Nell'ultimo periodo, ho costruito un agente BDR (Business Development Representative) per le vendite. Nelle grandi aziende software, la funzione di vendita è tipicamente divisa in più ruoli, con il BDR responsabile dell'outreach, del follow-up e infine della prenotazione degli appuntamenti. Questi lead vengono quindi trasferiti agli account executive, che gestiscono il vero processo di vendita.

Nell'azienda per cui lavoro, abbiamo un solo addetto alle vendite che gestisce sia il ruolo di BDR che quello di account executive. Per questo motivo abbiamo deciso di costruire un agente BDR per le vendite in grado di gestire l'intero processo, dalla ricezione dei lead da Hubspot o Salesforce alla prenotazione degli appuntamenti.

Abbiamo suddiviso le responsabilità dell'agente BDR in diversi compiti:

1. Ricerca dei lead: Quando l'agente riceve un nuovo lead, deve ricercare il prospect per comprendere il suo business e identificare una potenziale proposta di valore.
2. Outreach personalizzato: L'agente deve redigere un messaggio personalizzato per il prospect in base alla ricerca effettuata.
3. Follow-up: L'agente deve effettuare il follow-up con il prospect, poiché spesso non rispondono immediatamente.
4. Coinvolgimento del prospect: Se il prospect risponde, l'agente deve essere in grado di rispondere alle sue domande e registrare le informazioni nel CRM.
5. Prenotazione degli appuntamenti: Infine, l'agente deve essere in grado di prenotare un appuntamento con il prospect verificando la disponibilità del team di vendita.

Tuttavia, ci siamo rapidamente resi conto che questo processo è abbastanza complesso e anche la costruzione di un agente in grado di gestire autonomamente la posta in arrivo e rispondere alle e-mail è un compito impegnativo. Questo ha portato a un cambiamento di paradigma nel mio approccio alla costruzione di agenti AI.

Initialmente, avevo immaginato un "super agente" in grado di gestire più compiti autonomamente. Ma man mano che costruivo più agenti, mi sono reso conto che un approccio più efficace potrebbe essere quello di avere un team di agenti specializzati che lavorano insieme per ottenere i risultati desiderati.

Questo approccio presenta diversi vantaggi:

1. Più facile da aggiornare: Invece di modificare l'intero sistema, è possibile aggiornare un agente specifico.
2. Benefici cumulativi: Le capacità fondamentali, come rispondere alle domande o programmare gli appuntamenti, possono essere riutilizzate in diverse funzioni come vendite, marketing e assistenza.
3. Costi di costruzione ridotti: Riutilizzando le capacità comuni, il costo di costruzione di nuovi agenti è notevolmente ridotto.

Nel caso del nostro agente BDR per le vendite, abbiamo implementato questo approccio basato su un team. L'"agente manager" è responsabile della categorizzazione e della delega dei compiti ai diversi sub-agenti, nonché del completamento di azioni chiave come l'invio e la ricezione di e-mail, la creazione di eventi di calendario e la registrazione delle informazioni nel CRM.

I sub-agenti includono:

1. Ricercatore di prospect: Questo agente ha accesso a varie fonti di dati (ad esempio Google, Apollo, LinkedIn) per comprendere il prospect e identificare una proposta di valore.
2. Gestore della posta in arrivo: Questo agente è addestrato sui dati dell'azienda per rispondere a qualsiasi domanda che il prospect potrebbe avere.
3. Agente di follow-up: Questo agente è stato addestrato su cadenze di follow-up comprovate.

Quando l'agente manager riceve un nuovo lead dal CRM, delega i compiti ai sub-agenti e lavorano insieme per completare l'intero processo BDR per le vendite.

Questo approccio ha già fornito circa il 20% degli appuntamenti al nostro team di vendita, e ho fatto alcune osservazioni interessanti sull'adozione di dipendenti AI rispetto a dipendenti umani:

1. Trasparenza: Con i dipendenti AI, posso sempre risalire ai passaggi che hanno portato a una decisione, il che mi consente di apportare modifiche mirate alle istruzioni e ai comportamenti degli agenti.
2. Barriere di comunicazione: A differenza dei dipendenti umani, gli agenti AI non hanno barriere di comunicazione, in quanto possono condividere la stessa "memoria" o base di conoscenza, rendendo più facile la scalabilità e l'accumulo delle loro capacità.