2026年8月，COMMA咖墨与安畅围绕TAM售前能力建设，完成了一次线下共创工作坊。
这并不是一次传统意义上的培训。
在正式进入工作坊之前，项目团队通过几十份会前问卷，对一线TAM在售前工作中遇到的问题进行了前置调研。随后，来自不同背景的一线成员围绕售前材料、客户判断、方案准备、能力缺口、组织支持以及AI工具等问题进行了近5小时的共创讨论。
对于COMMA咖墨而言，这场工作坊真正值得关注的，并不是最终产生了多少张便利贴，而是一个越来越普遍的企业问题：
当业务变得越来越复杂，企业如何让少数优秀员工的经验，不再只存在于个人身上？
售前的问题，往往不只是“缺一份PPT”
企业在建设售前体系时，很容易先想到材料。
需要新的公司介绍、行业案例、方案模板、Demo、报价工具。
但在这次工作坊里，我们看到的问题比“有没有材料”更复杂。
现场讨论中，大家反复提到：
客户信息是否足够完整；
有没有找到真正的决策人；
这个商机到底值不值得投入；
面对不同客户，应该调用哪一个案例；
公司已经有很多能力，但如何快速找到、理解并转化成客户听得懂的方案；
以及如何避免售前阶段的过度承诺，把风险留到交付阶段。
在会前问卷与现场讨论中，同行业案例、客户背景情报、定制方案模板等都被列为高优先级内容。真正稀缺的却并不只是素材本身，而是让已有素材能够被更多人快速理解、调用和重新组合的能力。
这也是为什么我们越来越认为：
售前体系建设，本质上不是“给员工更多资料”，而是降低调用组织能力的成本。
不是把每个人都培养成专家，而是让专家能力更容易被调用
过去很多企业依赖“老员工带新人”。
遇到复杂问题，找那个最懂的人；
遇到重要客户，让资深售前一起去；
写方案时，再去翻历史项目、问同事有没有类似案例。
这种方式在人少、业务相对稳定的时候可以工作。
但随着客户场景、技术体系和业务复杂度持续增加，它越来越难规模化。
尤其是当AI、云、数据、安全、成本治理等能力开始同时进入一个客户项目时，企业很难要求一个人掌握所有专业知识。
因此，这次工作坊并没有把目标定义成：
“让所有TAM都成为全能售前。”
相反，更重要的问题是：
如何让不同背景、不同经验阶段的人，都能快速获得自己工作需要的能力支持。
经验丰富的人减少重复查资料、重复写方案，把时间放在真正复杂的客户判断上；
经验仍在成长的人，则可以通过标准方法、案例、历史经验和AI辅助，降低试错成本。
这也是服务设计在组织能力建设中的一个重要原则：
不是要求每个人承担更多，而是重新设计工作方式，让系统替人承担更多重复负担。
AI最有价值的地方，不是替人回答问题
工作坊最后一个环节，所有小组都尝试把前面讨论出来的真实问题，转化成AI Skill或智能体能力。
现场最终形成了8个不同方向的AI Skill概念，并且已经有一线团队自行做出了AI报价原型。
这些设想涉及客户信息整理、案例匹配、方案生成、报价辅助、异议处理、售前知识调用以及商机诊断等不同场景。
这件事情让我们看到一个很重要的变化。
AI真正进入企业，并不一定从一个宏大的“AI转型项目”开始。
它可能只是从员工每天最麻烦的一件小事开始：
少花半小时找案例；
少重复整理一次客户资料；
第一次写方案时，有一个可以参考的结构；
遇到没有处理过的问题时，能够快速找到公司过去是怎么做的。
当这些小能力逐渐被连接起来，AI才开始真正改变企业的工作方式。
所以我们并不把AI理解成“替代专家”。
相反：
AI更适合成为组织经验的放大器。
但工具不能解决所有问题
这场工作坊另一个很重要的价值，是把不同类型的问题区分开来。
有些问题适合通过AI和工具解决。
比如知识检索、案例匹配、方案初稿、信息整理和报价辅助。
有些问题需要通过能力培养和实战解决。
比如客户洞察、需求判断、顾问式表达和风险意识。
还有一类问题，则必须通过组织管理机制解决。
比如售前工作如何计入贡献、交付与售前的时间如何协调、复杂方案由谁兜底、不同角色之间的权责边界如何确定。
这意味着企业的AI转型不能变成另一种“工具主义”。
一个新系统上线，并不意味着新的工作方式就会自然发生。
真正有效的改变，往往需要：
工具、流程、能力和机制同时向前走。
从“做一个Skill”，进入“用真实业务验证”
在这次工作坊之后，COMMA咖墨与安畅的下一阶段工作也将从“共创”进入“验证”。
接下来重点不再是继续增加更多功能，而是选择真实TAM、真实客户和真实商机，让已经形成的Skill和方法真正进入售前过程。
我们更关心几个具体问题：
它是否真的减少了准备时间；
信息和方案质量有没有提高；
一线是否愿意第二次主动使用；
以及，它最终有没有帮助一次真实客户沟通更有效地向前推进。
因为对企业而言，AI工具是否先进并不是最终标准。
能不能真正进入工作，才是。
这也是COMMA咖墨在服务设计项目中一直强调的一件事：
我们不是为了企业增加更多系统，而是希望通过重新设计人、流程、工具与技术之间的关系，让复杂的工作变得更简单。
AI正在给企业带来大量新的可能性。
但真正的竞争力，最终仍然来自企业能否把这些技术，转化成自己的组织能力。
