Relevance AI

Was ist Relevance AI?

Relevance AI ist eine Plattform zum Erstellen von KI-Agents, die Sales- und GTM-Teams (Go-to-Market) bei der Ausführung ihrer Workflows unterstützen. Sie bietet einen Adoptionspfad, bei dem Teams mit der Delegierung einzelner Aufgaben beginnen und zu autonomen KI-Teams übergehen können, die GTM-Playbooks selbstständig abarbeiten.

Der Kernzweck ist die Ausführung von Sales- und kundenorientierten Prozessen – wie Outreach, Meeting-Vorbereitung, Qualification und Follow-ups – mithilfe von Agent-Workflows, die durch Pipeline-Signale oder andere Events getriggert werden. Menschen können steuern, Eskalationen bearbeiten und die Strategie managen.

Wichtige Features

• SuperGTM als Teammitglied für den Alltag: Übernimmt Routineaufgaben wie Recherche, CRM-Updates und E-Mail-Entwürfe, während der Vertriebsmitarbeiter die Kontrolle behält.
• Playbook-basierte Workflow-Verantwortung (Copilot-Stadium): SuperGTM lernt Ihre GTM-Playbooks, um End-to-End-Workflows wie Outbound oder Meeting-Vorbereitung auszuführen.
• Autonome KI-Teams (Autopilot-Stadium): Wandelt etablierte Playbooks in KI-Teams um, die auf Pipeline-Signale reagieren; Vertriebsmitarbeiter bearbeiten Eskalationen.
• Selbstoptimierende Agents (Self-Driving-Stadium): Reife Agents erstellen neue Agents und führen Tests durch, während Leader sich auf Strategie konzentrieren.
• Agent-Infrastruktur für gängige GTM-Rollen: Umfasst Agent-Typen für Sales Development und Qualification, wie einen immer aktiven BDR Agent, einen Research Agent, einen Inbound Qualification Agent und einen Customer Support Agent.
• Lead- und Event-basierte Routing: Inbound-Qualification leitet Leads in Echtzeit an den richtigen Rep weiter, indem automatisch Fragen gestellt werden.
• Enterprise-Governance und Security-Controls: SOC 2 Type II & GDPR-Zertifizierungen auf der Site, plus SSO und RBAC, Multi-Region-Data-Residency, Versionskontrolle für Agents, Monitoring-Dashboards & Evals sowie ein Trust Center mit vorgefertigten Dokumenten/DPA-Vorlagen.
• Versionsverlauf und Rollback: „Vollständiger Versionsverlauf für jeden Agent“ mit sofortigem Rollback möglich.
• Integrationen: Die Seite nennt „100+ Integrationen“ und beschreibt, dass Agents in Tools wie Kalender, E-Mail und CRM integriert werden können, ohne spezifische App-Namen im Auszug.

So nutzen Sie Relevance AI

Beginnen Sie damit, einen GTM-Workflow zu identifizieren, den Sie beschleunigen möchten (z. B. Recherche + Entwurf für Outbound oder Meeting-Vorbereitung). Im frühen Stadium delegieren Sie Aufgaben wie Prospect-Recherche, CRM-Updates und initiale Outreach-Entwürfe, während Sie das Ergebnis steuern.

Als Nächstes lehren Sie das System Ihre Playbooks, damit der Agent End-to-End-Workflows übernehmen kann. Sobald das Playbook stabil ist, gehen Sie zu autonomer Ausführung über, bei der ein KI-Team auf Pipeline-Signale reagiert und Eskalationen vom Team bearbeitet werden.

Zuletzt nutzen Sie im Self-Driving-Stadium etablierte Agents, um Teams durch Tests und neue Agent-Erstellung selbst zu optimieren, während Sie die Gesamt-GTM-Strategie verantworten.

Anwendungsfälle

• Follow-ups für eingeschlafene Deals bei Account Executives: Die Site beschreibt das Prüfen von Blockaden bei Deals und das Senden personalisierter Nachrichten, gestützt auf Deal-Kontext durch den Agent.
• Outbound Sales Development mit 24/7-Engagement: Nutzen Sie den BDR Agent, um Leads sofort anzusprechen und Pipeline rund um die Uhr voranzutreiben, inkl. Abdeckung von Accounts, die manuell nicht erreichbar sind.
• Prospect-Recherche vor Calls: Führen Sie vor Meetings den Research Agent aus, damit jeder Call mit passenden Insights vorbereitet ist und manuelle Recherche entfällt.
• Echtzeit-Qualification und Routing von Inbound-Leads: Der Inbound Qualification Agent qualifiziert Leads und leitet sie sofort an den richtigen Rep weiter, basierend auf automatisierten Fragen.
• Ticket-Bearbeitung im Customer Support mit Eskalation zu Menschen: Der Customer Support Agent antwortet schnell mit Produkt- und Kunden-Kontextverständnis und eskaliert bei Bedarf an Menschen.

FAQ

• Ersetzt Relevance AI Reps und Customer-Success-Teams? Die Seite beschreibt einen Fortschritt, bei dem Reps frühe Workflows steuern, Eskalationen während autonomer Läufe bearbeiten und die Gesamtstrategie in späteren Phasen leiten.

• Wie lernt Relevance AI meine GTM-Playbooks? Die „Copilot“-Phase wird als Unterrichtung von SuperGTM über Ihre Playbooks beschrieben, damit es End-to-End-Workflows wie Outbound oder Meeting-Vorbereitung übernehmen kann.

• Können Agents automatisch auf Pipeline-Signale reagieren? Ja. Die „Autopilot“-Phase wird als Umwandlung von Playbooks in AI Workforces beschrieben, die autonom laufen und durch Pipeline-Signale ausgelöst werden.

• Welche Security- und Governance-Features gibt es? Die Seite nennt SOC 2 Type II & GDPR, SSO und RBAC, Multi-Region-Data-Residency, Versionskontrolle mit Rollback, Monitoring-Dashboards & Evals sowie ein Trust Center mit vorgefertigter Security-Dokumentation und DPA-Vorlagen.

• Integriert sich Relevance AI mit bestehenden Tools? Die Seite erwähnt „100+ Integrationen“ und deutet an, dass Agents mit Systemen wie Kalender, E-Mail und CRM verbinden können, wobei der Auszug keine spezifischen Integrationen auflistet.

Alternativen

• CRM-/Workflow-Automatisierungsplattformen mit KI-Funktionen: Diese automatisieren Schritte bei Outreach, Routing oder Task-Erstellung, konzentrieren sich aber typischerweise auf Workflow-Automatisierung statt dedizierter mehrstufiger AI-Agent-Workforces, die an Playbooks gebunden sind.
• Sales-Engagement- und Sales-Intelligence-Tools: Diese bieten oft Prospecting, Enrichment und Outreach-Unterstützung. Im Vergleich zu Agent-Workforces drehen sie sich stärker um Sequenzen und Daten statt autonomer, ereignisausgelöster Ausführung über GTM-Workflows.
• KI-Assistenten für Customer Support: Tools, die Responses entwerfen und Tickets triagieren, decken Support-Workloads ab, umfassen aber möglicherweise nicht das breitere Spektrum an GTM-Rollen (Outbound, Recherche, Qualification), wie für Relevance AI beschrieben.
• AI-Agent-Frameworks und Automatisierungs-Builder: Allgemeine Plattformen eignen sich zum Erstellen von Agents und Workflows, erfordern jedoch meist mehr Engineering-Aufwand für die spezifischen GTM-Agent-Rollen, Governance und playbookgetriebene Fortschritte, wie von Relevance AI skizziert.