Unify GTM 成長系統使用 OpenAI o3、GPT-4.1 與 CUA

Unify 開發了一套以 AI 為驅動的 go-to-market（GTM）系統，將銷售成長視為工程問題，利用 OpenAI o3、GPT-4.1 與 Computer-Using Agent（CUA）自動化潛在客戶開發與高度個人化訊息。此系統目前產生 Unify 自身 30% 的管道，並每年為客戶支援數億的管道。

將 GTM 轉變為可擴展的搜尋問題

Unify 將 go-to-market 流程重新定義為針對非結構化、語意豐富資料的搜尋問題，而非傳統的獲客問題。透過以代理架構取代手動研究與外聯，GTM 團隊能以先前人工無法達到的規模與速度，找出擁有其產品可解決之特定問題的公司與個人。

Unify 的 AI 產品堆疊由三個主要組件構成：

• 觀測模型：由 OpenAI o3 提供動力，此模型持續研究可服務的總市場，以偵測高訊號事件，例如技術堆疊變更或新進人員，並使用多代理工作流程呈現策略洞見。
• 研究代理：此組件處理開放式問題與外發文案產生。它使用 GPT-4.1 進行規劃，CUA 進行動態瀏覽，並以 GPT-4o 進行綜合。
• 文案撰寫：透過代理式研究與 GPT-4o，這一層將擷取的資料轉換為針對特定潛在客戶的高度個人化電子郵件草稿。

GTM 任務的策略模型分配

Unify 透過將特定 OpenAI 模型與最適合的任務配對，優化其系統，重點放在推理、工具使用與互動能力上。

OpenAI o3 用於高訊號偵測

Unify 在驗證 OpenAI o3 能夠推理複雜上游決策後，將其部署至觀測模型。此模型專門用於兩至三輪的推理，為訊號偵測所需的早期階段邏輯提供動力。

GPT-4.1 與 CUA 用於研究與規劃

GPT-4.1 與 Computer-Using Agent（CUA）被整合至產品的決策層，以開啟研究與規劃任務。具體而言，CUA 使 UI 級別的互動成為可能——例如瀏覽 Trust and Safety 頁面或評論網站——這是靜態爬蟲無法支援的。

GPT-4o 用於綜合與分類

GPT-4o 因其流暢度與支援結構化輸出，成為綜合與回覆分類的預設模型。

在真實情境中評估推理品質

Unify 依據模型在真實 GTM 情境中的推理品質來評估，而非僅僅依賴準確度或延遲。此方法對於上游階段（如指令規劃與訊號分類）至關重要，因為初始模型輸出決定了所有後續步驟的成功與否。

"推理品質在那些早期步驟中真的很重要，我們需要能夠接近人類水平推理、理解細微差異，且能在多樣化使用情境中適應的模型。" — Kunal Rai, Unify 軟體工程師

透過將 OpenAI o3 與開源替代方案進行基準測試，Unify 確定 o3 卓越的推理能力對於觀測模型所需的複雜邏輯是必不可少的。