4 истории Jeanne DeWitt Grosser (COO в Vercel, Stripe) о том, как AI меняет Go-To-Market.
1. Как Stripe пытался автоматизировать поиск клиентов ещё до появления AI. В 2017 Stripe решил запустить функцию активного поиска клиентов. Обычно для этого берут 30 SDR (продажников), но Stripe работал очень экономно, и Jeanne дали 4 человека. Чтобы компенсировать нехватку рук, команда придумала Project Rosalind – огромную базу всех возможных компаний с атрибутами: модель бизнеса, индустрия, нужды, структура.
Задача была амбициозная: генерировать персонализированные письма как шаблон с переменными – в зависимости от типа компании подставлять нужные аргументы, кейсы, ценностные предложения. Но без AI точности не хватало. Нужной персонализации достичь было невозможно. Идея была правильной, но технологии тогда ещё не позволяли.
Спустя годы в Vercel они сделали то же самое – но уже с работающими AI-агентами.
2. Как Vercel сократил команду из 10 SDR до 1 благодаря AI В Vercel Jeanne поставила задачу – научить агента работать как лучший SDR на входящих заявках. GTM (система вывода продукта на рынок включая маркетинг, продажи, поддержку и т.п.)-инженер пошёл простым, но гениальным путём: он полностью повторил рабочий процесс лучшего SDR: – что он изучает, – как ищет данные, – как решает, что лид “хороший”, – как формирует первое сообщение
Через 6 недель агент делал всё сам: – анализировал входящий лид – собирал данные о компании – формировал персонализированный ответ – предлагал следующий шаг Человек только нажимал “отправить”.
В итоге один SDR выполняет работу десяти. Остальных перенаправили на активный поиск клиентов, где человеческий фактор важнее.
Стоимость агента – около $1000 в год, Стоимость команды из 10 SDR – выше миллиона.
3. Как продажи в Vercel стали работать по спринтам. Vercel обновляет продукт так часто, что продажам сложно держаться в курсе. Чтобы не утонуть в хаосе, они сделали так: – AI-агент анализирует все звонки (через транскрипты Gong) и находит, где продавец неверно объяснил новую фичу, упустил аргумент, плохо обработал возражение, создавал клиенту путаницу. – Раз в неделю команда собирается и смотрит на это как на баг-репорты. – Следующая неделя – спринт по исправлению багов в продажах: обновляют демо, перерабатывают аргументы, тренируют формулировки.
Продажи превращаются в инженерный процесс – измеримый, предсказуемый и улучшаемый.
4. Build vs Buy: почему внутренние агенты оказываются сильнее покупных инструментов. Сейчас рынок завален AI-инструментами для продаж, но у них есть две проблемы: – Они решают только кусочки задачи. – Они не знают внутреннего контекста компании.
Внутренний агент же: – работает напрямую с вашей CRM, почтой, Slack – опирается на ваши данные – повторяет логику ваших лучших сотрудников – стоит копейки
Например, “агент анализа проигранных сделок” в Vercel был собран за два дня одним инженером. Теперь он сам находит истинные причины проигрышей – часто те, о которых команда даже не думала.
Исходники упомянутого AI агента. Исходное интервью с Jeanne.
