Alta pozyskuje 25 milionów dolarów w ramach rundy A, aby zbudować warstwę operacyjną AI dla zespołów przychodów

Alta pozyskała 25 milionów dolarów w ramach rundy A, aby rozszerzyć swoją platformę AI dla zespołów go-to-market, ponieważ firmy szukają bardziej skutecznych sposobów stosowania AI w sprzedaży, marketingu i operacjach przychodowych.

Rundę tę poprowadził IN Venture, z udziałem Mindset Ventures, Skywell Capital, LeumiTech77, Entrée Capital, Target Global, Verissimo Ventures oraz kilku aniołów biznesu i funduszy skautów. Alta planuje wykorzystać te fundusze do rozszerzenia swojego zespołu na całym świecie, zwiększenia bazy klientów oraz dodania więcej danych, integracji CRM i reklam, a także wprowadzenia nowych agentów AI do zarządzania kontami i sprzedaży krzyżowej.

Nowe finansowanie pochodzi mniej niż rok po komercyjnym uruchomieniu Alta. Firma twierdzi, że osiągnęła 15 milionów dolarów rocznego przychodu i spodziewa się osiągnąć 30 milionów dolarów do końca 2026 roku. Jej klienci obejmują Snowflake, Deel, Atlassian (TEAM ), Atoms, Riverside i Sabio Group.

Od AI SDR do szerszego systemu GTM

Finansowanie następuje w momencie, gdy pierwsza fala automatyzacji sprzedaży AI stoi przed trudniejszą rzeczywistością. Wiele firm przyjęło AI SDR, aby zwiększyć działalność outbound, ale wyniki były często mieszane. Więcej wiadomości niekoniecznie przekłada się na lepszy pipeline, zwłaszcza gdy kupujący otrzymują więcej ogólnych wiadomości wygenerowanych przez AI niż kiedykolwiek wcześniej.

Własne pozycjonowanie Alta odzwierciedla ten trend. Zamiast przedstawiać się jako pojedynczy AI SDR, firma opisuje swoją platformę jako platformę AI dla zespołów go-to-market, z agentami, którzy znajdują prospektów, kwalifikują leady i rezerwują spotkania. Ich publiczne materiały produktowe podkreślają trzech podstawowych agentów: Katie do pipeline outbound, Alexa do kwalifikacji inbound i Luny do wzrostu i wywiadu przychodowego.

To rozróżnienie jest istotne, ponieważ szerszy stos przychodowy stał się coraz bardziej fragmentaryzowany. Systemy CRM, hurtownie danych, narzędzia wzbogacania, platformy outbound, systemy automatyzacji marketingu i pulpity analityczne często posiadają części tej samej obrazu klienta. Wyzwaniem dla zespołów przychodowych nie jest po prostu generowanie większej aktywności, ale decyzja, które konto priorytetowo, kiedy działać, jaki komunikat wysłać i który kanał użyć.

Teza Alta mówi, że agenci AI będą bardziej przydatni, gdy będą działać z warstwy inteligencji współdzielonej, a nie jako izolowane narzędzia. Firma nazywa tę warstwę “Company Brain”, która jest zaprojektowana do mapowania, jak działa silnik go-to-market biznesu, i pozwala wielu agentom uczyć się z tych samych danych i wyników.

Technologia za podejściem Alta

Platforma Alta łączy się z ponad 50 źródłami danych, w tym danymi CRM, sygnałami intencji, ogłoszeniami o pracę, wiadomościami, wzorcami użycia produktu i wzorcami zaangażowania. System wykorzystuje te sygnały do identyfikacji odpowiedniej publiczności, określenia czasu, personalizacji kontaktu i koordynacji działań na kanałach takich jak e-mail, LinkedIn, SMS, WhatsApp i połączenia telefoniczne.

Agent wzrostu AI Alta, Luna, jest pozycjonowany jako warstwa inteligencji, która analizuje dane GTM, wykrywa wzorce i zaleca lub wyzwala działania. Alta twierdzi, że Luna łączy się z HubSpot (HUBS ), Salesforce i ponad 50 innymi narzędziami, i analizuje sygnały z aktywności CRM, danych intencji, ogłoszeń o pracę, wiadomości i wzorców zaangażowania, aby określić, kiedy prospekci mogą być gotowi do zakupu.

Alta jest również wymieniona na rynku HubSpot, gdzie opis aplikacji podkreśla integrację CRM, analizę sygnałów kupna, wielokanałowy kontakt, kwalifikację inbound i działanie 24/7 w ponad 20 językach.

Szerszy pomysł na produkt nie polega na zastąpieniu systemów, których już używają firmy, ale na umieszczeniu się na ich szczycie i koordynowaniu wykonania. Strona internetowa Alta przedstawia platformę jako jeden system autonomicznych agentów działających na outbound, inbound i wywiad przychodowy na współdzielonej inteligencji, a nie oddzielnych pracownikach AI rozmieszczonych do indywidualnych zadań.

Czym może być AI-natywny system GTM dla zespołów przychodowych

Szersze implikacje systemów GTM AI-natywnych polegają na tym, że sprzedaż i marketing mogą stać się mniej zależne od ręcznej koordynacji na fragmentaryzowanych narzędziach. Dziś wiele funkcji przychodu nadal polega na ludziach, którzy łączą dane CRM, sygnały intencji, wyniki kampanii i notatki kont, zanim zdecydują, co dalej. Jeśli systemy AI mogą niezawodnie interpretować te sygnały i koordynować działania w całym stosie, rola zespołów GTM mogłaby się przesunąć od wykonania zadań w kierunku strategii, nadzoru i kontroli jakości.

To również zmieniłoby to, jak firmy myślą o skali. Historycznie, rozwój zespołu przychodowego oznaczał dodawanie więcej ludzi, więcej narzędzi i więcej procesów. Agenci AI wprowadzają możliwość skalowania pewnych części prospectingu, kwalifikacji, badań, follow-up i monitorowania kont bez zwiększania liczby pracowników w tym samym tempie. Prawdziwa wartość będzie jednak zależała mniej od objętości automatyzacji, a bardziej od tego, czy te systemy mogą poprawić czas, istotność i priorytet.

Istnieją również ryzyka. Jeśli każda firma używa AI do generowania większej liczby kontaktów, kupujący mogą spotkać się z jeszcze większym hałasem, co utrudni zaufanie i personalizację. Słabo zaprojektowane systemy mogą po prostu przyspieszyć złe nawyki sprzedażowe, zalewając skrzynki odbiorcze wiadomościami, które wydają się zautomatyzowane, powtarzalne lub niezwiązane z rzeczywistymi potrzebami kupujących.

Długoterminowa możliwość jest bardziej interesująca: systemy GTM, które uczą się z rzeczywistych wyników, a nie statycznych podręczników. Jeśli te platformy mogą zrozumieć, które sygnały poprzedzają intencję kupna, które komunikaty prowadzą do znaczących rozmów i które konta zasługują na uwagę ludzi, mogą one uczynić operacje przychodu bardziej adaptacyjnymi. Przyszłość tej kategorii będzie prawdopodobnie określona przez to, czy AI może pomóc zespołom stać się bardziej precyzyjnymi, a nie tylko bardziej produktywnymi.