AI Guardrails
How the LLM layer is scoped, and what it's deliberately not allowed to do.
Scores accounts, not individuals
Every account gets a transparent, rule-based fit_score
first — a plain weighted breakdown across industry, company size,
revenue, tech stack, and geography, fully auditable with no LLM
involved. The LLM layer adds a qualitative account_fit_score
and rationale on top, meant to surface context the rules can't
(recent funding, hiring surges, competitor mentions) — not to
replace the rule-based number or make a final call on its own.
The prompt sent to the LLM deliberately excludes the contact's name
and title; only company-level attributes are evaluated.
Guardrails built into the product
- No outreach generation of any kind. The product scores and ranks accounts and pushes the result to your CRM — it does not draft, suggest, or send any email, LinkedIn message, or other communication to anyone.
- No silent CRM writes. Scores and rationale only get pushed to Salesforce when you explicitly click the push action for a specific account — nothing syncs in the background.
-
Mock output is always labeled. Without an
Anthropic API key configured, the scoring layer runs on
deterministic mock data instead of failing — and every mock
rationale is prefixed
[mock LLM]so it's never mistaken for a real assessment. - Self-hosted data path. When you do configure a real API key, the enrichment data for each account goes directly from your own instance to Anthropic's API — it doesn't pass through us, and we have no visibility into what's sent or returned.
Limitations you should know about
Account-fit estimates are probabilistic, not guarantees — treat them as one input among several, particularly for high-stakes or high-value accounts. The rationale text is generated, and generated text can occasionally be wrong or miss context a human rep would catch. Nothing here replaces your own judgment about a specific account.
Questions
Принципы ИИ
Как ограничен слой LLM и что ему намеренно запрещено делать.
Оценивает аккаунты, а не людей
Каждый аккаунт сначала получает прозрачную оценку по правилам
fit_score — простую взвешенную разбивку по отрасли, размеру
компании, выручке, технологическому стеку и географии, полностью
проверяемую и без участия LLM. Слой LLM добавляет качественную оценку
account_fit_score и обоснование, чтобы выявить контекст,
недоступный правилам (недавние инвестиции, активный найм, упоминания
конкурентов), — а не заменить оценку по правилам или принять
окончательное решение самостоятельно. Запрос к LLM намеренно не
включает имя и должность контакта; оцениваются только данные о компании.
Ограничения, встроенные в продукт
- Никакой генерации рассылок. Продукт оценивает и ранжирует аккаунты и отправляет результат в вашу CRM — он не пишет, не предлагает и не отправляет никому письма, сообщения в LinkedIn или другие сообщения.
- Никаких скрытых записей в CRM. Оценки и обоснования попадают в Salesforce, только когда вы явно нажимаете «Отправить» для конкретного аккаунта — в фоне ничего не синхронизируется.
-
Тестовые результаты всегда помечены. Без настроенного
API-ключа Anthropic слой оценки работает на детерминированных тестовых
данных, а не выдаёт ошибку, — и каждое тестовое обоснование начинается с
[mock LLM], чтобы его не приняли за настоящую оценку. - Данные не покидают ваш сервер. Когда вы настраиваете настоящий API-ключ, данные об аккаунте идут напрямую с вашего сервера в API Anthropic — они не проходят через нас, и мы не видим, что отправляется и что возвращается.
Ограничения, о которых стоит знать
Оценки соответствия аккаунта вероятностны, а не гарантированы — считайте их одним из нескольких факторов, особенно для важных и крупных аккаунтов. Текст обоснования генерируется, а сгенерированный текст иногда может ошибаться или упускать контекст, который заметил бы менеджер. Ничто здесь не заменяет ваше собственное суждение о конкретном аккаунте.
Вопросы
AI սկզբունքներ
Ինչպես է սահմանափակված LLM շերտը, և ինչ է նրան դիտավորյալ արգելված։
Գնահատում է հաշիվներ, ոչ թե անհատներ
Յուրաքանչյուր հաշիվ նախ ստանում է թափանցիկ, կանոնների վրա հիմնված
fit_score՝ պարզ կշռված բաշխում ըստ ոլորտի, ընկերության
չափի, եկամտի, տեխնոլոգիական փաթեթի և աշխարհագրության, ամբողջությամբ
ստուգելի և առանց LLM-ի մասնակցության։ LLM շերտը վրան ավելացնում է
որակական account_fit_score և հիմնավորում՝ բացահայտելու
այն համատեքստը, որը կանոնները չեն տեսնում (վերջին ներդրումներ,
աշխատողների ակտիվ ընդունում, մրցակիցների հիշատակում), այլ ոչ թե
փոխարինելու կանոնների գնահատականը կամ ինքնուրույն վերջնական որոշում
կայացնելու համար։ LLM-ին ուղարկվող հարցումը դիտավորյալ չի ներառում
կոնտակտի անունը և պաշտոնը․ գնահատվում են միայն ընկերության տվյալները։
Արտադրանքում ներկառուցված սահմանափակումներ
- Ոչ մի նամակագրության ստեղծում։ Արտադրանքը գնահատում և դասակարգում է հաշիվները և արդյունքն ուղարկում ձեր CRM, այն չի գրում, չի առաջարկում և ոչ մեկին չի ուղարկում էլ. նամակներ, LinkedIn հաղորդագրություններ կամ այլ հաղորդակցություն։
- Ոչ մի թաքնված գրառում CRM-ում։ Գնահատականներն ու հիմնավորումները Salesforce են ուղարկվում միայն այն ժամանակ, երբ դուք հստակ սեղմում եք ուղարկման կոճակը կոնկրետ հաշվի համար․ ֆոնային ռեժիմում ոչինչ չի համաժամեցվում։
-
Թեստային արդյունքները միշտ նշված են։ Առանց
կարգավորված Anthropic API բանալու գնահատման շերտն աշխատում է
դետերմինիստիկ թեստային տվյալներով, այլ ոչ թե սխալ տալիս, և
յուրաքանչյուր թեստային հիմնավորում սկսվում է
[mock LLM]-ով, որպեսզի այն երբեք չշփոթվի իրական գնահատման հետ։ - Տվյալները չեն լքում ձեր սերվերը։ Երբ կարգավորում եք իրական API բանալի, յուրաքանչյուր հաշվի տվյալներն ուղղակիորեն գնում են ձեր սերվերից Anthropic-ի API․ դրանք չեն անցնում մեր միջով, և մենք չենք տեսնում, թե ինչ է ուղարկվում կամ վերադարձվում։
Սահմանափակումներ, որոնց մասին պետք է իմանալ
Հաշվի համապատասխանության գնահատականները հավանականային են, ոչ թե երաշխավորված․ դիտարկեք դրանք որպես մի քանի գործոններից մեկը, հատկապես կարևոր կամ մեծ հաշիվների դեպքում։ Հիմնավորման տեքստը գեներացվում է, իսկ գեներացված տեքստը երբեմն կարող է սխալվել կամ բաց թողնել համատեքստ, որը վաճառքի մասնագետը կնկատեր։ Այստեղ ոչինչ չի փոխարինում կոնկրետ հաշվի վերաբերյալ ձեր սեփական դատողությանը։