2 мин чтения
Коротко
QuickOn обещает объяснять каждое решение AI при квалификации B2B-лидов и работать на open-source моделях бесплатно. Разбираю, как устроена их rubric-система и где реальные trade-off.
Главное напряжение в AI-квалификации лидов — не скорость, а доверие. Скорость решается любым webhook-ом, а вот объяснить, почему именно этот лид получил 92 балла из 100, гораздо сложнее. QuickOn строит продукт вокруг этой проблемы.
Архитектура выглядит как пять стадий: получить лид, нормализовать и убрать дубликаты, обогатить данными, оценить и синхронизировать в CRM. На этапе оценки работает 10-критериальная rubric, привязанная к вашему Ideal Customer Profile. Объективные критерии — размер компании, отрасль, география — оцениваются детерминированно в коде. Субъективные — покупательские намерения, срочность — отдаются выбранной AI-модели.
Это разделение — самое интересное инженерное решение в продукте. Вместо «черного ящика», который выдает число, вы получаете прозрачный разбор по каждому критерию: ICP match, авторитет лица принимающего решения, покупательские намерения и так далее. Для каждого квалифицированного лида генерируется не только оценка 0–100 и грейд A–D, но и обоснование, риски, рекомендованное следующее действие и черновик outreach-письма.
Провайдер-агностичный подход здесь реализован последовательно. Бесплатный тариф использует open-source модели через Groq (Llama 3.3, GPT-OSS, Qwen) или локальный Ollama. Платные опции — Claude, GPT, Gemini — подключаются per-org без кода. Обогащение данных идёт через People Data Labs, Clearbit или Apollo, с кэшированием, чтобы не дублировать вызовы.
Пайплайн построен с упором на надёжность: каждый шаг идемпотентный и ретраится независимо, лиды не теряются. Безопасность на уровне Postgres row-level security, шифрование секретов, хэширование API-ключей, rate limiting и верификация подписей webhook-ов.
Trade-off виден в CRM-интеграциях. Из коробки работает только HubSpot. Pipedrive, Salesforce, Zoho и Freshsales — адаптеры, требующие настройки. Для команд, уже живущих в HubSpot, это не проблема. Для экосистем с другими CRM — дополнительная работа.
Ценообразование честное: $0 за 100 лидов в месяц на open-source AI, дальше $49 за 1000 лидов и так далее. Обогащение данных тарифицируется отдельно, чтобы счет не удивлял.
Главный вопрос к таким системам — насколько rubric и AI-оценка реально коррелируют с закрытыми сделками. QuickOn даёт инструменты для аудита каждого решения, что уже выгодно отличает его от подхода «доверьтесь модели». Но реальную проверку даст только A/B-тест на ваших данных: сравнение конверсии в закрытые сделки при ручной квалификации и через платформу.
Источник: Hacker News - Newest: ""AI" "LLM""