Apprentissage à deux faces
Insights de recherche (quels leads convertissent) ET insights de contact (quelles formulations, cadences et canaux décrochent un appel). Chaque côté borné à ~1500 chars · le playbook ne gonfle jamais.
La plupart des outils IA de vente tirent le même prompt à vie. Les agents CloseHunt mettent à jour leur propre playbook. Toutes les ~6 heures, dès qu'un agent a accumulé 10+ résultats (réponses, conversions, terminaisons), le moteur réécrit un résumé borné de ce qui marche et de ce qui ne marche pas · et l'injecte dans chaque prompt suivant. Par agent uniquement. Jamais partagé. Toujours explicable.
Insights de recherche (quels leads convertissent) ET insights de contact (quelles formulations, cadences et canaux décrochent un appel). Chaque côté borné à ~1500 chars · le playbook ne gonfle jamais.
Refresh max une fois par côté toutes les 6h ET uniquement après ≥10 nouveaux résultats. Pas de refresh prématuré sur données fines, pas d'excès sur pics de volume.
Utilise Haiku ou GPT-5 mini pour la passe de refresh. Chaque cycle coûte des fractions de centime. La boucle d'apprentissage tourne à vie sans gonfler votre facture IA.
Les insights vivent sur la ligne de l'agent, isolés de tout autre agent du workspace. Votre agent support n'apprend pas de votre agent outbound. Séparation propre.
Dupliquez un agent et vous dupliquez son playbook appris. Lancez un agent jumeau dans une nouvelle zone géo ou un nouveau vertical sans perdre trois mois de sagesse accumulée.
Chaque agent affiche un panneau "Ce que cet agent a appris" · gagnants, perdants, date du dernier refresh, comptes d'échantillons. Pas de boîte noire · vous auditez ce que l'IA croit qui marche.
Le fine-tuning recâble les poids du modèle et prend des heures et des dollars par mise à jour. La mémoire adaptative est quelques centaines de chars de contexte injectés dans chaque prompt · rafraîchissable en secondes pour des fractions de centime. Même effet convergent, zéro MLOps.
Oui. Le refresh n'est pas append-only · toutes les 6h le moteur réécrit le résumé COMPLET depuis les 10+ derniers résultats. Les mauvaises leçons tombent au fur et à mesure que les preuves nouvelles s'accumulent.
Réponses (catégorisées positif, négatif ou neutre), conversions (objectif atteint), terminaisons (opt-outs, hard-no, max-turns atteint). Chaque résultat incrémente le compteur d'échantillons ; le seuil gate le prochain refresh.
Non. La mémoire adaptative tourne strictement à l'intérieur de votre workspace. Les insights sont stockés sur votre ligne Agent, ne quittent jamais votre tenant, ne sont jamais partagés avec un autre workspace, et n'entrent jamais dans le training de modèles.
Oui · c'est tout l'intérêt. Les vieux insights s'effacent à mesure que le moteur les réécrit depuis les preuves récentes. Un changement de tarif, un lancement concurrent, un nouveau vertical · le playbook de l'agent se met à jour en heures, pas en semaines.
Essai sur demande · contactez l'équipe commerciale.