Databricks Agent Bricks : Ciblage d'offres de vente par IA
Pour les équipes de vente, une offre puissante n’est efficace que si sa livraison est précise. Dans les entreprises technologiques comme Databricks, la fourniture d’offres de crédit gratuites vise à intégrer de nouveaux clients ou à accélérer l’adoption existante. Pourtant, une question d’une simplicité trompeuse embourbe souvent les représentants commerciaux : quels comptes clients sont éligibles à ces offres, et lesquels devraient être priorisés pour le démarchage ?
Ce qui semble simple peut rapidement devenir une entreprise opaque et chronophage, nécessitant souvent plusieurs équipes. Le personnel de vente se retrouve fréquemment à trier une documentation volumineuse, à fouiller les canaux de communication internes et à enquêter manuellement sur les spécificités des comptes avec les équipes des opérations. Ce processus fastidieux crée des allers-retours inutiles, ralentit l’élan des ventes et retarde finalement la livraison d’offres précieuses aux clients. Même lorsque l’éligibilité est claire, discerner les prospects à plus fort impact pour la priorisation reste un défi.
Pour remédier à ce goulot d’étranglement interne, Databricks a tiré parti de sa propre plateforme “Agent Bricks”, conçue pour construire des agents IA sophistiqués sur les données d’entreprise. Le résultat a été un système multi-agents conçu pour fournir des conseils clairs et exploitables directement à sa force de vente. Remarquablement, cet outil complet a été développé en moins de deux jours par un stagiaire en Stratégie et Opérations Commerciales, soulignant la rapidité et la simplicité de la plateforme. Le système permet aux représentants commerciaux d’identifier rapidement les comptes clients qualifiés, de comprendre les raisons précises de toute inéligibilité et de classer les comptes éligibles pour se concentrer d’abord sur les prospects à plus fort impact.
Le cœur de cette solution réside dans le Superviseur Multi-Agents d’Agent Bricks, qui orchestre les activités de trois agents IA spécialisés. Tel un contrôleur de la circulation aérienne, le Superviseur délègue intelligemment des parties spécifiques d’une requête à l’agent approprié, puis assemble de manière transparente leurs réponses individuelles en une réponse unique et cohérente.
Le premier composant est un Agent de Détails d’Offre, alimenté par un Assistant de Connaissances. Cet agent est formé sur la documentation interne non structurée des offres, y compris les PDF et les diapositives, ce qui lui permet de comprendre en profondeur les règles complexes, les exigences d’éligibilité et l’ensemble du processus de démarchage et de livraison pour diverses offres. De manière cruciale, l’Assistant de Connaissances traite ces documents dans leur format natif, éliminant ainsi le besoin de tout travail de prétraitement ou d’intégration.
Vient ensuite l’Agent d’Éligibilité aux Offres, construit à l’aide d’un Génie AI/BI. Cet agent analyse les données structurées des comptes clients, gouvernées en toute sécurité au sein de Unity Catalog, pour déterminer non seulement quels clients sont éligibles à des offres spécifiques, mais aussi, et c’est tout aussi important, pourquoi d’autres ne le sont pas. Il peut identifier les critères d’éligibilité exacts qu’un compte ne remplit pas et même suggérer des étapes de suivi si un représentant commercial souhaite approfondir le dépannage. Pour faciliter cette analyse, les tables de données sous-jacentes sont méticuleusement structurées avec des colonnes pertinentes pour chaque critère d’éligibilité.
Enfin, un Agent de Priorisation des Comptes, également alimenté par un Génie AI/BI, examine les données structurées de mise sur le marché. Cet agent classe les comptes éligibles en tenant compte de facteurs tels que les données d’utilisation, les signaux de croissance et la pertinence globale de l’offre pour le client. Cela fournit aux équipes de vente une liste claire et priorisée, les dirigeant d’abord vers les contacts les plus prometteurs.
Ce système multi-agents innovant rationalise un processus de vente auparavant lourd, transformant les conjectures manuelles en une précision basée sur les données. La facilité avec laquelle une solution d’IA aussi sophistiquée a pu être construite directement sur les données clients existantes et la documentation des offres, sans nécessiter de recherches approfondies sur des architectures d’agents complexes ou l’engagement d’équipes techniques spécialisées, souligne un bond significatif en avant dans l’application de l’IA en entreprise.