2026年AI营销就绪报告：AI愿景与业务实操准备度的鸿沟

157位收入领导者关于就绪报告AI雄心与运营就绪之间差距的调查发现2026年人工智能市场策略 人工智能的账单并非意料之中 过去两年，B2B市场拓展中的人工智能指令很简单：快速行动，尝试一切，并将清理工作留待以后。 关键要点 那个时代正迅速走向终结。那些争相部署代理人的团队，如今正将它们置于AI委员会、安全审查之下，以及一个更难回答的问题：实际影响在哪里？ 为更好地了解这一转变如何影响每天负责市场推广运营的人员，LeanData 对收入、市场和销售运营的 157 名从业者进行了调查。 结果描述了一个惊人的差距。 已部署至少一个AI代理，但只有31%的人表示他们的GTM基础设施已完全准备好用于AI。 几乎每个团队都已将AI代理投入生产。几乎没有人相信他们的基础设施真正准备好支持它们。 这是那个缺口的样子： 团队从五个或更多不同的来源部署代理，而其中三分之一的人无法说有多少代理接触过他们的记录。 LeanData AI GTM客户调查，2026年5月 数据清理正在积极地对大多数受访者导致执行退化。 业务流程仍然存在于人们的头脑中，而非在文档化系统中。代理人依据没有审计追踪记录且无共享客户视图的文件行事。 当AI在市场推广环节表现不佳时，很少是模型的过错。问题在于数据、业务流程以及客户环境。 本报告探讨了收入领导者们揭示了哪些关于其人工智能成熟度的信息，执行环节在何处出现断裂，他们最害怕什么，以及他们想要构建什么替代方案。 目录 891011121314151617雄心与准备能力的差距 7关键发现4谁拥有 GTM 的 AI？实际上正在发生什么？收养发展到了何种程度GTM团队所惧与真正渴求容量挤压直来自实践者从清算到准备莱纳数据如何支持AI GTM编排莱纳数据核心能力推荐资源 关键发现 GTM领导者深陷人工智能，但治理已失序 数据质量是普遍的阻碍因素。 79%的人正在扩展或部署代理，然而70%的人因数据质量下降而影响了全球市场执行，并且30%的人的代理没有审计追踪。 55%的人认为数据质量是AI面临的首要挑战。94%的人表示GTM基础设施尚未完全就绪。 当人工智能陷入僵局时，模型很少是原因。 从业者想要的是控制权，而不是更多代理人。 最期望的结果：31%的人希望对所有系统中的每条记录所采取的每项行动都有完整的审计追踪记录。最大担忧：60%的人担心代理人在错误的记录上采取行动。 45%的人将责任归咎于不良数据，37%的人归咎于未记录的流程，还有32%的人归咎于部门壁垒森严的团队。这三个首要的根源问题指向的是协调和基础设施，而非AI能力。 关键发现（续） 审视调查参与者 调查参与者包括157名B2B GTM从业者，他们来自不同的运营角色和资历级别。其中大部分人从事收入运营和营销运营工作，其余人员则分布在销售、营销、IT和销售运营等领域。 关键发现（续） 雄心与准备能力的差距 大多数 GTM 团队在 AI 方面的发展进度，比你想象的要进一步。当被问及 AI 成熟度时，79% 的人表示他们已经正在跨 GTM 规模化代理，或积极部署他们的首批用例。只有 8% 的人称自己已完全优化。其余的则处于混乱的中间地带，虽然已在生产环境中运行，但仍需摸索规则。 对基础（或根基）的信心，讲述着另一番故事。 GTM基础架构就绪 有点准备好了 是——准备好了 未就绪 部分就绪；存在空白 已建立相关设施 仍然存在重大差距 LeanData AI GTM客户调查，2026年5月 需要做出哪些改变才能实现人工智能化？ 人工智能将放大你现有的东西，无论好坏。 答案主要围绕四个主题展开： 1.数据质量与数据治理2. 治理架构与流程文档化 杰西·怀特Korn Ferry 网络与市场运营总监 一位受访者表示：“我们的数据需要改进，才能实现自动化，特别是在丰富性和层级结构方面。” 谁拥有 GTM 的 AI？ 在市场推广过程中，必须有人对人工智能负责。根据调查，这个人往往是不存在的。 当被问及谁负责其 GTM 组织的 AI 战略时，42% 的人指出是由跨职能委员会负责。另外 19% 承认根本没有人负责。其余部分则分别归属于 RevOps（18%）、IT（9%）、营销运营（Marketing Ops，6%）和销售运营（Sales Ops，3%）。 谁拥有 GTM 的 AI 策略？ Cross-functional 委员会 通常如此，但通常意味着没有人为其独有。 19%的人表示完全没有主人。 一个委员会听起来像是覆盖范围，但在实践中，共同所有权可能意味着没有人掌握主导权。当人工智能同时触及数据、流程和收益时，责任分散本身就变成了其风险。 凯洛格·惠勒是Korn Ferry的网站和营销运营负责人，他描述了类似的架构：“我们有一个人工智能工作组，”该小组由IT、安全和隐私部门人员组成，负责在人工智能的新用例上线前进行评估。 奇虎科技（Checkmarx）营销运营高级总监布鲁克·巴托斯（Brooke Bartos）表示：“我认为‘自带技术栈’（bring yourown tech stack）的时代已经结束了。那片狂野的西部（thewild, wild West）已经过去了。”她所在的机构现在运行一个数据治理委员会，并有一个严格的审核流程。 所有权问题不会消失。随着代理人的增多，总得有人来衔接工作。 实际上正在发生什么？ 询问 GTM 团队阻碍他们与人工智能接轨的因素，其中一个答案尤为突出：55% 的人将数据质量和准备就绪列为他们面临的首要转型挑战。工具集成、策略不明确以及技能差距紧随其后。仔细观察，这三者都是第一个问题的症状。 问题出现在日常执行中。 70%的团队发现数据卫生状况恶化了他们的 GTM 执行情况。 百分之三十的人发现，针对那些没有审计追踪的记录所采取的行动。 27%的情况是，多个工具或代理同时联系了同一个潜在客户。 17%的人在销售代表积极处理交易时观看了营销视频。 14%的人目睹代理人完全绕过了所有权和区域规则。 当人工智能项目停滞不前时，根本原因会反复出现：CRM数据不一致、存在于人们头脑中但未文档化的流程，以及部门壁垒森严的团队。这些都是协调失败，而非能力失败。 收养发展到了何种程度 代理人在市场推广的各个环节无处不在。百分之九十三的团队至少部署了一个AI代理。他们从各个渠道获取这些代理：集成在现有工具（如Gong和Outreach）中的AI功能，基于LLM API的定制开发，代理平台（如Agentforce和Copilot），工作流自动化工具，以及独立的AI SDR产品。 人工智能代理正在被采购。 现有 GTM 工具（如 Gong、Outreach、HubSpot）中的 AI 功能 采用LLM API（OpenAI、Anthropic、Cursor）定制构建 代理平台（Agentforce、Copilot、Gemini Enterprise） 工作流/自动化平台（如Workato、Make） 尚未部署AI代理 现在，代理（或：经纪人/中介）涵盖了整个营收生命周期。各团队已将它们部署用于数据丰富、外向型潜在客户开发、内向型资格认证与路由、报告、排程、预测、续订、区域管理以及案例路由。 奇虎360的Brooke Bartos建议将AI SDR视为团队一员：“我们曾讨论过，要为我们的AI SDR设定一套与人类SDR相似的KPI。” 抱负是正确的。代理人需要的是能让它们协同工作的协调层。 协调数学 “多少代理人会针对您的记录采取行动”这个问题最常见的答案是三到四个。近三分之一受访者甚至无法说清楚有多少代理人正在采取行动。即便是少数几个各自为政的代理人，也会导致他们行动之间的冲突方式不断增多。 我们试图真正弄清楚：好吧，有什么一个小问题，我们觉得人工智能可以帮助我们解决？然后我们会将其构建出来。 林齐·科特收入运营经理特拉リアnt GTM团队所惧与真正渴求 尽管围绕人工智能的 enthusiasm（热情）很高，但调查揭示了一种谨慎的 undertone（暗流）。最大的担忧并非代理（agents）表现不佳，而是它们会采取错误的行为。 60% #1 恐 一个控制问题，而非能力问题。 该模式指向一个正在形成的行业方向：概率性智能体需要确定性边界约束。规则与推理将共存，前者用于可重复执行，后者用于复杂情境下的判断。 当被问及如果产品能够协调所有 GTM 行动，哪个结果最为重要时，前三名的答案分别是： 1.所有系统内针对每条记录所采取的每一个操作的完整审计追踪（31%） 当安全护栏优先时，信心便会随之而来。然后，团队能够将人工智能扩展到他们所做事务的更多方面。 速度并非榜首。治理和可见性才是。 容量挤压 迄今为止每个发现背后的压力是：负责监管人工智能的团队没有时间来做这件事。 GTM运营团队产能 百分之六十六的GTM运营团队报告称，他们已达到或超出负荷，没有能力进行战略工作。只有8%表示他们的团队配置足以同时处理日常运营和战略项目。人工智能不断增加复杂性，并且其出现速度超过了团队能够吸收的速度。 若要逐个记录地手动管理日益增长的大量代理，任何愿望都无法实现。根本就没有足够的时间。 编排提供了一条出路，其方式是吸收复杂性，而非增加人员。 那次碰撞很重要。GTM团队担心代理人在错误的记录上采取行动，并希望对每一个操作都有完整的审计追踪。 当能力成为瓶颈时，协作就是团队突破瓶颈的方式。 直来自实践者 数字描述了问题的形态，但从业者深知身处其中的感受。当被问及人工智能代理的兴起如何改变了他们的运营时，受访者不断回到同一个张力：权力增大、复杂性增加，以及对基础要素的依赖性加重。 人工智能如何改变了 GTM 的复杂性 人工智能代理增加了 GTM 运营的速度和复杂性——自动化能力更强，但更依赖于干净的数据、明确的所有权和文档化的流程。 最困难的部分实际上是引入并让AI分析我们的数据，因为数据质量不行。这也更加凸显了结构化、一致性数据的需求。 如今“建设者”比以往任何时候都多。要跟上别人在做什么、记录下来，并且不重复工作，这可能很困难。 — 市场运营 系统管理员，GTM — 运营管理经理 当被问及最希望AI代理处理哪些任务时，愿望清单指向了相同的基础。受访者提到了AI的路由能力、动态数据清理和丰富，以及更好的诊断功能。其中一人希望拥有询问“为什么这个线索会路由到这里？”并得到真实答案的能力。 另一个人想要一个仪表板来确认正确的潜在客户被分配给正确的人，且没有重复分配。 每个答案背后的主题都是控制。团队希望人工智能巩固基础，而不是加剧压力。 从清算到准备 这 none of this signals a retreat from AI。目标是对的。实现这一目标的结构才是需要迎头赶上的。 AI在市场推广方面的故事迎来了转机。 第一章要求团队同时推进所有工作，快速行动，自由实验，并证明技术可行。做到了。第二章提出了一个更难的问题：影响在哪里，基金会能否承载这份雄心？ 获胜的团队不会是运行代理数量最多的团队。它们将是那些代理基于可信数据、编码流程和共享上下文进行操作的团队。 调查结果很清楚。愿景正在超越基础设施。团队正在一块未加固的土地上建设令人印象深刻的东西。 本报告的结论贯穿于所有发现：当AI在市场推广方面表现不佳时，问题出在数据和流程上。 编排才是关键。先打好基础，雄心才终于有根基可依。 大多数组织中缺失了三样东西： 一个他们可以信赖的数据基础 看看 AI 就绪的编排是什么样子 系统内而非个人头脑中的业务流程 为您的代理人员构建值得信赖的基础。 所有团队都基于对客户的共同理解而开展工作。 请求演示 莱纳数据如何支持AI GTM编排 发起这一行动的平台 LeanData 作为您现有系统（如CRM、营销自动化系统）之间的智能协调层运行。