Préparez une note de synthèse concise et sourcée pour un appel de découverte sans traiter les résumés web comme des faits établis.
Ce guide propose un flux de travail pour aider un responsable de compte à entrer dans un appel de découverte avec des hypothèses utiles. C'est un modèle de planification, pas un test direct, une garantie ou un substitut au jugement professionnel.
Vous avez besoin d'un compte cible, de sources de recherche autorisées et d'un propriétaire dans votre CRM. Ne collez pas de mots de passe, clés API, informations de santé, identifiants gouvernementaux ou données client/employé non expurgées dans un service AI à moins que votre organisation n'ait explicitement approuvé ce traitement.
Entrée : sources publiques de l'entreprise et historique de compte connu.
Résultat attendu : une note d'appel avec questions, hypothèses et liens sources.
La disponibilité des outils, le comportement des modèles, les limites de plan et les conditions peuvent changer. Consultez la documentation actuelle de chaque fournisseur et les paramètres de compte de votre organisation avant de configurer un flux de travail.
Rédiger une phrase décrivant la décision que ce travail doit soutenir : une note d'appel avec questions, hypothèses et liens sources. Énumérez ce qui est confirmé, ce qui est inconnu et qui peut approuver une version finale. Placez les liens sources à côté des affirmations matérielles ; le texte généré n'est jamais la source d'une affirmation.
Créez un paquet d'entrée contenant les sources publiques de l'entreprise et l'historique de compte connu. Supprimez les noms, les coordonnées directes, les identifiants de compte et tout matériel qui n'est pas nécessaire pour cette tâche. Par exemple, utilisez un lien source ou un ID d'enregistrement interne à la place d'un document confidentiel collé. Déclarez ce que la sortie ne doit pas faire : elle ne doit pas prendre une décision concernant une personne, publier automatiquement ou présenter une déclaration incertaine comme confirmée.
Transmission : donnez la note bornée, le paquet d'entrée et le dossier source à la personne effectuant le premier brouillon. Cette personne doit pouvoir expliquer pourquoi chaque élément inclus est nécessaire.
Ouvrez le site de l'entreprise cible, le matériel d'investisseurs et les annonces publiques avant l'appel. Pour chaque hypothèse, rédigez une question de découverte qui pourrait la réfuter ; ne présentez pas un point faible déduit comme une connaissance de compte.
Dans Perplexity, demandez une première version structurée, pas une réponse finale. Une instruction utile est : « Utilisez uniquement le matériel ci-dessous. Produisez des en-têtes, un tableau de preuves, des questions ouvertes et un brouillon. Étiquetez tout ce qui n'est pas soutenu par le matériel comme nécessite vérification. » Joignez les ID sources à côté du paragraphe ou de la ligne pertinente.
Lisez le résultat ligne par ligne par rapport au paquet d'entrée. Supprimez les affirmations qui ne peuvent pas être tracées et séparez une hypothèse utile d'une décision. La sortie de travail à ce stade doit être un brouillon sourcé, pas un actif poli.
Transmission : passez le brouillon, les liens sources et les questions non résolues à l'examinateur du domaine. Demandez à l'examinateur de répondre avec des corrections, un contexte manquant et un oui/non explicite sur toute affirmation sensible.
Utilisez Claude pour organiser les changements de l'examinateur en trois groupes : corrections requises, choix que le propriétaire responsable doit faire et améliorations optionnelles. Ne demandez pas au modèle de résoudre un désaccord ou de déduire l'approbation. Le propriétaire responsable décide quelle version devient la copie de travail approuvée.
Uniquez ensuite Notion AI pour créer la sortie demandée : une note d'appel avec questions, hypothèses et liens sources. Gardez la copie de travail sourcée à côté de la version formatée. Si une transmission change de format, par exemple des notes à un deck, un prototype ou un message automatisé, comparez les deux versions pour les qualificatifs perdus, les nombres altérés et l'emphase visuelle trompeuse.
Si l'automatisation fait partie de l'étape finale, configurez une approbation humaine nommée avant que quoi que ce soit soit envoyé, publié ou change un enregistrement. Incluez une condition d'arrêt, une alerte d'erreur et un moyen d'annuler une action partielle sans supprimer la trace d'audit.
Transmission : le propriétaire responsable approuve la note d'appel finale avec questions, hypothèses et liens sources.
Avant la publication, confirmez :
L'AI peut omettre du contexte, produire des erreurs plausibles et refléter un biais dans le matériel qui lui est fourni. Ce flux de travail est inadapté aux décisions autonomes concernant les personnes, aux conseils réglementés ou aux actions irréversibles. Commencez par un petit échantillon et inspectez les frais basés sur l'utilisation, les crédits de génération, le stockage et les limites de places payantes avant de mettre à l'échelle.