使用 OpenAI o3、GPT-4.1 和 CUA 推动可扩展增长

# 通过为每项任务选择合适的模型来统一工程师的增长 来源：https://openai.com/index/unify/ Unify（在新窗口中打开）(http://unifygtm.com/) 是一个行动系统，旨在大规模地在正确的时间以正确的信息接触到正确的客户。该平台通过智能勘测、超个性化消息传递和可重复的始终在线工作流来实现这一目标，从而自动化了有效的方式。 Unify 在 AI 基础之上构建了其系统。该团队认为销售增长应该被视为一个工程问题：一个可观察、可测量且快速迭代的问题。Unify 使用了 OpenAI o3、GPT-4.1 和计算机使用代理（CUA），以及持续的模型基准测试，来设计一个系统，帮助市场进入（GTM）团队以一小部分手工工作生成数百万的销售管道，而现在已生成其 30% 的管道。 "人与人之间的互动有一些真正特殊的东西，不会消失，"联合创始人 Connor Heggie 表示。"我们使用 AI 来自动化琐碎工作，为团队提供杠杆，让他们可以将更多时间花在最重要的地方：与客户交谈和做出及时决策。" GTM 团队的工作是找到拥有你产品可以独特解决的问题的公司和人员，并出现在他们面前。虽然许多人认为这是一个获取问题，但 Unify 将其视为在大量非结构化、语义丰富的数据上的搜索问题。 历史上，解决这个问题意味着招聘大型销售团队手动研究潜在客户、浏览网站并从头开始撰写外展。利用 OpenAI 的模型和 Unify 的代理架构，团队现在可以以一致性、背景和速度大规模运行此搜索。 Unify 的 AI 产品堆栈包括三个核心组件： - **观察模型**在后台运行，持续研究客户总可寻址市场中的公司。由 OpenAI o3 驱动，它从公开可用的来源检测高信号事件，如新员工聘用或技术栈变化，并使用多代理工作流来表面战略洞察。 - **研究代理**帮助用户回答开放式问题并生成出站副本，如标记公司是否最近扩展到新地区。它使用 GPT-4.1 进行规划，使用 CUA 进行动态浏览，使用 GPT-4o 进行综合。 - **文案撰写**，由代理研究和 GPT-4o 驱动，将平台表面的相关数据转化为超个性化电子邮件的草稿，其中包含为每条线索定制的详细信息。 Unify 构建其平台时预期模型在推理、工具使用和交互方面会大幅改进。这种远见使他们能够提前投资，在释放支持其观察模型的模型之前确定其范围。 当 OpenAI o3 可用时，Unify 已经构建并测试了评估，以确定它是否可以通过复杂的上游决策进行推理。一旦验证，团队立即将 o3 部署到其工作流中，改进了信号检测并使整体系统更具代理性。 类似地，GPT-4.1 和 CUA 解锁了之前不可能的新研究和规划任务，并直接集成到产品的决策层中。 Unify 不仅仅根据准确性或延迟来评估模型，而是为真实世界 GTM 场景中的推理质量构建了结构化测试。这些评估在上游阶段（如信号分类和指令规划）至关重要，在这些阶段模型输出会影响后续的一切。 "搜索问题中最困难的部分之一是识别正确的信号，"Unify 的软件工程师 Kunal Rai 指出。"推理质量在这些早期步骤中真的很重要，我们需要能够执行接近人类水平的推理、理解细微差别并适应不同用例的模型。" 该团队根据其他开源模型评估了 OpenAI o3。o3 因其两到三轮推理而脱颖而出，为 Unify 观察模型的早期阶段逻辑提供支持。GPT-4o 因其结构化输出和流畅性而成为综合和回复分类的默认选择。CUA 解锁了静态抓取无法支持的复杂研究任务，包括 UI 级别的工作，如导航评论网站或信任和安全页面。 Unify 的使命是帮助最好的产品赢得市场。通过围绕 AI 代理和特定任务的模型设计平台，Unify 将增长转变为科学，表面高意图信号以驱动及时、相关的外展。 今天，该系统为 Unify 自身的 30% 管道提供支持，并每年为客户支持数亿的管道。随着模型功能的继续演进，Unify 计划将更多增长工作流推向代理、始终在线的系统，为 GTM 团队提供更多可见性、更多杠杆，以及更多时间专注于有意义的对话。 "我们试图创造一个成功由产品质量和客户适配度决定的世界，"Heggie 表示。"我们构建了这个系统，以便人们可以专注于最重要的事情。OpenAI 的模型帮助实现这一点。"