外贸业务员的一天，大量时间花在找名单、翻网页、整理表格、归档资料这类重复劳动上。这8件事里，找目标公司、名单初筛、客户背调、找关键联系人、展会名单、历史客户整理、跟进前准备、重复性资料整理，大多数可以交给AI先做，人保留判断和成交。
先给结论：AI接走的不是业务员的活，是业务员最不值钱的活。重复执行类先交AI，客户判断类AI辅助、人验收，关系与成交类始终由人主导——这三层分清了，团队才接得住AI。
先分三层，再谈哪件事交给AI
外贸团队用AI最容易走偏的路径，是一上来就收集Prompt模板。模板解决不了分工问题。真正要先想清楚的是：业务员最贵的时间，到底该花在哪里。
把业务员的工作拆开，会看到三层：
重复执行类，AI先做。搜集信息、按格式整理、过滤不相关线索、按规则归类打标签、生成报表、整理历史资料和沟通记录。这些工作规则明确、重复度高、耗时长，正是AI最擅长的部分。AI处理重复劳动、提高信息质量，人把精力放在需要经验和判断的高价值环节。
客户判断类，AI辅助，人验收。客户价值判断、联系人优先级、机会判断、跟进建议——AI可以提供分析和建议，人来把关，判断质量比单纯人工更稳。
关系与成交类，人主导。客户关系建立与长期维护、关键沟通深层次交流、报价取舍、谈判、大客户推进。这些环节人人有份的连接不可替代，核心价值由人创造。
AI进入外贸团队以后，真正该发生的变化，不是多写200封邮件，而是把「找、查、整理」释放出来，重新放回「判断、理解、推进、拿下」。
8件事怎么分工：先找，再筛
第1件，找目标公司。用AI找目标公司有4个步骤：把产品词、市场词告诉AI，让它面对什么市场；让AI在多个渠道批量搜索、整合；整理官网、市场、渠道信息并结构化；形成候选名单。这里有一个前提：人必须先把标准讲清楚——客户类型是品牌商、进口商、经销商还是工程公司，优先市场、优先规模、适合的渠道是哪些，哪些看起来相关其实不要。只说一句「帮我找1000家美国客户」，需求太模糊，AI很难给出真正有用的结果。AI负责放大标准，人负责定义标准。
第2件，客户名单初筛。AI找到的1000家候选公司里，真正值得继续看的往往是200家左右，值得优先跟进的更少。AI帮你从五个角度过滤不合适的公司：同行（看起来相关，其实是竞争对手）、渠道不匹配（只做零批不做批发）、产品应用不同（不在你的目标行业或应用场景）、采购逻辑不对（不是决策方、没有真实采购需求）、现阶段没动作（没预算或项目未启动）。留下的直接效果是：更干净的候选名单、更少的无效时间、更高的跟进优先级。名单多不值钱，值得花时间的名单才值钱。
中间三件：背调、找人、展会名单
第3件，客户基础背调。AI可以帮你收集并整理：官网（公司介绍、业务范围）、Products（产品信息、产品目录）、About Us（公司背景、发展历程）、社交媒体（企业动态）、招聘信息（团队规模）、新闻（媒体渠道、行业新闻）、市场信息（所在行业、市场规模/趋势）。AI先把这些从多个渠道抓取公开信息，去重、归类、提炼关键点，整理成一页公司信息摘要，标注重要动态和潜在机会点。人来判断这家公司做什么、主要产品有哪些、主要市场/渠道、最近有没有新动作、潜在的应用场景。AI给你全景信息，你做关键判断。
第4件，找关键联系人。AI可以帮你找人，但找到只是入口。采购经理/采购经理负责采购决策、关注价格与交期；CEO/老板关注公司战略、合作机会；产品经理关注产品规划、市场需求；工程师负责技术评估、关注技术细节与方案可行性；项目经理负责项目推进、关注计划、落地、资源协调。真正关键的是两点：先找谁，为什么先找这个人。找到邮箱，只代表找到入口；知道从哪个入口进去，才值钱。
第5件，展会名单。一场展会动辄600多家展商，AI初筛分类（按多维度的匹配）之后，重点企业往往只有几十家。筛选维度包括产品匹配（是否与相关产品互补或互为上下游）、市场匹配（目标市场是否一致、是否符合客户画像）、渠道匹配（是否与外贸/代理/渠道资源互补）、潜在合作方向（是否有ODM/OEM机会、是否长期合作方向）。展会不是见的人越多越好，而是见对的人——更聚焦的行程、更高价值的拜访、把时间留给最值得见的客户。
后三件：存量资料、跟进准备、重复整理
第6件，历史客户和旧询盘。以前询过价的、展会上聊过的、打过样但没成交的、断联很久的客户、老业务员留下来的客户资料——这些沉睡的客户资产，其实是最宝贵的机会，但翻找起来最耗时。AI先梳理：买过什么（产品、数量、金额）、最后一次沟通时间、卡在哪里（价格/交期/认证/需求变化）、有没有新价值、是否值得重启。要不要重启、什么时候联系、用什么理由重新进去，人来决定。很多沉睡的客户，不是没需求了，而是被遗忘了。
第7件，客户跟进前准备。客户发来一句「Can you update the price?」，直接回价格是最快的做法，但未必是最有效的做法。AI先整理这个客户的关键信息：客户背景（公司规模、市场、主营产品、采购习惯）、过去沟通（历史邮件/会议记录、关键结论）、旧报价（上一次的报价内容、价格、有效期）、卡点（为什么没成交，主要的顾虑是什么）、未解决问题（哪些问题没有得到明确答复）。业务员根据这些信息决定下一步：时机成熟马上跟进、换切入点调整角度重新沟通、暂时没机会先不打扰保持观察，或者等新产品或展会节点在合适的时间再联系。AI负责整理记忆，人负责推进关系。
第8件，重复性资料整理。客户名单整理、市场资料归类、会议纪要、展会资料、客户信息汇总、不同业务员的资料统一格式——这些规则清楚、重复度高、可复核的资料，最适合交给AI。Codex类工具可以直接处理Word、Excel、PPT和各类文件资料，把不同业务员按公司习惯保存的资料，统一结构、建立数据库，便于团队共享。工具的意义，不是让业务员更快地整理资料，而是让业务员有更多时间做客户。
一张判断清单
Recommended when：任务有明确规则、重复度高、产出可复核（找名单、初筛、背调、整理归档）；AI给出的结果有人验收；团队有人定义标准。
Not recommended when：让AI直接替你判断客户值不值得做；让AI替你谈价格、做让步；期望AI凭一句模糊指令（帮我找1000家美国客户）直接出可用结果。
一句话收束：AI进来以后，业务员的价值不是变少了，而是从翻、找、整理里被释放出来，重新集中到判断、理解和推进上。
常见问题
这8件事是不是要一次性全部交给AI？
不是。先从重复执行类开始：找目标公司、名单初筛、重复性资料整理这三件规则最清楚，先交AI，跑顺之后再扩到背调、展会名单和历史客户梳理。关系与成交类始终由人主导，不存在「全部交给AI」这个状态。
AI整理的名单直接用行不行？
不行，要过一道人验收。AI按你给的标准过滤，标准本身是业务员定义的：客户类型、优先市场、规模、渠道。AI初筛把1000家缩到值得看的范围，但优先跟进哪20家、先联系谁，由人根据采购逻辑和当前阶段来定。
业务员担心AI取代自己怎么办？
分三层看就清楚了：AI接走的是重复执行类（找、查、整理），辅助的是判断类，主导成交类的始终是人。业务员的时间被释放到客户判断、理解客户、推进关系这些AI替代不了的环节上，岗位价值是上移，不是消失。
「帮我找1000家美国客户」这类指令为什么效果差？
因为需求太模糊。客户类型（品牌商/进口商/经销商/工程公司）、优先市场、优先规模、适合的渠道、哪些看起来相关其实不要——这些标准人必须先讲清楚，AI才能放大标准做有效搜索。定义标准是人每天该做的功课，AI负责放大标准，人负责定义标准。
本文是大宗师网络「把AI放进外贸业务」系列的一篇。关于AI放进哪几个环节，见《外贸企业把AI放进去，到底该放进哪几个环节？八个接口清单》；跟进准备的具体写法，见《客户通过了 LinkedIn 邀请却不回复，先查哪三个地方？》。
本篇常见问题
这8件事是不是要一次性全部交给AI？
不是。先从重复执行类开始：找目标公司、名单初筛、重复性资料整理这三件规则最清楚，先交AI，跑顺之后再扩到背调、展会名单和历史客户梳理。关系与成交类始终由人主导，不存在「全部交给AI」这个状态。
AI整理的名单直接用行不行？
不行，要过一道人验收。AI按你给的标准过滤，标准本身是业务员定义的：客户类型、优先市场、规模、渠道。AI初筛把1000家缩到值得看的范围，但优先跟进哪20家、先联系谁，由人根据采购逻辑和当前阶段来定。
业务员担心AI取代自己怎么办？
分三层看就清楚了：AI接走的是重复执行类（找、查、整理），辅助的是判断类，主导成交类的始终是人。业务员的时间被释放到客户判断、理解客户、推进关系这些AI替代不了的环节上，岗位价值是上移，不是消失。
「帮我找1000家美国客户」这类指令为什么效果差？
因为需求太模糊。客户类型（品牌商/进口商/经销商/工程公司）、优先市场、优先规模、适合的渠道、哪些看起来相关其实不要——这些标准人必须先讲清楚，AI才能放大标准做有效搜索。