جیسون لیمکین راند اولویت سرمایه‌گذاری با سرمایه‌ی اولیه در استارت‌آپ Unicorn Owner. com، پلتفرم مبتنی بر هوش مصنوعی که نحوه‌ی عمل‌کرد رستوران‌های کوچک را تغییر می‌دهد، رهبری کرد. کیل نارتون به زودی پیوست و پس از شروع کند، شرکت را در عرض چند سال به تقریباً ۱۰۰ میلیون دلار درآمد عملیاتی سالانه (ARR) رساند، با رشدی سریع در مقیاس‌پذیری. هر دو، جیسون و کیل، بینش‌ها و تجربیات خود را در زمینه پیاده‌سازی عوامل هوش مصنوعی به طور علنی به اشتراک گذاشته‌اند، در حالی که کیل اکنون تیم فروش بیش از ۱۰۰ نفر را که توسط هوش مصنوعی تقویت شده است، نظارت می‌کند، در حالی که جیسون و آملیا در SaaStr بیش از ۲۰ عامل هوش مصنوعی را مدیریت می‌کنند. **ده نکته برتر:** ۱. عوامل هوش مصنوعی از میانگین نمایندگان فروش (AEs/SDRs) بهتر عمل می‌کنند، اما نه بهتر از بهترین‌ها؛ این مفهوم ساختارهای تیم GTM را به طور بنیادی تغییر می‌دهد. ۲. اولین عامل هوش مصنوعی که مستقر می‌کنید باید شخصاً توسط CRO یا CMO آموزش و مدیریت شود—آژانس‌ها یا مشاوران کارساز نیستند؛ حدود ۳۰ روز کار بی‌وقفه نیاز دارد. ۳. بر روی یک یا دو ابزار تمرکز عمیق داشته باشید، به جای مدیریت چندین فروشنده؛ یک راه‌حل ثابت و یک استارت‌آپ را برای مقایسه انتخاب کنید. ۴. Salesforce هنوز هم نقش حیاتی خود را به عنوان مرکز اصلی برای چندین عامل هوش مصنوعی مستقل که داده‌ها و بینش‌ها را به اشتراک می‌گذارند حفظ می‌کند. ۵. «میان‌راه» رشد متوسط در حال ناپدید شدن است—یا سریعاً مقیاس دهید (ده برابر) یا با رشد آهسته‌تر (۱۵-۲۰٪) آرام باشید. ۶. با مهندسان توسعه‌دهنده پیشروی در تیم‌های فروشنده صحبت کنید تا استقرار هماهنگ باشد، زیرا صرفاً ویژگی‌ها تضمین موفقیت نمی‌کنند. ۷. آموزش هر عامل به مدت ۳۰ روز بسیار حیاتی است؛ نادیده گرفتن آموزش باعث شکست در هوش مصنوعی می‌شود. ۸. قبل از هر چیز، مشکل‌ترین بخش‌های مسیر مشتری را با استفاده از هوش مصنوعی حل کنید—وب‌سایت خود را در حالت ناشناس بررسی کنید و مشکلاتی که مشتریان را ناراضی می‌کند، رفع کنید. ۹. تیم‌های فروش تقویت‌شده با هوش مصنوعی حدود سه برابر بهره‌وری هر نماینده هستند، که منجر به اهداف بالا و رشد می‌شود، نه کاهش استخدام‌ها. ۱۰. SDRهای نخبه که به‌درستی هوش مصنوعی را مدیریت می‌کنند، حقوقی ۲ تا ۳ برابر بالاتر دریافت خواهند کرد و انتظار می‌رود ده‌برابر بیشتر از خروجی بهره‌مند شوند. **پیش‌زمینه:** تحول AI در SaaStr با خشم از هزینه‌های بالا برای نمایندگان فروش که بدون اطلاع از رویدادهای مهم کنار می‌کشیدند، آغاز شد، و منجر به تمرکز بر عوامل هوش مصنوعی شد. شروع این روند در مه‌ ۲۰۲۳، و اکنون SaaStr بیش از ۲۰ عامل هوش مصنوعی دارد که بیش از ۱ میلیون دلار درآمد تولید می‌کنند، با عملکرد بهتر نسبت به نمایندگان میان‌رده.

نتیجه آن: نقش‌های GTM متوسط در حال نابودی هستند، مگر آنها مهارت‌های خود را با AI بالا ببرند. **وضعیت کنونی:** هوش مصنوعی هنوز در مراحل اولیه GTM است—امروز «شخصی‌سازی فوق‌حرفه‌ای» در ارتباطات تنها شامل محتوای پویا و کم است، اما در آینده، هوش مصنوعی از داده‌ها و تعاملات کامل مشتریان بهره‌مند می‌شود تا ارتباطات بسیار مؤثرتر و شبیه بهترین تلاش‌های انسانی بسازد. شکست‌های اولیه SDRهای هوش مصنوعی به دلیل عدم بلوغ مدل‌های زبانی بزرگ (LLMs) بود؛ اکنون سیستم‌های پایدار هستند و شکست‌ها عمدتاً از نبود آموزش مناسب ناشی می‌شود. **قانون ۳۰ روزه:** استقرار یک عامل هوش مصنوعی شامل سه مرحله است که در طول ۳۰ روز انجام می‌شود: - روزهای ۱-۷: وارد کردن داده‌ها و ساخت نمونه‌های خروجی، - روزهای ۸-۲۱: بازبینی روزانه و اصلاح، - روزهای ۲۲-۳۰: آماده‌سازی برای تولید با حداقل خطاها. نادیده گرفتن این روند منجر به عملکرد ضعیف می‌شود که اشتباهاً به هوش مصنوعی نسبت داده می‌شود. **راهنمایی اجرایی:** CROها و CMOها باید شخصاً مسئول استقرار هوش مصنوعی باشند تا از تغییرات سریع غافل نشوند—دیگر نمی‌توان به آژانس‌ها یا مشاوران برای استقرار زودهنگام تکیه کرد. مدیران باتجربه خود قبل از واگذاری، عامل‌ها را آموزش داده‌اند. **انتخاب فروشنده:** ابتدا یک مشکل خاص (مثلاً هوش مصنوعی برای SDR، RevOps) را هدف قرار دهید. پیش از امضای قرارداد، حتماً مستقیماً با مهندس توسعه‌دهنده پیشرو صحبت کنید. بودجه‌ی حدود ۵۰ تا ۱۰۰ هزار دلار برای اولین استقرار در نظر بگیرید، و بر ROI تمرکز کنید، نه صرفه‌جویی در تعداد کارکنان. ارزیابی بیش از حد فروشندگان را انجام ندهید؛ داشتن دو گزینه با کیفیت کافی است. **هوش مصنوعی در داخل صفحه:** برنده‌های سریع از پشتیبانی مبتنی بر هوش مصنوعی بهره‌مند می‌شوند که امکان ارتباط فوری و باکیفیت با مشتریان آینده را فراهم می‌کند، و اصطکاک در فرآیندهای تشخیص صلاحیت و تأخیر در چرخه فروش را کاهش می‌دهد—که روندهای legacy در محیط امروز قادر به انجام آن نیستند. **نقش Salesforce:** Salesforce نقش هاب داده‌ها را دارد، جایی که چندین عامل هوش مصنوعی داده‌ها را تغذیه می‌کنند، تعارض‌ها را حل می‌کنند و یکپارچه‌سازی‌ها را روان‌تر می‌سازند. گرچه AgentForce نیازمند پیکربندی بیشتر است، اما ادغام عمیق آن با Salesforce اغلب مزیت رقابتی است. **تاثیر بر بهره‌وری:** در حالی که هوش مصنوعی می‌تواند بهره‌وری نماینده را تا سه برابر افزایش دهد، اما به دلیل نیازهای رشد شدید و کمبود استعداد، نیروی کار کاهش نمی‌یابد. نمایندگان برجسته که هوش مصنوعی را به‌درستی مدیریت می‌کنند، دستمزدهای بسیار بالاتری دریافت خواهند کرد اما باید خروجی متنابهی ارائه دهند. **واقعیت‌های بازار:** منطقه رشد «طلایی‌قورباغه» (سه‌برابر، سپس دوبرابر، سپس دوبرابر دیگر) که روزگاری نیمی از سرمایه‌گذاران خطرپذیر را جذب می‌کرد، اکنون فقط حدود ۱۰٪ را جذب می‌کند. بنیان‌گذاران باید سرمایه را تحت فشار قرار دهند، جذب استعدادهای سخت‌تر است و باید از ابزارهای AI مانند saastr. ai/aivc برای ارزیابی قابلیت جذب سرمایه استفاده کنند. **انتخاب مسیر:** یک شاخه واضح وجود دارد— - تلاش بی‌وقفه برای دستیابی به رشد فوق‌العاده با تلاش شدید همان‌طور که کیل نارتون و جیسون لیمکین نمونه‌هایی از آن هستند، - یا پیوستن به شرکت‌های با رشد آهسته‌تر با مسیر پایدارتر و معایب زندگی کاری کمتر. در حال حاضر، حالت «میان‌راه» در SaaS GTM بیشتر وجود ندارد. **پنج اشتباه اجرایی برتر با عوامل هوش مصنوعی GTM:** ۱. بیش‌ازحد مقایسه فروشندگان—فقط دو عامل را عمیق آموزش دهید. ۲. برون‌سپاری استقرار هوش مصنوعی به جای مدیریت داخلی آن. ۳. خرید ابزار بدون تعهد به آموزش ضروری ۳۰ روزه. ۴. امضای قرارداد بدون تماس مستقیم با مهندس توسعه‌دهنده. ۵. واگذاری ابزارهای هوش مصنوعی به صورت جداگانه به نمایندگان بدون مدیریت متمرکز. **نقل‌قول‌های مهم:** - جیسون لیمکین تأکید می‌کند: «دیگر حاضر نیستم یک SDR با حقوق ۱۵۰ هزار دلار در سال برای کار متوسط بگیرم و او را از دست بدهم» و بر ضرورت اینکه رهبران خود «لبه‌های کار را بزنند» در حوزه هوش مصنوعی تأکید دارد، وگرنه منقرض می‌شوند. - کیل نارتون بر «سه‌برابر کردن درآمد ثبت‌شده در هر دلار صرف‌شده برای هر AE» با هوش مصنوعی تأکید می‌کند، علاوه بر اینکه استقرار سریع و تلاش شخصی شدید در کنار مزایا قرار دارد. در مجموع، عوامل هوش مصنوعی در حال تغییر استراتژی‌های GTM B2B هستند، و نیازمند مشارکت فعالانه رهبر، آموزش دقیق، انتخاب هوشمندانه فروشنده، و پذیرش اینکه رشد سریع نیازمند تلاش بی‌وقفه و سازگاری است. فرصت‌ها بی‌نهایت است—اما چالش‌ها نیز همین اندازه بزرگ هستند.