企业 AI 落地：获客技巧、方案设计、减小阻力

前言

创业最重要的要素就是「人脉」，尤其是做 B 端的生意，人脉更是重中之重。

现在 AI 相关的创业，主要的钱都在 B 端，比如企业 AI 内训、企业 AI 落地/转型等。

为什么大部分 AI 创业者都知道这件事情，但自己创业经常都是从 C 端开始？

不是因为你技术不行，而是缺少 B 端的人脉，所以你光有技术，但是没人给你牵线搭桥介绍项目。

那一般 B 端是怎么获客的呢？

• 主动出击：展会、官网、电话、陌拜

• 被动吸引：自媒体、转介绍

但这些传统 B 端获客方法存在局限性：

• 难接触到决策人

• 慢，一般从首次接触到成交需要花费数月，甚至半年以上

为了解决小型 AI 创业者缺少人脉和传统 ToB 获客方法的局限性导致的获客难的问题，我们在实战中探索出一套不依赖既有人脉的小型 B 端的获客方法。这套方法适用于小型 B 端的企业 AI 转型的（常见的是 20-30 人，不超过 50 人）的获客。

基于招聘的 ToB 获客方法

方法概述

我们的方法说起来很简单，就是在找工作的平台，比如 Boss 直聘上，检索 AI 落地、 AI 转型之类的关键词，筛选出招聘该岗位的企业。

在招聘平台上获客的原因：

• 有需求：挂出岗位招聘，说明企业有 AI 转型的需求

• 有预算：设置岗位，说明企业有 AI 转型的预算

• 有信息：可以根据企业在招聘网站上的信息来了解他们的业务，用于制定 AI 转型方案

第一步：确定企业

企业选择要满足如下几个标准：

第一：小。

常见的是 20-30 人，不超过 50 人。

原因：

• 决策链路短，面试时甚至有机会直接跟老板聊。

• 公司架构和业务相对简单，前期调研和梳理不用花费太大力气。

• 一个人或小团队去做交付容易出效果。

第二：尽量选非互联网、AI 类公司。

比如我们自己做的案例是电商、传媒、快消这三类公司。

选择这类公司的优势：

• 这一类公司往往对 AI 不了解，一个有基本功的技术过去可以做到降维打击。

• 一般没有 AI 的技术面，因为公司内部往往没有相关的技术人员。

选择这类公司的劣势：

• 数字化程度不足，可能需要在 AI 转型之前先做一轮数字化转型，比如把公司的业务搬到飞书上。

• 员工大多是非技术背景，交付时需要给他们介绍较多的背景知识。但某种意义上来说，这也是一种优势，因为这些背景知识你早就会了，给他们讲也是轻轻松松的，省下来的时间你就可以摸鱼。

你可以借助这几个开源仓库提供的 skills 来加速检索。

第二步：背调公司

确定要谈的公司之后，先背调这家公司，了解它做哪些业务。

第一步：阅读该公司在招聘网站上的介绍，了解公司背景。

比如从下面这段介绍中，我们了解到：母公司是做私域电商的，而它专门成立了一家子公司来做 AI 相关的业务。

第二步：看该公司在招哪些其他岗位，阅读它们的岗位 JD。

第三步：借助这几个开源仓库提供的 skills 来辅助背调公司，比如看他们的近期活动，以及在社媒上的报道。

提示词：

调用如下 3 个 skills：
* jobhunter-ai
* enterprise-company-research-agent
* 955.WLB

背调公司：[公司名]

收集信息，包括但不限于：公司简介、产品简介、业务简介、近期活动（线上/线下）、近期战略等

第三步：准备案例与方案

接着，要准备对应的案例和方案，分为两部分：

• 通用的部分：几乎到每个公司都可以做一遍的企业 AI 转型，比如智能招聘、自动 OKR 管理等。

• 定制的部分：针对该公司的架构和业务做的企业 AI 转型。

我们将在下一小节给大家列举常见的通用企业 AI 转型，现在我们先讨论定制的部分如何确定。

把前面收集到的内容丢给 AI，让 AI 帮你总结。公司包含哪些业务，并寻找企业 AI 转型的切入点。

提示词：

1. 结合上述内容，总结这家公司包含哪些业务
2. 如果为这家公司做企业 AI 转型，有哪些切入点？
3. 如果我希望尽快看到效果，将上述切入点按照执行难度、推进阻力、见效速度等维度排序，并给出 AI 转型方案建议

业务梳理：

AI 转型切入点：

推荐执行方案：

先根据 AI 的建议，在网上检索相关的案例，绝大部分 AI 转型都有现成的开源方案。

然后熟悉这些案例，最好能亲自部署并上手使用，这样你印象会更深刻一些，被问到里面的细节也能说的上来。

最好能在开源项目的基础上稍加修改，比如把界面稍微改改，让人一眼看不出你是照搬的开源项目。

接着，把它们作为你自己的案例，写进简历里，并进行一定程度的合理化。

第四步：获得面试机会

接下来重点是拿到面试机会，因为：

• 在招聘平台上聊天，对方只能初步了解你。

• 面试是一次更深入地向对方展示你的水平，并建立信任的机会。

• 在中国，谈生意基本都得线下见面。

为此，我们要针对性地包装简历，让简历过拟合到岗位 JD，让你的履历看起来是天生为了这个岗位而生的。

你可以借助这几个开源仓库提供的 skills，根据岗位 JD 优化简历，并预测面试问题。

为了拿到面试机会，简历可以适当润色，比如提高学历。

我们做过实验，在投广州的公司的时候，把学校改成中山大学就是比普通的双非院校更容易拿到面试机会。你也可以把学校改成你要去的公司所在的地区相对知名的学校。

第五步：面试

像正常应聘一样准备面试即可，这一点对身经百战的技术们应该没有难度。

面试主要有以下几个要点。

要点一：对于你写在简历里的案例要非常熟悉。

主要包含如下两方面：

• 能用 STAR 原则，说出每个案例的背景、要解决的问题、面临的难点、你的解决思路、中途遇到的问题以及你如何解决、最后取得什么可量化的结果。

• 被问到技术细节时，你能概述用到的工具的选型和大致的技术路线。

要点二：面试时，要主动找机会现场演示你的案例。

对于非技术背景的 HR 来说，他们担心自己不熟悉技术，然后被候选人忽悠了，招进来了对 AI 的理解只停留在概念而无法落地的人。

因此，如果你能现场让他看见效果，这种视觉震撼会极大的提高他对你的信任，进而增大你获得这次机会的概率。

要点三：面试时留意这个公司的老板或者领导者的管理风格、这个企业的文化，以及老板设立 AI 转型岗位的初衷和对企业 AI 转型的预期。

如果对方没有提及，你也可以主动试探对方关于这些问题的看法。

这会极大地影响下一步好不好谈，以及谈成企业 AI 转型之后，方案能否在这家公司顺利推进。比如，

• 如果这个老板很固执，那可能难把这次招聘转成外包项目，或者对你提出的的方案的接受度不高。

• 如果这个老板明确自己引入 AI 就是为了裁员，那你的方案可能很难推进，因为会面临一线员工极大的阻力。

如果出现类似的情况，那建议放弃这一单——接单是要承担机会成本的，不要给自己背包袱。

要点四：准备面试常见的相对刁钻的问题。

（1）我们招你就是希望提高效率、减少人工，你能保证三个月减少多少人吗？

在不了解任务量、质量要求和现有分工前，我不能承诺能减少多少人员。

我可以先明确哪些任务用 AI 提效，通过试点测量耗时、错误率、返工和业务人员的实际使用情况，再估算引入 AI 能释放多少产能。

如果最终涉及人员调整，还需要结合公司战略、业务增长和组织安排等因素判断，没有办法直接把项目指标换算成裁员人数。

（2）如果一个项目你预计两周完成，结果第三周还没上线，你怎么处理？

（1）我会在发现延期风险时就同步，而不是等到截止日期。先说清楚已完成什么、当前卡在哪里、存在的问题，以及需要管理层协助或者拍板的地方。

（2）如果核心功能已经可用，我会建议缩小首期范围，先交付可以验证价值的部分，并且明确其余部分的排期和部门协同需求。

（3）如果是我低估了难度，我会重新拆解任务、验证关键依赖，更新方案后再次与管理层讨论。并且，我会在复盘时把这些不确定性加入后续估算，沉淀经验和可复用的方法论。

（3）你如何策划培训？

第一，我会先确认培训对象，了解他们目前的 AI 使用基础，以及希望通过培训改善哪项工作，再确定内容。

第二，培训会以真实任务和业务流程为导向，让员工们能学会操作，产出成果，并能检查和修改 AI 的输出。

第三，专业的 AI 概念只讲完成任务必需的部分，并且尽量用生活化的例子解释，让非技术背景的人也能听懂。

第四，调动兴趣也很重要。我之前用过 AI 写真生成这类即时反馈比较强的案例，可以作为简短的破冰，让大家感受到 AI 的趣味性，进而更愿意学习。

第五，工具本身也要降低门槛。我会提供清楚的操作入口、模板和图文或视频教程，先解决共性问题，再针对个别卡点指导。

第六，培训结束后，我会检查大家能否独立完成任务，并跟进实际使用和反馈。如果没有用起来，就进一步判断是不会用、效果不好，还是流程不适合，再调整工具或培训。

（4）你上线了一个 AI 文案工具，但销售反馈：“生成的内容看起来很专业，却经常把产品功效说错，我们还得花时间检查，不如自己写。”你会怎么处理？

第一步，先暂停有问题的内容的对外使用，抽查销售反馈的案例，判断错误来自哪个环节，到底是产品资料不准确、混用了不同产品的信息，还是模型自行补充了没有依据的功效。

第二步，和负责人整理经过确认的资料，明确哪些可以说、哪些不能说，让工具基于对应产品的资料生成，并附上来源。没有依据时提示信息不足，不自行发挥。

第三步，用出过错的案例和常见销售任务重新测试，重点检查功效、成分、适用范围等信息，并保留发布前的人工审核。

第四步，比较修改后的错误率和完整工作耗时，包括审核与返工。如果依然不如人工，我会缩小用途，先用于改写已审核文案、调整语气或格式，不强推它独立写产品功效。

（5）数字人视频看起来不够真实，你怎么解决？

首先，我会明确“不真实”具体指什么，先确定视频的用途，再判断是口型、声音、动作、眼神、表情、头部和身体动作、场景，哪些方面让这个数字人看起来不真实。

然后，用一段自然的真人录音，驱动一段克制的表演。 不要一开始就叠加大量手势、夸张表情和随机微动作。

接着，固定一段脚本，分别测试最主要的问题，比较不同方案的效果、制作时间和成本，让业务负责人确认哪些结果可以接受。

最后，如果现有工具仍达不到要求，我会建议缩短数字人出镜、结合实拍与产品画面，或者先用于内部培训等适合的场景。

（6）部门负责人支持 AI，但员工不愿意配合，你怎么办？

首先，我会了解他们为什么不配合：是担心增加工作、影响考核，还是之前用过但效果不好。

然后，我会与负责人明确试点目标、参与人员和投入时间，再邀请一两位熟悉业务的员工共同设计流程，让他们用真实任务测试，并根据反馈调整。

最后，

• 如果新流程确实增加负担，就先修改方案。 * 如果效果已经验证，但职责或考核存在冲突，就请负责人协调。

我会把收益和问题说清楚，不会靠培训强迫员工接受。

（7）你之前是做自由职业、创业，为什么现在想找一份全职工作？

我认为有几方面的原因。

（1）需求匹配：我认为该岗位 JD 所写的任务和需求，也就是协调多部门协作、主导公司的 AI 转型，与我之前独立、自己带团队和跟随其他 AI 创业团队的工作高度重合，我有非常多可迁移的经验。在我看来，它不只是普通的打工岗位，而是一次在公司已有的平台上做小型创业的机会。

（2）个人发展：在接触了大量不同行业、不同需求的客户，并参与多个项目的交付之后，我认识到，未来吃香的一定是专注于做某个细分赛道的 AI 转型，把小范围的业务做深做细。这就要求我必须长期与一线业务人员共事，挖掘出背后 AI 提效的需求，并沉淀出一套专属于细分赛道的解决方案。

（3）时间安排：如果我最后选择全职加入，那我会调整现有的时间安排，来保证约定的工作投入。

（8）你习惯自己创业、自己决定。如果主管否定你的方案，你能接受吗？

我能接受方案被否定，但会先确认原因，是业务优先级、预算、风险，还是对效果判断不同。

• 如果是我的信息不足，我会修改方案。 * 如果存在可以低成本验证的分歧，我会提出一个小测试，帮助双方判断。

讨论后确定了方向，我会按约定执行，并及时反馈结果，不会擅自做决定。

第六步：商量转成外包项目

前面按常规面试流程进行，最后 HR 会问你还有没有什么问题想问他，这时你再真诚地表示这次来的目的，并且商量能否把岗位招聘转为外包项目。

这个环节相对复杂，我将在后面的小节再详细展开。

第七步：方案设计

如果对方愿意尝试以外包的形式来做企业 AI 转型的话，那我们需要进一步的访谈企业的需求，给出初步方案和建议的落地顺序，并与决策人讨论敲定方案。

方案如何报价，人员驻场如何安排，以及如何减小企业 AI 转型过程中的阻力，我将在后面的小节再给大家详细讲解。

通用的企业 AI 落地的案例

这个小节列举一些通用的企业 AI 落地的案例，几乎到每个公司都可以做一遍，一定程度上实现了”一次制作，多次售卖“的时间复利。

工具选型：

尽量用国产软件而非国外软件，最常见的搭配就是 WorkBuddy + 飞书。

通用案例：（基于电商、传媒、快消公司总结）

• 招聘与人事：智能简历筛选、boss 直聘自动发消息给候选人

• 管理层：OKR 管理（进度收集、阻塞汇总与管理周报）

• 销售：销冠话术知识库、谈单辅助

• 客服：产品信息知识库、智能自动客服

• 电商：电商图生成、带货视频生成、数字人带货

• 传媒：视频生成、自动视频剪辑、社媒采集、投放复盘

• 文档、教程与培训

技术方面大家基本都懂，也不是本次分享的重点，此处不再赘述。

如何说服决策人把岗位招聘转成外包项目？

谈判原则

最终拍板的人一般是老板。

• 如果你在面试时能直接跟老板谈，那最好。

• 如果不能，你要想办法与 HR 统一战线，让 HR 去帮你说服老板，因为老板对 HR 已经建立了信任。

谈判原则：

• 说老板听得懂的话：预算、工期、 ROI、提效比……

• 用销售技巧，把对方拉到我们的思路里

• 不要直接否定对方，而要引导对方思考，让对方自己得出否定自己的结论

剖析企业的真实需求

企业招聘 AI 落地的岗位，但真正的需求并不是多一个员工，而是如下三点：

• 功能性：有人能做企业 AI 落地

• 稳定性：有人能长期跟随公司，懂业务，能及时响应新的需求

• 存在性：有人坐在工位上，跟其他员工一样上班

你的方案需要分别满足以上三点需求：

• 功能性：技术方案，如何做企业 AI 落地，用什么工具，工期、成本是多少

• 稳定性：前期做企业 AI 落地的交付，后期转成长期顾问

• 存在性：人员驻场安排

总结：

这个岗位真的有必要存在吗？

Make-or-Buy 问题

这是经典的企业边界问题，或者说 Make-or-Buy 问题。

Make-or-Buy，即“自制还是外购”：一项产品、服务或能力，企业应该自己组织生产，还是向市场采购。

比如，一家企业可以招聘专职员工开发 AI 应用，也可以采购软件、委托实施。

判断不能只比较“员工工资”和“供应商报价”，还要比较：

外购还包括寻找供应商、谈判、监督、验收和后续调整的成本。随着双方依赖程度的增加，可能从普通采购变成长约合作，甚至变成内部组织。

小型企业需要设立 AI 转型岗位吗？

对大部分小型企业来说，企业 AI 转型是一次性的落地 + 后续轻量维护，没有必要设立 AI 转型岗位。

更准确地，对于流程相对标准、AI 主要用于辅助办公流程、后续需求有限的小企业，更适合「采购成熟工具 ＋ 阶段性外部实施 ＋ 内部现有人员负责 ＋ 按需维护」。

其余情况如下：

XMD_PLACEHOLDER_d13a4e4da4c2fd04552c70ab_b0140

大部分小型的企业 AI 落地基本 3~4 个月就做完了，所以这个需求大概率存在不超过半年，没有必要专门设置一个岗位。

半年之后，这个岗位的活就基本干完了，平时也没什么事要干，你觉得老板还会留这个岗位吗？

从理性的角度，是不会的，老板会把他裁掉，或者让他转岗去干其他事情。

因此，这类需求更适合“首期项目＋持续顾问”的交付形式。

什么情况需要设立 AI 转型岗位？

同时满足如下的三个条件时，可以考虑设立 AI 转型岗位。

条件一：持续。

“值得招聘一个人”取决于持续工作量，也就是员工一直有活干。

但有持续需求，不等于需要专职岗位。比如每周只有几小时的维护需求，持续多个月，但这不足以支撑一个全职岗位。

条件二：高频。

需求是否频繁变化？是否频繁需要修改？

条件三：响应要求高。

• 低频、可等待的需求适合按次采购。

• 高频、需要随时响应的需求更适合内部承担。

比较招聘和外包的成本

在谈判时，你需要回应 HR 的需求，与 HR 统一战线，让他帮助你说服老板。

HR 的需求：

• 招人：找个能做企业 AI 转型的人

• 留存率：招来的人能长期跟随公司，及时响应需求

• 人力成本：控制好人力成本

前面给出的“首期项目＋持续顾问”的方案已经回应了招人、留存率的需求，现在需要回应“人力成本”的需求。

也就是说，你要向 HR 展示，你是在帮他考虑如何降低人力成本。

人力成本：

1. 招聘：养一个技术类的员工，企业一年的用工成本约 10w+。

2. 外包：

• 首期交付：假设半年，小型企业 AI 转型一般 3~5w。

• 剩余月份维护顾问：假设半年，一般 1~3w。

明显是外包成本更低。

谈判话术

先把我前面讲的分析给老板听：

1. 剖析真实需求

2. 解释为什么这个岗位没必要存在

3. 比较招聘和外包的成本

然后说：

因此，我建议采用“首期项目＋持续顾问”的交付形式。

我们可以先按这种形式尝试一下，等首批场景稳定运行之后，再看还需要多少持续的工作。

如果所需的工作不多，我们可以以长期顾问的形式提供技术支持；如果所需的工作较多，我们再讨论是要设立一个专职岗位，还是交给已有的人员兼任。

企业软件开发、AI 服务怎么定价？

最大的误区就是按成本加想要的利润空间定价。

为什么不能按成本定价？

提供服务千万不能按成本定价，而是要先有总价，再算成本。

不能按成本定价很大程度上是因为，你也算不清楚实际成本。

有三个原因。

原因 1：AI 有随机性

第一个原因是，AI 有随机性。

现在大家都用 vibe coding 来做大部分的开发工作，但 AI 编程是有一定抽卡的成分的，比如你让 agent 修一个 bug，你是不能保证它修几次才能修对的。而视频生成，比如说 AI 漫剧，更是重灾区，因为同样一个镜头，你可能要抽很多很多次。

这种随机性会很影响你的成本，而且你还不好估计。

原因 2：大模型价格波动

第二个原因是，大模型价格波动。

AI 服务行业的 token 就相当于生产制造行业的原材料，而原材料的价格是可能会随着市场行情波动的。而且 token 还不像原材料，很多时候你是没办法在当前的价格先囤一些留着后面用的。

比如 2026 年 08 月，Deepseek API 的价格暴涨。那你要是涨价之前接的单，然后 DeepSeek 在你交付过程中涨价了，那你咋办？

所以，如果你的定价是成本加上你要几个点的毛利，一旦你的毛利率定得不够高，一遇到大模型的价格波动，你可能就不赚钱，甚至亏钱了。

但总而言之，我强烈不建议大家，先预估需求开发的费用，然后加上 API 、部署、硬件的费用来定价，因为这种定价方式存在亏钱的风险，而创业的第一步不是想怎么赚钱，而是想怎么不亏钱。

原因 3：客户需求不明确

第三个原因是，客户需求不明确。

现在网上都在吹 AI 多厉害，让很多不懂 AI 的土老板们觉得 AI 已经无所不能了。所以，有些客户在给你讲他们要做什么软件的时候，甚至都不能说是在提需求了，简直就是把你当许愿池里的王八，然后跟你许愿了。

但你做出来之后，可能并不符合客户一开始的预期，而你在合同又没有约定清楚责任的边界，然后你就又得投入时间去改。所以软件开发这件事，至少 90% 的情况下，你投入的时间是比你的预期要多的。所以我不建议大家按传统的人·天来算成本，因为算出来基本都偏低的。

还有一个问题，如果你没有把一些细节在合同里面约定好的话，你还可能面临收不到尾款的问题。

按客户的支付能力定价

那正确的定价方式是什么呢？是按客户的支付能力来定价。

价格容忍区间

那怎么知道客户的支付能力呢？就看客户平时在其他地方一般要花多少钱。

按我的经验，一般定价在客户以往花钱的 10% 及以下，他是很容易接受的。比如说有一家企业之前找过一个软件公司定制过一个软件，是 50w。那你给他报价的话，你定 5w 以内，他是很容易接受的。换句话说，最好把 10% 当成你报价的底线。

当然不是说只能定 10% 以内啊，我是说 10% 以内比较容易接受。你想定更高的价格当然是可以的，但你要在谈判方面的话花更多的精力。

评估客户的支付能力

那我怎么知道客户平时花多少钱呢？

如果你的客户是企业的话，那最简单的方法就是看他的招投标信息。

有人会觉得这个好麻烦啊，还要去查别人的招投标信息。但问题是，在你接一个订单之前，你本来就要调查一下你的客户的公司，这本来就是你应该做的尽职调查。如果你觉得这件事对你来说是额外的负担的话，那说明你的尽调本来就做得不充分，你的企业已经一只脚踏进了亏钱的边缘了。

另一种方法就是看这家公司招聘的岗位一般给多少薪资，然后让 AI 帮你计算总的用工成本，也就是加上社保等。

先有总价，再算成本

说回正题。你根据客户的支付能力得到一个预估的报价之后，你再去合理化这个报价，也就是把它转化成一个详细的报价单，比如说开发多少钱，部署多少钱，运维多少钱之类的。

这就是我说的：先有总价，再算成本。

按创造的价值定价

另外一种定价方式就是大家常说的价值定价法，就是根据你给客户创造的价值来定价。

价格容忍区间

如果你采用这种定价方法，你要先预估一下，你给企业提供这个服务能帮他们降低多少成本，或者增加多少营收。

减少的成本或者增加的营收就是你创造的价值，你的报价取创造的价值的 10% 是客户比较容易接受的，再往上就得谈。

但如果你能预估出来这个的话，其实就很好谈，因为你能算出甲方最喜欢看的投入产出比 ROI。大家要知道，现在很多企业其实都想进行 AI 转型，但一方面是不知道 AI 能做什么，另一方面是不知道投入的 ROI 是多少。如果你能算出来的话，那你就有明显的优势。

评估给客户创造的价值

你可能会问，我怎么知道这个服务能给客户创造多少价值呢？首先，评估价值这件事情确实需要一定的专业能力。其次，你连你能创造多少价值都不知道，你就敢接这样的项目了？你是真不怕给自己埋雷呀。一定要记住我说的，创业的第一步不是想怎么赚钱，而是想怎么不亏钱。

但这里我依旧可以给大家讲一个评估能创造的价值的方法，以及对应的谈判技巧。

你先不要报价，而是先问一下你的客户，你要用 AI 代替的这部分，现在每个月本来要花多少钱。然后你跟他说，引入了 AI 之后，我能帮你每个月节省多少钱。那你本来每个月要花这么多钱，那你就把其中一部分给我，作为企业 AI 转型的费用。

如果报价比较高，至少六位数的话，除了直接收全款或者分里程碑来支付之外，你还可以提供一种支付方式：先收定金，然后后面每个月支付一定的费用，连续支付多少个月，就像给员工发工资一样。这种收款方式能让对方的现金流压力没那么大，所以很多时候他们就算知道这种方式最后要多花一些钱，他们也是愿意的。

但是如果你要用这种方法的话，一定要注意一个点，就是我接下来要讲到的，你收的定金必须足够多，必须至少覆盖你的成本。

一定要收足够多的定金

因为软件开发如果不是收全款的话，那一般是按照里程碑来付费的，也就是先付定金，然后后面做到某个阶段给中期款，再做到某个阶段给尾款。

那这就可能会出问题了，尤其是你做 AI 相关的服务的话，因为你会给客户账期，但是你用的 AI，也就是大模型厂商那边是不会给你账期的。这就可能会给你带来现金流压力，更不用说后面可能收不回尾款之类的问题。

那要怎么做呢？首先，能收全款尽量收全款。这方面做得最好的是茅台，必须要先给现金才供货。但我们要知道，收现金它其实是一种权利，它要求你有绝对的产品力，或者是绝对的控制力。如果你两个都没有的话，你跟企业做生意一般很难收到现金。

说回正题。如果实在收不了全款，必须要按里程碑付款的话，那你的总报价要足够的高，并且要让你的定金足够覆盖你的所有成本。换句话说，在你投入生产之前，最好能把你的所有成本都收回来，然后后面的钱都是利润。

我强烈不建议大家为了接这个单而去垫资做这个项目。一定要记住我说的，创业的第一步不是想怎么赚钱，而是想怎么不亏钱。

我还见过一些人，贼离谱，像没做过生意一样。客户说做出效果再付费，然后他们还真的不收预付款就开始做了。你要知道，收定金一方面是保护你自己，另一方面是锁定客户。你不收定金的话，万一你做到一半，客户说不要了，或者换了一个负责人，不认以前的项目了，那你怎么办呢？花出去的钱就打水漂了呀。

留出再次外包的预算

除了收定金之外，接这种外包开发项目还要做一层风险控制，就是要留好退路。

具体来说，你跟客户谈完需求之后，你要把这个需求拿到小黄鱼上，看别人怎么报价。你给客户的报价不要低于小黄鱼上最低的两个报价，也就是说，你要有足够的钱能把这个项目再次外包出去。

因为你在接这个项目的时候，你并没有实际地去做，所以有可能你最终搞不定这个项目。或者交付过程中你生病了，或者遇到了其他突发的事情，导致你无法继续交付。那这个时候，你至少还有足够的钱把这个项目外包给别人。哪怕这个项目一分钱不赚，也不要亏钱。

为什么要至少找两个报价呢？这是一种冗余设计。万一你找的第一家也搞不定，或者他们没有档期，那你还有另一家可以保底。

筛选优质客户

那有人要问了：我调研了一下客户的支付能力，又算了一下我的成本，我发现我的成本比客户的支付能力还高。

那我觉得这样的客户就不应该接——这就叫筛选优质客户。

总结

总结一下，报价的方法是什么呢？

• 报价尽量往高报

• 定金要覆盖成本

• 尽量多收现金

• 不接垃圾客户

人员驻场安排

为了解决企业 AI 落地的 FDE 驻场的问题，我提出了“拼好班”模式。

人员配置：

2 人，一个当项目经理，一个当主交付手。

驻场安排：

2 个人轮流驻场，项目经理负责周一、周二，主交付负责周三、周四、周五。

如何减小企业 AI 转型过程中的阻力？

企业内不同人员对 AI 转型的顾虑

企业内不同人员对 AI 转型的顾虑不同，可大致总结为：

说白了，

• 上层担心引入了 AI 没人用，投入打水漂

• 中层担心自己被架空，失去权力，甚至被裁员

• 基层担心 AI 会提高考核、甚至抢走自己的工作

企业是一个整体。为了减小 AI 转型推进过程中的阻力，我们要设计一套体系，让 AI 转型与每个人的利益一致，大家才愿意配合。

对老板：明确需求，争取配合

明确目的和需求

绝大部分老板不懂 AI，对 AI 发展情况、AI 的能力边界没有清楚的认知。

他们只知道”要做 AI，要降本增效“，但是问他们具体要做啥，他们也说不上来。

FDE 需要与老板访谈，帮他梳理清楚公司有哪些业务，哪些环节可以用 AI 提效。

沟通时，要把老板当成 Jev 模型——涉及 AI 的部分尽量不要让老板做问答题，而是提供几个选项供对方选择。

降低老板的预期

为减少自己的交付压力，避免收不到尾款等问题，我们要在谈判阶段降低老板的预期。

具体来说，主要有以下要点：

要点一：明确 AI 的能力和执行边界。

讲清楚 AI 能做什么、不能做什么。

引入 AI 能提效，但最终结果依然需要人工审核。换句话说，引入 AI 不代表能裁员。

要点二：个人效率提升不代表组织效率提升。

引入 AI 基本都能提高个人的工作效率，但不能保证企业的运行效率也提升。

这是因为，企业的效率瓶颈往往出现在人与人之间的协作摩擦。

比如，

• 不同节点之间传递信息时可能有损耗，引入 AI 之后能降低每次返工的时间，但无法减少返工的次数。

• 原本要做几个小时的表格，引入 AI 之后 10 分钟做完了，但提交后依然要等几小时的审批。

除此之外，组织效率还与企业内部的数字化程度、数据打通情情况等因素有关。

小范围试点

不要一上来就做全量的企业 AI 转型，而是先从小范围的某个细分业务的具体环节开始做，让老板看到效果后，再决定是否继续扩大。

首轮试点要从见效最快、阻力最小、条件最成熟的部门开始。

整体的管理体系：

• 文化正心：为什么引入 AI，员工的担忧怎样被认真对待，领导是否言行一致。

• 培训育人：讲座、培训、辅导

• 制度定法：工具费用、使用权限、质量标准、奖励和问题处理规则。

管理体系的落地方法：

• 收益：参与后获得什么回报。

• 任务：具体负责什么，有什么决定权。

• 成长：从会使用工具，怎样成长为流程负责人、业务骨干。

首轮试点的步骤：

1. 先记录同一类真实任务的现状，包括处理、等待、复核和返工。

2. 让少量参与者试用新流程，尽量保持任务难度和质量要求可比。

3. 记录全部投入，而非只测 AI 生成时间。

4. 再让更多有代表性的员工尝试，检验结果是否依赖少数高手。

试点指标：

与老板协商以下试点规则：

• 学习、访谈、流程梳理计入正常工时，相应调整原任务量。

• 试点期间，不因某次最好成绩立即上调日常指标。

• 试点数据的使用范围事先说明，例如不用于个人裁员排序。

• 节省的时间如何分配提前约定：减少加班、改善质量、服务更多客户、学习或其他用途。

• 对知识整理、异常上报、带教和流程维护给予认可，避免只有“生成得快”的人得奖。

与老板协商试点收益，奖励推进 AI 转型的员工：

• 瓜分一部分引入 AI 后获得的金钱收益

• 获得降低工作时长、提早下班、减少加班的机会

• 获得晋升机会

企业文化的重要性

所以我在前面的面试环节就提到，老板的管理风格和企业文化很重要。

企业领导者的认知决定了他会如何看待员工，于是就会推广什么样的企业文化和组织架构，员工在这套体系下就会表现出什么样的行为。

所以，员工的行为就是企业领导者的观念的镜子。

为了更好的推进企业 AI 转型，我们需要与老板达成以下共识：

• 老板要舍得分享部分收益，才能激励员工。

• 老板要能兑现承诺，在试点期期间约束自己的决策。

• 让员工看到，提出真实问题不仅不会受惩罚，还可能被嘉奖，员工才会主动提出问题。

如果企业没有建立起”利他、共赢“的企业文化，那无论如何培训和管理，结果都会像”猫抓老鼠“一样，无法解决根本问题。

如果老板看重员工在场的时间，拒绝给员工多分收益，那这次合作就很难谈下来，就算谈下来，你也很难在企业里推进。所以我建议如果出现这种情况就放弃，继续找下一个企业。

争取配合

然后，我们要给老板讲，企业 AI 转型的难点往往不在技术，而在人员的配合意愿。

具体内容就是把我上面讲到的”企业内不同人员对 AI 转型的顾虑“给老板讲一遍。

为了让大家更愿意配合企业 AI 转型，需要用到我们接下来要讲到的激励机制。

我们要给老板讲清楚这套激励机制，并争取得到他的配合。

对基层：设置激励机制

分红设置

大家上班都是为了挣钱的。所以如果参与 AI 转型能拿更多钱的话，大家才会更愿意参与。

分红设置原则：

收益分配要面向事先约定的未来增量。

• 事先约定：老板不要直接决定分红的比例，而要让大家自己选择、自己争取、自己 PK。老板只做裁判和制定规则的人，员工才会满意。

• 未来增量：不能“分存量、分过去”，而应该“分增量、分未来”

做法：

在原有薪资的基础上增加一个新的奖池，瓜分一部分引入 AI 后获得的金钱收益。

举例：

某流程产生了 2 万元可核验的净增收益，已扣除工具、外部服务等新增成本，但尚未分配奖励。

企业提前约定拿出 25%，形成 5,000 元团队奖励池，其余留在企业。

再按事先约定的贡献标准，将奖励池分配给实际执行者、流程维护者和管理者。

调整考核

员工不配合可能是在保护自己，很多时候与考核设计有关：

• 考核要求他维护本部门产量，所以学习使用 AI 对他来说是额外的工作。

• 考核不要求他教别人，所以他不愿承担带教和知识整理的任务。

• 考核要求各部门之间竞争业绩，所以员工不愿分享自己的 AI 提效方法。

员工担心的不是学不会，而是学会之后收入、地位和工作安全会发生什么变化。你越强调 AI 提效，他越可能理解为“先教会 AI，再把自己取代了”。

因此，需要调整旧考核，比如增加对带教、分享成果的激励。

晋升机制

为愿意参与的人设计一条清楚的成长路径：

先完成自己岗位的任务，再参与完善公共的基础设施（如模板等），最后担任该流程的内部辅导者，获得相应认可和报酬。

对中层：调整职责，增加收益

很多企业中层的工作显得很多余，比如催进度、搬数据、汇总报表等。

引入 AI 之后，这些工作大部分能自动完成，导致中层面临裁员威胁。

这种情况本质上是因为很多企业的中层设置不合理。

换句话说，并不是引入了 AI 导致中层被裁员，而是中层的岗位本身就不应该这么设置。

相对科学的中层管理者的角色是：

• 教练：挑选工人、提供工具和指导、帮助工人成长。

• 研究员：帮工人找到最优的工作流程。

所以，你要与老板协商，并与中层共同设计新职责：

• 指导员工完成真实任务，识别谁还需要帮助

• 把业务经验变成规则、样例和检查标准

• 研究返工和等待的原因

• 处理超出 AI 能力或权限的例外

• 维护跨部门交接，推动流程持续改善

中层的考核也需要相应调整：

• 关注合格交付、返工、团队成长和流程稳定性

• 减少单纯以报表数量、催办次数或加班时间体现管理价值

中层也需要增加明确收益：

最常见的做法是，他所带领的团队的收益增量的一部分作为中层的收益。

除此之外，在企业 AI 转型过程中，外部 FDE 没有内部指挥权，需要配一个有权调动资源的内部负责人，这个人一般就是中层。

总结与展望

总结

本次分享了小型 B 端企业 AI 转型的多个环节：

• 获客：通过招聘获客、面试准备技巧

• 方案设计：技术（通用 + 定制）、管理（减小推行阻力）

• 谈判技巧：招聘转外包

局限性与未来工作

本次分享讲到的基于招聘的小型 B 端企业 AI 转型获客的方法存在局限性：

1. 基本仅适用于小型 B 端的企业 AI 转型的获客。

2. 一次只能获取到一个客户，并且需要频繁地参与线下面试，获客效率较低。

我们正在探索批量获取小型 B 端的企业 AI 转型的客户的方法，等我们做出成果之后再给大家分享。

关于作者

Hytidel | 03 年创业者 & 商业操盘手 & 声乐爱好者 | 商业战略咨询 & AI赋能学习/教育/科研 & 企业AI转型

🔗围观朋友圈 & 付费答疑群（添加时备注来意）+v：yjsjy0