The AI-Native CRM · 核心结论

传统 CRM 的「字段」「阶段」「表」是为人类有限记忆力设计的脚手架。当模型能 hold 住完整关系，schema 就成了不必要的约束。

• Lightfield 核心 primitive 不是 Contact/Account，而是 Activity Log（活动流）——谁先联系、说了什么、会议、文档、付款、登录、ticket…所有时序事件，再由系统自动推断字段
• Semi-structured：纯 unstructured 查太慢、纯 structured 装不下"非结构上下文"，所以 unstructured 大池 + 推断因果关系
• 用户登录后按一下 "Sync"，5 分钟就把过去 2 年邮件/日历/Slack/会议/产品用量全部接入，零配置

Alex 把它总结为："The shift is intelligence is greater than schema." ——当你能完整建模"你和客户之间的全部关系"，剩下的工作就是 prompts 和 tool calls。

• World Model 的本质：把"销售脑子里那张图"具象化、可追溯、可让 LLM 推理
• 案例：CSM 直接问"这个客户该不该扩单？" → Lightfield 遍历活动流 + 产品用量 + 客诉 + 财务付款历史 → 给出 具体可执行的扩单/挽留建议
• 案例：Power（客户）用 Lightfield 建模临床试验市场，几天内帮一个阿尔茨海默症患者匹配到全球前沿治疗方案

Keith 一开始不打算打棕地（"best companies have hostages not customers"），先打绿地新公司，等他们从 0→1→100 销售时再吃下。

• Wedge 不在 "do the work"（发邮件、lead scoring），而在"better understand your company"，帮你 steering 这家公司穿越混乱期
• 对应策略：全公司免费，让工程/产品/CS 都在用 → 产生网络效应 → 后来空降的 VP of Sales 想换也换不掉
• 实际跑出来的客户：从 0 个销售 跟到 100 个销售，NDR 400%

Keith 试过两个极端才找到答案：

• 纯座位：被 Salesforce 标准化，客户接受，但头部用量是尾部 10,000 倍，跑不长
• 纯消费：签了很多但没人用，"the worst three weeks of the company's life"
• 最终方案（4 桶）：
  1. 日常 CRM 录入/查询 → 平台费 + 座位（固定成本，让客户不用担心误差边界）
  2. Pipeline Generation → 消费制（enrichment 有 alpha，客户愿付）
  3. Workflow Automation（自动分配/路由/对客） → 消费制（明显 ROI）
  4. Intelligence & Forecasting → 消费制（"snow globe" 式 scenario planning）
• 关于 outcome-based：不取。"Sales 公司 outcome 受产品市场契合度左右，签大客户可能 PMF 强，但你收他钱像占他便宜；签种子期没网站的，outcome 怎么算？"

Tome 时代的反思：很多人"playing house"（占坑不干活、互相守地盘），导致无法 pivot。

• Lightfield 制度：没有 swim lane，40 人每天一个 stand-up，每天重排问题清单，谁手空谁拿
• 工程师跑项目、设计师跑项目、CSM 跑项目，只在你做相似项目时才是"专家"
• 工具支撑：任何人能在 1 小时内通过 Lightfield 接管一个新客户（因为上下文全在 CRM 里）；设计系统→Figma；工程任务→Linear（Lightfield 自动同步）
• 原话："man plans and OpenAI launches"，AI 时代规划保质期以天计