发帖
雷达卡
他在一次演示结束后，客户问了一个问题："这套方案如果要接入我们现有的ERP系统，大概需要多长时间、谁来配合？"
他愣了一下，给了个模糊的答案。那个单子最后没拿下来。
他事后反思，说自己不是没努力，是压根没意识到这类问题也是售前该有准备的。技术边界、交付风险，他一直以为那是实施团队的事。
这个认知边界，其实是整个售前行业正在经历的一道坎。
猎聘大数据有组数字可以说明一些问题：AI技术人才的岗位需求同比增长了41.7%，但人才供给的增速只有25.9%。（数据来源：猎聘大数据）
这个缺口，某种程度上也在把压力转移到售前和解决方案这类岗位上。企业短期内招不到足够的AI技术人才，客户的AI项目还得推进，这时候能够理解AI方案、判断技术边界、把技术语言翻译成业务语言的售前，就变成了关键节点。另一面，客户那边也在快速补课——他们带来的问题越来越专业，追问越来越深。光靠讲PPT，越来越支撑不住了。
正因为这样，我最近注意到，一些做售前或方案的朋友开始去了解AI相关的认证体系，比如CAIE（Certified Artificial Intelligence Engineer）注册人工智能工程师认证。这个认证的定位不是训练算法工程师，而是覆盖Prompt设计、RAG、Agent等大模型核心应用能力，以及AI商业落地策略，零基础的职场人也可以报考。对售前来说，它解决的恰好是认知层面的短板——不是技术写代码，是能看懂、能说清楚、能判断边界。
那售前到底需要补什么能力？我总结了四块。
一是客户场景理解力。
很多售前是"功能型"的：客户说了需求，套进方案模板，讲给对方听。问题是，客户说的往往不是真正想要的。
同样一句"我们想上AI"，背后可能差很远——老板要的是降本增效，业务部门要的是数据支撑决策，IT部门要的是合规落地。这三条线出发点不同，期待的解决路径也不同。能把这些场景梳理清楚，把"客户说的"翻译成"客户真正要的"，比会讲功能重要得多。
二是产品逻辑认知。
售前对产品的理解，很多停留在"功能清单"层面——知道有什么能力，但不知道边界在哪、设计逻辑是什么。这容易出一个问题：在客户面前答应了产品团队做不到的事。等到交付阶段炸出来，受损的是客户信任，也是整个团队的声誉。真正懂产品逻辑的售前，遇到功能边界会给替代路径，而不是靠"差不多可以"撑场。
三是技术边界意识。
"技术上可以实现"，大概是售前说过的最危险的一句话。实现的代价是什么？需要客户提供哪些对接条件？集成复杂度如何？客户现有的IT基础设施是否支持？这些问题不在脑子里过一遍，一个"可以"就可能变成几个月的交付噩梦。
说实话，多说几句"这需要X周、依赖Y系统提供API、建议先做POC验证"，听起来不够爽快，但这才是真正对客户负责的售前。
四是交付风险预判。
售前是最早接触客户、最了解客户期望的人，但大多数人的工作在合同签完那天就结束了。问题是，那些没梳理清楚的干系人诉求、没确认过的隐性前提，最后都会以各种方式在实施阶段冒出来。提前多问几个问题，不只是为了交付顺利，也是把自己和客户都保护好。
这四块能力，不是靠经验慢慢积累就能补上的，也不是读几篇文章就能系统化的。尤其是AI相关的认知框架，如果没有系统梳理过，很难在客户面前说清楚边界在哪。
CAIE认证的知识体系覆盖了大模型机制、AI工作流、商业落地策略等内容，不考编程，针对的就是需要用AI解决业务问题的职场人。下面这张是CAIE一级的知识体系图，可以直观感受一下它的内容覆盖范围：
除了AI应用认知，解决方案能力还有另一个维度——产品化思维。
也就是把客户需求转化为可交付方案的能力：能分析场景、拆解问题、设计路径，还能和技术团队说同一种语言。这个方向上，AI产品经理认证（AIPM）的训练逻辑刚好是互补的——它从用户需求出发，教的是怎么设计落地的产品方案、怎么在技术和业务之间搭桥。
我觉得这两个方向组合起来挺有意思的：CAIE注册人工智能工程师认证帮你建立AI应用的基础认知体系，让你在客户面前能说清楚技术能做什么、不能做什么；AIPM补上产品化、方案化的框架思维，让你从"讲方案"变成"做方案"。这两块加在一起，大概就是售前在AI时代比较完整的复合能力路径了，不一定是唯一的方式，但按自己的情况可以考虑。
说回那位做了七年售前的朋友。
他后来复盘那个丢掉的单子，说了一句让我印象很深的话："我不是不懂，是我不知道这是我该懂的。"
这个边界感的缺失，才是真正的能力边界。认知到了，剩下的是补。
京公网安备 11010802022788号
