Build the AI GTM Agent That Knows the Buyer Before the First Message

1. Khi người mua tới, quyết định gần như đã xong

Sajjan mở đầu: cách bán hàng B2B hiện đại đã thay đổi rất nhiều. Sự thật khó chịu là khi người mua tìm tới bạn, quyết định phần lớn đã được đưa ra rồi. Họ đã tự research, đã so sánh, và nhiều khả năng đã shortlist những vendor hay partner mà họ muốn làm việc cùng. Danh sách đó có thể có bạn, cũng có thể chỉ có đối thủ của bạn.

Talk này nói về kiến trúc giúp các nhóm GTM (go-to-market: marketing, sales, những người đưa sản phẩm tới tay khách hàng) hiểu người mua sâu hơn so với mức họ đang hiểu hôm nay.

Anh tự giới thiệu: tên là Sajjan Kanukolanu, hơn hai mươi năm kinh nghiệm trải qua product, technology và marketing. Tại Position², với vai trò VP of Global Operations and Strategy, anh dẫn dắt các nhóm services và cuộc chuyển đổi AI-native của công ty, đi từ vision tới positioning rồi tới deployment, và làm việc sát với nhóm technology.

Vài con số để thấy quy mô: Position² đã launch hơn bảy mươi lăm AI agent dành riêng cho khách hàng, hơn mười tám vertical knowledge base (knowledge base theo từng ngành) cấp sức mạnh cho các agent đó, và chạy hơn tám trăm lượt mỗi tháng. Đây là số liệu month to date của tháng 6 năm 2026, tức tính từ đầu tháng 6 tới lúc anh trình bày. Anh dự đoán tới cuối năm, các con số này sẽ còn tăng đáng kể.

Điều thú vị về GTM và AI, theo anh, là rất nhiều nhóm GTM cố gắng "bolt" AI lên stack hiện có, lên những process và workflow đang chạy. Và vấn đề nằm chính ở đó: bản thân cách tiếp cận ấy đã là vật cản để scale.

2. Ba vấn đề: AI, integration, architecture

Có ba vấn đề khác nhau mà các GTM leader và nhóm GTM phải giải được thì mới thành công trong kỷ nguyên AI này.

Thứ nhất là chính AI. Khi bạn chỉ gắn AI lên hệ thống sẵn có, AI không thực sự tìm ra, và cũng không thể tìm ra, người mua của bạn là ai. Nó không hiểu vai trò của họ. Nó không hiểu lịch sử của họ. Nếu đứng riêng lẻ, nó không hiểu ý định (intent) của họ.

Thứ hai là integration. Các GTM stack cũ chưa chắc đã ở vị trí tốt để thu hết các intent signal và dữ liệu, CRM context, và cả context mà AI tự thu được, rồi gom tất cả lại. Nói cách khác, những hệ thống như hiện nay có thể đã hỏng sẵn. Đặt AI lên trên chúng sẽ không giúp giải được vấn đề.

Thứ ba là architecture. Kiến trúc nền phải tiến hoá với AI ở trung tâm, và anh sẽ giải thích ý này ngay sau đây. Nhưng khái niệm nền tảng là: khi AI chỉ được gắn thêm vào hệ thống, process và workflow GTM hiện có, bạn sẽ không scale được.

Phần lớn các GTM deployment không giải cả ba vấn đề này cùng một lúc. Bạn có thể làm được số một và số hai, nhưng nếu số ba chưa xong, nếu bạn không giải bài toán kiến trúc, thì bạn vẫn còn vấn đề. Vì vậy điều quan trọng là cả ba phải được giải cùng nhau, và anh sẽ cho xem một sơ đồ kiến trúc đi qua cách Position² làm việc đó.

3. Người mua tới ở giai đoạn cuối: bốn con số

Vấn đề tiếp theo nằm ở phía người mua. Người mua liên tục thay đổi, và ý anh là: trong thế giới hôm nay, khi người mua liên hệ với bạn, họ không còn ở giai đoạn đầu. Họ thực ra đã ở giai đoạn cuối. Anh đưa ra vài con số để chứng minh.

• 94% người mua dùng GenAI làm công cụ research chính. Các nền tảng này gần như là một hộp đen: ta không biết họ đã đọc gì, tìm hiểu gì, đã xem xét những ai, và tổ chức của bạn có nằm ở đầu danh sách đó hay không. Con số này lấy từ nghiên cứu năm 2026 của Forrester.
• Khoảng 67% người mua B2B thích một trải nghiệm không có sales rep (rep-free). Họ không muốn nói chuyện với người khi đang ra quyết định.
• 80% deal, một con số rất thú vị, về tay những vendor đã nằm trong danh sách trước khi liên hệ (pre-contact list). Về cơ bản, người mua đã quyết xong trong đầu.
• Con số thứ tư, và rất quan trọng: chỉ 17%, chỉ mười bảy phần trăm tổng thời gian mua hàng là dành để nói chuyện với các vendor tiềm năng.

Tất cả những con số này cho ta biết: người mua research rất kỹ. Họ dùng nhiều công cụ, kể cả các nền tảng GenAI, và tới lúc họ nói chuyện với bạn hay ghé website của bạn, họ đã có quyết định rồi.

4. Câu chào generic kéo bạn lùi lại

Hãy hình dung tình huống này: người mua làm xong research, vào website của bạn, và ở đó có một khung chat để họ trò chuyện với một hệ thống AI rất thông minh, giờ đảm nhận việc kể cho họ biết bạn có gì và họ có thể mua dịch vụ hay sản phẩm của bạn như thế nào.

Nhưng rất nhiều hệ thống GTM chỉ được gắn thêm AI sẽ mở đầu cuộc trò chuyện kiểu: "How can I help you? What is it that you would like to know today?" (Tôi giúp gì được bạn? Hôm nay bạn muốn biết điều gì?). Đây là những câu hỏi thực sự kéo bạn lùi lại. Chúng không đưa tổ chức của bạn tiến lên.

Người mua đã research xong, và khi bị hỏi những câu cơ bản như vậy, họ rời khỏi hệ thống. Họ không tiếp tục cuộc trò chuyện. Vì vậy, ở vị trí người bán, điều rất quan trọng là bạn biết nhu cầu của người mua, biết người mua là ai, biết nhu cầu mua hàng của họ là gì, và đáp ứng được những điều đó ngay khi họ tương tác trên site của bạn.

Vậy điều này thực sự có nghĩa gì khi triển khai một kiến trúc? Làm sao xây được một kiến trúc, một hệ thống mà thông tin về người mua đã được biết ngay khi họ vào site? Về cơ bản có ba lớp kiến trúc đứng sau một hệ thống thông minh và một GTM vận hành thông minh.

5. Lớp 1: Signals

Lớp đầu tiên là signals. Lớp này gồm mọi trao đổi và thông tin đi ra từ hệ thống CRM: thông tin về các deal, các contact, ai là owner hay sales rep phụ trách, bạn đang trò chuyện với ai.

Lớp này còn gồm một hệ thống enrichment, nơi bạn rút ra được đúng thông tin về những anonymous visitor (khách ẩn danh) đang vào site của bạn. Hệ thống này chỉ chạy tốt khi thông tin đó chính xác. Nếu enrichment lệch, dữ liệu của bạn lệch, và cách bạn giao tiếp cũng lệch theo.

Một thứ mà nhóm anh thấy rất hữu ích, rất quan trọng, là signal từ các nền tảng mạng xã hội, đặc biệt là LinkedIn. Engagement và việc đổi việc (job change) là những signal rất lớn mà một tổ chức nên thu lại; Position² tự làm điều này cho chính mình, và anh sẽ cho xem cụ thể sau. Những signal này giúp xác định bạn nên nhắm tới ai, nhắm như thế nào, và vào lúc nào.

Ví dụ: bạn có một exec sponsor (người bảo trợ cấp lãnh đạo) ở một account hiện tại, và người đó rời tổ chức để chuyển sang một công ty khác. Công ty mới ấy chưa có trong danh sách của bạn. Vì người này đang là contact của bạn, bạn cần bảo đảm công ty họ sắp chuyển tới được đưa vào account list, và họ trở thành exec sponsor mới, champion của bạn ở tổ chức đó. Đó là sức mạnh của social signal. Điều quan trọng là phải thu được chúng, và không nhiều công ty tận dụng chúng theo cách tự động, có hệ thống. Anh sẽ nói cách làm ngay sau đây.

6. Lớp 2: Buyer Intelligence

Lớp thứ hai là buyer intelligence: bảo đảm bạn có đúng thông tin về người mua. Với Position², và anh tin rằng nhiều tổ chức cũng nên làm như vậy, mọi thứ bắt đầu từ một knowledge base.

Knowledge base là một kho context mà bạn có về sản phẩm của mình, về người mua, về các ICP (ideal customer profile, chân dung khách hàng lý tưởng), các persona, các chức danh khác nhau, các playbook khác nhau, các tiêu chí thành công khác nhau. Mọi thứ làm nên thành công của bạn nằm trong knowledge base.

Lớp này cũng chứa visitor identity: thông tin đã được de-anonymize (gỡ ẩn danh) nằm trong cơ sở dữ liệu buyer intelligence.

Rồi tới ICP scoring. Điều gì quyết định điểm số? Điểm bao nhiêu thì được xem là phù hợp (fit), và điểm bao nhiêu thì cho thấy người này đang ở giai đoạn mua (buying stage) chứ không phải đang ở chế độ research? Tất cả những điều này bạn phải mã hoá (codify) vào trong hệ thống buyer intelligence.

Tiếp theo là context builder. Mọi signal bạn có phải được ghép thành một context graph, thứ anh sẽ nói ở phần sau.

Và cuối cùng bạn cần một routing logic. Đây là nơi bạn định nghĩa thông điệp nào đi tới ai, vào lúc nào. Nếu ai đó tương tác với bạn trên LinkedIn, họ nên nhận một tin outreach qua LinkedIn, hay một email, hay nên được cho xem một quảng cáo? Đó là những insight, những input đi vào routing logic của bạn.

7. Lớp 3: Action

Lớp thứ ba là action. Khi đã có signal, có thông tin và intelligence từ hai lớp đầu, giờ là lúc hành động. Cụ thể là khi user vào trang hay website của bạn, khung chat bật lên mà anh nói lúc nãy không nên hỏi những câu generic như "Tôi giúp gì được bạn? Bạn đang tìm gì? Bạn tên gì?". Ở thời điểm này đó không phải là cách giao tiếp đúng.

Giao tiếp phải được cá nhân hoá, và anh sẽ cho xem ví dụ. Hệ thống cần nhận ra user, gọi họ bằng tên, và nhắc tới chỗ họ có thể đã dừng lại ở lần ghé site trước. Hoặc dựa trên các intent signal, khung chat cần đưa cho họ những content cụ thể.

Cũng dựa trên các signal này, action còn là gửi đúng alert và thông tin tới sales rep. Gửi quá nhiều thì bạn mất rep, họ không theo nữa. Gửi quá ít thì bạn không giúp họ đạt chỉ tiêu và mang doanh thu về cho tổ chức.

Phần thứ ba ở đây là cập nhật CRM. Hệ thống CRM không thể chỉ là nơi cập nhật những contact mà sales đã có. Nó cần chứa context về account, thứ mà hai lớp đầu mang lại cho bạn. (Trên slide, ô CRM Update ghi: contact được chấm điểm, gắn tag và route trong HubSpot.)

Và cuối cùng là sequence trigger. Các action cần quyết định loại outreach sequence nào được gửi đi vào lúc nào: outreach nào được kích hoạt, khi nào, tới ai.

Nếu ba lớp này không chạy song song cùng nhau, mô hình GTM của bạn vẫn lỗi thời, vẫn là kiểu cũ, và chưa sẵn sàng cho kỷ nguyên AI mà ta đang nói tới.

8. Context graph: một record nối liền cho mỗi người mua

Đây là một ví dụ về context graph. Mọi signal vừa nói đều được gộp vào record nối liền này, mỗi người mua một record. Persona, account và deal: đó là những signal và action được ghi lại cho từng touch point trên toàn account, cho từng người một.

Signal của một người được nối tới account của họ. Một account có nhiều người, nên thông tin về buying committee (nhóm cùng ra quyết định mua) hiện ra ở cấp account, dựa trên các signal đến từ từng người và cho từng account.

Rồi có thông tin ở cấp deal, rất đặc thù cho các hoạt động sales và marketing. Sales đã liên hệ chưa, marketing đã liên hệ chưa, với cá nhân này hay với những người trong buying committee ở account này?

Tất cả gộp lại, với mọi signal, data point và touch point, thành một context graph. Lý do context graph quan trọng là: thiếu nó, bạn không biết account nào ưu tiên, account nào không. Khi đã có thông tin này, bạn có thể ưu tiên các account có intent cao, và các contact trong những account đó, để đội sales và marketing theo đuổi.

Sau khi đã nói về kiến trúc và tầm quan trọng của context graph, anh chuyển sang cách Position² hiện thực kiến trúc này và luồng chạy trông như thế nào, rồi một demo ngắn về những gì hệ thống cho thấy: mọi chi tiết vừa nói, và cách hệ thống giúp nhóm xác định những account chủ chốt và những stakeholder chủ chốt cần liên hệ.

9. Ba lớp thành một chuỗi agent nối nhau

Đây là kiến trúc ba lớp vừa nói khi được dựng thành các agent nối với nhau.

Khi một user vào site, lúc đó ta không biết họ là ai. Họ ẩn danh. Và chính lượt ghé thăm đó kích hoạt job đầu tiên: identification job. Anh dùng nhiều hơn một nguồn chạy cùng lúc ở bước này, vì không có công cụ đơn lẻ nào bắt được mọi visitor. Nhóm kéo thông tin từ các công cụ này về, hợp nhất lại, dedupe (loại trùng), rồi gửi sang lớp tiếp theo là enrichment. Bản thân các công cụ thì Position² đổi liên tục, nhưng kiến trúc thì không hẳn thay đổi theo.

Khi các contact đã được enrich, lớp intelligence bắt đầu chạy. Ở đây ICP filter agent vào việc, tham chiếu thông tin trong knowledge base. Ở bước này, nó nhìn lại knowledge base và bảo đảm các contact đi vào khớp với những tiêu chí đã định nghĩa trong đó. Thứ gì không khớp, như sai ngành, sai khu vực địa lý (geo), sai quy mô, sai persona, đều bị loại. Những contact và thông tin đó bị xoá. Thứ gì khớp tiêu chí và phù hợp thì đi vào một bảng sạch gồm các qualified account.

Sau đó match agent vào việc. Nó đối chiếu từng người với CRM. Ta đã nói chuyện với họ chưa? Họ đang warm hay hot? Đó là phần đánh giá ở bước này.

Cuối cùng action agent vào việc. Agent này quyết định điều gì xảy ra tiếp theo với từng người. Có thể là một người ở một account, hoặc nếu có buying committee thì action được quyết định cho cả buying committee của account đó. Action agent quyết định những alert nào sales rep sẽ nhận trên Slack, kèm đúng context và một bản nháp email mà họ có thể gửi. Agent này cũng quyết định có cần bắn một email tới các contact đang có hay không, và có cần dùng LinkedIn để outreach hay không.

Đó là cách workflow chạy, đi từ kiến trúc ba lớp tới cách Position² hiện thực các GTM agent hôm nay.

10. Demo: khung chat biết bạn là ai

Giờ anh cho xem hệ thống thực sự trông thế nào ở phía back end. Ta đã thấy kiến trúc ba lớp, đã thấy các agent làm việc cùng nhau; giờ là đầu ra trông ra sao.

Đây là một màn hình của hệ thống tại Position², có tên là Intelligence. Ngay khi anh vào, hệ thống hiểu anh là ai, và một tin nhắn cá nhân hoá hiện lên trong giao diện chat. Thay vì hỏi những câu generic, nó chỉ anh về một cuộc trò chuyện trước đây anh đã có với nó, và hỏi anh có muốn tiếp tục từ đó không. Nếu anh trả lời có, nó đưa ra một link, anh bấm vào là quay lại đúng cuộc trò chuyện trước đây mình đã tham gia.

Những gì bạn thấy ở đây là kết tinh của mọi signal, thông tin và dữ liệu mà hệ thống đã thu được về user này, được phản ánh lại trong một khung chat. Thay vì một câu chào generic, nó được cá nhân hoá hơn hẳn.

11. Dashboard GTM và Anonymous Visitors

Tiếp theo anh vào dashboard nội bộ để cho thấy dữ liệu này hiện ra với nhóm như thế nào khi xem các account đang theo đuổi.

Đây là giao diện dẫn vào dashboard. Có hai phần chính nhóm đã xây: một cho GTM, một cho organic. Trong phần trình bày hôm nay, anh đi qua những gì xảy ra khi vào dashboard GTM.

Vào trong dashboard GTM, bạn thấy nhiều thẻ (card). Hôm nay anh tập trung vào hai mục: anonymous visitors và LinkedIn intelligence.

Khi anh bấm vào anonymous visitors, nó mở một dashboard nơi chuỗi agent và kiến trúc anh cho xem lúc nãy đang de-anonymize các user. Hệ thống nhận diện các user vào website và phân loại họ vào nhiều nhóm.

Hệ thống đã nhận diện khoảng ba nghìn người, ba nghìn visitor, đến từ khoảng hai trăm tám mươi account khác nhau. Hệ thống cho biết information technology là một trong những ngành chủ chốt đang ghé site. Và thực tế đây đúng là một trong những ngành mà Position² tập trung.

Bạn cũng thấy industry breakdown và các hot signal: đây là những người ở các công ty khác nhau đang được xếp loại là hot contact hay hot account vào lúc này. Đây là tổng hợp của nhiều signal, gồm cả các cuộc trò chuyện đã diễn ra trong HubSpot. Để phục vụ buổi nói chuyện, anh đã đổi tên các người trong demo, dù chức danh là chính xác.

Kéo xuống dưới, có thêm thông tin về các user này: các contact, công ty họ thuộc về, địa điểm, và loại ngành. Tất cả thông tin này có thể sắp xếp theo ngành, theo seniority, theo các loại engagement khác nhau họ đã có với Position², và cũng có thể xem danh sách các công ty đã ghé site.

12. LinkedIn Intelligence: phần nhiều nhóm GTM bỏ sót

Phần thứ hai là LinkedIn intelligence, và đây là phần mà nhiều nhóm GTM bỏ lỡ. LinkedIn có một kho thông tin rất hữu ích.

Trong vài ngày gần đây, khoảng một trăm người đã vào site qua LinkedIn, từ bảy mươi ba công ty khác nhau, và họ đã tương tác với tám bài đăng mà Position² vừa đưa lên. Dashboard có danh sách tất cả những người đã tương tác và loại engagement của họ. Có thể lọc theo C-suite, VP, director, manager và individual contributor; đó là các nhóm Position² dùng. Kèm theo là danh sách công ty mà họ thuộc về.

Bấm vào từng mục, nhóm có thể đi sâu vào chi tiết rất cụ thể về toàn bộ engagement của từng người với Position². Mức chi tiết này thực sự giúp đưa đúng mức intelligence vào hệ thống.

13. Chỗ hệ thống gãy: bốn điểm

Sau phần kiến trúc, anh đi qua những gì thường gãy khi xây loại hệ thống này, tập trung vào bốn khu vực.

ICP drift

Điều này có thật. ICP của bạn thay đổi theo thời gian. Ví dụ hôm nay bạn tập trung vào các tổ chức có ARR hai mươi triệu đô ở một ngành nào đó, rồi bạn chốt được một công ty ARR năm mươi triệu hay một trăm triệu đô ở một ngành khác. Khi đó bạn có thể nhận ra đó là một vùng mới đáng tập trung và theo đuổi. Thông tin đó phải được đưa vào knowledge base. Thiếu nó, agent của bạn làm việc trên thông tin cũ, liên tục đưa ra dữ liệu sai mà bạn không muốn.

Nghĩa là bạn cần retrain model, retrain agent mỗi quý bằng các opportunity closed won hay closed lost, và việc này cực kỳ quan trọng. Thiếu nó, agent nhìn vào thông tin sai, chỉ bạn tới sai account và sai người. (Trên slide ghi: retrain hằng quý trên 90 ngày closed-won gần nhất.)

Alert fatigue

Nếu mọi thứ đều bị gắn cờ hot gửi tới sales rep, họ sẽ ngừng hành động, vì nó trở nên quá tải với họ. Đúng lúc đó họ thôi tin hệ thống, và hệ thống coi như chết. Vì vậy cần dùng knowledge base và context graph để lọc bớt nhiễu và tập trung vào các alert: những alert đến từ các account và contact thực sự đáng để người sales hành động.

Identity ceiling

Đây là một giới hạn đang tồn tại với các công cụ hôm nay. Rất nhiều nền tảng nhận diện anonymous visitor đạt khoảng bảy mươi phần trăm, nhỉnh hơn bảy mươi phần trăm một chút, độ chính xác khi nhận diện công ty. Nhưng chỉ khoảng mười lăm tới hai mươi phần trăm khi nhận diện cá nhân. Đây là giới hạn cấu trúc, một vấn đề cấu trúc của các hệ thống này.

Cách duy nhất để tối đa hoá là liên tục thử các hệ thống khác nhau cho tới khi gặp một cái cho con số tốt hơn nhiều so với những gì bạn đang có. Nhưng điều quan trọng nhất là luôn ghi nhớ các con số này khi lên kế hoạch outreach GTM.

Human bottleneck

Ngay khi approval queue (hàng chờ duyệt) bắt đầu giống một việc vặt, nó sẽ ùn lại. Nó sẽ bị phớt lờ, và hệ thống sẽ không còn được tin nữa. Nghĩa là bạn cần thu nhỏ friction giữa, chẳng hạn, một email nháp đã sẵn sàng và việc email đó thực sự được gửi đi.

Ý anh là: nếu email nháp ở trạng thái gần như sẵn sàng, chỉ cần sửa rất nhỏ, và bạn gửi được bằng một click, thì đó là một hệ thống sẽ bền. Nhưng nếu thời gian sửa một email do AI viết dài hơn, nhóm anh nhìn vào mốc ba mươi giây, nếu lâu hơn ba mươi giây, thì đó là một sáng kiến đã chết. Vì khi đó sales thà tự soạn email của mình còn hơn tin vào thứ hệ thống đưa cho họ.

14. Bốn takeaway: bắt đầu từ đâu

Cuối cùng, anh để lại bốn takeaway chính.

Một, hãy bắt đầu từ identity. Không nhận diện được những visitor vào site của bạn thì cũng như một dự án GTM đã chết. Bạn cần dựng một hệ thống, giống như cái anh vừa cho xem hoặc tương tự, đủ vững để nhận diện visitor tới website, và có cơ chế feedback để thông tin đó quay ngược vào knowledge base, và theo chiều ngược lại.

Hai, điểm fit và điểm intent phải được xét riêng. Gộp chúng lại sẽ gửi sai thông điệp tới sai người.

Ba, bạn cần một policy engine có thể audit và điều chỉnh được. Nghĩa là bạn cần một hệ thống mà khi có gì không chạy, bạn có cách audit xem agent nào hay phần nào của workflow, chẳng hạn workflow anh vừa cho xem, đang hỏng, và có cách tự sửa, thay vì phải đi tìm một developer tới sửa giúp. Bạn cần xây một hệ thống mà ở vai trò GTM leader hay thành viên nhóm GTM, bạn kiểm soát được và sửa được khi cần, vì mọi thứ hỏng khá thường xuyên khi làm với AI và quản lý đầu ra của AI.

Cuối cùng, hãy để flywheel tự cộng dồn. Ý anh là mỗi lần gửi, mỗi phản hồi, mỗi deal chốt đều nên làm model thông minh hơn, làm hệ thống của bạn thông minh hơn. Nghĩa là mọi thông tin về deal thắng, deal thua, deal bị hoãn, tất cả đều phải quay về knowledge base, và các agent phải nắm được thông tin đó để đưa ra quyết định đúng trong tương lai.

Đó là tất cả những gì anh có cho hôm nay. Cảm ơn mọi người đã dành thời gian.