行业参考 · 互联网 · 销售 · 证据 E1

Agent Bricks in Action: Smarter Offer Targeting for Sales Teams

这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。

企业遇到的问题

销售面对报价资格判断不清、需多团队人工查询、响应慢，缺乏优先级排序。

概要

Databricks销售团队用Agent Bricks构建多agent系统：一个Supervisor编排两个AI/BI Genie agent和一个Knowledge Assistant，解释报价资格并推荐优先级，响应时间从48小时降至5秒内。

原文写明的事实

• A single supervisor orchestrates two AI/BI Genie agents and a Knowledge Assistant – blending Go-To-Market (GTM) data with offer documents – to explain offer eligibility and recommend next-best actions
• cutting the response time from 48 hours to under five seconds
• In less than two days, I created a tool that lets sales reps: Quickly identify which customer accounts qualify for credit offers; Understand the exact reason an account isn't eligible; Rank eligible accounts
• As an intern in Business Strategy and Operations this summer
• Offer Details Agent using Knowledge Assistant...trained on unstructured internal offer documentation (PDFs, slide decks)
• Offer Eligibility Agent using AI/BI Genie...analyzes structured customer account data, governed in Unity Catalog
• Account Prioritization Agent using AI/BI Genie...ranks eligible accounts using usage data, growth signals, and offer relevance

怎么做的

• 输入：销售询问客户是否符合免费额度资格、排序
• 处理：Supervisor分流到文档知识agent和两个结构化数据agent，合并生成解释与建议
• 数据：Unity Catalog中的客户账户数据、GTM数据、内部报价文档
• 动作：销售自助查询，无需人工查文档或Slack
• 输出：资格解释、不合格原因、优先级列表，响应小于5秒

如果你也想做：复制评估

AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。

• 难度：中（高度可复刻）
• 需要的能力：报价资格判断Skill、客户排序Skill
• 需要接的数据/系统：Unity Catalog或数据仓库、文档知识库
• 仍需人工的环节：销售自助查询；复杂问题仍需人工跟进
• 风险：报价规则变更需同步文档与数据
• 原文没披露的：无发布日期；缺少规模和使用人数数据

多Agent编排和文档加数据混合答疑在Databricks平台可行；迁移到WorkBuddy需对应Connector与规则同步。

来源

• databricks.com

证据说明：Databricks官方第一方博客；模型自称 E2，按来源结构下调为 E1。