اگر امروز برای مدیریت مشتریان خود به وارد کردن دستی داده‌ها در جداول پیچیده تکیه می‌کنید، احتمالاً بخشی از هوش تجاری خود را در میان فیلدهای خالی گم کرده‌اید. شرکت Lightfield با جذب ۴۷ میلیون دلار سرمایه در دور سری A، درست در ۹ سپتامبر ۲۰۲۶، قصد دارد این کابوس اداری را به پایان برساند.
به گزارش منابع صنعتی، این استارتاپ هدفش جایگزینی غول‌های قدیمی مانند Salesforce است. مشکل اصلی این است که اکثر سیستم‌های مدیریت ارتباط با مشتری (CRM) بیش از دو دهه پیش برای انسان‌ها ساخته شدند؛ یعنی کاربر باید دستی فیلدها را به‌روز می‌کرد. این معماری قدیمی باعث ایجاد یک شکاف زمینه‌ای می‌شود که مانع از آن است که عامل‌های هوش مصنوعی (AI Agents) — شبیه دستیاران دیجیتالی که می‌توانند به‌جای شما تصمیم بگیرند و ابزارها را اجرا کنند — بتوانند خروجی‌های قابل‌اعتمادی تولید کنند.
Lightfield این مشکل را با تغییر تعریف سوابق مشتری حل کرده است. به‌جای یک پایگاه‌داده ایستا، سوابق را به شکل یک جریان پویا از تعاملات می‌بیند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی سیستم‌های ثبت داده‌ی هوشمند اشاره کردیم، کلید موفقیت در عصر جدید، تبدیل داده‌های خام به دانش است، نه صرفاً ذخیره‌سازی آن‌ها. این رویکرد با تلاش‌های استارتاپ‌هایی نظیر Euno برای ایجاد لایه‌های زمینه‌ساز داده‌های سازمانی هم‌سو است که هدفشان بهینه‌سازی دسترسی هوش مصنوعی به اطلاعات داخلی شرکت‌هاست.
طبق اعلام کیت پیریس (Keith Peiris)، یکی از بنیان‌گذاران شرکت، از زمان عرضه این محصول در نوامبر ۲۰۲۵، بیش از ۵,۰۰۰ شرکت برای استفاده از آن ثبت‌نام کرده‌اند. برخی تیم‌ها حتی کل زیرساخت‌های Salesforce خود را به این پلتفرم منتقل کرده‌اند تا از شر بار سنگین ثبت دستی سوابق خلاص شوند. پیریس تأکید کرد که سرمایه جدید برای شتاب بخشیدن به رشد و گسترش وظایفی که عامل‌های این شرکت می‌توانند برای مشتریان انجام دهند، هزینه خواهد شد.
معماری عامل‌محور
این پلتفرم فیلدهای سنتی را با یک «گراف زمینه‌ی زمانی» جایگزین کرده است که منطق پشت هر معامله را ثبت می‌کند. این سامانه مستقیماً به ایمیل، تقویم، Slack و LinkedIn متصل می‌شود تا سوابق را به‌طور خودکار ساختار دهد. این مدل داده‌ای منعطف نیازی به تنظیمات دستی ندارد و می‌تواند در عرض چند دقیقه، از طریق تماس‌ها و ایمیل‌های شرکت، خودش را سازماندهی کند.
قابلیت‌های فنی کلیدی این سیستم عبارتند از:
- Agent Harness: ترکیبی از یک SDK استاندارد، یک محیط اجرای کد (Sandbox) قطعی و ارزیابی‌های مستمر.
- گردش‌های کاری خودکار: عامل‌ها به‌طور مستقل به‌روزرسانی‌ها، پیگیری‌ها و گزارش‌ها را مدیریت می‌کنند.
- قیمت‌گذاری مبتنی بر ارزش: هزینه‌ها به‌جای تعداد کاربر (Seat)، بر اساس حجم کار انجام‌شده و ارزش ایجادشده محاسبه می‌شود.
- یکپارچگی منعطف: یک سرویس مهاجرت تخصصی با استفاده از عامل‌ها، داده‌های قدیمی را جذب کرده و مدل‌های داده‌ای را از روز اول بازسازی می‌کند.
- دسترسی توسعه‌دهندگان: هر رکورد از طریق API، پروتکل زمینهٔ مدل (MCP) و CLI قابل خواندن و نوشتن است.
زمینه و پیاده‌سازی
پیریس استدلال می‌کند که وقتی سیستم به‌طور مداوم سوابق را از جلسات و تماس‌ها جمع‌آوری کند، زمینهٔ کافی برای شناسایی معاملات در معرض خطر یا پیش‌بینی نیازهای آینده مشتری را خواهد داشت. این یعنی شرکت‌ها می‌توانند کارهای واقعی را به عامل‌ها بسپارند؛ مثلاً پاسخ‌های خودکار و هوشمند به مشتریان را فعال کنند.
علاوه بر این، پلتفرم می‌تواند الگوهای موجود در معاملات موفق را تحلیل کرده و برای ساخت یک خط لوله (Pipeline) بهینه از آن‌ها استفاده کند. همچنین می‌تواند فروشندگان جدید را با استخراج درس‌هایی از موفق‌ترین معاملات شرکت، سریع‌تر آموزش دهد.
از Tome تا CRM
بنیان‌گذاران این شرکت، کیت پیریس و هنری لریانی (Henri Liriani)، پیش از این Tome را ساخته بودند؛ ابزاری برای ارائه‌های هوش مصنوعی که به ۲۵ میلیون کاربر رسید. آن‌ها پس از این تجربه به این نتیجه رسیدند که Tome ابزار مناسبی برای تبدیل شدن به یک شرکت عظیم نیست و تیم مهندسی خود را برای حل مشکلی که هنگام مقیاس‌پذیری با آن روبرو بودند، تغییر مسیر دادند: نبود یک سیستم ثبت داده که به‌طور بومی برای هوش مصنوعی ساخته شده باشد.
آن‌ها در مقاله‌ای که در ۱۳ نوامبر ۲۰۲۵ با عنوان «چرا Lightfield را ساختیم» منتشر کردند، استدلال کردند که ابزارهای قدیمی در سه مرحله شکست می‌خورند:
- روز صفر: بنیان‌گذاران به‌دنبال الگوها می‌گردند اما با فیلدهای خالی روبرو می‌شوند.
- نخستین درآمد: وارد کردن دستی داده‌ها، CRM را به باری بر دوش یادگیری تبدیل می‌کند.
- در مقیاس بالا: سوابق فقط بازتاب‌دهنده چیزهایی هستند که کارکنان به‌طور اتفاقی دستی وارد کرده‌اند.
بنیان‌گذاران اشاره کردند: «ما می‌دانیم مقیاس دادن به یک شرکت تا میلیون‌ها کاربر و سپس متوجه شدن اینکه دیدمان را نسبت به خواسته‌های واقعی مشتریان از دست داده‌ایم، چه حسی دارد.» برای حل این مشکل، Lightfield ردپای خام تعاملات را حفظ می‌کند و داشبوردها را صرفاً به عنوان نماهایی مشتق‌شده از داده‌ها می‌بیند، نه خودِ رکورد.
چرخش در سیستم‌های ثبت داده
سرمایه‌گذاران Andreessen Horowitz، از جمله جو اشمیت چهارم، الکس رامپل و فابریزیو سرافینی، این اتفاق را یک چرخش نسلی در محاسبات می‌دانند و آن را «CRM عصر عامل‌محور» می‌نامند. این سرمایه‌گذاری در راستای استراتژی گسترده‌تر صندوق Machine Age شرکت a16z است که بر توسعه زیرساخت‌های پیشرفته برای عصر هوش مصنوعی تمرکز دارد. آن‌ها این انتقال را با دوران سیبل (Siebel) در عصر کلاینت-سرور، سالزفورس در عصر ابری و هاب‌اسپات در بخش کسب‌وکارهای کوچک مقایسه می‌کنند.
با حفظ ردپای خام هر تماس و ایمیل، کاربران می‌توانند کارهای حساس را به عامل‌ها بسپارند. این شرکت اشاره کرد که از اواخر ۲۰۲۵، تیم‌های زیادی از Salesforce، HubSpot و Attio به این پلتفرم کوچ کرده‌اند.
برای یک مالک کسب‌وکار مدرن، این یعنی CRM از یک کار خسته‌کننده به یک منبع هوش تبدیل می‌شود. هدف نهایی، فراهم کردن یک «مدل جهانی کسب‌وکار» جامع برای هر کارمند و هر عامل است.
گام بعدی شما
- اگر مدیر محصول یا فروش هستید، مدل قیمت‌گذاری مبتنی بر ارزش (Value-based) را در مقابل مدل‌های Seat-based مقایسه کنید تا هزینه‌های عملیاتی خود را بهینه‌تر کنید.
- بررسی کنید که آیا داده‌های فعلی شما در CRMهای قدیمی، قابلیت تبدیل به یک گراف زمینه‌ای را دارند یا صرفاً مجموعه‌ای از فیلدهای پراکنده هستند.
- روی استقرار عامل‌های هوش مصنوعی برای اتوماسیون پیگیری‌های (Follow-up) مشتریان تمرکز کنید تا نرخ تبدیل خود را افزایش دهید.
اما تأثیر این مدل قیمت‌گذاری بر مدل‌های درآمدی غول‌هایی مثل HubSpot می‌تواند کل بازار نرم‌افزارهای سازمانی را تکان دهد — در گزارش بعدی به تحلیل این جنگ قیمتی خواهیم پرداخت.
گفتگو