De afgelopen paar maanden heb ik een sales BDR (Business Development Representative) agent aan het bouwen geweest. In grotere softwarebedrijven wordt de verkoopfunctie meestal verdeeld in meerdere rollen, waarbij de BDR verantwoordelijk is voor outreach, opvolging en uiteindelijk het boeken van afspraken. Deze leads worden vervolgens overgedragen aan de accountmanagers, die het eigenlijke verkoopproces afhandelen.

In het bedrijf waar ik voor werk, hebben we slechts één verkoper die zowel de BDR- als de accountmanager-rollen vervult. Daarom hebben we besloten om een sales BDR-agent te bouwen om het hele proces, van het ontvangen van leads van Hubspot of Salesforce tot het boeken van afspraken, te beheren.

We hebben de verantwoordelijkheden van de BDR-agent onderverdeeld in verschillende taken:

1. Lead Research: Wanneer de agent een nieuwe lead ontvangt, moet hij onderzoek doen naar de prospect om hun bedrijf te begrijpen en een potentiële waardepropositie te identificeren.
2. Gepersonaliseerde Outreach: De agent moet op basis van het onderzoek een gepersonaliseerd bericht aan de prospect opstellen.
3. Opvolging: De agent moet de prospect opvolgen, omdat ze vaak niet onmiddellijk reageren.
4. Prospect Engagement: Als de prospect reageert, moet de agent in staat zijn om hun vragen te beantwoorden en de informatie in het CRM-systeem vast te leggen.
5. Afspraak Boeken: Ten slotte moet de agent in staat zijn om een afspraak met de prospect te boeken door de beschikbaarheid van het verkoopteam te controleren.

We realiseerden ons echter snel dat dit proces vrij complex is, en zelfs het bouwen van een agent die de inbox autonoom kan beheren en op e-mails kan reageren, is een uitdagende taak. Dit leidde tot een paradigmaverschuiving in mijn benadering van het bouwen van AI-agenten.

Initieel had ik me een "super agent" voorgesteld die meerdere taken zelfstandig kon uitvoeren. Maar naarmate ik meer agenten bouwde, realiseerde ik me dat een effectievere aanpak zou kunnen zijn om een team van gespecialiseerde agenten te hebben die samenwerken om de gewenste resultaten te leveren.

Deze aanpak heeft verschillende voordelen:

1. Eenvoudiger bij te werken: In plaats van het hele systeem te wijzigen, kunt u een specifieke agent bijwerken.
2. Samengestelde voordelen: De fundamentele capaciteiten, zoals het beantwoorden van vragen of het plannen van afspraken, kunnen worden hergebruikt voor verschillende functiegebieden zoals verkoop, marketing en ondersteuning.
3. Lagere bouwkosten: Door gemeenschappelijke capaciteiten te hergebruiken, worden de kosten voor het bouwen van nieuwe agenten aanzienlijk verlaagd.

In het geval van onze sales BDR-agent hebben we deze teamgerichte aanpak geïmplementeerd. De "manager agent" is verantwoordelijk voor het categoriseren en delegeren van taken aan verschillende sub-agenten, evenals het uitvoeren van belangrijke acties zoals het verzenden en ontvangen van e-mails, het maken van agendagebeurtenissen en het vastleggen van informatie in het CRM-systeem.

De sub-agenten omvatten:

1. Prospect Researcher: Deze agent heeft toegang tot verschillende databronnen (bijvoorbeeld Google, Apollo, LinkedIn) om de prospect te begrijpen en een waardepropositie te identificeren.
2. Inbox Manager: Deze agent is getraind op de bedrijfsgegevens om te reageren op eventuele vragen van de prospect.
3. Follow-up Agent: Deze agent is getraind op bewezen follow-up-schema's.

Wanneer de manager-agent een nieuwe lead van het CRM-systeem ontvangt, delegeert hij taken aan de sub-agenten, en zij werken samen om het volledige sales BDR-proces af te ronden.

Deze aanpak heeft al ongeveer 20% van de afspraken voor ons verkoopteam opgeleverd, en er zijn een paar interessante observaties die ik heb gemaakt over het adopteren van AI-medewerkers versus menselijke medewerkers:

1. Transparantie: Met AI-medewerkers kan ik altijd de stappen traceren die tot een beslissing hebben geleid, wat me in staat stelt gerichte aanpassingen aan de prompts en gedragingen van de agenten te maken.
2. Communicatiebarrières: In tegenstelling tot menselijke medewerkers hebben AI-agenten geen communicatiebarrières, omdat ze allemaal dezelfde "geheugen" of kennisbasis kunnen delen, waardoor het gemakkelijker is om hun capaciteiten op te schalen en te vergroten.