营销
头部 AI 博主 Greg Isenberg 在他的一期播客里做了个预判：未来一两年最值钱的人是"marketing engineer"，能用 AI agent 搭营销系统的人，年薪 25 万到 100 万美元，他说这还只是保守估计。
数字是他的预测，不是薪资调查。但他的核心观察却值得深思：最值钱的营销角色不再是投广告的人，是建系统的人。他的原话是："AI 让产出变便宜，判断力让产出变值钱。"
这句话在一个人的频道上说出来很漂亮，而将它放到一个有市场部、品牌部、增长团队、技术团队的公司里时，引出来的第一个问题不是"用什么 AI"，而是"谁来干这件事"。
能力散落在五个部门，权力却不在其中任何一个
在今天 AI 模型、agent 快速发展的背景下，营销一号位的理想人选应该是："20%营销人、20%产品经理、20%数据分析师、20%创作者、20%工程师"。这种人在独立创业者中存在；在一个 50 人以上的市场团队里，这些能力分散在不同部门，每个人手里都只有拼图的一块。
问题不是能力，是权力：AI 营销项目该向谁汇报？
放在市场部，技术资源调不动。
放在技术部，没人懂营销场景。
放在 CEO 办公室，离执行太远。
三种挂靠方式，各有各的死法。
大多数公司的 AI 营销还停在"买了几个订阅、跑了几个 demo"这个阶段。不是工具不行，是没有人同时握着业务判断力和技术调度权。一个有预算但没权力的项目组，做出来的只能是演示，不是系统。
工具会换，工作流不会
工具会变，工作流才是真正的技能。
我现在的实际日常使用情况是：Grok Bot 做市场监听、Claude 和 Codex 做内容生产、Hermes 跑定时任务，但是，这只是我现在的状态，工具肯定会与时俱进的更换。
这个判断，对于企业的工具选型焦虑，应该是一剂解药。
很多团队花两三个月评估 AI 工具、做对比表、写采购报告，选完发现差别不大。因为工具是系统的零件，不是系统本身。
工作流有一个不起眼、但很关键的特征：记忆。
不是每次打开聊天窗口让 AI"写十篇帖子"，而是让 AI 先读客户痛点、创始人的表达习惯、过去引发了真实回复的内容，再基于这些上下文生成。Isenberg 给这个记忆载体命了名，那就是“Growth OS”——一个结构化文件夹，里面存着客户洞察、内容引擎、外呼记录、创意测试、agent 配置和结果数据。
随机的 AI 对话会遗忘，文件夹不会。下周模型肯定还是从零开始，但你的 Growth OS 系统不是。
看不见的三道组织关卡
建这样一个系统意味着跨过三道关卡，每一道都是组织问题，不是技术问题。
第一道：有人要把散落在销售、客服、产品和市场各处的客户信号整理成 AI 能读取的文件。Isenberg 管这份文件叫"市场在告诉我们什么"，要求有收据——引用片段、工单链接、事件计数——而不是"客户希望更好的协作"这种无法定位的话。这件事跨越至少三个部门的数据边界。
第二道：有人要给每个 AI agent 写工作规范——数据来源、执行频率、过滤条件、质量标准、人工审批节点、回写位置。Isenberg 说他"几乎像在招一个人一样写每个 agent 的规范"。这不是"把提示词写好"，而是定义一个岗位的输入和输出。
第三道：有人要每周看结果、纠正错误、把纠正写回系统。他的原话：每一次纠正都成为操作系统的一部分，这就是整个系统复利的方式。AI 写出的外呼邮件开头太假？加进规则文件。生成的内容没有证据支撑？写进质量标准。这个纠正循环不能停。
这三件事需要一个现在大多数公司不存在的角色：不只是使用 AI 工具的人，而是设计、喂养和迭代整套营销 AI 系统的人。没有这个角色，就没有让系统生长的组织空间。
管理层的真正工作
管理层对 AI 营销最常见的两种态度，都会卡死。
一种是"AI 是工具，让团队自己学"。
结果是每个人在各自的聊天窗口里做各自的事，没有共享记忆，没有系统复利。三个月后老板问"AI 用得怎么样"，答案是"大家都在用"，但说不出产出了什么、学到了什么。
另一种是"上一个 AI 项目"。
有预算、有时间表、有技术团队介入。三个月后交付一个 demo，展示了 AI 能自动生成营销文案。半年后没人用，因为生成的内容和业务脱节，审批流程太重，迭代速度跟不上市场变化。
Isenberg 的 Growth OS 概念暗示了第三种方式。
管理层的核心工作不是批预算或选工具，是回答一个具体的业务问题：哪个客户痛点能带来下一次成交？
在他的节目中，用了一个假想的暖通公司来举例说明：技术员做完维修发现了设备更换机会，但后续报价从来没发出去。
"别再丢掉每次上门服务后的更换收入"——这个角度比"让你的暖通业务更好"尖锐得多。这是管理层才能给出的判断，不是 AI 能自己找到的。
管理层提供方向，系统把方向变成内容、外呼、广告和测试。如果管理层只能说"我们要更多线索"，系统就没有焦点，agent 就不过是在生产噪音罢了。
ROI 的节奏问题
ROI 是组织阻力的另一面。公司要求季度见效，但 AI 营销系统的价值在复利，前三个月几乎看不到复利。
在我的 Brand Lab 5.0 页面中，有一个 30 天计划、提供了一个务实的节奏。
第一周：审计一家真实业务，画出市场地图。
第二周：建复利增长系统即 Growth OS，写第一份客户洞察文件。
第三周：只做一个能跑通的系统，不做五个半成品。
第四周：证明结果，写成案例。
这套导入流程的衡量标准是：发送量是干活儿的工作量，合格回复才是成功的信号。
这个节奏对管理层的意义是：不要等半年看 ROI，第四周就看一个系统产出的合格回复。数字会小，但它是真的。如果第一个月一个合格信号都产不出来，问题通常不在工具——而在前面没解决的组织问题：谁拥有系统、谁定义痛点、谁批准输出。
ROI 的计算方式也需要调整。
传统营销 ROI 算的是投入产出比——花了多少广告费，带回多少线索。
AI 营销系统的 ROI 更接近基础设施：第一个月建管道，第二个月跑通一条水路，第三个月才开始看流量。
用广告投放的时间尺度去要求系统建设的回报，结论只能是"没效果"。
窗口在组织意愿，不在技术进步
按照现在的发展速度，AI agent 很快就会变成人手N个的普及型商品，你对它的判断力才是壁垒。反过来理解：如果公司把 AI 营销当工具采购，产出的就是商品级营销。
能让系统变强的不是更贵的模型，是组织愿意让一个人或一个小团队拥有系统、定义规则、积累记忆。
可能今天还有人拿着“增长黑客”或者“数字营销时代"在营销领域说事儿，但是，它们可能真的有点儿过时了。
窗口是开着的，这个窗口不是技术窗口——工具每个月都在变强——它是组织窗口：谁先允许一个角色同时拥有业务判断力和系统建设权，谁就先开始积累营销记忆。等工具完全成熟、案例完全清晰的时候再动手，记忆差距已经拉开了。
工具够用了。缺的是权力结构和组织空间。
