Vercel COO 讲解如何搭建自动化 Inbound 销售智能体
How to Automate Inbound
Vercel COO Jeanne DeWitt Grosser 在 Office Hours 访谈中讲解公司如何搭建运营销售漏斗顶端的 inbound 智能体：一名 GTM 工程师投入约 20% 时间，由最佳 SDR 写出约 125 行提示词，6 月启动、经 6 周 human-in-the-loop 质检后于 8 月撤出人工。
Vercel COO 亲述智能体从 1000 行提示词收敛为 14 条确定性规则的路径，为销售自动化提供了可迁移的工程模板。
简而言之：Vercel 首席运营官 Jeanne DeWitt Grosser 详细介绍了公司入站销售智能体的构建过程：一位 GTM 工程师投入 20% 的时间，由最优秀的 SDR 撰写提示词，经过六周的人工参与式质量保证，最终从 1000 行的提示词迁移到 14 条确定性规则，模型仅保留用于判断。
Vercel 首席运营官 Jeanne DeWitt Grosser 做客我的 Office Hours，详细介绍了她与团队如何真正构建出如今运行 Vercel 销售漏斗顶端的智能体。
一切始于一位工程师。
Vercel 成立了一个上市工程团队，并将这个问题交给一位工程师，他大约投入 20% 的时间来处理。智能体的第一版是一份约 125 行的提示词，由团队中最优秀的 SDR 撰写，编码了 Vercel 的资格认定规则。
“我们在六月启动，让最优秀的 SDR 持续参与人工审核，到八月就把人撤出来了。所以我认为最初成功的原因，是选择了一个相当确定性的问题，然后倾注我们所有独特的上下文，围绕如何让模型在 Vercel 的四面墙内行事。”
随后，这位 SDR 像管理一位新销售代表一样管理这个智能体。在第一阶段，智能体除了发送消息之外什么都做。它做调研、资格认定和起草。
“我几乎是用对待人工质量保证的方式来思考这件事。如果我是它的管理者，在教这个人做这份工作的过程中，我大概会读他/她最初一百封邮件的 100%。这就是我们在这个项目上的人工参与阶段。之后，我假设这个人现在已经基本胜任了。所以也许我会对他们每 100 次外联做一次简单的随机抽样。”
六周之后，积累的数据和改进已足以完成这项工作。工作重心从审阅大量帖子转向抽样少量帖子。
业务增长并演进。提示词也随之增长——达到 1000 行。
在接下来的一年里，Vercel 增加了产品覆盖范围，并向高端企业市场进军，吸引了更多样化的公司。
“模型实际上并不总是遵循提示词中嵌入的某些规则。而且，资格认定和销售中有很多东西实际上是相当确定性的。它其实就是一条规则。”
团队将提示词分为两部分：规则与判断。工程师编码规则，把需要判断的工作留给模型。
入站流程现在基于 14 条规则运行。当有线索进来时，系统会查询 Salesforce，以确定该客户是否存在未关闭的商机，如果有，则将其路由给客户主管。
“模型不应该有决定权，我们只是希望这件事发生。所以现在实际上，我们的入站流程有 14 条规则。我们真正只用模型来思考那些以前由人来思考的地方。”
这与我在 14 个生产环境智能体工作流中发现的模式相同，并写在了 Is AI Doing Less & Less? 一文中。这些工作流中 65% 的节点以纯代码运行，只有 14% 仍完全由智能体驱动。
由于规则是明确的，Vercel 运行了第二个智能体来监视违规情况。当系统违反 14 条规则中的某一条时，升级智能体会判定该违规是否本应发生，并修复它或批准该例外。
团队也发生了变化。SDR 团队全体获得晋升，转至外呼团队，跳过了惯常的一年等待期。
“人类的价值在于人与人之间的交流。因此，我能让越多的员工从电子邮件营销中走出来，重新回到对话中，我认为我们就能从 BDR 职能中获得越多的价值。”
Jeanne 为 inbound 的未来提供了迄今为止最清晰的模板：以每年约 1,000 美元的推理和基础设施成本，为一家独角兽公司运营整个职能。
获取下一封邮件至你的收件箱
用 1 分钟阅读，将技术数据转化为战略优势。
已有 150k+ 创始人和运营者阅读。
Theory Ventures 普通合伙人。前 Google 产品经理。分享关于 AI、web3 和风险投资的数据驱动洞察。
来源：Tomer Tunguz 博客 · tomtunguz.com