从会议录音到收入引擎：Gong CEO Amit Bendov 谈 AI 如何重塑销售
摘要
Gong CEO 兼创始人 Amit Bendov 在这场访谈中分享了公司从一个小小的会议转录工具成长为"收入智能平台"（Revenue Intelligence Platform）的历程，以及他对 AI 时代销售组织未来的深度思考。
Amit 的观点清晰而务实：AI 不会在短期内完全取代 SDR（销售开发代表），但那些占销售人员 75% 时间的非销售性工作——填写 CRM、撰写跟进邮件、准备会议简报——正在被 AI 快速接管。他用"自动驾驶五级模型"来描述 AI 在销售领域的演进路径，并坦言 Gong 在某些领域已达到第四级（AI 生成内容、人类确认发送），但第五级（完全自主）仍需要时间。他特别指出：Transformer 架构的统计本质决定了它在需要 100% 准确性的场景中存在根本局限——你不会让 AI 给客户报价或签署合同，因为 1% 的错误率在商业上是不可接受的。
回顾创业历程，Amit 分享了一个关键教训：技术优先不如客户优先。2015 年创立 Gong 时，他克制住了自研语音转文本模型的冲动，先用第三方 API 验证市场需求，待融资后才建立自有模型团队。而当生成式 AI 浪潮到来时，他果断将自研模型替换为更优的第三方服务——"就像汽车电池，如果我们能买到更好更便宜的，就买；买不到再自己造。"
正文
AI 会取代 SDR 吗？短期不会，但会重塑角色
面对当前 AI 销售领域最热门的话题——AI 是否会取代销售开发代表（Sales Development Representative, SDR），Amit 给出了一个明确而有所保留的答案："完全不会，至少近期不会。以当前技术而言，复杂的对外销售（outbound SDR）是 AI 无法完全替代的。"
但他补充道，大量 BDR/SDR 工作将被 AI 完成——而这是一件好事。这不是一个"是或否"的二元问题。"当前基于 Transformer 的技术适合某些类型的工作，但在涉及问责制、决策制定或创造力的场景中，我们连接近都谈不上。AI 可以出色地审查合同、标记热点条款、甚至提出修改建议——但我们不会让 AI 签署合同或发送提案。"
Amit 引用了行业中的一个经典数字：销售人员 75% 的时间花在非销售活动上——行政管理、填写表单、准备会议材料。"这意味着每支付销售人员四美元，有三美元花在了非核心工作上。所有这些都可以被 AI 替代。"
CRM 会继续存在，但不再是中心
Amit 对 CRM 的预判同样务实而犀利："CRM 在 20 年后肯定还会存在——就像今天大型机（mainframes）仍然存在一样，但管理客户关系的 CRM 将不再是焦点。"
他描绘了一个从"CRM 中心化世界"向"AI 中心化世界"的转变。CRM 管理客户及客户数据，但并非在管理运营、活动和客户互动。在这些维度上，AI 将成为新的操作系统。人类角色也会随之演变——三十年前不存在 SDR 这个职位，未来也会出现今天无法想象的新角色。
2015 年的创业赌注：先验证需求，再投资技术
Amit 坦诚地回顾了 Gong 创建之初的技术决策历程。2015 年，他和联合创始人 Eilon 面临一个关键抉择：是否自主研发语音转文本（speech-to-text）引擎？
"我当时的观点是我们应该自己搞——这对我们的业务太核心了。但 Eilon（我的另一半大脑）说不，我们只有 600 万美元资金，不值得为了 3% 的准确率提升去烧钱。我们应该先搞清楚客户真正要买什么，先做出能用的应用。"
结果是他们先用第三方 API"胶带粘了一个勉强可用的服务"，验证了市场需求——而竞争对手在实时转写等炫酷技术上投入巨资，却从未真正打动客户。待融资后才建立自有模型团队，在语音识别领域取得了质量和成本的双重优势。
"现在呢？"Amit 反问，"我们用 Amazon 服务和 Whisper，但针对某些其他服务做不好的语言，我们保留了自己的模型。如果第三方做得足够好，我们很乐意切换——转写不是我们的核心竞争力，我们在 AI 应用层。"
自动驾驶五级模型与当前进展
Gong 自 2015 年起就以"自动驾驶五级模型"来指导 AI 产品开发。Amit 描述了当前的状态：
- 部分功能处于第二级：基础告警和提示
- 部分处于第三级：智能推荐和预测分析
- 部分已达到第四级：AI 生成内容（如会后邮件），由人确认发送。Amit 以自身经历为例："我跟客户开电话会议，Gong 已经为我准备好了会议简报。过去我需要五个来自客户团队的人花五小时准备——现在 30 秒读一遍就行。"
- 第五级——AI 全权发送邮件、执行操作——"还需要时间"。他举了一个反例：如果让 AI 做冷呼叫（cold calling），一旦搞砸对品牌伤害极大——"我不会让 AI 在复杂场景下跟我的客户对话。"
用户对 AI 的双重标准：高期望与高容忍并存
Amit 分享了一个有趣的观察：人们确实对 AI 有更高标准——特斯拉出一次事故就能上头条，而人类司机制造的无数事故无人问津。Gong 初期甚至刻意隐藏了转写文本，因为 70% 的准确率意味着每 10 个词中有 3 个错误，用户体验极差。
但与此同时，用户展现出惊人的容忍度。"当人们用 Gong 的 AI 功能获取摘要或提问时，他们知道准确率大概 80-85%，但因为速度极快、操作极方便，很少有人抱怨。"他用高保真音响（Hi-Fi）来比喻：当年人们愿意用单声道耳机听音乐，虽然音质差但方便——AI 目前就处于类似的"便利性溢价"阶段。
专用代理 vs 通用代理：Gong 的代理人策略
"代理（agents）是真实的，"Amit 断言，"但当前存在预期膨胀——好像代理马上就能包办一切。代理人短期内不会取代你的工作，但绝对可以取代你不喜欢做的部分。"
Gong 的策略是构建"任务特定代理"（task-specific agents），而非"什么都能做的通用代理"。目前已部署数十个此类代理，如自动为客户会议生成简报的"简报代理"（Briefer）。这些代理内置在具体的工作流中，有明确的参数和边界。
"通用代理极难做好，因为它们可能跑偏到各种方向。但对于企业应用来说，专用代理是真正的金矿。"
Transformer 的根本局限：99% vs 100%
Amit 在访谈中触及了一个深刻的哲学问题：Transformer 架构能否实现 100% 的可靠性？他的答案接近 Yan LeCun 和 David Deutsch 的观点——"由于方法本身的统计性质，100% 的真理性可能不在 Transformer 的能力范围内。"
他以销售中的价格报价为例："如果你给客户发了一份带有幻觉的提案——价格错了、折扣算错了——即使只有 1% 的发生概率，那也是商业上不可接受的。"推理模型的进步扩大了可自动化任务的范围，但从 99% 到 100% 的那一步，可能需要的不仅是量化改进，而是质变。
销售团队的未来：从中可见的转变
Amit 认为销售团队的重塑已经在进行中——但这个过程将是渐进的。最容易被自动化的是交易型销售（如购买 iPhone 或升级手机套餐），复杂的企业软件销售则需要更长时间。
他预判了几个将消失的传统环节：人不应该再做数据录入（"Gong 现在可以直接更新所有 CRM 机会记录"）和人工销售预测（"AI 可以做得更好"），也不应该继续使用 50 年前发明的销售阶段（sales stages）作为管理工具——"一切都可以用 AI 更智能地完成。"