Vercel COO 讲解如何用 Agent 自动化 Inbound 销售

Vercel 的 COO Jeanne DeWitt Grosser 做客我的 Office Hours，详细讲述了她和她的团队是如何真正构建出那个如今负责 Vercel 销售漏斗顶端的智能体的。

这一切始于一名工程师。

Vercel 成立了一个 go-to-market 工程团队，并把这个问题交给了一名工程师，他大约投入 20% 的时间来处理它。这个智能体的第一个版本是一个约 125 行的提示词，由团队里最优秀的 SDR 编写，编码了 Vercel 的资格认定规则。

“我们在 6 月启动，让最优秀的 SDR 保持人工介入，到 8 月就把人撤出来了。所以我认为最初成功的原因，就是选了一个相当确定性的问题，然后把我们所有独特的上下文都投入进去，思考如何让模型在 Vercel 的四面墙内表现。”

然后 SDR 像管理一名新销售代表一样管理这个智能体。在第一阶段，除了发送消息之外，智能体什么都做。它做调研、做资格认定、起草内容。

“我几乎会把它想象成人类 QA。如果我是它的经理，在教这个人做这份工作时，我可能会读他前一百封邮件的 100%。这就是我们在这个阶段的人工介入环节。之后，我假设这个人现在已经基本胜任了。所以也许我会做一个简单的随机抽样，比如每 100 次外联抽 1 次。”

这样做了六周，产生了足够的数据和改进，从而完成了这项工作。工作重心不再是审查大量帖子，而是转向抽样检查少数几个。

业务增长并演变。提示词也是如此——变成了 1000 行。

在接下来的一年里，Vercel 增加了产品覆盖面，并向高端市场进军，进入企业级市场，吸引了更多样化的公司。

“模型实际上并不总是会遵循提示词中嵌入的一些规则。而且，资格认定和销售中有很多事其实相当确定性。这真的就是规则。”

团队把提示词分成两部分：规则和判断。工程师编码规则，把需要判断的工作留给模型。

现在 inbound 由 14 条规则驱动。当一条线索进来时，系统会查询 Salesforce，判断该账户是否存在未关闭的商机，如果有，就将其路由给客户主管。

“模型不应该有权决定，我们只是希望这件事发生。所以现在，我们的 inbound 实际上是 14 条规则。我们真的只在需要像以前人类那样思考的地方才使用模型。”

这与我在 14 个生产级智能体工作流中发现的模式相同，并写在 Is AI Doing Less & Less? 中。这些工作流中 65% 的节点以纯代码运行，只有 14% 保持完全智能体化。

因为规则是明确的，Vercel 运行了第二个智能体来监视违规行为。当系统违反 14 条规则中的某一条时，升级智能体会判断这次违规是否本应发生，并修复它或批准这个例外。

团队也变了。SDR 团队全部获得晋升，转到 outbound，跳过了通常需要的一年。

“人类的价值在于与人交谈。所以，我能让越多人从邮件营销中脱离出来、回到对话中，我认为 BDR 职能就能创造越多价值。”

Jeanne 提供了迄今为止关于 inbound 未来最清晰的模板：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行整个职能。