95% 的 B2B 行銷團隊都在用 AI，只有 39% 說有效：問題出在買家第一天就把名單填滿了
我有一位做工業零組件的朋友，大家都叫他老張。老張前陣子從日本的展會回來，帶了四十張名片，會後按照慣例逐一寄出開發信，無奈這些信件大多石沉大海。兩週後，老張僅僅收到三封回信，其中一封甚至不客氣地寫著：「我們已經在評估另外三家了，你們的動作比較晚。」
老張很不服氣，跑來問我該怎麼辦？論規格，他們有優勢，價格也不差，交期甚至更短。
問題出在對方開始評估的那一刻，這家公司根本不在名單上。等到業務寄出第一封信，比較已經做完了。
老實說，這跟老張勤不勤勞沒有太大的關係。是行銷沒有在該出現的時間點出現，而那個時間點，這幾年被搬到了一個你看不見的地方。這也是我先前在外銷團隊怎麼用 AI那篇文章裡談過的老問題，只是這一次，它變得更難察覺。
一組讓人看了不太舒服的數字
Content Marketing Institute（另開新分頁） 在 2026 年的 B2B 內容行銷調查裡，訪問了 1,015 位行銷人。其中 95% 說自己已經在流程裡用了 AI，只有 39% 說 AI 真的改善了成效。同一份調查裡，45% 的人把 AI 工具列為今年加碼的第一名，是所有預算項目中最高的。
錢加碼了，工具買了，人也上過課了，然後有六成的人說看不出差別。
當一件事的採用率來到 95%，它就不再是競爭優勢，而是門檻。你的同業用的是同一批模型、同一批提示詞，甚至同一家代理商。所以值得討論的問題已經不是要不要用 AI，而是為什麼同樣在用，多數人拿不到成效。
這個問題的答案不在模型，而在流程。
買家的旅程，被搬到你不在場的那一段
先看買家這一側，發生了什麼事？
Gartner（另開新分頁） 在 2026 年 3 月發布的銷售調查裡，有 67% 的 B2B 買家說他們偏好一段沒有業務介入的購買體驗。這個數字在前一年是 61%，一年之間往上跳了六個百分點。
很多人看到這裡會得出一個結論：那我們把業務縮編，全部改成線上自助。這個結論下得太快了。Gartner 在兩個月後補了另一份調查，69% 的買家會回頭找業務，驗證 AI 給他的判斷。
兩個數字合起來，講的是同一件事的兩半：買家要的不是沒有人，是不要在他做功課的時候有人。等到真的要下決定，他還是需要一個人說，這個我看過，可以。
更值得注意的是時間分配。Gartner 針對 B2B 採購旅程的研究顯示，買家只有 17% 的時間花在與潛在供應商接觸，其餘的時間在線上獨立研究、線下獨立研究，以及與自己公司內部的採購小組開會。
而這 17% 還不是你一家獨得。依據 6sense（另開新分頁） 的《B2B Buyer Experience Report》，買家平均會評估四到五家供應商。攤到單一家身上，大約只剩 4% 的時間。
你的簡報再精彩，能作用的範圍就是這 4%。剩下的 96%，決定權在你不在場的那些搜尋、那些會議、那些對話裡。這正是我讀完《AI 改變了你的客戶》之後感受最深的一段：客戶的決策現場，已經整個搬家了。
名單第一天就填滿了
如果只記得一個數字，我會建議記這一個。
6sense 訪問了超過四千位買家，發現有 95% 的案子，最後的贏家在第一天就已經在候選名單上。五筆成交裡有四筆，贏的是接觸前就被偏好的那一家。買家在採購旅程的第一天，平均就填滿了 3.4 個候選名額。
換句話說，B2B 行銷真正的戰場，是名單形成的那一刻。
那麼名單是怎麼形成的？Forrester（另開新分頁） 在 2026 年的調查給了答案：94% 的 B2B 買家會用 ChatGPT、Perplexity 或 Gemini 來建立候選供應商名單。
過去二十年，B2B 行銷的守門員換過幾次。先是產業媒體的記者，再來是搜尋引擎的排序，然後是社群平臺的演算法。現在換成大型語言模型，而這一個守門員跟前面幾個有個關鍵差異：前面幾個都會給你一個位置讓你自己講話，這一個不會。它讀完所有人的資料，用自己的話講一遍，順便決定要不要提到你。
我在〈2026 年個人品牌的生存關鍵，不是被看見，而是被 AI 引用〉裡寫過同樣的轉折，只是那時談的是個人，這次換成企業，代價高得多。
對外要補的第一條線：讓 AI 念得出你
搜尋引擎最佳化（SEO）沒有死，但它的工作性質變了。排名還是有用，因為模型抓取的來源跟搜尋結果高度重疊。只是排名第一不再自動等於拿到客人，因為使用者可能根本不會往下點。
你要的已經不只是那個藍色連結被點開，而是你的句子被抄進答案裡，抄的時候把公司名一起帶上，而且講得正確。這件事該怎麼做，我在〈當 AI 取代了 Google：你的網站準備好被引用了嗎〉裡有一份完整的實戰覆盤，想從頭理解名詞的話，也可以先看〈寫給創作者的 AEO 入門指南〉。
這裡有兩個很多人忽略的事實。
第一，從 AI 導流過來的訪客，品質完全是另一個量級。Seer Interactive（另開新分頁） 的量測顯示，ChatGPT 導流的轉換率是 15.9%，而 Google 自然搜尋是 1.76%，差距接近九倍。原因不難理解：篩選工作已經在 AI 那一層做完了。使用者問的是有沒有適合中小型產線、支援中文介面、預算在某個區間內的方案，AI 把不符合的排除掉才給名單。點進來的人，本身就通過了三道條件過濾。
第二，模型在回答品類問題時，大約 85% 的引用來自你自己網站以外的地方。只顧官網，等於只顧到一成五。
軟體業有 G2 和 Capterra 可以佈局，那賣齒輪、化學品、檢測設備或系統整合的公司呢？臺灣的 B2B 沒有現成的評比平臺，但你有別的位置：公協會與法人名錄、國際採購平臺上的公司檔案、技術影片、產業垂直媒體、技術主管的個人專業社群、研討會與展會官網。
找出屬於你的位置，方法很直接：拿一個買家真的會問的問題去問 AI，並要求它附上資料來源。它列出來的那幾個網域，就是你該去佔位的地方。這件事今天下午就能做，成本是零。如果你想要一個更省事的起手式，我做了一個免費的GEO 體檢器，輸入品牌名就能看看 AI 現在是怎麼描述你的。
（另開新分頁）
📮 想把 AI 變成放大自己的工具嗎？歡迎訂閱「Vista AI 靈感補給站」（另開新分頁），我會固定分享 AI 應用、內容創作與一人公司經營的第一手心得，陪你把專業變成可累積的資產。
對內要補的第二條線：把個人技巧變成團隊資產
講到這裡，多數主管會開始想工具要買哪一套。這正是 95% 用了沒效的主因之一。
MIT 的 NANDA（另開新分頁） 團隊在 2025 年做了一份研究，訪談 52 位高階主管、蒐集 153 份主管問卷、分析 300 個公開的企業導入案例，結論是 95% 的生成式 AI 試辦案看不出可量測的損益影響。這份研究後來受到不少方法上的質疑，我把它放進來不是要嚇人，而是因為它另一個發現更值得看：企業檯面上的失敗，跟員工檯面下的成功，是同時發生的。同一份研究裡，只有 40% 的企業有官方的大型語言模型訂閱，卻有 90% 的受訪員工每天用個人的 AI 工具處理工作。
臺灣的數字更具體。人工智慧科技基金會（另開新分頁）在 2026 年 4 月發布的《2026 臺灣產業 AI 化大調查》指出，企業內部有 61.8% 的 AI 應用完全脫離公司的管控。
你的團隊早就在用了，只是你不知道用在哪裡。
我會建議把這件事看成訊號而非威脅。員工願意自己想辦法，代表他們判斷這個工具真的有用，也代表公司給的工具或流程沒有跟上。此時發一封禁止使用的公告，只會讓風險從你看得到的地方，移到你看不到的地方。Moderna 把採購順序倒過來的那一步，我寫在〈企業導入 AI 最貴的死法，是買了沒人用〉，那篇可以搭配這一段一起讀。
那卡住的到底是什麼？依我在企業導入現場看到的，通常是三件很無聊的事。
一是沒有基準線。導入前沒有量過原本要花多久，導入後就永遠證明不了有沒有變快，第二個月的檢討會議一到，預算就被砍了。
二是知識沒有集中。每個人每次都要重新跟 AI 交代公司背景、產品線與語氣規範，等於每次都從零開始。要解決這件事，起點不是挑工具，而是先把工作流程拆解開來。
三是成果沒有回收。某位同事調出一個很好用的提示詞，用完留在自己的對話紀錄裡，其他人不知道，他離職的時候方法跟著離職。這也呼應我一直在講的一句話：提示詞會過期，你不會，真正該被留下來的是方法，不是那幾行字。
這三件事都不需要買新工具，只需要有人掛名負責。至於中小企業該從哪一格開始動，我整理過五點關鍵，也可以當成自我檢查表。
這份 120 頁的簡報，我公開放在網路上
上面這些內容，我整理成一份完整的簡報，直接嵌在下面，你可以在這裡翻完，也可以另開全螢幕看：
裡面除了本文提到的數字，還有幾個部分是文章篇幅放不下的。
五個對外工作流，包含市場與客戶情報、技術內容生產、開發信與 ABM 分層、詢盤處理與報價前置作業、展會的展前展中展後三段。每一個都有傳統做法與 AI 做法的工時對照，以及可以直接複製回去用的提示詞，總共八組。這些提示詞都內建了防止 AI 編造的條款，這在 B2B 特別重要，因為一旦對外引用的數字出錯，客戶的信任是修不回來的。
內部工具的四層堆疊，從基準線、情報層、知識層、生產層到治理層，以及一份 90 天的導入路徑表。順序很重要：先量基準線，再建知識層，最後才動工作流。反過來做會很痛苦。
臺灣的實際條件，也有專門的段落。財政部統計處（另開新分頁）的數字顯示，2026 年上半年出口 4,166.6 億美元，年增 47.1%，但拆開來看，資通與視聽產品加上電子零組件合計成長 52.9%，傳統產業貨品到六月才剛連續四個月正成長。如果你不在 AI 硬體供應鏈上，這波成長跟你關係不大，你面對的仍然是詢盤變少、客戶比價、業務人力補不上的老問題，也就是我在〈AI 助攻外銷：中小企業如何打造全天候的跨國接單引擎〉裡描述的那個現場。
另外還有三個動手練習，包含替自家品牌做一次 AI 可見度稽核。這個練習我在課堂上帶過很多次，最有說服力的時刻，往往是有人發現 AI 把自家的產品線講錯了。
如果你想把這套流程對到自家產業
我要誠實說明一件事：簡報裡五個工作流的工時對照，是我在企業內訓與顧問案裡實際量到的區間，不是研究機構的統計，我在簡報上也是這樣標示的。你的團隊跑起來，可能會有出入。
而且流程這種東西，最難的部分從來不是知道有哪些步驟，是判斷你的產業、你的產品複雜度、你的團隊人力該從哪一個工作流開始。做齒輪的跟做工業軟體的，起手式完全不同；行銷只有一個人的公司，跟有三人團隊的公司，順序也該不一樣。
如果你看完簡報覺得方向對，但不確定第一步該踩在哪裡，歡迎找我聊聊。我目前提供三種形式的合作：
- 企業內訓與工作坊（另開新分頁）：半天到一天，帶著你的團隊把五個工作流實際跑過一輪，現場產出屬於你們自己的提示詞與知識層第一版。
- 導入顧問（另開新分頁）：從量基準線開始，陪跑一到三個月，把成效換算成可以拿去跟老闆報告的數字。
- 單次諮詢（另開新分頁）：如果你只想確認方向對不對，一次會議通常就夠了。
最後，請容我複述我在課堂上常說的話。工具會一直換，被換掉的通常是沒有把方法留下來的人。你的團隊現在正在用 AI 做的每一件事，如果三個月後只留在某個人的對話紀錄裡，那這三個月就等於沒有發生過。
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
繼續讀：內容行銷全攻略動手試：GEO 體檢器（另開新分頁）
