LangChainでは、すべてのアウトバウンドセールスは同じ方法で始まっていました。担当者がSalesforce、Gong、LinkedIn、企業ウェブサイトをタブ切り替えしながら調査し、最初の一言を書くまでに15分かかり、チームメイトが前日に連絡したかどうかも簡単には分かりませんでした。インバウンドフォローアップも、毎回同じメッセージを手動でApolloに入力する必要がありました。この問題を解決するために、エンドツーエンドのGTMエージェントを構築しました。
このエージェントは、Salesforceに新しいリードが表示されるとトリガーされ、連絡すべきかどうかを確認し、背景情報（会議履歴を含む）を収集し、Slackでドラフトを担当者に承認依頼します。Deep Agents上に構築されており、長時間実行されるマルチステップタスクに適しています。主な成果は印象的です。2025年12月から2026年3月にかけて、リードから有資格案件への転換率が250%向上し、パイプライン収益が3倍に増加しました。担当者は低意図リードへのフォローアップを97%増加させ、高意図リードは18%増加し、毎月40時間を節約、チーム全体で合計1320時間になりました。セールスチームの日次アクティブ使用率は50%、週次アクティブ使用率は86%です。
コードを書く前に、エージェントが満たすべき制約と成功基準を定義しました。目的は2つ：リードごとの調査とドラフト作成時間の削減、マーケティングインバウンドの転換率向上です。絶対条件は：人間がループ内にいること（担当者の承認なしにメールは送信しない）、連絡履歴の把握（重複連絡を避ける）。中核機能には、関係認識パーソナライゼーション（アカウントの状態に応じたドラフト）、説明可能性（担当者が重要な入力を確認し、エージェントの推論を理解できる）、学習ループ（担当者の編集から学習）が含まれます。すべての担当者のアクション（送信、編集、キャンセル）はLangSmithに記録され、品質評価に使用されます。
範囲が拡大し、エージェントはアカウントインテリジェンスも提供するようになりました。毎週月曜朝、SalesforceとBigQueryからデータを取得し、外部の資金調達、製品発表、AI動向をチェックします。セールスチームとデプロイエンジニアリングチーム向けにレポートをカスタマイズ。セールスレポートは製品使用、開発者エコシステム、ウェブ活動などのシグナルを集約し、拡大機会や競合動向を特定します。エンジニアリングレポートはアカウントの健全性に焦点を当て、製品使用、顧客通話のハイライト、更新日などを表示し、チームがタイムリーに対応できるようにします。
エージェントはDeep Agentsを使用したマルチステップオーケストレーションを採用。入力サイズや構造が大きく変わるため、Deep Agentsが大きなツール結果を自動的に仮想ファイルシステムにオフロードし、手動のトランケーションを回避。また、ネイティブの計画ツールを使用してチェックリスト（送信不可チェック→調査→ドラフト→理由→フォローアップ）を強制し、デバッグを容易に。LangSmithに接続し、最初から評価を設定してリグレッションをキャッチ。2つの重要なパターンはメモリとサブエージェント委任。メモリ：担当者がドラフトを編集すると、システムは元のバージョンと改訂版を比較し、スタイルの好みを抽出して保存。各担当者の好みが自動的に適用され、毎週圧縮されます。サブエージェント委任：アカウントインテリジェンスはコンパイルされたサブエージェントを介して実行され、各サブエージェントは制限されたツールセットと構造化出力スキーマを持ち、親エージェントがアカウントごとにサブエージェントを生成し、並列実行。LangSmith Deploymentが水平スケーリングを処理。
評価とフィードバック：プロダクションコードを書く前に、LangSmithで成功基準を定義。代表的なシナリオの評価セットを構築し、単純なものから複雑なものまでカバー。評価は2層：ルールベースのアサーションで基本をチェック、LLMジャッジがトーン、文字数、フォーマットを評価。両方ともCIの一部として実行。評価に加えて、すべてのSlackアクションを追跡し、実際の結果と関連付けて改善を推進。
エージェントは当初バックグラウンドプロセスとして実行されていましたが、後で構築した会話型Slackインターフェースが予想外に会社全体に広がりました。エンジニア、カスタマーサクセス、アカウントエグゼクティブが手動で検索することなく、製品使用状況、サポート履歴、Gongトランスクリプトを問い合わせるために使い始めました。これは、エージェントがデータアクセスを持っていれば、人々が最も簡単な経路を見つけることを示しています。