SaaStr 现在运行 20+ AI 代理（超过人类员工）：数据解读

观点

这是 SaaStr 展示他们在 GTM AI 代理上的成果——不是厂商营销，而是来自运营 20+ 个代理的实际运营数据。这些数据挑战了很多关于 AI SDR 的传统观点。

32 倍的输出增长是真实的，但深层见解更有价值。 人类 SDR 每月发送 75-300 封邮件。AI 代理在 6 个月内发送了 60,000 封超个性化邮件。这是头条新闻，但真正的见解在于：人类只在做可能工作的 3%。为什么？不是懒惰——他们在理性地管理时间。每个销售人员心中都会对线索进行优先级排序，把精力投入到本季度即将成交的大单。

“做人类不想做的工作”是杀手级用例。 Agent Force 的 70% 开启率听起来不可思议，直到你理解它在做什么：跟进人类 SDR 因为”1 万美元不值得他们时间”而放弃的线索。这些是主动伸出援手、希望赞助 5-6 位数交易的人。人类不会回应。AI 代理做到了。伦敦活动票务收入的 15% 来自 AI 代理做人类 6 年来拒绝做的工作。

真正的标准是：“和平均人类一样好，但有 24/7 的一致性。” Lemkin 强烈反驳那些说 AI 邮件没什么了不起的批评。定制程度从”1-10 分中的 3-6 分”——不是某人花一个月精心打造的邮件。但平均人类 SDR 的邮件质量往往更差，且缺乏一致性。“我会写这样的邮件吗？也许是 50/50”——当它在你睡觉时运行时，这就足够好了。

“你的问题变成了要跟上你的代理。” 一旦部署多个代理，你进入”一个全新的世界，你必须学会跟上你的代理”。Amelia 不断收到 Slack 通知——AI 代理做了这个，AI 代理预订了那个。人们在活动中说”谢谢 Amelia”，她必须澄清”哦，是 Amelia AI 帮助你，不是真的 Amelia”。

从没有发生的工作开始，而不是关键工作。 不要在整个数据库上放出 AI。在 800-1000 条线索的批次上训练子代理，针对特定的角色。从被遗弃的线索或你的团队说会处理但没处理的低优先级部分开始。不要期待魔法——采用人类已经想清楚的东西，记录下来，基于有效的方法训练代理。

关键要点

• 20+ 个代理，代理数量超过人类 - SaaStr 现在运营的 AI 代理数超过全职员工
• 6 个月 60,000 封个性化邮件 - 相比人类 SDR（75-300/月）增长 32 倍
• 6% 的回复率 - 是人类 SDR 平均 2-4% 的两倍
• 被遗弃线索的 70% 开启率 - Agent Force 跟进人类不想碰的线索
• 15% 的票务收入来自 AI - 做人类拒绝 6 年的工作
• “做人类不想做的工作” - AI SDR 的真正杀手级用例
• 定制程度”10 分中的 3-6 分” - 不是手工打造；只是一致且 24/7 运行
• 不要在完整数据库上放出 - 子代理处理 800-1000 条线索的批次，针对特定角色
• 跟上代理成为新问题 - 不断的 Slack 通知，睡觉时预订的会议
• 人们不介意和 AI 交谈 - 他们想要帮助；优秀的 AI 胜过平庸的人类
• 从低风险开始 - 被遗弃的线索、低 ASP 产品，而不是关键交易

大局观

SaaStr 运营的 AI 代理数超过人类。杀手级用例不是替换优秀的销售人员——而是做人类拒绝做的工作。被遗弃线索的 70% 开启率，15% 的票务收入来自 AI 跟进人类 6 年来忽视的前景。新问题是：跟上你的代理。