企业数据平台Sumble创始人Anthony Goldbloom近日披露，当AI智能体调用企业数据时，原始数据约80％的准确率会下降至33％左右。Sumble的客户包括Snowflake、Databricks、Figma、Wiz、Monaco，以及Baseten、Vercel、Modal、CodeRabbit等一批AI公司。SaaStr已使用该平台六至八周。
Goldbloom并非销售出身，此前创办了机器学习社区Kaggle，该公司于2017年被Google收购，九年后仍以独立品牌作为DeepMind旗下部门运营。他通过与上述公司的市场进入（GTM）团队紧密合作构建Sumble，以确定以智能体为先的销售流程实际需要哪些数据。
SaaStr将Sumble接入其内部智能体Prospector，用于处理 inbound、outbound、续约和名单 enrichment。智能体调用Sumble寻找目标公司的合适联系人、梳理汇报关系，并判断 inbound 线索是否为实际决策者。SaaStr方面表示，在测试过的工具中，Sumble的数据一致性最高，且几乎所有使用均为无头模式，智能体直接查询，人工很少登录。Sumble团队也注意到来自智能体而非人工的稳定调用量。
Goldbloom认为，GTM领域的第一波AI聚焦于“发送更多”，AI SDR成为热门品类，发送消息几乎免费，导致邮件、LinkedIn等数字渠道被填满。Sumble则用AI做相反的工作：在发送之前精确决定目标对象。他将精确性拆分为颗粒度和准确度两部分。
为展示颗粒度，Goldbloom以沃尔玛的一条招聘信息为例：从这一条帖子可以推断出存在一个Catalog Engineering团队，该团队维护企业级商品目录平台，正将目录编排服务迁移至新平台，新平台可能包含NoSQL组件（Cosmos DB和Cassandra）及容器化技术（Docker和Kubernetes）。结合地点、职位、技术和团队名称，足以合理推测项目负责人。将这一方法应用于沃尔玛所有招聘信息及财务文件，可构建更精细的企业数据画像。
据披露，Nooks通过Sumble发现了700个此前未知的客户账户。这一案例表明，在AI销售智能体大规模调用数据的背景下，数据的颗粒度与准确度正成为GTM工具竞争的关键指标。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
