Apollo が Deep Agents と LangSmith を活用してGTM AIを構築する方法

Apolloは、見込み客の発掘からコンタクト情報の充実、アウトリーチシーケンス、取引管理、分析までをカバーする完全な営業サイクルプラットフォームです。製品モジュールが多すぎてユーザーが圧倒されるという問題を解決するため、ApolloはDeep Agentsを基盤にAIアシスタントを再構築し、LangSmithをトレーシング、評価、可観測性に利用しています。

当初、ApolloのマルチエージェントシステムはLangGraphを用いたスーパーバイザー型アーキテクチャで構築され、プライマリエージェントが特殊なサブエージェントにタスクをルーティングしていました。このアーキテクチャは有効でしたが、新しいユースケースごとにサブエージェントを記述し、スーパーバイザーに組み込む必要があり、開発効率が低く、ユーザーは頻繁な確認プロンプトに直面しました。

評価の結果、ApolloはAnthropicのClaude Agent SDKではなくDeep Agentsを選択しました。その理由は、Deep AgentsがマルチベンダーのLLMをサポートし、単一モデルにロックインされないためです。新しいアーキテクチャでは、ユーザーの目標に基づいて動的に選択されるスキルライブラリによってアシスタントが駆動され、エージェントは独自に計画を立案し実行します。現在のスキルには、見込み客の発掘、シーケンス作成、リサーチ、デリバラビリティ、分析、アカウントスコアリング、インテントシグナル検出などが含まれます。

新しいアーキテクチャにより、レイテンシが改善され、確認プロンプトの数が大幅に減少しました。また、開発サイクルも短縮され、Apolloチームは内部メタスキルを構築し、問題文からアーキテクチャ計画を生成、上級エンジニアがレビュー、別のエージェントがビルドを実行することで、初期開発からローンチまでの作業が約80-85%削減されました。

可観測性に関しては、ApolloはLangSmith上に6層の評価フレームワーク「AI Watchtower」を構築しました。品質次元、エンドツーエンド品質テスト、ライブトレース、ライブインサイト、パルスレポート、顧客フィードバックの各層から構成され、リリース前の厳格な評価と本番環境での迅速な問題特定を可能にします。

AIアシスタントは当初UI内蔵の機能でしたが、現在はヘッドレスエージェントとして拡張され、APIおよびMCPサーバーを介してClaude、ChatGPT、Perplexity、Apollo CLIで利用可能です。4万以上のチームがApollo MCPを利用しており、APIを利用する50万チームに急速に迫っています。

今後、Apolloはスキルライブラリの深度と幅を拡大し、自律エージェント機能の開発を計画しています。ユーザーはSlackなどのツールからスケジュールタスクやバックグラウンドプロセスを設定でき、例えば毎朝トップ50のICP一致リードを自動取得できます。ApolloはAIアシスタントをユーザーの日常ツールに溶け込む「同僚」として位置づけたいと考えています。