Perché il fallimento degli AI SDR nasce sotto il pulsante di invio
Nell'ultimo anno i vendor di AI SDR autonomi sono stati criticati pubblicamente per ARR gonfiato e churn dei clienti. Non entrerò nel merito di un singolo vendor, anche perché non posso vederne i conti. Posso però parlare del pattern, perché lo vediamo ripetersi anche dal lato di chi acquista.
Gli agenti inviano. Inviano tanto, in fretta, e con una prosa decente. L'invio non è mai stata la parte difficile. Il fallimento degli AI SDR avviene nell'operating layer: le definizioni di pipeline, i feedback loop del CRM e la logica di squalifica che dicono a un agente che cosa sia un buon risultato. Senza questi elementi, l'agente ottimizza l'unica cosa che riesce a vedere, cioè l'attività.
L'idea di questo articolo è quindi dare un nome a queste tre componenti, mostrare un esempio di come ciascuna si rompe e dire che cosa farei io. Un livello strategico, non un how-to. La parte di implementazione è quella in cui conviene avere qualcuno al vostro fianco.
Che cos'è l'operating layer sotto un AI SDR?
L'operating layer è l'insieme di regole e dati costruiti dalle persone che decidono che cos'è un lead, che cos'è un meeting e che cos'è un vicolo cieco. Lo chiamo underlay. Un agente SDR vive sopra di esso.
Le componenti sono tre:
- Definizioni di pipeline: che cosa conta come meeting qualificato, come opportunità, come cambio di stage.
- Il feedback loop del CRM: come i risultati tornano indietro, così che l'agente impari che cosa ha funzionato.
- Logica di squalifica: le regole su chi non viene mai contattato, o viene rimosso dopo il primo segnale.
Un SDR umano se la cava con un underlay sottile perché una persona assorbe le parti mancanti negli standup, nelle deal review, nei corridoi. Un agente non ha corridoi.
Definizioni di pipeline: l'agente raggiunge il numero che gli avete dato
Immaginiamo un team B2B SaaS che dice al proprio agente di prenotare meeting. Nessuno ha messo per iscritto che cosa sia un meeting. Una call di 15 minuti con uno stagista conta? Un no-show riprenotato conta due volte?
L'agente prenota 120 meeting in un mese. La dashboard è splendida. Gli AE li prendono in carico, e un terzo è con persone senza autorità di budget e senza un problema attivo. Il vendor dichiara il successo perché la metrica contrattuale erano i meeting. Il cliente fa churn due trimestri dopo perché la pipeline non si è mossa.
La mia impressione è che molti fallimenti degli AI SDR comincino così, e che così nascano anche alcune delle storie pubbliche sui numeri gonfiati. Nessuno deve necessariamente mentire. Il numero è stato definito al livello sbagliato.
La soluzione è noiosa. Scrivete la definizione, salvatela nel CRM come campo con valori controllati e misurate l'agente sullo stage a valle, non sulla prenotazione. In HubSpot è una property con opzioni definite, non una nota in testo libero.
Il feedback loop del CRM: senza risultati non c'è apprendimento
Un agente può migliorare solo se i risultati gli tornano indietro. La maggior parte dei CRM, nel bene e nel male, è piena di stage obsoleti e campi compilati a metà. I buyer con cui parliamo descrivono SDR che commettono errori manuali nell'aggiornare le relazioni account-contatto in Salesforce. Se le persone sbagliano, un agente che legge gli stessi record impara dal rumore.
Un esempio. Un agente scrive a un contatto che ha lasciato l'account sei mesi fa, perché la relazione non è mai stata aggiornata. L'email rimbalza o riceve una risposta vaga. Nulla viene scritto di nuovo sul record. La settimana dopo l'agente riprova. Quel ciclo è il fallimento di un AI SDR in miniatura: attività sicura di sé, zero apprendimento.
Il divario si vede anche sul lato AE. Un cliente ci ha raccontato che i suoi account executive si concentrano sulle tempistiche di firma e sul budget e non scavano abbastanza nei pain driver. I motivi di closed-won e closed-lost restano scarni, quindi nulla dice al sistema quali pain abbiano previsto un deal. Non si può addestrare il targeting su dati che nessuno ha raccolto.
Io farei un audit del percorso di write-back prima di acquistare qualsiasi cosa. Quali risultati arrivano nel CRM, in quali campi, inseriti da chi, entro quanto tempo? Se la risposta è "dipende dal rep", avete il vostro primo progetto, e non è un progetto sull'agente.
Logica di squalifica: le regole su chi non contattare
È la parte che vedo saltare più spesso. I team definiscono l'ICP e dimenticano le esclusioni: clienti esistenti, opportunità aperte, competitor, regioni che il team non riesce a seguire, aziende troppo piccole per pagare.
Un cliente ci ha detto che l'outreach in EMEA è difficile per loro e che la persona che la copre non si sente a suo agio al telefono. Un altro temeva che gli SDR non eseguissero i task telefonici inseriti nei workflow delle campagne. Mettete un agente in questo scenario, senza logica di squalifica: scriverà ad account EMEA che il team non può lavorare, poi prenoterà richiami che nessuno farà. Il volume sale, la conversione scende, e tutti danno la colpa all'agente.
Qui le regole pratiche costano poco: per ogni criterio ICP che scrivete, scrivete accanto un'esclusione. Cinque inclusioni e nessuna esclusione significano che l'agente lavora con metà del brief, e quel mezzo brief è una radice comune del fallimento degli AI SDR.
Come sequenzierei un rollout per evitare il fallimento degli AI SDR?
Tre fasi, e l'ordine è il punto:
- Prima le definizioni. Stage della pipeline, criteri dei meeting ed esclusioni, scritti e codificati nel CRM. Due o tre settimane in un progetto snello.
- Poi il feedback. Campi per i risultati, write-back obbligatori e un controllo settimanale che i motivi di closed-lost siano reali.
- Per terzo l'agente, su un segmento ristretto, misurato sulle opportunità create e non sugli invii.
Lo facciamo così perché, più avanti, quando qualcuno chiederà perché l'agente ha fatto una certa cosa, potrete ricondurla a una regola scritta da una persona. Senza questo non si può fare debug. Si può solo spegnerlo.
Per questo è un problema di RevOps e non di tooling. Se fate RevOps per mestiere, siete dei project manager con una specializzazione, e questo è un progetto: concordare le definizioni, codificarle, strumentare i risultati. La scelta del vendor viene dopo, e un CRM come Salesforce o HubSpot può contenere tutto.
Che cosa non so sul fallimento degli AI SDR
Non ho una risposta convincente sul fatto che gli agenti autonomi arriveranno prima o poi a dedurre da soli queste regole. Forse. I vendor lo dicono, e i modelli continuano a migliorare. La mia esperienza è che anche un nuovo assunto molto bravo ha bisogno delle definizioni, e un agente è un nuovo assunto velocissimo senza un manager.
Non posso nemmeno verificare i ricavi di alcun vendor, quindi considerate la mia lettura un pattern, non un verdetto. Posso dire che il fallimento degli AI SDR compare ovunque manchi l'underlay, e che questo si verifica in un pomeriggio.
Se state valutando un agente in questo momento, il mio consiglio è di porre al vostro team tre domande prima della demo: che cosa conta come meeting, dove vengono riscritti i risultati e chi non viene mai contattato. Se le risposte richiedono più di un minuto, partite da lì. Trovate altro su come affrontiamo questo tipo di lavoro nella nostra libreria di insight.
