Как один AI-сотрудник обошёл стек из 20 AI-агентов для продаж с CMO Vivun

Большинство go-to-market-команд за последние 18 месяцев покупали отдельного агента под каждую задачу. Gartner именно к этому и подталкивал: задача — агент, процесс — агент, действие продавца — агент. Так компании и поступили. Jarod Greene, CMO Vivun, говорит, что теперь они заходят в сделки и регулярно видят в одном sales org от 15 до 20 агентов, сшитых вместе.

Его выступление на SaaStr AI было о том, что эта куча агентов делает со сделкой. Издержки проявляются там, где больнее всего: на живом звонке.

Фрагментационный налог проявляется на живом звонке

Каждая передача между агентами теряет контекст и замедляет работу, а скорость — это всё. Самое очевидное место, где система ломается, — живой sales call. Менеджер получает сложный вопрос, и перед ним уже 20 агентов на выбор. Разные окна контекста, разный уровень точности, часть обновлена, часть устарела. Продавец должен выбрать один инструмент в реальном времени, пока покупатель ждёт.

Сейчас это важнее, чем раньше, потому что покупатели приходят подготовленными. Они уже провели исследование с помощью AI. От продавца им нужна только та информация, которую они не смогли найти сами. Поэтому когда продавец спотыкается или говорит «я вернусь к вам», сделка тихо умирает. По данным Greene, примерно 40% первых встреч заканчиваются без решения, обычно это потом записывают как «ghosted». Вы больше никогда не слышите от этого человека и решаете, что он пропал. Часто он пропадает потому, что продавец не смог ответить на один важный вопрос.

Почему агенты ломаются: третий hop

Каждому основателю, строящему решения поверх LLM, стоит понять этот момент. Foundation models отлично работают внутри одного окна контекста. Дайте модели стенограмму, документ или набор заметок по звонку — и она прекрасно суммирует, транскрибирует и рассуждает. Тут спорить не о чем.

Но реальный sales-вопрос почти никогда не сводится к одному контексту. За самим вопросом нужно понимать persona, buying cycle, сколько у человека власти, кто incumbent, кто конкурент, каково возражение под видимым возражением. Vivun называет каждую из этих связей «hop». Сложная B2B-сделка может иметь глубину 8, 10 и даже 20 hops. И их исследование показало, что foundation models начинают странно себя вести примерно после третьего hop. Отличный контекст один, два, может быть три раза. Потом в картину входит новая информация, и модель начинает дрейфовать, вести себя странно и галлюцинировать. Именно в этот момент в сделке с высокими ставками модель должна быть особенно точной — и именно в этот момент чаще всего разваливаются agent stacks.

LLM — это карта, а не мозг

Формулировка Greene такая: LLM — это карта, а не мозг. Она отлично разбирает язык на части. Но она не несёт в себе ваше sales reasoning. Она не знает ваш процесс, ваших людей, ваши платформы или вашу методологию. Именно этому вы годами учите лучших продавцов, а foundation models сами по себе этого не запоминают.

Это меняет весь вопрос про агенты. Проблема стека из 20 агентов не в том, что какой-то один агент плох. Проблема в том, что ни один агент не видит полную картину, а передачи между ними и есть то место, где сделка протекает. Один AI-teammate, который несёт sales reasoning, выигрышные паттерны, извлечённые из миллионов CRM-взаимодействий, и ваш собственный контекст, может удерживать нить через все 20 hops. Двадцать разрозненных агентов — нет.

Что заменяет один AI-сотрудник

Более широкая идея — enablement. Раньше всё сводилось к тому, чтобы сесть рядом с лучшим продавцом, изучить, что он делает, и затем подтянуть под это остальную команду. Так происходило целое десятилетие. Около 90% обучения sales methodology забывается, если его не применить в первые две недели. Компании тратят миллионы на поставщиков методологий и наблюдают, как большая часть этой пользы испаряется.

Если вместо этого отдать методологию одному AI-teammate, он будет хранить её постоянно и в нужный момент напоминать продавцу, что делать, что знать, что говорить и что показывать. Добавьте к этому требование, чтобы такой teammate нормально интегрировался с CRM, инструментами совместной работы и conversational intelligence, за которые вы уже заплатили, — и вы перестаёте покупать point agents и начинаете консолидировать стек.

Цифры, которые подтверждают тезис

Greene опирался на прогнозы Gartner для организаций, которые внедряют AI sales teammates — как ride-along agents или AI sales engineers. Sales cycles сокращаются, потому что продавец перестаёт говорить «let me get back to you». Примерно на 40% меньше времени уходит на product-specific training, потому что teammate становится экспертом по продукту, а продавец может продавать. И значительно сокращается ramp: вместо восьми месяцев до первой сделки — два, или вместо восьми недель — тоже два.

Затем — данные его клиентов. Power users Vivun сообщили о снижении времени продаж на 50%, а также о более высоких win rates и более крупных сделках. Позиция, если сказать прямо: один teammate, один intelligence layer, одна платформа — а не 20 агентов.

Перестаньте добавлять 21-го агента

Желание купить агента под каждую задачу казалось ответственным. Это выглядело как прогресс. Но фрагментационный налог реален, и ваши клиенты чувствуют его на звонках, которые решают квартал. Если ваш AI GTM roadmap по-прежнему выглядит как список отдельных агентов, вы накапливаете передачи, устаревший контекст и дрейф после третьего hop, который и убивает сделки.

Правильный ход — консолидация. Один teammate, который несёт reasoning, context и methodology через всю сделку, поверх уже существующего стека. Покупать ли именно Vivun — не так важно; важна сама архитектура. Компании, которые всё ещё добавляют своего 21-го агента, решают проблему прошлого года.

Главные выводы

Стек из 20 агентов создаёт фрагментационный налог. Покупка агента под каждую отдельную задачу означает, что при каждой передаче теряется контекст и сделка замедляется, а покупатели чувствуют это на звонках, которые решают квартал.

Издержки проявляются на живом звонке. Когда есть 20 агентов на выбор, продавец не может быстро найти правильный ответ, а примерно 40% первых встреч и так заканчиваются без решения, обычно помечаются как «ghosted».

Модели начинают дрейфовать примерно после третьего hop. Foundation models хорошо держат один контекст, но сложная B2B-сделка уходит на 8–20 hops в глубину через persona, власть, incumbent и возражение под возражением, и после третьего hop модель начинает сбоить.

LLM — это карта, а не мозг. Она разбирает язык, но не несёт ваше sales reasoning, process, people или methodology. Ни один отдельный агент в стеке не держит полную картину, и именно там протекает сделка.

На цифрах выигрывает консолидация. Один teammate, который удерживает reasoning и methodology, лучше 20 разрозненных агентов: Gartner прогнозирует примерно на 40% меньше времени на product training и сокращение ramp с восьми месяцев до двух, а power users Vivun сообщают о снижении времени продаж на 50% при более высоких win rates и более крупных сделках.

Материал — перевод статьи с английского.

Оригинал: How One AI Teammate Beat a Stack of 20 AI Sales Agents With Vivun’s CMO