格。這個過程需要大量的時間和耐心，如果工具廠商願意派人幫你做這件事，導入成功率會高很多。

Jason 特別提到，很多 AI 銷售工具現在會提供「Forward Deployed Engineer」（前線部署工程師）的服務——派一個技術人員到你的公司，幫你完成訓練和設定。這種服務在過去只有企業級客戶才享有，現在越來越多工具廠商開始提供給中小型客戶。他建議在選擇工具的時候，直接問對方：「你們會派人來幫我訓練嗎？能投入多少時間？」

訓練一個 Agent 需要多久？30 天法則

Jason 給出了一個明確的時間框架：大約一個月。

「你要把公司網站、內部 wiki、訓練文件全部上傳給它，然後花好幾個小時跟它對話、問它問題、糾正它的錯誤。如果你這樣做 30 天，它會變得相當不錯。」

這個過程可以拆解成幾個階段。第一階段是「餵資料」。把所有跟銷售相關的內容都上傳：公司網站、產品說明、定價頁面、常見問題、過去的成功案例、銷售腳本、email 範本。資料不用完美，但要足夠讓 AI 理解你的業務。Jason 說，訓練資料的量不需要像很多人想像的那麼多，「只需要一點點就能讓它變得很好」。

第二階段是「對話測試」。開始跟 Agent 對話，問它各種可能會被潛在客戶問到的問題。看它怎麼回答，找出答錯的地方，然後糾正它。這個階段會發現很多「AI 幻覺」——它會自信滿滿地給出錯誤資訊，或是用不適合的語氣回應。每次發現問題，都要回去調整訓練資料或設定規則。

第三階段是「實戰測試」。讓 Agent 開始處理真實的潛在客戶，但保持密切監控。這時候會發現很多在測試階段沒想到的邊界情況——客戶問了意想不到的問題、出現了需要人類介入的狀況、AI 的回應太制式或太啰唆。持續收集這些問題，每天或每週做一次調整。

Jason 強調，這不是一次性的工作。即使 Agent 上線了，也需要持續監控和校正。這就是為什麼需要一個專門的人來管理。

誰來管理這些 Agent？AI 長的角色

SaaStr 現在有一個專門的職位叫做「Chief AI Officer」（AI 長），由一位叫 Amelia 的員工擔任。她每週花十到十五小時管理這 20 個 Agent。

這個角色的工作內容包括：監控 Agent 發出去的信件和對話品質、調整表現不好的 Agent、處理需要人類介入的特殊狀況、收集客戶反饋來優化訓練、評估是否需要導入新的工具、確保各個 Agent 之間不會互相衝突。這是一個橫跨行銷、銷售、產品和技術的綜合性角色。

Jason 說，這種人需要具備幾個特質。首先要懂銷售和行銷的邏輯——理解什麼樣的訊息會吸引潛在客戶、什麼樣的問題代表高購買意願、什麼時候應該把對話轉給人類。其次要有數據分析的能力——能看懂 Agent 的表現數據、找出需要優化的地方、設計 A/B 測試來驗證改進效果。第三要對 AI 工具有足夠的技術理解——不需要會寫程式，但要懂得怎麼調整設定、怎麼餵資料、怎麼跟工具廠商溝通技術需求。最後要有耐心——訓練 AI 是重複性很高的工作，要能接受「調整、測試、再調整」的循環。

「這種人不太可能從傳統業務出身，」Jason 說，「比較可能來自產品、行銷或營運部門。他們得是那種有點 nerdy、喜歡數據、願意花時間搞懂工具怎麼運作的人。」

常見的導入陷阱

Jason 在訪談中也分享了一些他觀察到的錯誤模式。

第一個陷阱是「期待 AI 開箱即用」。很多人買了 AI 銷售工具，設定完成後就期待它自己運作，結果發現效果很差，就下結論說「AI 還不夠成熟」。問題不是 AI 不夠成熟，而是你沒有花時間訓練它。這就像雇了一個新員工，第一天就叫他獨立作業，然後抱怨他表現不好。

第二個陷阱是「追求完美才上線」。有些人會想把 Agent 訓練到 100% 正確才敢讓它接觸真實客戶，結果永遠在內部測試。Jason 的建議是，AI 不需要完美，只需要比「你現在能負擔的人類」做得好就行了。如果你的選擇是「一個 70 分的 AI」跟「根本沒人處理這些詢問」，70 分的 AI 顯然更好。

第三個陷阱是「忽略後續監控」。上線之後就不管了，以為 Agent 會自己越變越好。實際上，如果沒有人持續監控和調整，Agent 的表現會逐漸劣化——客戶的問題會變化、產品會更新、市場環境會改變，但 Agent 如果不更新訓練資料，就會開始給出過時或錯誤的資訊。

第四個陷阱是「用錯工具解決問題」。不同的銷售場景適合不同類型的 AI 工具。用來做主動開發的 Agent，跟用來回覆進站詢問的 Agent，需要的能力不同。如果你只買一個工具想解決所有問題，很可能會發現它在某些場景表現很好，在其他場景完全不行。

一個務實的導入路徑

如果你想在自己的公司嘗試導入 AI 銷售 Agent，Jason 建議的起步方式是這樣的：

先找出你銷售流程中「最痛」的環節。可能是回覆網站詢問太慢、可能是開發信效果太差、可能是舊名單沒人有時間聯繫。選一個最痛的問題，只針對這個問題找工具。不要一開始就想全面改造。

接著，花時間研究和試用。大部分 AI 銷售工具都有免費試用期，利用這段時間實際測試，不是只看 demo。重點觀察：工具的設定複雜度如何？廠商的客戶支援反應如何？願不願意幫你做訓練？

選定工具後，投入時間訓練。Jason 說的「30 天」是一個合理的預期。這段時間要有人專門負責這件事，不能只是「順便做」。

最後，從小範圍開始測試。不要一上線就讓 AI 處理所有的潛在客戶，先挑一小部分來測試，確認效果符合預期，再逐步擴大範圍。

Jason 總結說：「軟體會 scale，人不會。」這句話點出了 AI Agent 的真正價值。一個訓練好的 Agent，可以同時處理一百個對話、週末和假日照常工作、不會請假或離職。這不是要取代人類，而是讓有限的人力可以專注在真正需要人類判斷的高價值工作上。

重點是，你要先動手試。不是等到 AI 完美了再開始，而是現在就開始學習怎麼使用它、怎麼訓練它。因為這些知識和經驗，會在接下來幾年變得越來越值錢。