事件概覽
APTSell 是北京治真治合科技有限公司於 2024 年推出的銷售管理 AI 產品。該產品聲稱透過整合銷售流程數據、生成管理決策和執行建議，期待「降低對傳統銷售管理經驗和崗位的依賴」。最近完成由 DCM Ventures 獨家投資的數百萬美元種子輪融資。創始人趙雷曾在 Oracle 任職 10 年（銷售線升至地區總經理），後為 50 多家公司提供銷售顧問服務。
表面敘事 vs 深層邏輯
APTSell 的融資故事很清晰：利用大模型能力，將散亂的銷售數據進行可視化、流程化，替代傳統「靠經驗判斷」的銷售主管。這個角度看起來很合理——銷售確實充滿重複、資料密集的工作（客戶分級、管道預測、失敗原因診斷）。但這個邏輯裡有個隱藏的假設：銷售管理的難點就是「資料整理 + 決策推薦」。
真實情況複雜得多。觀察歷史上幾個類似的職能自動化案例：
### 案例 1：會計電腦化（1970s-1990s） 會計軟體（如 Lotus 1-2-3）當年也被吹捧成「自動化會計」。實際結果是：簿記員消失了，但財務分析師和內部審計崗位增加了。軟體沒有「取代」會計這個職能，而是改變了它的分佈。低端的機械記帳消失，高端的判斷力需求上升。
### 案例 2：客服機器人（2010s-2020s） 虛擬客服被預言要取代 80% 的人工客服。現實是：機器人處理的是 5-10% 的簡單諮詢，剩下的複雜問題和「情緒管理」仍需真人。結果是客服人數沒減、反而因為人工成本上升、很多公司改變了客服策略（更多自助文檔、更高的問題過濾門檻）。
### 案例 3：HR 招聘軟體（2015s-2020s） 招聘系統和 AI 篩選候選人，號稱能自動化招聘。實際上被自動化的是「簡歷篩選」這個環節，但招聘的真正難點——「文化匹配度判斷」「談判」「背景驗證後的決策」——仍需人類直覺和政治敏感度。很多公司發現 AI 篩選出的候選人通過率反而下降（因為演算法優化的是「履歷相似度」，而非「工作成功可能性」）。
APTSell 面臨的三道邊界
### 邊界 1：決策框架 vs 情境判斷
APTSell 可以根據歷史資料生成「推薦」——比如「這個客戶應該分配給銷售 A」「這個管道的成交率 30%、建議加大投入」。但銷售管理中最難的決策往往發生在框架之外：
- 一個大客戶臨時要求只跟某位銷售合作（人脈因素）
- 市場突然出現新競爭對手、現有定價策略要改（環境判斷）
- 某位銷售成績下滑、是個人能力問題還是客戶群不適配（人力資源診斷）
- 要不要裁撤某個看似虧本的產品線，保留是為了留住大客戶（長期戰略）
AI 在這些決策上的幫助有限。因為它們需要對未來不確定性的判斷、對組織政治的感知、對人的心理的理解。這些都是 AI 系統很難內化的。
### 邊界 2：可度量 vs 不可度量
APTSell 高效的領域都是「數字化程度高」的： - 客戶管道預測（有歷史漏斗數據） - 銷售人員排名（有成交金額） - 重複性任務建議（有模式可循）
但銷售管理中最大的影響因素是不可度量的： - 團隊士氣（何時會集體下滑） - 代理商關係（多少的黑箱合作） - 客戶信任（為什麼某人一通電話就成交） - 內部政治（工程團隊何時會反對某個銷售承諾）
APTSell 可以變成一個「優秀的報表系統」，但當現實偏離報表時——系統最常見的失效點——它的建議會變得無關且煩人。
### 邊界 3：工具輔助 vs 工具統治
這是最微妙的。APTSell 的願景文案說「降低對傳統銷售管理經驗和崗位的依賴」。這隱含著：
假設：銷售管理的核心是「資料驅動的流程執行」 目標：用 AI 驅動流程、削弱對「人的經驗」的依賴 隱藏代價：如果每個決策都要查 AI 的建議、組織會逐漸退化成「執行機器」而非「學習機構」
歷史有教訓。GPS 普及後，計程車司機的空間認知能力下降。股票交易高頻化後，交易員的判斷力退化。當系統變成決策中樞時，人的決策肌肉會萎縮。