跨过周期的 ToB 公司，在 AI 时代真正要重做的，可能不只是产品。
图由 AI 生成
笔记整理 | 牛透社
排版编辑 | 唐山惠
6 月 11 日，崔牛会深度学习走进 e 签宝。
这次学习的主题很集中：一家成立二十多年，跑过周期的 ToB 软件公司，面对 AI 浪潮，怎么重新理解自己的产品、商业化和组织。
当天，e 签宝创始人金宏洲、联合创始人张晋，以及 AI 产品负责人李聪，分别从创始人、前线商业化和 AI 产研负责人的角度， 深度剖析了他们过去几年在 AI 转型中的做法、判断和踩过的坑。
作为一家有存量客户、有既有流程、有历史包袱的老牌软件公司，如何在不确定中找到自己的变量。
对很多 ToB 软件企业来说，这可能比单纯看一个新产品更有价值。
因为多数企业面临的问题并不是 " 要不要用 AI"，而是：
当每个人都开始用 AI，公司到底有没有完成 AI 转型？当产品越来越容易被做出来，原来的竞争力还剩下什么？当客户预算和注意力都被 AI 重新分配，企业怎么找到新的增长抓手？
01
AI 带来的第一反应不是兴奋，而是焦虑
金宏洲一开始没有把 AI 讲成一个宏大的机会，而是先讲了焦虑，这也是整个行业普遍的状态。
他提到，作为上一轮 SaaS 时代走过来的创业者，看到 AI 浪潮快速到来，最直接的感受不是 " 终于等到机会 "，而是担心自己能不能接住新的周期。
e 签宝过去从软件时代进入 SaaS 时代，已经穿越过一次变化，但 AI 来得更快，也更不按过去的节奏出牌。
这种焦虑并不只是技术焦虑，而是业务和组织两方面的焦虑。
业务上，电子签名过去更多是 API 型产品。当 ChatGPT 之后，Chat 成为新的交互入口，很多后台能力都可能被更前端的 Agent 调用。对 e 签宝这样的公司来说，一个必须面对的问题是：在 " 被调用 " 的时代，如何继续形成不可替代的价值？
组织上，问题也同样直接。公司内部过去几年其实一直在推动 AI 使用，个人在用，部门也在做 Agent，但效果并不总如预期。金宏洲提到一个很有意思的问题：如果今天重新创业，或者重新搭建一个部门，还会不会招这么多人？多数人的答案显然是否定的。这个问题帮助组织重新意识到，AI 不是在原有组织上加一个工具，而是在逼企业重新想象组织应该长什么样。
这也是 e 签宝后来提出 " 围绕 AI 设计产品 "" 围绕 AI 设计组织 " 的背景。
这句话听起来像口号，但放在 e 签宝的语境里，它并不是要否定过去，而是承认一个现实：原来的流程、团队、产品架构，如果只是外挂 AI，可能只能带来局部提效，无法带来公司级转型。
02
产品重做：不是加一个对话框，
而是找到模型之外的价值
e 签宝的 AI 产品并不是从 2023 年才开始。
金宏洲回顾，早在 2018 年左右，e 签宝就开始投入智能合同。
当时一方面是上一波人工智能热潮，另一方面也是业务自身的变化：电子签名开始从互联网金融、互联网教育等客户，进入传统企业和中小企业。
传统企业没有那么强的 IT 能力，只给 API 已经不够，它们需要更完整的合同管理能力。
那一代智能合同主要基于 NLP，当时更多沉淀在能力和认知上，没有形成理想的商业化结果。
但金宏洲并没有把这段投入归为失败。他的判断是，那段时间沉淀了团队、合同理解、数据标注和行业认知。
到了大模型出现之后，这些积累变成了后续转向 AI 合同产品的基础。
2023 年，e 签宝转向大模型，并发布合同大模型相关产品。从现场分享看，AI 合同相关产品已经不只是探索项目，而是在公司内部被放到了更重要的业务位置上。
e 签宝 AI 产品负责人李聪对 " 怎么做 AI 产品 " 讲得更细。他提醒，很多公司一开始做 AI 产品，容易先加一个对话框，接一个模型，再配置一些工作流，就以为自己做了 Agent。但如果用户只是通过 Chat 完成过去软件本来能做的事情，并没有获得新的价值，这样的 AI 化并不成立。
在他的理解里，真正值得做的是 AI 能带来新价值的场景。
比如合同审查、合同条款结构化、合同风险识别、合同数据洞察，这些在传统软件时代很难做到，或者成本很高。
e 签宝希望把合同从 " 文件 " 进一步变成可被理解、可被检索、可被判断的企业经营数据。
这里有一个关键判断：未来的软件，不一定主要给人打开，而是给 Agent 调用。
李聪举了自己的工作方式。
他现在处理邮件、招聘信息、钉钉消息，很多时候不直接打开原来的应用，而是让 AI 先读、先筛、先判断。
放到企业软件里，未来员工未必一个个打开 SaaS 系统，而是通过一个企业级 Agent 去调用背后的系统能力。软件界面不会完全消失，但会退到后台；真正重要的是系统能不能成为 Agent 可调用的能力。
这也是 e 签宝对自身产品定位的重新理解：从 " 让人签得放心 "，到 " 签管一体化 "，再到 " 做好被 AI 调用 "，成为企业合同管理的后台和基础设施。
对 ToB 软件企业来说，这个判断很值得琢磨。
过去我们常说产品体验、界面、流程，但如果未来入口被 Agent 改写，软件公司要回答的新问题可能是：你的系统里有什么独特数据？你有什么模型之外的行业知识？你有没有足够稳定、可调用、可持续积累的业务能力？
e 签宝给出的答案不是 " 模型更强 "，而是 " 把竞争力建在模型之外 "。
比如合同数据、合同结构化能力、权限体系、行业条款库、企业业务规则、历史审批偏好、诉讼和风险经验。这些东西不是一个通用模型升级就能替代的。
李聪说得很直接，
如果一个产品只停留在模型调用层，长期壁垒会比较弱；真正有价值的是把行业方法论、工程积累、数据上下文和企业规则沉淀下来，让模型只做它最擅长的判断和生成。
这背后其实是一种很克制的AI 产品观：不要把 AI 神化，也不要把产品简单理解为 " 接上模型 "。AI 层可以很薄，底下的上下文、知识设施和业务工程反而要很厚。
03
商业化落地：
规模化首先是一种战略选择
如果说金宏洲更多讲的是创始人视角的方向判断，张晋的分享则非常前线。
他负责 e 签宝商业化多年，开场就把问题拆得很简单：业绩 = 客户数 * 客单价。客单价不是一个孤立数字，它决定了企业打什么样的客户群体，也决定了产品形态、销售打法和组织资源配置。
e 签宝在 2023 年做 AI 产品商业化规划时，曾经推演过不同价格和客户数量的组合。
张晋最后推动的方向，是把客单价降到相对低的水平，以更大的客户规模换增长。
他特别强调，这不是简单打低价，也不是鼓励价格战，而是要判断：价格降下来之后，能不能换来 5 倍、10 倍的客户规模？如果不能，降价没有意义；如果能，它背后就是完全不同的战略选择。
这也是张晋反复强调的第一个观点：规模化本质上是一种战略选择。
e 签宝选择的目标客户不是超大客户，而是更广泛的中型和成长型企业客户。
原因很现实：这类客户基数大，需求存在，但过去重型合同管理软件太贵、交付太重；而更小规模的客户合同量和付费能力又相对有限。
e 签宝的签管一体化产品，恰好卡在一个中间地带，用相对标准化、可规模复制的方式服务这类客户。
这带来一整套配套选择：产品不能追求满足客户 100 个需求，只要打中关键的 10 个需求；交付不能重定制，而要集体交付；销售链路要简单、标准、可训练；组织要能集团军作战。
张晋提到，新产品推向市场的初期，需要同时完成销售认知和客户认知的同步。e 签宝的做法不是只发一个通知，而是持续统一思想、做标杆客户、重激励、强训战。
" 统一思想 " 在他的分享里不是一句管理套话。张晋说，公司的战略从高层传到一线，会在不同层级中不断损耗。
所以重要的事情不是说三遍，而是说 N 遍。他在 2024 年围绕这个产品反复宣贯，通过大大小小的场景持续沟通。
同时，e 签宝给新产品更高的销售提成，用前几个标杆客户树立信心，让新人优先卖新产品，持续做高强度训战。
训练不是培训完就结束，而是考试、方案演练、成功案例复盘、丢单复盘。张晋还提到，销售管理需要透明的数据反馈，让团队看见行动和结果之间的关系。
这些做法听起来并不 " 高级 "，甚至很传统。但它说明一个问题：AI 产品商业化不是只靠产品本身，它仍然需要销售组织、激励机制、客户标杆、训练体系和管理动作。
更值得注意的是，张晋认为 AI 时代销售力反而会成为公司的核心竞争力。
他的理由是，AI coding 改变了产品研发效率，企业更需要把壁垒建在客户、场景和组织能力上。长期积累的客户关系、销售网络和前线组织能力，并不是短时间能复制的。e 签宝在 AI 兴起之后仍然重视前线销售能力。他借用华为 " 尖茅草 " 策略来解释：一旦看准市场，就要在重点市场形成更高密度的服务覆盖。
这对很多 ToB 企业是一个提醒。AI 时代并不意味着销售不重要，也不意味着所有增长都可以自动化。相反，当产品越来越快，谁能更快把产品带到客户面前，谁能更快获得反馈、形成标杆、组织规模化复制，谁就可能拥有新的竞争优势。
04
增长的不是只靠销售，
还要重建品牌、私域和流程
当销售体系被调动起来之后，新的问题也出现了：商机不够。
张晋把 e 签宝过去几年解决商机的重点归结为两件事：品牌和私域。
他的判断是，AI 时代传统的确定性流量正在变化。
过去企业花钱投百度、投广告，只要预算足够，流量相对可控；但大模型和新搜索方式改变了信息分发，品牌信源、内容资产、私域触达变得更重要。
e 签宝过去几年持续加大品牌建设，品牌带来的线索质量和占比都有明显提升。
私域方面，e 签宝积累了企业微信、公众号、订阅号、自媒体矩阵等触达渠道。这些私域渠道已经成为持续触达客户、沉淀内容资产和转化商机的重要来源。e 签宝还推动个人合伙人计划，把外部伙伴推荐商机的动作产品化、系统化。
这些数据背后的重点，不是简单说 e 签宝私域做得多大，而是它把商机来源拆成了可管理的行为动作。
张晋讲销售管理时有一句话很重：语言的价值是 0，行为动作才代表认不认可、有没有真正去做。
所以 e 签宝抓的不只是业绩结果，而是过程和行为标准。
比如一线销售每周要做什么，如何找商机、见客户、学产品、做汇报，如何参加线下活动、发展个人合伙人，系统里都有记录和检查。结果来自过程，过程来自行为标准。
AI 在这里的价值，不只是帮销售写话术，而是重构获客和转化流程。
张晋举了一个例子：过去 SaaS 公司常见的获客链路很长，MQL 到 SDR 清洗，再到 SQL，再分给战区，再分给销售。
但在 e 签宝新的尝试里，前端流量进入 Agent 后，Agent 可以根据客户咨询内容、行业、区域、客户等级和销售擅长领域，直接分配给合适的销售，中间多个环节被压缩。
内容生产也被重构。过去做品牌视频、内容分发、解决方案 PPT，都需要供应商、方案工程师或人工排期；现在可以通过内部 Skill、知识库和 Agent，把短视频、图文、自媒体内容、客户解决方案快速生成并分发。
张晋特别强调，不是在旧流程上修修补补，而是要思考怎么以最小代价把流程重构掉。
这也是 e 签宝这次分享中很重要的共识：AI 不是原流程的外挂，而是重构流程的机会。
05
组织转型：
人人用 AI，不等于公司完成 AI 转型
金宏洲在组织部分讲得很克制。他明确说，e 签宝还没有真正实现 AI native 组织，目前仍处于从第一阶段走向第二阶段的过程中。
他把 AI 组织分成三个阶段：
第一阶段是 AI 辅助增强，个人或工作流中加入 AI，提高个人效率；
第二阶段是人机协同共生，数字员工和人类员工共同工作，流程开始重构；
第三阶段才是真正 AI native，核心业务、商业模式和公司运转都基于 AI 构建。
很多公司现在的问题是，个人都在用 AI，但公司经营未必因此明显变化。
金宏洲提到，个人提效不等于公司级收益，员工用 AI 用得很熟练，并不必然带来增长提速或成本下降；如果缺少统一规划，新的技术成本也可能被忽视。
e 签宝过去也经历过类似阶段：市场部先用 AI 做内容，客服、AI coding、小范围场景陆续使用，后来扩大到营销获客、销售助理等。
复盘之后，他们认为，分散式探索还不足以支撑公司级转型，必须有更统一的规划。
他们后来形成的判断是：公司落地 AI，需要从 " 使用 AI" 进入 " 经营 AI"。这不是部门各自找工具，而是要把个人效率、部门效率和公司经营统筹起来，从指标、流程、上下文、数据闭环和基础设施上重新设计。
e 签宝现在做的几件事很有代表性。
第一，建设公司级 AI 基础设施。包括统一算力入口、统一 Agent 平台、Skill Hub、上下文库、安全和监控机制。金宏洲把这类基础设施类比为企业接宽带：不是可有可无，而是公司要统一建设的底座。
第二，基于流程构建公司级 Agent，而不是让员工随意手搓。e 签宝今年重点推进五大 Agent，包括市场营销智能体、e 签宝服务智能体、超级小倍、续费智能体、IPD 流程 AI 化。这些 Agent 不是孤立工具，而是对应原有核心流程。
这里有一个很值得学习的细节：e 签宝之前做过流程变革，形成了 L2C、CS、IPD 等流程体系，也有流程运营小组。
过去这些流程有时会成为变革阻力，但当公司开始基于流程构建 Agent 时，流程小组反而变成了承接 AI 改造的组织资产。换句话说，AI 并不是完全推翻原有管理积累，而是把好的流程资产重新激活。
第三，建立人和数字员工共同成长的机制。金宏洲强调，做一个 Agent 很容易，但做一个真正懂业务、能在业务中持续成长的 Agent 很难。很多知识并不在正式知识库里，而在员工电脑里、脑子里、日常协作里。要让 Agent 真正懂业务，就必须设计人和 Agent 共同工作的机制，让上下文持续沉淀，让知识不断更新。
李聪从产研侧也讲到了同样的问题。他认为，重构产研流程的第一步不是上工具，而是知识库先行。没有准确、完整、可被 AI 读取的产品知识、帮助文档、客户案例、行业解决方案，AI 就无法设计出合理产品方案，也无法在售前、研发、测试中稳定发挥作用。
e 签宝目前在产品、UE、研发、质量等团队中分别建立 AI 小组，沉淀产品设计规则、研发详设 Skill、UED 插件、测试规则等，再把这些局部能力串成新的产研流程。
更重要的是，AI 也在重新识别人才：有些年轻人一开始接触的工作界面就是 Claude、Codex，上手很快；有些原来优秀的人也能转型，但不能指望所有旧能力自然迁移到 AI 时代。
这部分分享里，最值得同行警惕的一句话是：AI 转型不是 IT 项目，而是 CEO 工程、组织工程和经营工程。
如果只是让 IT 总监找几个工具，或者让每个部门报一个 AI 应用，大概率只能得到一些局部亮点。
真正的 AI 转型，需要一号位牵引，需要基础设施投入，需要流程重构，需要人才识别，也需要把 AI 和增长、成本、质量这些经营指标连接起来。
06
回到一线：
AI 转型仍然从客户和业务里长出来
在整场学习里，张晋讲了一个很朴素的判断：创业者永远不要脱离一线，一线有神灵。
这句话并不新，但放在 AI 转型语境里，反而更重要。
2022 年、2023 年，e 签宝也曾经对增长感到焦虑。张晋和团队没有只在办公室里开会，而是去前线访谈销售、交付和客户，了解客户到底提出了什么需求，销售的问题在哪里。正是这些来自一线的信息，帮助他们判断 AI 能力可以进入产品，并形成新的商业化方向。
这也提醒我们，AI 转型不是从模型开始的，也不是从概念开始的，而是从客户真实问题开始的。
e 签宝这次分享中，小结几个值得讨论的方向：
第一，AI 产品不能只做 " 软件加对话框 "，而要找到模型之外的行业价值、数据价值和工程价值。
第二，商业化不是产品做出来之后自然发生的，它需要明确客群选择、价格策略、销售组织、激励机制和训战体系。
第三，AI 时代并不必然削弱销售，反而可能放大前线组织能力、客户关系和规模化作战能力的价值。
第四，人人用 AI 不等于组织 AI 化。企业要从 " 使用 AI" 走向 " 经营 AI"，就必须建设统一基础设施，重构流程，并让 Agent 在真实业务中持续成长。
第五，任何 AI 转型最终都要回到一线。客户愿不愿意买单，员工愿不愿意使用，流程是不是真的变短，成本是不是真的下降，业务结果是不是真的改善，这些才是检验转型的地方。
这也是崔牛会持续组织深度学习的原因。
很多企业的经验，只有走进去、听进去、问下去，才会发现它并不是几个标签可以概括的。
所谓 " 学习 e 签宝 "，也不是照搬它的 Agent、销售打法或组织结构，而是回到自己的企业里重新思考：
我们的客户到底是谁？
我们的产品有没有模型之外的价值？
我们的销售和服务能力是不是仍然构成优势？
我们的组织，是不是真的准备好从 " 用 AI" 走向 " 经营 AI"？
AI 给每家公司都带来了焦虑，但焦虑本身并不可怕。真正重要的是，能不能把焦虑拆成具体问题，把问题落到客户、产品、商业化和组织里，再一件一件做出答案。
学习现场
sdfd
点击 " 阅读原文 " 报名深度学习系列小鹅通站
登录后才可以发布评论哦
打开小程序可以发布评论哦