AI不是替你卖保险，是替你腾出手来卖保险

拆解唐纳德·凯利的四个AI销售动作：从找线索到写方案，哪些该放手、哪些必须自己盯，给中国保险伙伴一套可落地的取舍标准。

场景切入

你有没有算过，一天里真正跟客户说话的时间有多少？凯利在节目里给了一个数：大约六成时间花在行政事务上。他把AI塞进销售流程的四个位置，不是为了炫技，是为了把那六成抢回来。

背景

凯利一年前还认为AI只是个研究工具，如今他把AI嵌进了找客户、做名单、写跟进、拟方案四个环节。但他反复强调一条底线：人必须审批每一条发出的消息，人必须对CRM数据的真实性负责，人必须做定价和范围的最终判断。这套“AI干活、人把关”的分工，恰好对应中国保险伙伴最耗时的那些事。

01找客户：让AI做功课，但别让它替你开口

凯利用Zenith在LinkedIn上做研究，通过Sales Navigator找到理想客户，翻出对方最近发的内容，然后基于那条内容生成评论或连接请求。关键动作不是“发得多”，而是“接得上话”——对方刚聊过什么，你的开场就顺着什么说。这套流程每周给他带来大约三个约访。

但他把闸门卡得很死：每一条消息发出前必须有人审批，他本人还经常动手改。AI负责把素材摆到桌上，人负责判断这句话像不像人说的、合不合时宜。这个分工放到中国保险市场，就是让AI帮你整理客户最近的朋友圈动态、行业新闻、转介绍线索，但那条微信发不发、怎么发，必须你自己过一遍。

很多伙伴把AI当群发器，结果是把骚扰自动化了。凯利的做法反过来：AI提升的是相关度，不是数量。相关度上去了，约访才上得来。

AI能帮你找到该跟谁说话，但第一句话的温度，只能你来给。把审批权攥在手里，不是不信任工具，是不辜负客户。

02做名单：窄到离谱的筛选，才是AI的真本事

凯利把Claude接到Apollo、Lusha这类数据平台上，用来搭建和丰富邮件活动的名单。他举的例子很具体：找某个州、今年有固定数量新书上市、而且刚换了内容总监的出版商。这种窄到离谱的条件，人工挖要几个小时，AI几分钟就能拉出来。

这里藏着一个反常识的判断：AI的价值不在“找得多”，而在“筛得准”。条件越具体，名单越小，命中率反而越高。凯利说得很直白，AI能找到更好的客户，但它不会替你发邮件、不会替你经营关系，精准研究才是真正推动结果的那一步。

放到保险场景，这意味着你可以让AI帮你筛出“孩子刚上小学、家庭年收入在某个区间、最近在关注教育金”的客户群，而不是笼统地拉一份“30到45岁有孩家庭”的大名单。窄，才有人味。

名单不是越长越安心，是越准越省力。AI帮你把大海捞针变成针挑针，剩下的那根针，得你亲手穿线。

03写跟进和方案：AI出初稿，人守定价和范围

凯利用Fathom进会议做记录，再让Claude把笔记转成带明确下一步的会议纪要，直接发给客户；同一套流程还会自动更新内部CRM，记录备注、创建跟进任务。下一次通话前，AI还能起草一封准备邮件，引用上次的行动项，请客户确认或补充议程。

更往前走一步，是让AI基于需求挖掘通话的笔记，按标准模板起草完整方案。但凯利划了两条硬线：方案发出前必须由他或团队审核修改，因为AI有时会把地址或服务内容写错；范围和定价的最终判断，必须由人来做。AI可以帮他推演不同客户类型的定价结构，但拍板的是他。

他还提醒，CRM的准确性最终得自己扛——管道里显示什么，他就得向管理层汇报什么，所以他会复核自动化记录是否反映现实，而不是盲目信任。AI可以记账，但不能替你担责。

AI写的是草稿，你签的才是合同。把审核这一步做扎实，效率是红利；省掉这一步，效率就是风险。