— Come uso l'AI

Reverse Recruiting
Engine.

4 agenti AI che generano 10 meeting qualificati in 15 giorni. Apollo → Clay → Claude Sonnet 4.6 → n8n. Costo totale: <€100.

— Il contesto

Ho costruito il mio
recruiting engine
con gli stessi strumenti
che uso per i clienti.

Ero in fase di job search. Invece di mandare CV a freddo, ho applicato il mio GTM framework alla ricerca del lavoro: ICP definition (tipologia di azienda target), lead sourcing automatizzato, email personalizzate AI-native, follow-up sequenziale.

Il risultato: 10 meeting con decision maker in 15 giorni, a meno di €100 di costo totale. Questo è il progetto Lab R&D che documenta tutto.

10
Meeting in 15 giorni
<€100
Costo totale stimato
€0.006
Costo per email
~3h
Setup time

— I 4 agenti

Ogni agente ha
un solo job.

01

Apollo Sourcing

Apollo.io API + Python

Ricerca automatica di aziende target: 11–200 dipendenti, SaaS/Logistics/AI, Europa occidentale. Scoring intelligente: +30 hiring signal, +20 funded last year. Output: Companies table in Airtable, dedup su domain. ~100 aziende/giorno su free tier.

02

Clay Enrichment

Clay + Airtable webhook

Enrich automatico dei decision maker: ruolo, LinkedIn URL, email, ultimo post pubblico, news recente. Personalizzazione hook per ogni contatto. Output: Deciders table completa, pronta per il copywriter.

03

Claude Copywriter

Claude Sonnet 4.6 API

Genera email outreach personalizzate a partire dai dati di enrichment. Vincoli rigidi: max 120 parole, struttura 4-blocchi (Hook → Value → Pivot → CTA), no buzzword. Caching del system prompt = 90% risparmio sui costi. ~$0.006/email.

04

n8n Follow-up

n8n Cloud + Gmail API

Stato macchina automatica: Pending → Drafted → Approved → Sent → Followup1 → Breakup. Rispetto dei thread (In-Reply-To). Gmail safety cap: 50 email/giorno. Rilevamento reply + analisi sentiment. KPI: 10 meeting qualificati in 15 giorni.

— Secondo esperimento

AIGenBot —
l'AI nel sales process.

Lead scoring e copy outreach erano 6 ore/settimana di lavoro ripetitivo e costoso. Ho costruito AIGenBot (Claude API + prompt strutturati) per lead scoring, personalizzazione email e objection script. La lezione: il modello è Claude, ma il segreto è il prompt — framework (hook → insight → domanda → CTA) batte il wordcount, e i few-shot battono le istruzioni.

70%→85%
Accuracy lead scoring
-50%
Tempo prep email
42%
Open rate (vs 25%)
-€0.30
Costo per email

— Analisi completa

Architettura dettagliata,
system prompt e state machine.

L'intera architettura tecnica: schema Airtable, system prompt Claude (Sonnet 4.6), state machine del follow-up, costi reali e scaling guide. Lascia nome e email per accedere.

— Prossimo passo

Vuoi portare
questo approccio
nel tuo GTM?

AI come amplificatore del metodo, non sostituto. Se stai cercando qualcuno che lo faccia sul campo — parliamone.