Introduzione
Le logiche di acquisizione e fidelizzazione dei clienti, radicate da più di un secolo, si basano su tre pilastri fondamentali: generare domanda, chiudere le trattative e garantire la soddisfazione post‑acquisto. Nonostante le trasformazioni digitali, questi problemi sono rimasti sostanzialmente invariati. Recentemente, però, l’avvento di agenti basati su intelligenza artificiale (AI) ha aperto nuove strade operative, permettendo a HubSpot di ripensare l’intero modello go‑to‑market (GTM) in chiave “agentic”.
Le sfide storiche del go‑to‑market B2B
John Dick, Chief Customer Officer di HubSpot, ha evidenziato nel podcast “The Artificial Intelligence Show” condotto da Mike Kaput che le difficoltà tradizionali del settore non sono cambiate:
- creare domanda;
- vincere le trattative;
- costruire clienti felici e fedeli.
Queste sono sfide “storiche”, ma l’AI introduce “nuove soluzioni” in grado di superare i limiti strutturali che da decenni frenano la crescita delle vendite B2B.
L’intervento dell’intelligenza artificiale
Negli ultimi vent’anni, i commerciali B2B hanno dedicato circa il 35 % del proprio tempo all’interazione diretta con i clienti, mentre il restante 65 % è stato assorbito da attività di ricerca preventiva, coordinamento e compiti amministrativi. L’introduzione di agenti AI permette di delegare queste attività di “contorno”, potenzialmente aumentando la percentuale di tempo attivo con il cliente.
Nel Customer Success, la personalizzazione su larga scala è sempre stata una sfida per i sistemi di marketing automation tradizionali. Il modello agentic GTM, invece, consente di creare comunicazioni 1‑to‑1 per centinaia di migliaia di utenti, fornendo indicazioni puntuali per l’uso ottimale della piattaforma.
Il modello agentic GTM di HubSpot
La trasformazione ha seguito tre passaggi strategici fondamentali:
- Leadership visibile: il supporto attivo dell’executive leadership, con la CEO Yamini Rangan che ha mostrato l’uso personale dell’AI in video interni.
- Tempo dedicato alla sperimentazione: spazi e risorse riservati a testare nuove soluzioni AI.
- Cultura della condivisione: canali dedicati per scambiare esperimenti, risultati e best practice, riducendo l’ansia da “digital lag”.
Alfabetizzazione interna (AI fluency)
Prima di ristrutturare i flussi operativi, HubSpot ha investito nell’alfabetizzazione dei dipendenti, promuovendo una cultura in cui condividere sperimentazioni è “assolutamente normale e incoraggiato”. Questo ha favorito l’adozione rapida e consapevole delle nuove tecnologie.
Agentic GTM in azione
Answer Engine Optimization (AEO)
Con il calo del traffico web tradizionale e l’ascesa dei “motori di risposta”, HubSpot ha lanciato una strategia AEO supportata da agenti dedicati. L’agente AEO interno ha prodotto una crescita di quasi 2.000 % nelle conversioni da motori di risposta negli ultimi mesi.
Demand Agent
Per affinare la definizione del mercato potenziale, è stato creato un Demand Agent che scansiona continuamente il mercato, individua i profili ideali all’interno del Total Addressable Market (TAM) e rileva segnali di intenzione d’acquisto.
AI SDR (Sales Development Representative)
Nel sito web, l’AI SDR automatizza più dell’80 % delle conversazioni in chat in ingresso, mantenendo alti livelli di performance e riducendo i tempi di risposta.
Agente di prospezione centralizzato
Grazie a questo agente, HubSpot ha fissato circa 10.000 appuntamenti commerciali in un singolo trimestre, dimostrando l’efficacia della prospezione automatizzata.
Guided Success – assistente personalizzato
Integrato nella piattaforma HubSpot Breeze, Guided Success è addestrato sul contesto storico dell’azienda e sulle metodologie di vendita interne. Il risultato è un incremento misurabile del tasso di chiusura (win rate) dei contratti.
Supporto clienti AI‑first
Il supporto clienti è stato uno dei primi settori a beneficiare dell’AI, raggiungendo un tasso di risoluzione automatica del 60 %. Tuttavia, l’iniziale focalizzazione esclusiva sulla velocità di risoluzione ha causato un calo del CSAT (Customer Satisfaction). L’apprendimento chiave è stato:
“Guardavamo con entusiasmo al tasso di risoluzione che saliva, mentre nel frattempo il CSAT stava calando vistosamente”.
Riorientando le priorità verso la soddisfazione del cliente, il tasso di risoluzione è tornato a crescere in modo organico.
Assistenti AI per i Customer Success Manager
L’introduzione di assistenti AI dedicati ha ridotto il carico amministrativo dei CSM, generando:
- +7 punti percentuali nel tasso di salvataggio dei clienti (save rate);
- Miglioramento complessivo dell’adozione della piattaforma.
Impatto sui risultati di bilancio
Il passaggio da produttività individuale a produttività istituzionale ha richiesto una revisione profonda dell’assetto organizzativo. Dopo hackathon interni e la creazione spontanea di strumenti, HubSpot è passato a un modello basato su “pod” multidisciplinari guidati dal Marketing Growth Leader Kieran Flanagan. Ogni pod aggrega esperti di dominio, ingegneri e analisti dati.
Tre mesi prima dell’intervista, l’azienda ha ulteriormente unificato tutti gli ingegneri, i sistemisti, i data scientist, i product manager e gli esperti di settore dedicati al GTM in una singola struttura centrale sotto la guida di Flanagan. Questo ha eliminato i costi di coordinamento e le priorità concorrenti tra dipartimenti.
I dati interni mostrano che gli agenti sviluppati centralmente, dotati di contesto aziendale completo e di sistemi di valutazione (eval) rigorosi, superano di gran lunga le performance di agenti o prompt creati individualmente