J'ai appris à Hindsight à se souvenir des appels de vente sans le bruit
Les transcriptions sont trop parasitées pour servir de mémoire.
Si vous donnez à une IA chaque mot d'un appel de vente, vous obtenez un fourre-tout. Vous n'obtenez pas d'intelligence. La plupart des systèmes échouent parce qu'ils essaient de tout mémoriser.
J'ai conçu un Agent d'Intelligence Commerciale (Deal Intelligence Agent) pour résoudre ce problème. Il ne se contente pas de transcrire. Il se souvient.
J'ai utilisé Next.js, FastAPI, Supabase, Hindsight et Groq. Voici comment j'ai réparti le travail :
- Supabase stocke les faits. Il contient les transactions, les réunions et les actions spécifiques à entreprendre. Utilisez-le pour les requêtes exactes.
- Hindsight stocke la mémoire. Il contient les schémas et les stratégies. Utilisez-le pour le rappel sémantique.
J'ai organisé la mémoire en trois types pour que l'agent reste utile :
• Mémoire épisodique : Ce qui s'est passé lors d'une réunion spécifique. • Mémoire sémantique : Les schémas qui émergent de plusieurs réunions. • Mémoire procédurale : Les stratégies qui fonctionnent réellement pour une transaction spécifique.
J'ai également ajouté une règle de temporalité. L'agent doit faire preuve d'humilité.
Si vous n'avez qu'une seule réunion, l'agent enregistre uniquement ce qui s'est passé. Après deux réunions, il cherche des schémas. Ce n'est qu'après trois réunions qu'il suggère une stratégie. Cela empêche l'IA de faire des suppositions erronées trop tôt.
Le résultat est une différence massive dans le brief pré-réunion.
Une IA générique dit : « Préparez-vous aux objections sur les prix. »
Mon agent dit : « Sarah Chen, la directrice financière, a rejeté le tarif entreprise lors de la deuxième réunion. Elle a assoupli sa position après que vous avez proposé une tarification échelonnée lors de la quatrième réunion. Privilégiez la structure échelonnée aujourd'hui. »
C'est là toute la différence entre un assistant et un partenaire.
Mes points clés :
- N'utilisez pas les transcriptions comme mémoire. Extrayez d'abord les faits.
- Utilisez des seuils pour les types de mémoire. Ne laissez pas l'agent deviner des schémas après un seul appel.
- Utilisez deux bases de données. Utilisez des bases relationnelles pour les faits et des bases vectorielles pour le contexte.
- Les noms comptent. Connaître l'objection d'une personne spécifique est préférable à la connaissance d'une objection « client ».