Scott Brinker：乔恩·米勒（Jon Miller）是行业的传奇人物，他是 Marketo 的联合创始人和首任 CMO，也是现代 B2B 营销和 ABM 的领军人物。如今，他是这一领域一家新成立的神秘人工智能初创公司的联合创始人兼首席执行官。以下是他在接下来一年的展望。
2026 年感觉像是人工智能驱动营销愿景逐渐清晰的一年：代理加入采购委员会，推理系统取代脆弱的规则，编排最终兑现几十年来一对一个性化营销的承诺。但实际的企业采用仍将是渐进式的，到 2026 年，我们所期望的未来与实际发生的情况之间仍会有很大差距。
以下是预测结果：
营销人员将开始向代理而非仅仅向人类进行营销
人工智能将彻底变革传统的 SaaS 营销技术——但不会在 2026 年实现
组合式技术栈将在 2030 年成为主流，但 2026 年的采用率将低于 20%
情境工程将在 GTM 团队中成为一种公认的实践
推理型人工智能将开始取代基于规则的自动化
旅程编排将从规则转向 AI 播放列表，实现一对一的承诺
AI 邮箱守门人将把电子邮件营销转变为口碑营销
品味、信任和责任将成为人工智能低质量内容的解药
公众意图信号将被商品化；专有信号产生“阿尔法”
2026 年之后的营销技术走向
快速连发的小预测
2026 年，由人工智能驱动的不确定性将加剧；做好准备是唯一的答案
今天继续放出第二部分：
多年来，营销人员一直将电子邮件视为「自有媒体」：你建立一个列表，你控制发送时间，你拥有访问权限。
但这种模式正在瓦解。随着营销人员和销售开发代表利用人工智能更快地生成更多信息（2025 年每天发送的电子邮件超过 3760 亿封，其中约有一半不受欢迎），买家开始反击。谷歌的自动提取功能可能会用人工智能生成的交易和优惠摘要覆盖预览文本；雅虎邮箱则完全用人工智能摘要取代主题行。苹果邮箱将来自同一品牌的促销邮件归为一组，仅显示人工智能生成的摘要。而像 Fyxer AI 和 Outlook Copilot 这样的工具则更进一步，对收到的邮件进行分类，起草回复，并在人类看到之前过滤掉不想要的邮件。
买家并非出于恶意而启用这些人工智能「门卫」，他们只是被海量邮件淹没，想要夺回控制权。
预测：到 2026 年，电子邮件营销将从「自有」媒体转向「赚取」媒体，因为人工智能把关人将执行一直以来的准则：收件箱的关注度是基于相关性、价值和信任来授予的。
对于 B2B 营销人员的四点启示：
少发邮件，多出价值。邮件数量的游戏已经结束。如果你每周都发送内容重复的邮件，那么你就是在训练人工智能过滤器降低你的邮件优先级。相反，只有在有值得分享的内容时再发邮件：有用的见解、相关研究、真正有用的资源。当订阅者意识到你的邮件确实对他们有帮助时，他们和他们的智能助手都会将你列入白名单。
用真实的人名发送邮件。来自首席执行官或指定销售人员的纯文本邮件往往比精心设计的 HTML 营销邮件效果更好。它们让人感觉像是人与人之间的交流，这会鼓励回复和真正的对话。它们的代码量也更少，这意味着在移动设备上加载速度更快，而且不会触发那些标记格式繁杂邮件为垃圾邮件的机制。
优化以适应人工智能阅读器。在任何人阅读之前，算法会先读取你的邮件。把关键要点放在开头的句子；人工智能摘要器会抓取开头来判断相关性（忙碌的高管们也是这样浏览邮件的）。直白的主题行比巧妙的标题更能经受住人工智能改写的考验。使用 Gmail 和 Yahoo 的推广模式，这样你的优惠信息就能在人工智能生成的预览中准确显示。并且要让你的发件人名称一目了然；这可能是汇总视图中唯一可见的标识符。
衡量真正重要的指标。邮件打开率原本就不可靠；人工智能介导的收件箱让其变得毫无用处。关注能表明真正参与度的行为：点击特定内容、回复你的邮件、预约会议、创造机会。
电子邮件不会消失。如今有近 46 亿人使用它，预计到 2028 年将达到 50 亿（Sopro.io）。但批量群发的时代已经结束，而高质量的电子邮件将得以存续。事实上，如果你发送的是真正有用的邮件，人工智能过滤可能会对你有利，因为它能去除那些会让买家完全忽略邮件的干扰因素。
人工智能使得内容创作几乎零成本。结果是，信息流充斥着「人工智能垃圾内容」：看似精致实则毫无价值的内容，即便表面上进行了个性化处理。
预测：到 2026 年，买家将把信息来源当作一个替代指标来判断某件事是否值得他们花时间，只关注他们信任的声音，而忽略其他声音。
Forrester的《2026 年预测：B2B 营销、销售与产品》证实了这一转变已悄然发生：「信任已变得碎片化，B2B 客户更多地依赖个人网络和精选来源，而非机构或宽泛的品牌承诺。」
来源正变得与内容本身一样重要。以下三个特征将有助于区分有价值的信息和无用的干扰：
品味——知晓何为有价值。这是一种对质量与价值做出敏锐判断的能力，是帮助确定何为有意义的指南。布兰登·肖特将其描述为「技术能力、编辑敏感度、设计直觉和叙事技巧的融合」。正如大卫·布赖尔所说，这是从「人工智能到情感智能」的转变。
信任——这是你与受众长期建立起来的关系。人们信任的是人，而非品牌标识，这就是为什么个人邮件的效果优于 HTML 格式的邮件，为什么个人在领英上的帖子比公司账号的帖子更受欢迎。这也是为什么人们会订阅（有时甚至付费订阅）个人的 Substack 时事通讯，而对大多数供应商的通信视而不见。这就是为什么投资创始人品牌和高管影响力已成为战略选择，而非可有可无——创始创作者正变得和创始工程师一样重要。这也是为什么长期在 B2C 领域盛行的网红营销在 B2B 领域也逐渐受到重视：福雷斯特研究公司预测，到 2026 年，75% 的企业 B2B 公司将增加网红关系方面的预算。
责任担当——愿意以自己的声誉为所分享的内容作担保。想想法庭记录员：人工智能能够完美地转录法庭内容，但我们不会将其称为官方记录，除非有专人署名。同样的逻辑也适用于任何使用人工智能进行研究或创作的专业人士。输出内容容易，但价值在于为其负责。
这对营销领导者意味着：
深入社区和合作伙伴关系。任何人工智能总结都无法替代值得信赖的同行说「这个解决方案对我们有效」。以生态系统为主导的增长和 B2B 有影响力人物计划将继续获得更多的投资。
优先考虑人际联系。当数字内容的生成和筛选变得轻而易举时，面对面的时刻就成了区分因素：高管晚宴、现场活动、会议。
彰显专业精神。明显需要大量人力投入和专业知识的内容表明其具有实质内容而非粗制滥造。手写笔记、专有数据、深度技术分析。当任何东西都能迅速生成时，「差不多就行」就不够了，真正工作的证据就成了信任的信号。
Forrester 总结得很好：到 2026 年，B2B 营销人员必须从说服转向证明。稀缺资源是人的判断力、关系以及对所分享内容负责的意愿。
当每个团队都能获取相同的意向数据时，这些数据就不再具有优势。工作变动、融资轮次、网站访问量、G2 活动——这些信号如今对任何愿意付费的人都开放。而且，由人工智能驱动的丰富工具使得大规模处理信号的成本比以往任何时候都低，导致外向型业务量激增。
预测：基于公开数据的通用信号将在未来 24 个月内变得商品化。竞争优势将转向专有信号、信号组合以及时间精准度。
投资者将此称为「阿尔法」，意指凭借他人所不知的信息而获得的额外收益。一旦所有人都掌握了相同的信息，阿尔法收益就会消失。（感谢布伦丹·肖特提供的这个类比。）
新的阿尔法值来自三个地方：
第一方信号。与你自身的销售和营销活动相关的互动本质上是专有的。演示请求、内容互动、免费试用注册、互动产品演示、主动咨询——这些信号告诉你的信息是竞争对手无法购买到的。不要将主动兴趣视为「热门潜在客户」，而应将其视为众多强大时间信号中的一个。
信号组合比任何单一信号都重要。单独的招聘启事只是基本条件。但如果招聘启事加上与竞争对手比较页面的互动，再加上来自同一账户的多个利益相关者的网站访问量激增？这种组合所讲述的故事是任何单一信号都无法做到的。公开信号可能单独来看是商品化的，但你如何将它们与私有信号混合使用，就能创造优势。
精准的时机胜过内容个性化。正如我之前所写，真正的个性化意味着在正确的时间采取正确的行动，而不是生成提及某人领英帖子的 AI 电子邮件。这一原则同样适用于信号。价值不仅在于知道要联系谁，甚至知道说什么，还在于何时。表明正确时机的特定信号具有通用信号所不具备的持久力。
上述预测描绘了营销技术的发展方向：面向代理人的营销、可组合的堆栈、由人工智能驱动的旅程编排以及推理型人工智能取代规则。但当这些趋势汇聚在一起时，会是什么样子呢？
预测：营销平台的未来在于基于信号的编排：从整个数据生态系统中获取信号；为每个账户、个人和代理决定最佳行动顺序；并在各个渠道间协调执行。
数据。正如在可组合性预测中简要讨论的那样，基础是数据——但真正创造价值的是将这些数据转化为多个来源的可用信号：客户关系管理（CRM）、产品使用情况、在线行为、第三方数据以及非结构化来源（网络抓取、领英个人资料、电话录音等）。数据实际存储的位置并不重要，重要的是要将其清理干净并使其对营销具有可操作性。也许你的云数据仓库能完美地处理这个问题。但更有可能的是，你的营销平台需要连接到多个来源，并使用推理人工智能将原始数据转化为决策层可以采取行动的信号。
决策。这是负责计算最优多步骤行动序列的大脑，它会根据所有信号以及人类设定的策略（比如针对每个细分市场要优化哪些关键绩效指标，以及频率和预算等限制条件）来进行计算。多个 AI 代理将协同工作：决定投放何种优惠，如何个性化内容，使用哪个渠道，何时发送，如何管理频率，哪些行动需要人工审核，哪些可以自动进行。
交付。渠道将成为执行端点，通过 API 进行访问。但它们不会是简单的管道。许多渠道仍会保留自身的智能，以实现特定渠道的优化：需求方平台管理出价策略，电子邮件平台处理可送达性和发送时间优化，广告网络在其生态系统内管理频率。决策层在各渠道间进行协调；每个渠道仍可在其领域内进行优化。
在所有三个层面中都存在的一项要求是：许多 B2B 采购行为发生在买家匿名研究期间，因此架构必须在适当的时候处理账户级别的信号和操作。
注意：大型云数据仓库供应商（Snowflake 和 Databricks）不会满足于仅仅掌控用于报告和分析的数据层。他们正在向决策（编排）和其他营销用例推进。这造成了内在的紧张关系：如果每个供应商都想掌控旅程编排，那么长期来看谁会胜出？随着这一局面的逐渐明朗，这场争斗将会令人困惑且混乱，但最终应该会为所有人带来更出色、更强大的平台。
全面实现这一愿景还需数年时间，但你现在就可以着手准备：投资于你的信号基础架构，获取运营背景信息以便人工智能了解你的业务运作方式，精心整理带有清晰标签的优质优惠库，并诚实地评估你当前的平台能否与你一同发展，还是会在未来拖你的后腿。
1. 更多高管最终会意识到，销售漏斗的问题实际上是定位的问题——再多的策略也无法弥补信息传达不力和差异化不明确的缺陷。
2. 随着企业逐渐接受这样一个事实，即购买路径过于非线性和复杂，无法将功劳归于特定的接触点，归因模型将进一步式微。
3. 尽管整体趋势是技术栈的整合，但用于人工智能实验的预算正在推动人工智能试点项目的蓬勃发展。不过，由于附加工具天生不如核心平台那样具有粘性，预计会有很高的流失率。
4. 人工智能代理将接管许多客户支持互动，使人工接触成为一种高端服务。正如安杰洛·罗布尔斯所说：无 AI 成为新的无转基因。
5. 我们将看到由人工智能生成的完整照片拍摄和视频。人类仍需引导创意方向，但实际制作过程将实现自动化，无需模特、演员等。
让我们展望一下 GTM 之外的未来。去年，我持乐观态度；我认为人工智能会促使我们充分发挥人类独有的能力——创造力、情商、战略思维和真正的专业知识。我依然相信这种可能性的存在。
但我发现自己比职业生涯中的任何时候都更担心这个世界。
企业家的工作就是展望未来并为之努力。但这份工作从未像现在这样艰难。当目标不断变化，上个季度的假设瞬间过时，未来比以往任何时候都更加充满不确定性时，你该如何规划？
事实上，世界不确定性指数已飙升至远超近期历史任何时期的水平，包括 2008 年金融危机和新冠疫情初期。这种不确定性不仅限于人工智能：经济波动、地缘政治不稳定以及消费者行为的变化都起到了推波助澜的作用。但人工智能生成的虚假信息侵蚀了信任，人们转而依赖人工智能而非彼此导致的孤独感加剧，尤其是我下面要谈到的工作岗位流失，这一切都让情况变得更糟。
预测：到 2026 年，人工智能驱动的颠覆和全球不确定性将会加剧。正如伊桑·莫利克所言，即便人工智能的发展在明天戛然而止，未来十年内社会和经济仍会面临「大规模且持续不断的颠覆」，因为各组织仍在摸索如何利用人工智能所能带来的能力。
但人工智能的发展不会停滞。2026 年的进步将更多地来自专门的架构、更优的工作流程整合、改进的长期记忆以及能力日益增强的自主代理，而非一味地将原始计算能力投入到规模越来越大的模型中。正如人们所说，如今的人工智能是你用过的最差的人工智能。
到 2026 年，人工智能会消除工作岗位吗？至少对于像阅读这些预测的人所从事的复杂工作而言，答案大概是否定的。许多工作，包括 GTM（增长、技术、市场），都包含多种任务：战略、创意、关系建立、分析、行政管理。人工智能处理其中一些任务会改变我们的工作内容，但不会消除这些职位。
但对于初级职位而言，情况并非如此。斯坦福数字经济发展实验室的一项研究显示，软件开发、市场营销和客户服务等受人工智能影响的职位就业人数下降了 16% 至 20%，受影响最大的是职业生涯早期的人群。Pave 数据显示，销售开发代表（SDR）职位占比从 2023 年 1 月的 1.98% 下降到 2025 年 8 月的 1.45%。在大型科技公司，21 至 25 岁的员工比例从 15% 下降到仅 6.8%。
安杰洛·罗布尔斯将此称为「无声冻结」：企业维持生产力，却不填补初级职位。问题不在于裁员，而在于破坏了晋升通道。如果不再招聘初级员工，他们就无法成长为高级员工。我们有可能形成一种哑铃型经济：一端是大量需求的不易被人工智能取代的职业（水管工、电工），另一端是高级战略家，而中间阶层则被掏空。
而且这种情况不会仅限于入门级工作。克里斯·佩恩（Chris Penn）提到了「远程劳动力指数」，该指数衡量的是人工智能代理能否以商业上可接受的质量完成复杂的委托项目。目前的模型得分约为 2%，但如果模型像去年在其他基准测试中那样改进，到 2026 年这一比例将达到 20%。到那时，我们谈论的就是技能阶梯上层的真正岗位流失。而当机器人技术迎来自己的「ChatGPT 时刻」并具备商业可行性时，当自动驾驶汽车成为现实时，整个经济的更多领域将面临额外的冲击。
社会风险十分严峻。正如佩恩所写，从历史上看，「当短时间内有足够多的人失去工作，那时候就会出现诸如长柄叉、火把和断头台之类的东西。」再加上已经笼罩全球的更广泛的不确定性，这让我夜不能寐。
理想情况下，政府和科技公司应当介入提供帮助。不是通过阻止或过度监管人工智能，而是制定政策来缓解就业岗位流失的问题。我们以前就做过这样的事：工业革命之后的劳工保护措施，二战后的《退伍军人权利法案》，以及在产业转移浪潮期间提供的贸易调整援助。
对于接下来会发生什么，我没有简单的应对方案，但原地踏步也不是办法。以下是我认为领导者可以采取的行动。
通过提高效率来增强抗风险能力。当未来充满不确定性时，效率能为你提供缓冲，使你能够承受冲击而不崩溃。精简运作的组织能够迅速调整资源；而那些资源已捉襟见肘的组织则毫无回旋余地。现在就推动生产力的提升，并将节省下来的资金存起来。
要专注于赋能员工。教导团队使用人工智能，去探索可能性并挑战假设，而非接受第一个泛泛而论的答案。正如 Trust Insights 所强调的那样，有效利用人工智能需要具备专业知识、数据素养以及对客户的深入了解；模糊的提示会产生无差别的结果。
利用人工智能本身来提升技能。人工智能在指导方面表现出色，能够提供个性化、按需定制的技能发展，其规模远远超过任何培训部门。利用这一点来加速现有团队的成长。
重新思考团队结构和管理角色。高度专业化且各自为政的角色时代即将结束。市场营销需要具备战略思维、能创作出引人注目的作品并且能熟练运用人工智能工具处理数据、内容和执行工作的通才。组织设计更注重适应性而非人员数量；管理人工智能代理越来越像人力资源式的治理。
一线管理也在发生变化。随着人工智能承担起诸如报告、指导和常规检查等管理任务，管理者转变为面向客户的领导者。目标是：更深入地了解客户、更高效地执行任务，并在最需要人类判断力的地方投入更多时间。
正如分析师尼古拉斯·德·库什科夫斯基所说：「2026 年不会是被预测出来的，而是被摸索出来的。形势变化的速度比团队做出可靠预测的速度还要快。」
我并不确切知道未来会发生什么，这就是不确定性所在。当然，这篇文章中的预测本身也是不确定的。就像过去三年一样，我将在明年 12 月对这些预测进行评估，其中一些可能会被证明是错误的。但它们代表了我对未来走向的最佳判断，并且正在影响我如何规划接下来的一年。希望它们也能帮助你规划好自己的这一年。
封面图片：Growtika on Unsplash
