ICONIQ 与 Pave 数据显示 AI 创业公司销售占比几乎未降,销售打法变化有限
AI Startups May Have Fewer Sales Reps. But Not as a Percent of the Team. Has The Playbook Really Changed All That Much?
- 1Pave 数据显示 AI 高增长公司销售占员工 18.4%,其余科技公司 20.7%,差距仅 2.3 个百分点
- 2ICONIQ 数据指 $10M-$25M ARR 的 AI-forward 公司约 20 个 GTM FTE 对同行 35 个,精简 43%
- 3客服占员工比例从 4.4% 降至 1.8%,相对降幅居各职能之首;工程占比从 33.9% 升至 47%
- 4ICONIQ 称 AI-forward 团队配额达成率 67% 对 59%,71% 的公司过半 SDR 每日用 AI
两份数据共同指向销售占比基本未变,AI 带来的编制压缩集中在客服与后台,销售打法并没有根本改变。
- 影响:做 2026 至 2027 年编制规划时,销售占员工 18% 至 20% 仍是可用基准;客服和后台才是智能体最先压缩的编制;售后实施人力在转入工程侧,部门归属与成本核算需要跟着调整。
- 参考:可考虑用销售占员工 18% 至 20% 校准下一年度编制与配额;值得盘点客服工单和后台流程中高重复、可交给智能体的环节;大客户业务可测算把实施类岗位并入工程组织的成本。
- 依据:数据来自 ICONIQ State of Go-to-Market 2026 报告与 Pave 逾万家公司实时薪酬库的中位数口径,作者自述为方向性对比而非精确组织图。
过去 12-18 个月的主流观点是,AI 原生公司以极小的团队达到 $100M+ ARR,AI 代理承担了大部分销售工作,传统 B2B 销售组织正在萎缩。
这种说法有一部分成立。从绝对数量上看,AI 前沿公司确实运营着更小的 go-to-market 团队。ICONIQ 的 2026 年 Go-to-Market 现状报告显示,ARR 在 $10M 到 $25M 之间的 AI 前沿公司大约只有 20 名 GTM 全职员工(FTE),而采用率较低的同行则为 35 名,即在相同收入下人数少 43%,规模化时精简 20%-30%。
2026 年的现代 GTM 组织:精简 20%-30%,扁平 9 倍,每位销售带来约 2 倍的净新增收入。来自 ICONIQ Growth 的最新内容。
Pave 的最新数据,取自其覆盖 10,000+ 家公司的实时薪酬数据库,衡量的则是另一件事:每家公司有多少比例的员工从事各个职能。按这个指标来看,AI 超高速增长公司的销售占比与其他科技公司的销售占比接近。
销售岗位占员工总数的中位数百分比:
- AI 超高速增长公司:18.4%
- 其他科技公司:20.7%
- 非科技公司:10.4%
差距只有 2.3 个百分点。AI 超高速增长公司销售岗位的比例约为传统科技公司的 89%。他们的销售人数更少,是因为公司整体员工更少,而销售组织占公司的比例大致相同。
更大的差异出现在其他职能上。客户支持在 AI 超高速增长公司中占员工总数的 1.8%,而其他科技公司为 4.4%。工程为 47% 对 33.9%。包括市场营销、运营、财务、IT、数据等相关职位的“其他”类别则低 8 个百分点。
一点方法论说明:这些是按职能统计的中位数,因此加起来不正好是 100%(AI 超高速增长公司为 94.7%,其他科技公司为 91.5%)。这些比较是大致方向性的,而非精确的组织结构图。
#1. AI 超高速增长公司中销售占员工总数的 18.4%,其他科技公司为 20.7%
如果 AI 代理正在大规模取代客户经理(AE),销售占公司的比例应该出现最大的下降。但实际显示的是最小的降幅之一。销售从大约每五名员工中的一名,降到略低于每五名员工中的一名。
把这两个数据集放在一起看:ICONIQ 显示 AI 前沿公司整体规模更小,而 Pave 显示销售在这些更小的公司中保留了其传统的大部分比例。销售人数的减少主要来自公司整体更小,而不是针对销售部门的裁员。
ICONIQ 的职能级 AI 采用数据与此一致。超过一半员工每天使用 AI 的公司比例:SDR 为 71%,市场营销 65%,AE 57%,RevOps 54%,客户管理 45%,客户成功 41%。AE 是 AI 使用最重的群体之一,主要用于调研、通话准备、撰写草稿和后续跟进,而公司仍在以接近传统比例的规模招聘他们。
这些销售的业绩达成率也更高。ICONIQ 的数据显示,AI 前沿团队的销售指标达成率为 67%,而其他所有人为 59%。
#2. 客户支持从公司员工总数的 4.4% 降至 1.8%

AI 超高速增长公司中客户支持占员工总数的比例比其他科技公司低 59%,是 Pave 数据中所有职能里相对降幅最大的。
按比例来看,其他科技公司每 1 名客户支持人员对应约 4.7 名销售人员。AI 超高速增长公司约为 10.2。
客服支持工作量大、文档完善、重复性高,并且按工单逐一考核,这正是当今 AI 智能体能够出色应对的工作类型。企业级销售则涉及安全审查、采购流程以及多个优先级各不相同的利益相关方,这类工作目前仍主要由人来完成。
从 2026 年的招聘计划来看,数据表明客服支持是智能体最先减少人力的领域,远远领先于销售。
#3. 工程团队占比从 33.9% 升至 47%
在 AI 高速增长公司的中位数水平上,工程团队几乎占公司的一半。折算下来,平均每名销售对应约 2.6 名工程师,而科技行业其他领域这一比例为 1.6。
部分原因在于 AI 产品本身的需求:模型工作、评估、基础设施,以及每个季度都在变化的产品。
另一部分原因可能是前沿部署工程。在许多 AI 公司,FDE 隶属于工程部门,做着传统 B2B 公司中解决方案工程师、实施负责人或 CSM 会做的工作。AI 产品通常需要从第一天起就在客户数据上进行配置和训练才能产生价值,而这类工作现在往往由工程师承担。一些售后人力转移到了工程部门,而非被裁减。
#4. “其他”类别从 28.8% 降至 20.8%,而人力资源占比上升
Pave 的“其他”类别涵盖 IT、数据、市场营销、专业服务、运营、创意和财务。在 AI 高速增长公司中,这一类别占比低了 8 个百分点,这使得后台职能成为继客服支持之后,AI 明显减少人力的第二个领域。
两个规模较小的职能则朝相反方向变化:
- 人力资源:5.6% vs. 3.2%。AI 高速增长公司以极高的速度招聘,需要招聘人员来完成这项工作。ICONIQ 的人力数据(截至 2026 年 8 月)显示,增长 100% 以上的公司在 2026 年上半年人力中位数增幅达 133%,超过它们在 2022-2023 年的增幅。
- 法务:1.1% vs. 0.5%。更大的合同、数据处理协议、模型与知识产权条款,以及企业安全审查,都增加了法务工作量。
两者都是快速成长为大型客户的代价。
5. 随着公司规模扩大,ICONIQ 的精简团队差距从 43% 缩小到 21%
ICONIQ 按 ARR 区间划分的 GTM 人力,AI 先行者 vs. 采用程度较低者:
- $10M 到 $25M:20 vs. 35 名全职员工(FTE)(精简 43%)
- $25M 到 $100M:45 vs. 65(精简 31%)
- $100M 到 $250M:125 vs. 165(精简 24%)
- $250M 到 $500M:275 vs. 350(精简 21%)
AI 先行公司在每个阶段都更加精简,且公司在最小时差距最大。小额订单、自助服务和产品驱动模式压缩最为明显。随着订单规模增大,GTM 团队逐渐回归传统规模。
这与我的投资方式一致。除非一家智能体 B2B 公司能解锁软件预算之外的预算,否则我不会投资,而最明确的证据是其订单规模至少达到 AI 出现前竞争对手的 2 倍。这种规模的订单涉及更多利益相关方和更长的评估周期,而且由销售人员完成签单。这正是 ICONIQ 差距最小的细分领域。
2026 年的现代 GTM 组织:精简 20-30%,扁平化程度提升 9 倍,每名销售人均净新增收入约 2 倍。ICONIQ Growth 最新研究。
2026 年销售团队规划:占人力的 18%
在两份数据集中,AI 公司的销售组织看起来与从前相差无几。大部分变化发生在销售周边的职能上。
数据中显现的差异:
- 每名销售的产出更高。AI 先行团队的配额达成率为 67% vs. 59%,且团队整体规模更小。
- 更精简的 SDR 层级。 71% 的公司有一半以上的 SDR 每天使用 AI,在所有 GTM 职能中比例最高。Pipeline 仍主要由销售产生:ICONIQ 的数据显示,62% 的 pipeline 来自销售,19% 来自市场营销。
- 规模小得多的支持团队。 支持团队在公司人员中所占的比例缩小了 59%,在支持部门使用 Agent 如今已是 AI 超高速增长公司的标准配置。
- 售后工作向工程部门转移。 FDE 及实施工作越来越多地由工程侧来配置人手。
看起来保持不变的部分:
- 销售仍约占员工总数的五分之一。 18.4% 对比 20.7%。
- 更大的交易仍需要更大的销售团队。 ARR 达到 $250M+ 时的效率差距为 21%,是 $10M 时的一半。
- 快速增长的公司整体上仍在大量招聘。 2026 年上半年,增速在 100% 以上的公司员工人数中位数增长为 133%,销售在其中保持着自己的增长份额。
在你制定 2027 年规划时,对于一家销售真实合同的 B2B + AI 公司来说,销售占员工总数的 18% 到 20% 仍是一个合理的基准。数据中的效率提升来自那些使用 AI 并签下更多订单的销售代表,来自支持部门和后台中的 Agent,也来自让客户在第一天就上线运行的工程师。数据中没有任何一家 AI 超高速增长公司是围绕 Agent 签下企业级交易来做规划的,新的招聘计划也不应该这么做。
来源:SaaStr · saastr.com


