· AI Engineer World's Fair 2026
GTM engineering: технические основы
GTM Engineering: The Technical Bits — Everett Berry, Clay
Автоматизация GTM держится на инфраструктуре данных и синхронизации инструментов, а самая трудная часть — согласовать агентов с продажниками.
- Данные как виртуальная копия рынка — один провайдер не покрывает нужные данные, поэтому спикер опрашивает несколько источников по очереди и сопоставляет записи об одной компании из разных систем. Поля обновляют выборочно, потому что обновление платных данных дорого, а примеры в докладе взяты из Clay.
- Оркестрация как граф — узлы запускают агентов, tool calls, условную логику, код и map-reduce для разветвления данных. CRM и секвенсер синхронизируются независимо от оркестратора, поэтому приходится ждать готовности записи через циклы проверки.
- Долгоживущий агент на каждый аккаунт — агент большую часть времени спит и просыпается по триггеру или heartbeat. Поля, которые пишет агент, спикер советует отделять от полей, которые заполняют системы или люди.
- Выполнение рассылок — по данным спикера со ссылкой на Smartlead (около 20 миллионов писем), ответы на холодные письма составляют от 0,5 до 1%. Чтобы не портить репутацию основного домена, часто используют несколько доменов и маршрутизируют ответы обратно.
Кому полезно: тем, кто строит агентов для sales и маркетинга или сводит CRM, секвенсер и другие инструменты в одну систему.
Статья по теме
Главы
Похожие доклады
Создайте AI-агента для GTM, который знает покупателя ещё до первого сообщения
AI Engineer World's Fair 2026
Близко по содержанию
Как AI-агенты помогают GTM-командам масштабироваться
AI Engineer World's Fair 2026
Близко по содержанию
Создание GTM AI-агентов: уроки внедрения для 6 000 пользователей
AI Engineer World's Fair 2026
Близко по содержанию
AI в GTM в Notion
AI Engineer World's Fair 2026
Близко по содержанию

