使用 OpenAI o3、GPT-4.1 和 CUA 的 Unify GTM 增长系统

Unify 开发了一个 AI 驱动的 go-to-market（GTM）系统，将销售增长视为工程问题，利用 OpenAI o3、GPT-4.1 和计算机使用代理（CUA）来自动化潜在客户开发和高度个性化的消息传递。该系统目前产生了 Unify 自身 30% 的销售线索，并每年为其客户支持数亿美元的线索。

将 GTM 转变为可扩展的搜索问题

Unify 将 go-to-market 过程重新定义为对非结构化、语义丰富数据的搜索问题，而非传统的获取问题。通过用代理架构取代手动研究和外联，GTM 团队能够在规模和速度上识别出那些其产品能够解决特定问题的公司和个人，这在手工劳动下是无法实现的。

Unify 的 AI 产品堆栈由三个主要组件组成：

• 观察模型：由 OpenAI o3 提供动力，该模型持续研究可总地址市场，以检测高信号事件，如技术栈变更或新招聘，使用多代理工作流呈现战略洞察。
• 研究代理：该组件处理开放式问题和外发文案生成。它利用 GPT-4.1 进行规划，CUA 进行动态浏览，GPT-4o 进行综合。
• 文案写作：使用代理式研究和 GPT-4o，该层将呈现的数据转化为针对特定潜在客户的高度个性化电子邮件草稿。

GTM 任务的模型策略分配

Unify 通过将特定的 OpenAI 模型与最适合的任务配对来优化其系统，重点关注推理、工具使用和交互能力。

用于高信号检测的 OpenAI o3

在验证了其对复杂上游决策进行推理的能力后，Unify 将 OpenAI o3 部署到其观察模型中。该模型专用于两到三轮推理，为信号检测所需的早期逻辑提供动力。

用于研究和规划的 GPT-4.1 与 CUA

GPT-4.1 与计算机使用代理（CUA）被集成到产品的决策层，以实现研究和规划任务。具体而言，CUA 能够进行 UI 级交互——例如浏览信任与安全页面或评论站点——这些是静态抓取无法支持的。

用于综合和分类的 GPT-4o

由于其流畅性和对结构化输出的支持，GPT-4o 作为综合和回复分类的默认模型。

在真实场景中评估推理质量

Unify 根据模型在真实 GTM 场景中的推理质量进行评估，而不仅仅依赖准确率或延迟。这种方法对上游阶段（如指令规划和信号分类）至关重要，因为初始模型输出决定了后续所有步骤的成功。

"推理质量在这些早期步骤中真的很重要，我们需要能够接近人类水平推理、理解细微差别并在各种用例中适应的模型。" — Kunal Rai, Software Engineer at Unify

通过将 OpenAI o3 与开源替代方案进行基准测试，Unify 确定 o3 的卓越推理能力对于观察模型所需的复杂逻辑是必不可少的。