Журнал «Отинофф»

Как Apollo перестроил AI‑ассистента на Deep Agents и ускорил весь GTM‑цикл

ИИ-инструменты 22 июля 2026 г.

Сцена: Марина, руководитель отдела продаж в небольшой B2B‑компании, открывает новый проект по привлечению клиентов. Чтобы собрать список потенциальных контактов, ей приходится последовательно открывать три‑четыре разных модуля — поиск лидов, обогащение данных, создание последовательности писем и, наконец, аналитика результатов. Каждый клик занимает минуты, а подтверждающие окна «Вы уверены?» появляются почти на каждом шаге.

Источник: langchain.com

Факт: Apollo заменил прежнюю иерархию «супервизор + под‑агенты» на плоскую библиотеку навыков Deep Agents, интегрировав её в чат‑интерфейс AI‑ассистента. Теперь пользователь формулирует цель (например, «найти 100 новых лидов в сфере SaaS и отправить им серию писем») одной фразой, а система сама планирует и выполняет весь цикл — поиск, обогащение, рассылка, измерение.

Последствия для бизнеса: Сокращение ручных переходов уменьшает время подготовки кампании до нескольких секунд, а количество подтверждающих запросов падает почти вдвое. По словам инженеров Apollo, время от идеи до запуска упало на 80‑85 %.

Что проверить: Прежде чем менять свои процессы, оцените, какие шаги в вашем GTM‑цикле можно объединить в одну задачу и насколько ваш текущий стек поддерживает интеграцию с внешними AI‑сервисами.

Что изменилось в практике работы с GTM‑цикл

  • От графа к навыкам. Раньше Apollo использовал LangGraph — детерминированный граф, где главный «супервизор» направлял задачи к отдельным под‑агентам. Каждый новый сценарий требовал написания нового под‑агента и его привязки к графу. Сейчас Deep Agents работают как «плоская» библиотека навыков: при получении цели система динамически подбирает нужные навыки (поиск лидов, обогащение, создание последовательности, аналитика) и исполняет их без предварительного описания пути.
  • Модель‑нейтральность. Выбор Deep Agents вместо Claude SDK позволил Apollo оставаться открытыми к любым LLM‑провайдерам. Это значит, что при изменении цены или доступности модели вы сможете переключиться без переписывания кода.
  • Наблюдаемость через LangSmith. Каждый шаг фиксируется в системе трассировки LangSmith, что даёт полную картину: какие инструменты вызваны, сколько времени занял каждый этап и где возникли ошибки.
  • Сокращение задержек и подтверждений. По словам команды, латентность запросов снизилась, а количество всплывающих подтверждений упало «значительно», делая взаимодействие более естественным.

Почему это важно сейчас

  1. Перегрузка модулей. Пользователи Apollo отмечали, что из‑за множества отдельных модулей процесс выглядит «перегруженным» и требует постоянного переключения контекстов. Это тормозит скорость выхода новых кампаний и повышает риск ошибок.
  2. Требования к скорости. В 2026 году конкуренты ускоряют цикл от идеи до запуска до нескольких минут. Замедление в продажах сразу отражается на доходах, особенно в быстро меняющихся отраслях (SaaS, финтех).
  3. Экономия разработки. Сокращение времени от разработки до запуска на 80‑85 % позволяет команде быстрее экспериментировать, тестировать новые гипотезы и реагировать на рыночные изменения.
  4. Гибкость поставщиков LLM. Модель‑нейтральный подход защищает от потенциальных ограничений доступа к зарубежным сервисам, что особенно актуально в условиях санкций и ограничений на финансовые операции в России.

Как превратить это в повторяемый рабочий процесс

  1. Определите бизнес‑цель. Сформулируйте задачу в одном предложении (например, «получить 200 новых контактов в сфере логистики и отправить им 3‑ступенчатую рассылку»).
  2. Сопоставьте навыки. Список доступных навыков Deep Agents (поиск, обогащение, создание последовательности, аналитика, оценка намерений) сопоставьте с этапами вашей цели.
  3. Настройте трассировку. Подключите LangSmith к каждому навыку, чтобы фиксировать время выполнения и возможные ошибки.
  4. Внедрите AI Watchtower. Используйте шести‑уровневую схему оценки качества: задайте критерии (точность, тон, релевантность), проведите предварительный тест (50‑200 запросов) и фиксируйте результаты в LangSmith.
  5. Автоматизируйте повторяющиеся задачи. При необходимости превратите ассистента в «headless»‑агента, вызываемого через API (например, запуск ежедневного сбора лидов из Slack).

Чек‑лист для первой недели

№ Что проверить Как проверить Кому отвечает
1 Есть ли у вас чётко сформулированная цель GTM‑цикла? Сформулируйте её в одну фразу и согласуйте с руководителем продаж. Менеджер продаж
2 Поддерживает ли ваш стек интеграцию с Deep Agents (REST‑API, OAuth)? Протестируйте запрос к демо‑концу Apollo API. Техлидер
3 Настроена ли трассировка LangSmith для всех шагов? Запустите пробный сценарий и проверьте записи в LangSmith. Инженер‑операций
4 Пройдена ли предварительная оценка качества (AI Watchtower)? Выполните 100 тестовых запросов, оцените по 3‑5‑балльной шкале. QA‑специалист
5 Есть ли план отката при ошибке (например, превышение порога thumbs‑down > 8 %)? Определите порог и процедуру уведомления. Руководитель проекта
6 Оценены ли затраты на использование LLM‑провайдеров? Сравните цены разных провайдеров, выберите оптимальный. Финансовый контролёр

Где находятся ограничения и риски

Риск Что может пойти не так Как смягчить
Зависимость от внешних LLM‑провайдеров При изменении цены или доступности модели ваш процесс может замедлиться. Выбирайте провайдера с гибкой ценовой политикой, держите резервный план на альтернативный LLM.
Недостаточная проверка качества Если AI Watchtower не настроен, ошибки могут оставаться незамеченными, приводя к плохой рассылке. Обязательно проводите предварительные оценки и фиксируйте пороги отказов.
Сложность интеграции в существующие CRM Не все CRM‑системы поддерживают прямой вызов API, могут потребоваться промежуточные слои. Планируйте небольшие пилотные проекты, используйте готовые коннекторы или middleware.
Скорость отклика в реальном времени Заявленные улучшения латентности не подтверждены независимыми бенчмарками. Тестируйте в вашем окружении, измеряйте время отклика до и после внедрения.
Регуляторные ограничения Использование иностранных облачных сервисов может подпадать под санкционные ограничения. Убедитесь, что выбранный провайдер имеет локальные точки доступа или работает через проверенный посредник.

Что сделать уже на этой неделе

  1. Запустить пилотный сценарий. Выберите одну простую цель (например, собрать 50 лидов в выбранной отрасли) и выполните её через чат‑ассистент Deep Agents.
  2. Собрать метрики. Зафиксируйте время выполнения, количество подтверждений и результат качества (thumbs‑up/‑down).
  3. Сравнить с текущим процессом. Оцените, насколько сократилось время подготовки и количество ручных действий.
  4. Принять решение о масштабировании. Если экономия времени превышает 30 % и качество удовлетворительно, планируйте расширение на остальные кампании; иначе — вернитесь к анализу узких мест.

Источники

Темы журнала

Что почитать дальше

Теги

Андрей Отинов

Рекомендуем