Vercel如何用AI自动化Inbound流程

Vercel COO Jeanne DeWitt Grosser 参加了我的 Office Hours 节目，来聊聊她和她团队是如何真正打造出那个现在负责 Vercel 销售漏斗顶端的 agent 的。

一切始于一名工程师。

Vercel 成立了一个市场推广工程团队，把这个问题交给了一名工程师，这名工程师大约花 20% 的时间在这件事上。第一个版本的 agent 是一个大约 125 行的 prompt，由团队里最优秀的 SDR 撰写，里面编码了 Vercel 的线索资质审核规则。

"我们六月启动，核心 SDR 全程参与、人工在环，到八月撤掉了人工。我觉得一开始做对的事情是，选择了一个相当确定性的问题，然后把所有我们独特的上下文都砸进去——怎么让模型在 Vercel 的规则框架内行事。"

然后 SDR 像带新人一样管理这个 agent。在第一阶段，agent 完成除了发送消息之外的所有工作：研究、资质审核、起草。

"我几乎是用类似人类 QA 的思路来想的。如果我是它的 manager，在他/她刚上手的时候我可能要看 100% 的前 100 封邮件。那就是我们人工在环的阶段。之后，我认为那个人已经基本能胜任了，可能就只做简单随机抽样，比如每 100 次外联抽 1 条来看。"

六周后，积累的数据和改进足以让整个流程跑完。工作重心从大量审核帖子变成了抽样几条。

业务在增长、在演进。prompt 也在演进——扩展到了 1000 行。

随后一年，Vercel 增加了产品覆盖面，并向企业级市场上探，引来了更多样化的公司。

"模型实际上并不总是会遵守嵌入在 prompt 里的一些规则。而且说到底，资质审核和销售里有很多事情其实相当确定性，就是一条规则。"

团队把 prompt 分成了两部分：规则和判断。工程师把规则编码进去，把需要判断的工作留给模型。

Inbound 现在运行在 14 条规则上。当一条线索进来时，系统会做一次 Salesforce 查询，判断该账户是否有未结商机，如果有就路由给对应的客户经理。

"模型不应该来决定这件事，我们就是想让这个流程自动发生。所以现在我们的 inbound 实际上是 14 条规则。我们只在需要像人类那样思考的地方才用模型。"

这和我在 14 个生产环境 agent 工作流里发现的模式一样，我在 Is AI Doing Less & Less? 这篇文章里写过。这些工作流里 65% 的节点是纯代码，只有 14% 保持完全 agentic。

因为规则是显式的，Vercel 运行了第二个 agent 来监控违规。当系统违反 14 条规则中的任意一条时，升级 agent 会判断这次违规是否应该发生，然后修复它或批准这个例外。

团队也变了。SDR 团队所有人都升职转去做 outbound，跳过了惯例的一年沉淀期。

"人类的价值在于和人类对话。所以我越能把大家从邮件营销里解放出来、让他们回到和人对话的状态，我觉得 BDR 职能发挥的价值就越大。"

Jeanne 为 inbound 的未来提供了迄今为止最清晰的模板——用一个独角兽公司跑整个职能，每年的推理和基础设施成本大约只要 1000 美元。

Apple Podcasts | YouTube