确定性转变：Vercel 如何设计防泄漏的入站AI代理

多年来，营收运营负责人对生成式AI一直抱持着兴奋与怀疑并存的态度。尽管自动化销售线索生成的承诺极具吸引力，但将大型语言模型（LLM）部署到实际的市场推广（GTM）工作流程中，往往会导致不可预测的边缘情况、销售线索流失和品牌风险。然而，Vercel首席运营官Jeanne DeWitt Grosser最近分享的其入站销售代理架构的详细分析，为如何在不牺牲销售线索完整性的前提下运营AI提供了一堂大师课。

Vercel的方法与“即插即用”代理的炒作截然不同。该公司没有依赖庞大且昂贵的工程团队，而是仅用一名以20%工作量投入的GTM工程师构建了其入站代理。最初的提示语并非由软件工程师编写，而是由他们表现最佳的销售开发代表（SDR）精心制作，确保AI理解高意向买家的细微语境。

然而，真正的营收运营突破在于Vercel如何管理从概率模型到高度可预测的混合系统的转变。

最初，该系统运行在一个复杂的千行提示语上。但在经过六周严格的人工循环质量保证后，Vercel的团队意识到每位经验丰富的营收运营负责人最终都会学到的一个道理：非结构化提示语对于关键营收管道来说过于不稳定。团队将核心架构从原始提示语迁移开来，将工作流程编码为14条确定性规则。在这种新范式下，LLM仅用于定性判断——例如评估意图或对公司类型进行分类——而路由、数据丰富和顺序步骤则由严格的代码控制。

这种混合架构代表了营收运营工程的未来。通过将LLM限制在特定的、有界限的认知任务中，并用确定性护栏将其包裹起来，Vercel实现了一个可靠、可扩展的入站引擎。这证明了B2B SaaS中最成功的AI实施将不会是完全自主的黑盒代理，而是紧密编排的工作流程，其中代码决定过程，AI仅解决细微之处。对于寻求提高效率的营收运营团队来说，教训很明确：构建确定性管道，并将LLM用作智能阀门，而非管道本身。

图片：Aidan Tottori / Unsplash (https://unsplash.com/@atoto_photo)