由 Agent 主导的增长：下一个 GTM 动议已经到来
作者：Neal Behrend SVP @ Insight | 来源：SandHill.io
URL: https://www.insightpartners.com/ideas/agent-led-growth/
由 Agent 主导的增长：下一个 GTM 动议已经到来
Neal Behrend | 2026 年 3 月 13 日 | 7 分钟阅读
关于新的 GTM（进入市场）动议，有一点需要注意：其优势窗口期通常在最初阶段最宽。早期为产品主导增长（PLG）而构建的公司——如 Slack、Dropbox、Zoom——并没有等到产品主导的 playbook 被完全验证。Snowflake 和 DocuSign 早期就掌握了基于客户的体验（ABX），轻松超越了那些仍在采用“广撒网”策略的团队。如今，一个新的 GTM 动议的窗口也同样敞开着。
模式：新基础设施 → 新 GTM 动议
企业软件中许多主流的 GTM 动议都是由一层新的赋能基础设施所解锁的。销售主导的增长一直存在，但当像 Salesforce 这样的 CRM 让销售人员能够大规模管理客户关系时，它才变得可扩展。从 Insight 的角度来看，当 Mixpanel 和 Amplitude 等产品分析工具使自主的用户体验变得可衡量和可重复时，产品主导的增长达到了效率的巅峰。当像 6sense* 这样的意图数据平台实现了在客户层面的精准定位时，基于客户的体验便得以具体化。
之前的动议都遵循了类似的轨迹：新的基础设施出现，先行者围绕它进行构建，而后来者则尽力模仿。我们相信，同样的动态正在形成，赢家已经开始加冕。
一个新的基础设施堆栈正在涌现——一个新的动议也正围绕它形成。我们称之为由 Agent 主导的增长。之前的动议都遵循了类似的轨迹：新的基础设施出现，先行者围绕它进行构建，而后来者则尽力模仿。我们相信，同样的动态正在形成，赢家已经开始加冕。
定义 ALG：关键的区别
“由 Agent 主导的增长”这个术语已经投入使用，但它在同一个标签下描述了两种截然不同的事物。
如果你问 ChatGPT 或 Gemini，你可能会得到供给侧“由 Agent 主导的增长”的定义。也就是说，公司部署 AI Agent 以更有效地触达买家：Agent 化的 SDR、AI 内容创作、AI 化的销售管道自动化。这确实很有价值；我们也会和我们的投资组合公司讨论这一点——但这是对现有动议的效率提升，而不是市场运作方式的结构性转变。
需求侧正在驱动机遇——以及风险
需求侧的“由 Agent 主导的增长”——如此处所定义——则有所不同。由 Agent 主导的增长是指 AI Agent 为买家工作时发生的情况：研究供应商、编制功能矩阵、测试性能、评估选项，并最终代表买家推荐或发起购买。供给侧的 ALG 改善了你当前销售漏斗的经济效益。需求侧的 ALG 则改变了这个漏斗属于谁。
供给侧的 ALG 改善了你当前销售漏斗的经济效益。需求侧的 ALG 则改变了这个漏斗属于谁。
需求侧的 ALG 才是结构性机遇——以及结构性风险——所在之处。这种转变在开发者生态系统中最为明显，到目前为止，Agent 在这里被赋予了最大的行动权限。市场尚未在特定类别的 B2B SaaS——CRM、HR、营销自动化和垂直软件——中加冕默认选项。开发者生态系统在不到 18 个月的时间里就发生了倾斜。问题不在于其他类别是否会跟进；而在于当买家信任转移到你所在类别的 Agent 时，你或你的竞争对手是否已经做好了定位。
两个早期的“由 Agent 主导的增长”赢家
迄今为止，最清晰的证据来自开发者生态系统，AI Agent 在这里同时拥有信任和自主权。Vibe coding 工具——Bolt、Lovable、Cursor、Claude Code*——不仅仅是编写代码。它们可以为开发者做出基础设施决策。一个事实上的默认技术栈正在出现，不是通过销售流程或营销支出，而是通过 Agent 的选择。
Supabase 成为了许多 vibe coding 平台的默认后端，而这并非始于业务拓展，而是源于 Agent 的选择。这种优先位置使该公司在不到 12 个月的时间里从 100 万开发者增长到 450 万。其 CEO 直接将此归功于这一动态：“由于 Bolt、Lovable、Cursor，我们的注册率在三个月内翻了一番。” 估值也反映了这一势头，从 2024 年 9 月的 7.65 亿美元增长到 2025 年 10 月的 50 亿美元。
一个事实上的默认技术栈正在出现，不是通过销售流程或营销支出，而是通过 Agent 的选择。
为什么 Agent 会选择这些产品？
两者都有详尽的、机器可读的文档
两者都提供免费套餐，无需预算审批，并通过基于使用量的定价实现增长
两者都有简洁、可预测的 API，最大限度地减少了 Agent 需要做出的决策
两者都通过开源工作和社区发布在 LLM 训练数据中占有重要地位
这个模式是一致的：这些产品最大限度地减少了 Agent 为形成一个可信的推荐所必须做的工作。
有一个很有用的思考方式：token-to-value（令牌价值比）。一个 Agent 需要多少 token 才能确定你的产品解决了用户的需求，又需要多少 token 来实现它？这与 PLG 中的 time-to-value（价值实现时间）在机器可读层面是平行的。你文档中的空白、模糊的定价页面以及缺失的集成示例都会增加 token 的消耗。
根据我们的经验，Agent 越快得到一个可信的答案，并且如果被选中后越容易实现一个解决方案，该产品就越有可能进入默认选项集——而这些默认选项会迅速产生复利效应。
整个漏斗正在转变，而不仅仅是发现阶段
关于 AI 和 GTM 的大部分讨论都集中在发现阶段：生成式引擎优化（GEO）、答案引擎优化（AEO）、AI 搜索可见性，以及在 LLM 输出中被引用。GEO 是真实存在的、重要的，也是基本要求。但它仅仅是漏斗的顶端。
ALG 向下延伸的方式讨论较少，但可能影响更为深远。在评估阶段，Agent 可以自主编制功能矩阵、浏览文档和测试性能——通常在销售对话开始之前。研究表明，77% 的买家会购买他们通过 AI 了解后初步喜欢的那个产品。在许多情况下，在你的销售人员接到电话之前，Agent 就已经形成了自己的观点。
在决策阶段，销售人员的角色发生了变化。他们不再是创造需求——而是在确认或反驳一个已经形成的偏好。如果 Agent 的评估对你有利，销售人员的工作就是强化它。如果不利，他们就要进行一场补救性的对话。
在购买阶段，由 Agent 发起的交易已经在消费者的脑海中实现了。ChatGPT 的 Instant Checkout 是一个早期的实验。B2B 的应用也指日可待。
其速度之快令人震惊。使用 Claude Code 的开发者可以在不到五分钟的时间内从意识到问题到生产集成——Resend 只需要向你的 Agent 发出一个命令即可实现。在 Agent 媒介的世界里，漏斗并没有消失；它只是加速了。
现场观察这一动议的演变
下面的 gif 展示了一个真实的使用案例，一个开发者在 Claude Code 中，在不到四分钟的时间里，完成了从问题到实现的整个传统漏斗阶段。
WebMCP：新动议获得其基础设施
前面提到的 GTM 动议都需要其赋能基础设施。CRM 用于 SLG。产品分析用于 PLG。意图数据用于 ABX。
由 Agent 主导的增长现在正在获得其基础设施。
协议栈正在围绕四个层面形成。Anthropic 的模型上下文协议（MCP）使 Agent 能够连接到后端工具和数据。Google 的 Agent-to-Agent 协议（A2A）使 Agent 能够相互协调。Google 和 Stripe 的协议则支持由 Agent 发起的交易和支付。
但之前存在一个缺口。所有这些协议都在幕后运行——后端系统、API 层、服务器基础设施——对开发者来说很棒，但把其他所有人都排除在外了。浏览器，我们其他人与网络互动的地方，仍然是一个视觉媒介，Agent 必须笨拙地通过截图和猜测点击位置来导航。研究表明，三分之二用于 AI-Web 交互的计算资源都浪费在这种猜测上。
几周前，这个缺口被填补了。
2 月 12 日，Google 和 Microsoft 发布了 WebMCP——Web 模型上下文协议——作为一个开放标准。它已在 Chrome 146 中发布。它改变了网站和 AI Agent 之间的关系。
最简单的实现方式非常易于上手。你只需在你现有的表单中添加几个 HTML 属性——一个工具名称和一个描述——Chrome 就能将这些表单转换成一个 AI Agent 可以调用的结构化工具模式。无需后端更改。无需新基础设施。你现有的网站就能为 Agent 做好准备。
现在，在我们刚刚观察的漏斗背景下思考一下这个问题。
WebMCP 改变了买家旅程的每个阶段。Agent 现在可以通过你的网站以编程方式测试你的产品——运行搜索、导出数据、配置设置——将评估从供应商控制的演示转变为一个全天候、买家控制的测试。在购买阶段，它缩短了转化路径：Agent 直接完成交易，用户只需确认，而不是在推荐和行动之间需要多个人工步骤。
复利效应：正如我们所观察到的，随着时间的推移，发现你的工具可靠的 Agent 会优先推荐你，从而建立一个“机器信任”的护城河，这与品牌信任在人类世界中的运作方式类似。
行动手册：公司现在应该做什么
Y Combinator 曾开玩笑说要将其座右铭改为“构建 Agent 想要的东西”。“销售 Agent 可以购买的东西”似乎更切中要害。
Insight 的 GTM 领导者的专家分析指出了一套关于 Agent 如何学习和行动的一致原则。这个实用框架提炼出你的产品和 GTM 需要评估的三个属性，以便在 Agent 媒介的世界中获胜。
可发现
投资于 GEO 和 AEO。这是 AI 发现的基本要求，但它不是静态的。查询策略很重要，SEO 和 GEO 投资之间的平衡是 GTM 团队应该定期重新审视的一个现实问题。衡量成功的标准是，当 Agent 代表买家意识到问题时，是否会把你呈现出来。
可评估
将文档视为 GTM 资产，而不是支持功能。Agent 阅读的是文档，而不是宣传材料。Supabase 和 Resend 都投入巨资于开发者文档而非市场营销。在演示和销售对话中出现了哪些问题，而这些问题没有在你面向公众的材料中体现？这些问题正是 Agent 将会暴露出来的，而回答每一个问题都会为 Agent 增加 token 和计算量。
详细的功能文档、定价透明度和结构化的产品详情页面现在是进入市场技术栈的核心。具体的设计目标是最小化 token-to-value——即 Agent 从意识到问题到完成实施所需的 token 数量——而那些在由 Agent 主导的增长中取得成功的团队正在积极地对照这个目标审计他们的文档，而不仅仅是保持文档与版本号同步。
可行动
与工程部门协调，为关键转化路径——演示请求、试用注册、定价页面——添加 WebMCP 注释。试用套餐或基于使用量的定价消除了预算审批的需要，使得 Agent 可以在有限的人工批准下发起配置。坦诚地问自己：一个高级 Agent 今天会如何评估你的产品能力，它会遇到什么？答案往往能迅速暴露差距。
这些都不能取代优秀的营销人员和销售人员。这个行动手册最好作为一层叠加在连贯的人类 GTM 之上。Agent 会奖励一致性——在你的营销文案、文档展示和销售人员所说的话之间。此外，人际互动的风险也提高了。你的买家在漏斗中走得更远，并且更加珍视他们的时间。在 ALG 中获胜的团队将是那些把他们的 Agent 信息作为其现有定位延伸的团队。
赢得默认地位
94% 的 B2B 买家已经在他们的研究过程中使用 LLM。基础设施正在实时构建中。你不必让你的公司完全投入到一个完全由 Agent 驱动的流程中来利用这一转变，就像你可以实施一些 PLG 的最佳实践而无需成为 Dropbox 一样。考虑一下消除 Agent 评估和实施你的解决方案的障碍。如果你的竞争对手在你之前这样做，Agent 将会与他们的产品建立起一层熟悉和信任的护城河。
由 Agent 主导的增长是指 AI Agent 不仅仅帮助买家发现供应商——它们还代表买家进行评估、比较和交易。那些让自己对机器可见、可评估和可行动的公司，将会在 B2B 软件领域建立起下一代持久的优势。
悬而未决的问题不是 ALG 是否会重塑 B2B 的分销格局，而是哪些类别会首先被重组——以及每个类别当前的领导者是会适应并赢得他们的默认地位，还是会迅速被颠覆。
编者注：Insight 投资了 OpenAI、Anthropic、StackBlitz 和 6sense。
本文包含有关 AI 未来的前瞻性陈述和预测。这些陈述基于我们当前的预期和假设，实际结果可能与这些陈述中明示或暗示的结果存在重大差异。本文提供的信息仅供参考，不构成财务、投资或专业建议。本文不应被视为购买、出售或持有任何特定投资或证券的建议。对 AI 及相关技术的投资存在固有风险，过往表现并不预示未来结果。
Neal Behrend
高级副总裁
