核心概念

Anthropic 業務負責人 Eleanor Dorfman 在 SaaStr AI 2026 分享 Anthropic 業務組織的 AI-Native 轉型過程。2025 年 12 月 Opus 4.6 上線後需求垂直起飛，但補人速度根本趕不上——就算擴招三至五倍，也無法同時消化新人和維持客戶體驗。他們在 2026 年一月面對一個核心問題：怎麼從頭打造 AI 原生的業務組織？

核心策略只有一句話：在既有的六套工具上繼續加碼投資，讓 Claude 處理工具之間、工具周圍的所有事，而不是再買第七套工具。Claude 是讓六個工具彼此對話、創造連貫客戶旅程的連結組織，不是單獨加上去的功能。

他們面對四個搬不動的限制，做了對應的四個投資：

限制 投資方向
需求大到人力補不上 PLG + SLG 融合，推自助服務
Claude 已活在既有工具裡 Claude 作為六工具的黏合劑
支援職能也需同步擴容 Slack 成為所有支援的前台
不能犧牲招聘標準 把頂尖業務做法編碼成 Skill

PLG + SLG 融合：54% 企業客戶自助成交

打破「企業方案必須由真人 AE 引導」的正統觀念。2026 年一月推出 MVP、二月正式上線。

流程：所有進來的線索先經 Clay + Claude 做充實與評估 → 分成兩個漏斗同時運行。自助服務漏斗由 Intercom Fin 引導，客戶可自助申請企業方案、拿到正式 ACV、服務條款、發票、入職訓練，完全不需要真人介入。Claude + Clay 判斷若有必要才交給 BDR 和 AE。

成果：54% 的新企業客戶透過自助服務成交。

Claude 作為六套工具的黏合劑

六個核心工具：Clay（資料充實）、LeanData（線索路由）、Salesforce（機會管理）、Gong（通話錄音）、Ironclad（合約）、Slack（協調）。

典型工作日：新線索進來 → Claude + Clay 做帳戶研究、優先排序、更新 Salesforce 紀錄，從 Slack、Google Docs、Gong 歷史通話錄音拉進所有歷史脈絡 → AE 被分配時已有做決策所需的完整資訊。

提案階段：Claude 擁有所有產品知識、路線圖、過去的贏單分析，AE 用一個 prompt 就產出提案並上傳至 Ironclad 啟動後續合約流程。

Slack 作為支援職能的前台

過去：私訊亂投、非總部人員得熬夜等審批。改造後：業務在 Slack 提交需求 → Claude 根據先例和政策直接解決，或把工單連同所有客戶脈絡（email + Salesforce + Gong 歷史）一起升級給人類，讓 AE 知道排在隊列裡了（可以跟客戶設定期望值）。

覆蓋：報價、服務條款、安全問卷、合規文件——所有可能卡住客戶啟動的環節。

關鍵要點：五個 Skill

新人進完 boot camp、拿到帳號，同時拿到一個 Sales Plugin（MCP connector + Skill 組合），記錄了頂尖業務的做法，變成五個每天都在用的 Skill。

Skill 1：Morning Brief（晨間簡報） 連接 Gmail、Gong、Slack、Google Docs、行事曆、Salesforce、Intercom、Greenhouse，每天早上七點送到 Slack。內容：今日行事曆、未回信件、未處理 Slack、公司層級倡議、即將到來的行銷活動。幫 AE 排定前三優先事項。

Skill 2：Call Prep（通話準備） 觸發：/call-prep。產出一頁摘要：電話上有誰、他們在意什麼、歷史脈絡、好的結果長什麼樣子、建議的 discovery 問題、競爭定位、合作夥伴與使用工具。即使一天多場連續電話，五分鐘完成 context switching。

Skill 3：Customer Follow-up（客戶跟進） 從 email、Gong 錄音、Salesforce、Slack 抽取 action items → 起草回覆 → 放進信箱等 AE 確認送出。未當天執行 → 隔天 Morning Brief 再提醒。Anthropic 內部目標：24 小時內跟進客戶並交付 action items。

Skill 4：Competitive Intel（競爭情報） Claude 產出互動式 battle card：含競品矩陣、針對當前跟進客戶客製化、動態即時更新。讓 AE 在每通電話都能從競爭角度正確定位 Claude，而不是依賴每季更新一次的靜態版本。

Skill 5：Create an Asset（即時產出素材） 不管什麼案子、什麼利害關係人、什麼階段，都可以產出客製化素材：提案、one-pager、ROI 計算器、互動式 HTML。Claude 認識 Anthropic 品牌規範，確保產出符合品牌而非 AI slop。部分 AE 喜歡把 Gong 錄音丟進 Claude Code 讓它直接做 prototype。

實務應用

Close-Won Checklist（成交後 Skill） 成交是一個 checklist：服務條款到位、provisioning 路徑、入職訓練、發票正確、組織映射無誤。每個步驟都有對應 Skill，讓 Claude 跨部門系統工作確保全部到位。自助服務客戶走同一套自動化流程。

動態教練文化 每週 Claude 為 AE 和第一線主管浮現六個教練時刻（coaching moments），根據業務需求每月動態調整，不是靜態銷售方法論。核心邏輯：注意力（mindshare）是最稀缺的資源，確保教練內容聚焦在當下最重要的事。Eleanor 說得直白：「沒有人做過這件事。如果有人說他們做過，那是在自欺欺人。」

預測 主要由 Claude 跑，主管做審核。AE 用 Skill 確保 Salesforce 資料最新、下一步準確，Claude 完成對帳後主管審核提交。Forecast meeting 的重點是討論（誰需要幫助、哪些客戶需求需要關注），不是抓漏洞。預測準確度是接下來的目標，目前仍在調整。

相關頁面：企業 AI 導入實戰三原則 · AI-Native 公司的八個組織重構原則 · 廚房就是公司：AI-Native 組織的可讀性框架 · 100% 自動化原則與流程風險設計 · AI Agent 工作流的人機分工原則 · Agentic AI 企業落地現實：基礎建設障礙與突破策略 · Lehrwerkstatt 效應：Shopify River 的公開 AI 協作設計

延伸觀點

Anthropic 的做法在幾個關鍵面向與外部研究高度吻合。

Agentic AI 打破「規模 = 人力」的等式。 HBR（2025/09）的研究確認，agentic AI 的核心優勢在於讓銷售組織擺脫「以人力換規模」的線性關係——小型人類團隊可以監管大量專門化 Agent 跑端對端的流程（McKinsey 估算比例約 2-5 人對 50-100 Agent）。這直接呼應 Eleanor 說的「不加人也能接住需求爆炸」。關鍵前提是 AI 必須整合進現有系統，不是另一套獨立工具，否則協調成本會吃掉所有收益。

PLG + SLG 混合是市場的真實需求，不是妥協。 McKinsey 的研究顯示，65% 的 B2B 買家明確表示同時希望有產品主導和業務主導的體驗，而非二選一——這讓 Anthropic 的「兩個漏斗同時跑」不只是緊急因應，而是對市場偏好的正確回應。自助服務漏斗降低摩擦，業務漏斗處理複雜的企業需求，兩者互補而非競爭。54% 自助成交率是目前這個市場環境下可能達到的上限，而非偶然。

AI 銷售工具的實際生產力提升落在 1.5-3 倍。 McKinsey 跨多篇 B2B 銷售研究的數據顯示，AI 銷售工具在具體案例中帶來 1.5 倍產能提升（B2B 科技創投案例：業務素材生成自動化），部分場景達到約定成交率三倍成長。Anthropic 自稱的「三倍以上」處於此區間的高端，但結合他們同時做了流程重設計（不只是工具疊加），在結構上是合理的。值得注意的是，單純疊加工具而不重新設計工作流程，成效通常停留在 1.5 倍以內。

反向連結

以下頁面引用了本頁：