AI 营销正在经历一场深刻的变革。过去一年，AI 做营销最常见的用法还是写文案、出海报、改标题、做短视频脚本。但现在，真正的变化开始了——AI 开始往营销里最难、最费人、但又最影响结果的地方发起进攻：盯数据、跑测试、做筛选、调结果。
40 个 AI Agent 拆解营销工作流
Relay 创始人 Jacob Bank 分享了一个典型案例：他把一整套营销工作拆给了40 个 AI agents来跑。真正值得关注的不是"40 个"这个数字，而是这些 agent 接走的到底是什么活。
不是那种听起来很高级但落不到日常工作的"动脑子工作"，而是一堆原来每天都在发生、很碎、很杂、但又不能没人做的动作：
- 内容分发：新视频发出去之后，自动改写成 LinkedIn 帖子和 X 的内容
- 竞品监控：持续盯竞对创始人的社交平台动态
- 价格追踪：每周扫一遍竞品定价有没有变化
这个案例的核心价值在于：营销工作第一次可以被拆开，一条条单独拎出来，交给不同的 agent 去接。
以前一个市场同学，可能同时要写、要发、要看、要跟、要复盘。现在，这些动作可以被自动化分解。
AI 接走的，不只是"写"，还有"复盘"和"跟进"
在销售培训或销售复盘场景中，Jacob Bank 提到他们会把销售和客户的会议转录交给 AI，让系统分析：
- 销售在哪里太早开始 demo？
- 哪里问题没问透？
- 哪里价值没讲清楚？
这个动作以前不是不重要，而是太难高频做。真人销售教练贵，而且频率低；而 AI 的价值就在于，它能把这种原来高成本、低频率的复盘，变成一个可以低成本、反复跑的日常动作。
这背后其实是同一个变化：现在的 AI 不只是把东西做出来，而是继续向前，往更影响结果的地方推进：
- 一封邮件发完以后，值不值得再改一句？
- 一场会开完以后，哪些地方其实应该重讲？
- 一个销售动作结束以后，哪些环节该被复盘？
这些原来因为麻烦、不好做而被跳过的事，现在开始有系统盯着了。
更厉害的地方：自动测试
如果说 Relay 这一类案例，更多还是把营销动作拆开、自动执行，那现在更值得关注的一步，是AI 开始把"测试"这件事也接过去了。
这才是这波 AI agent 真正变重的地方。因为营销里真正难的，往往不是"做一个版本"，而是"连续试很多版本"：
| 测试类型 | 传统方式 | AI Agent 方式 |
|---|---|---|
| 推送分人群 | 手动分组，测试 1-2 版 | 自动分群，持续测试多版 |
| 广告素材 | 小流量试 1-2 轮 | 自动多轮测试，实时优化 |
| 落地页标题 | 凭经验拍一个版本 | A/B 测试 + 自动调优 |
| 投放策略 | 定期人工调整 | 根据反馈实时调整 |
这些事情，大家都知道重要。问题从来不是"不懂"，而是没时间、没人手、也没有足够低的成本，去把它们持续做下去。现在 AI agent 在做的，就是这些活。
OpenClaw：补上"持续在线"这一层
OpenClaw 这条线有意思的地方，不在于它是不是一个专门做 marketing 的工具，而在于它更像一个一直挂着的执行壳。
它可以接入 WhatsApp、Telegram、Slack、Discord、Teams、飞书、微信这些入口。也就是说，很多原来散落在不同地方的任务、消息、反馈和触发条件，现在第一次可以被接到同一个长期运行的系统里。
这个变化很重要。因为营销工作本来就不是在一个后台里完成的：
- 线索在群里
- 反馈在邮件里
- 讨论在协作工具里
- 竞品动态在社交平台上
- 实验结果又可能在表格和脚本里
如果 agent 只能"一次打开、一次运行、一次结束"，它就很难接住这些跨入口、跨时段、跨环节的动作。OpenClaw 的意义，就是让 agent 不再只是一个"你临时调用一下的工具"，而开始像一个常驻系统一样工作。
Autoresearch：补上"自动测试"这一层
在 OpenClaw 之外，autoresearch 这条线更值得看的，是它把"测试"本身也变成了一条可运行的流程。
Karpathy 在访谈中讲 autoresearch 时说得很直接：让 AI 自己改代码、跑训练、检查结果、决定保留还是丢弃，再继续下一轮。
openclaw-autoresearch 就是这样的逻辑：改代码 → 跑 benchmark → 看结果 → 决定继续还是放弃，整套循环会一直自动跑下去。
把这套逻辑翻译成 marketing 语言，就特别好懂了：
- 不是帮你写一版文案，而是写完以后继续看数据
- 不是给你做一张图，而是先拿去小流量测试
- 不是只做一次投放，而是根据反馈决定要继续放大、换素材，还是干脆换方向
这就是它真正厉害的地方：不是帮你干一件事，而是替你跑一轮又一轮的测试和试错，然后给出"最优解"。
营销正在从人工执行变成 24 小时运行的系统
所以，这篇文章真正要写的，不是"AI 很能干"，也不是"40 个 agent 很震撼"。是营销这件事，开始多出了一层。
以前很多优化动作，不是没人想到，而是做不过来：
- 一个落地页，理论上应该不断测标题、测首图、测按钮
- 一组广告，理论上应该先小流量测试，再筛选放大
- 一次推送，理论上应该拆人群、拆时段、拆内容
但现实里，大多数团队能做一轮就不错了，更多时候只能凭经验拍一个版本上线。
现在，AI agent 做的就是这些原来最难长期坚持、但又最影响结果的动作。
核心洞察：Relay 这类案例，让人看到营销这个工作本身可以怎么用 agent 拆和执行；OpenClaw + autoresearch，则把这件事再往前推了一步：持续执行、持续测试、持续筛选、持续调优。
说到底，marketing 这件事，正在从人工执行慢慢变成一套24 小时在跑的系统。
相关资源
Relay 案例：https://relay.app
OpenClaw：https://github.com/openclaw/openclaw
Karpathy 访谈：Karpathy 最新访谈：AI 不是在帮你写代码，它在逼你换一种工作方式