Эпоха «одной модели на все случаи жизни» официально завершена. На смену чат-ботам приходит концепция System of Action, где приоритет смещается с генерации текстов на автономное управление интерфейсами. Кейс компании Unify доказывает: современный рост в B2B — это не проблема маркетингового охвата, а инженерная задача по поиску сигналов в океане неструктурированных данных. Распределяя задачи между специализированными моделями OpenAI, Unify генерирует 30% своего пайплайна в автоматическом режиме, попутно избавляя сейлз-команды от когнитивного выгорания.
Архитектура действия
Стек Unify работает как многоуровневая система интеллекта, а не монолитный интерфейс. В основе лежит «модель наблюдения» на базе OpenAI o3. Она работает в фоновом режиме, отслеживая триггеры — от смены технологий в компаниях до новых назначений в LinkedIn. Это не примитивный парсинг данных: системе требуется рассуждение почти человеческого уровня, чтобы понять контекст и нюансы события до того, как будет написана первая строчка письма. Архитектура o3 здесь закрывает вопросы «почему» и «когда», обеспечивая точность, недоступную стандартным LLM.
«В человеческом взаимодействии есть нечто особенное, что никуда не исчезнет, — отмечает сооснователь Unify Коннор Хегги. — Мы используем AI, чтобы автоматизировать рутину и дать командам рычаг: тратить время на общение с клиентами и принятие стратегических решений».
Чтобы сократить дистанцию между обнаружением лида и контактом, Unify внедряет Research Agent. Этот агент использует GPT-4.1 для планирования и Computer Use Agent (CUA) для динамического браузинга. Именно CUA становится критическим узлом: он взаимодействует с UI на уровне действий пользователя, обходя ограничения классических инструментов скрапинга. Финальный этап берет на себя GPT-4o — это «движок синтеза», который превращает результаты исследования в персонализированные письма. Такое разделение труда гарантирует, что дорогая логика o3 используется только там, где она незаменима, а быстрые модели отвечают за структурированный вывод и стиль.
Инженерия точности: прагматичный подход
Переход к каскадной архитектуре заставляет пересмотреть метрики эффективности. В Unify оценивают стек не по абстрактной задержке (latency), а через тесты качества рассуждений в боевых сценариях. Это критично на этапе классификации сигналов: данные OpenAI показывают, что o3 на голову выше конкурентов именно в принятии решений на «верхних этажах» воронки.
Бизнесу пора признать: для масштабирования важнее умение модели вовремя остановиться, чем бесконечное теоретизирование. Интеграция GPT-4.1 и CUA открыла задачи по планированию, которые раньше считались непроходными для автоматизации. Кейс Unify служит бенчмарком для рынка: не стоит платить за глубокое рассуждение там, где нужен простой синтез, но и не ждите от легких моделей решения сложных поисковых задач. Проведите аудит распределения токенов: перенос задач синтеза с тяжелых моделей на GPT-4o освободит бюджет для развертывания o3 в тех узлах, где решается судьба сделки.