В статье описывается, как стартапам удаётся привлекать крупных корпоративных клиентов, и на что они чаще всего совершают ошибки. По словам сооснователя и старшего вице-президента по полевым продажам Databricks Арслана Таваколи-Шираджи, главная проблема—не только технология, но и люди и процессы вокруг продаж.

Таваколи-Шираджи отмечает, что технологическая сторона важна, но сама по себе она не приносит контрактов. Databricks, сейчас оцениваемая в 190 миллиардов долларов и имеющая клиентов среди более чем семидесяти процентов компаний Fortune 500, когда-то была крошечной компанией, и он отвечал за создание первых крупных сделок.

Один из ключевых выводов они делают по практикам продаж—делать упор не только на «саму технику», но на людей и процессы. В рамках выступления на TechCrunch Disrupt Таваколи-Шираджи вспоминает, как в начале путь к встрече с потенциальным клиентом мог быть осложнён тем, что тот уже подписал крупное соглашение с конкурентом. Это подчёркивает важность подготовки к правовым, контрактным и вопросам безопасности.

Часть стратегии Databricks состоит в том, чтобы продавать under umbrella крупной технологической компании. Так, когда стартап пытался выйти на UBS, они нашли путь через партнёрство с Microsoft и становление партнёрами Azure. Это означало, что встречи финансируются и ведутся продажами Microsoft, а сделки идут под их условиями.

Такой подход помог Databricks расшириться за счёт поддержки со стороны партнёра и сделало возможным оперативный доступ к рынкам, которые ранее были недоступны. Однако возникли новые задачи: клиенты требовали функциональности в странах, куда компания ещё не выходила. Тем не менее такие «хорошие проблемы» сопровождал рост.

Сегодня Databricks сама выступает крупной компанией-поставщиком, предлагая свои продукты под собственными условиями и кибербезопасностью. Среди примеров партнёрств и инвестиций упоминаются Hightouch, Addepar и приобретённая Tecton, что демонстрирует эволюцию от стартапа к экосистемной платформе.

При продаже AI Таваколи-Шираджи выделяет четыре «С», которыми должны руководствоваться предприятия: контекст (как обучать ИИ под специфику компании), выбор (возможность перехода между моделями), стоимость (управление затратами на рабочий цикл ИИ) и контроль (защита данных и безопасность). По его словам, именно эти аспекты часто ставят под сомнение оправданность внедрения ИИ в крупной организации.

По наблюдениям спикера, многие CIO оценивают внедрение ИИ на уровне от трёх до пяти по шкале готовности, где большинство компаний пока остаются на первых двух шагах. Он подчёркивает, что полноценное развёртывание ИИ в бизнес-процессы останется длительным процессом и что стартапам стоит искать возможности в модернизации устаревших систем — например в банковской сфере встречаются устаревшие IBM AS/400 и мейнфреймы.

В завершение Таваколи-Шираджи делится сценой из ранних лет: он якобы играл роль юриста, чтобы заключить крупное соглашение, и рассказывает, как современные агенты ИИ могут разбирать старый код и превращать его в современные интерфейсы или заменять системы целиком. Эти примеры иллюстрируют прогнозы о будущем внедрения enterprise AI и важности гибкости в выборе подходов.