AIのドルがどこに流れているかを見ると、その格差は歴然としています。ソフトウェア エンジニアリング チームは、ほぼ一夜にして独立系エージェントを雇用している一方で、営業、マーケティング、マーケティング (GTM) などの収益業務はほとんど追いついていません。

Claude でのコーディング、Cursor の構築、Vercel でのプロトタイピングに時間を費やしている CEO として、開発者がこれらのツールをすぐに採用した理由が理解できます。これらのツールは素晴らしいからです。しかし、他のリーダーと彼らの営業組織が比較的落ち着いていることについて話すと、彼らはしばしば間違った結論を導き出すことがわかります。

彼らは、大規模言語モデル (LLM) だけでは複雑なビジネスの動きを処理するには十分ではないと考えています。しかし、この診断は本当の障害を見逃しています。 GTM エージェントが苦戦している一方で、暗号化エージェントが繁栄している理由は、インテリジェンスの問題ではありません。これは文脈上の問​​題です。

コンテキストの罠: 象徴的なベースとビジネスの現実

このギャップを理解するには、これら 2 つのエージェントが存在する環境に注目する必要があります。暗号化エージェントはコード ベース上で実行されます。このコードベースは自己完結型で機械可読で、単一のリポジトリ内でアクセスできます。モデルが次のコード行を記述するコンテキストの各部分は、その前にあります。エージェントは、外部システムを参照したり、そのアーキテクチャについてサードパーティが何を考えているかを推測したりする必要はありません。

一方、市場開拓エージェントは断片的な現実に直面しています。実行可能なアカウント プランを構築するには、過去の会話履歴、購入者のプロフィール、リーダーシップの役割、資金調達サイクル、テクノロジー スタック、収益シグナル、および求人情報を総合する必要があります。

企業が通話、電子メール、CRM レコードにわたる内部データを一元管理しているとしても、そのファーストパーティ ビューは必要な全体像の一部にすぎません。何十年もの間、企業は営業担当者に CRM フィールドに詳細を入力させることでアカウントのコンテキストを把握していると考えていました。しかし、営業担当者が詳細な情報を入手することはめったになく、入ってくるものはすべて、収益リーダーが「幸せな耳」と呼ぶものによってフィルタリングされます。これは、営業担当者が見込み客とのやり取りを現実よりもはるかに好意的に解釈する自然な傾向です。

最も重要なことは、資金調達イベント、役員の異動、テクノロジースタックの変更などの重要な外部シグナルが完全に内部システムの外側に存在することです。この外部インテリジェンスがなければ、自律エージェントは盲目的に動作します。

ひどい性格の解離と解決

このコンテキスト ギャップを解決することは、外部データ ストリームを CRM に接続するほど簡単ではありません。まず、混乱した社内の現実に直面する必要があります。ほとんどの企業では、収益データが混乱しています。 CRM は、重複レコード、一貫性のないレコード、乱雑な命名規則によって常に破壊されます。単一の企業クライアントは、CRM では「Cisco」、通話トランスクリプトでは「Cisco WebEx」、アウトリーチ プラットフォーム内では「AppDynamics」として表示される場合があります。

AI エージェントが ID 解決のフレームワークを使用せずにこの細分化されたデータセットを検討しようとすると、必然的に誤った結論を導き出すことになります。ある機関から会話のメモを引き出し、別の機関から財務指標を使用し、完全に間違っている次善の行動方針を提供する可能性があります。

垂直 AI が法律業界などの分野でどのように成功したかをご覧ください。 Harvey や Legora のような特殊なプラットフォームは、一般的な LLM に依存しているだけではありません。彼らは、ドメイン固有の参照アーキテクチャと検証済みの正規コレクションに基づいてモデルを構築しています。 GTM AI にも同じ基盤が必要です。汎用モデルは、そのままでは B2B ビジネス ロジックを理解できません。実際の価値を生み出すには、エージェントを参照データの単一レイヤーに固定する必要があります。

インフラストラクチャ層の民主化

これまで、ファーストパーティとサードパーティのデータを統合するには、大規模なエンジニアリング チームと、複数の専門分野にまたがるカスタム実装が必要であり、IT は置き去りにされました。しかし、インテリジェンス層が成熟するにつれて、この力関係は進化します。柔軟な API とモデル コンテキスト (MCP) 統合を通じて基盤となるデータ アーキテクチャが公開されると、技術者ではないビジネス リーダーでも 1 日でカスタム AI ワークフローを構築できます。

最近、従業員 50 人の中規模企業の CEO と話をしました。API 統合に関する簡単な質問について連絡してきました。彼はソフトウェア エンジニアでも RevOps の開発者でもありませんでした。ただし、ZoomInfo API インフラストラクチャに接続されている Claude コードを使用します (GTM.ai）、チームの視点に合わせて特別に調整された特別な評価および強化プログラムを作成することができました。

数年前なら、ベンダーが作ったハード ソフトウェア インターフェイスに頼らなければならなかったでしょう。代わりに、彼はクロード内の単一のデータ層と直接対話して、チーム固有のビジネス ロジックを自動化しました。これは大規模な構造的変化を反映しています。つまり、数十万のユーザーが単一のインターフェイスにログインする従来のソフトウェア アプリケーションから、ライブ データに基づいてカスタマイズされた何百万もの自然なインターフェイスへの移行です。

Future AI GTM の創設者

結局のところ、私が他の収益リーダーに与えるアドバイスはいつも同じです。「洗練されたプレゼンテーションと実行可能な企業戦略を混同しないでください」です。現在、数十の軽量 AI 販売ツールは、その下に強固なデータ基盤がない洗練されたインターフェイスを構築しているために失敗しています。自律エージェントのインテリジェント性は、自律エージェントに情報を提供するコンテキスト層と同程度に限られます。断片化されたデータにエージェントを適用すると、毎回信頼性の低い結果が得られます。

市場における本当の鍵は、巧妙なマニュアルを作成したり、新しいソフトウェア パッケージを購入したりすることでは得られません。これは、内部システムを統合し、検証された外部インテリジェンスに固定し、エージェントに世界観を与えるという、アーキテクチャの基礎的な作業に取り組みます。エンタープライズ AI の可能性を受け入れるリーダーは、B2B の複雑さを魔法のように解決する基礎モデルを待っているわけではありません。彼らは、エージェントが提供する必要がある全体像を把握できるように、今日不可欠なコンテキスト レイヤーを構築することになります。

AIのドルがどこに流れているかを見ると、その格差は歴然としています。ソフトウェア エンジニアリング チームは、ほぼ一夜にして独立系エージェントを雇用している一方で、営業、マーケティング、マーケティング (GTM) などの収益業務はほとんど追いついていません。

Claude でのコーディング、Cursor の構築、Vercel でのプロトタイピングに時間を費やしている CEO として、開発者がこれらのツールをすぐに採用した理由が理解できます。これらのツールは素晴らしいからです。しかし、他のリーダーと彼らの営業組織が比較的落ち着いていることについて話すと、彼らはしばしば間違った結論を導き出すことがわかります。

彼らは、大規模言語モデル (LLM) だけでは複雑なビジネスの動きを処理するには十分ではないと考えています。しかし、この診断は本当の障害を見逃しています。 GTM エージェントが苦戦している一方で、暗号化エージェントが繁栄している理由は、インテリジェンスの問題ではありません。これは文脈上の問​​題です。