Cómo Gong Logra un Ahorro de Costes 10x con Pinecone Serverless para Smart Trackers

Gong ha construido uno de los repositorios de datos de conversaciones de ventas más ricos del mundo, analizando llamadas, correos electrónicos y reuniones para mostrar información de coaching y análisis de oportunidades. Ya en 2020, Gong fue una de las primeras plataformas de ingresos en desplegar una base de datos vectorial para búsqueda semántica a escala, reconociendo que la coincidencia por palabras clave no podía capturar los matices y la variación contextual de la conversación humana.

El desafío central era el seguimiento conceptual a escala empresarial. El sistema Smart Trackers de Gong permite a los gerentes de ventas definir conceptos —como la mención de un competidor o una objeción de precio— proporcionando unas pocas frases de ejemplo. El sistema recupera automáticamente ejemplos semánticamente similares de miles de millones de registros de conversaciones reales para entrenar un modelo de clasificación activo. La búsqueda por palabras clave tradicional falla aquí: las conversaciones son dinámicas y el mismo concepto surge en innumerables formulaciones. Solo la búsqueda por similitud vectorial puede encontrarlos de manera fiable.

Gong seleccionó Pinecone como su partner de base de datos vectorial, almacenando miles de millones de embeddings a nivel de frase y habilitando las búsquedas de similitud rápidas que impulsan el bucle de aprendizaje activo de Smart Trackers. Los usuarios etiquetan unas pocas frases, el sistema recupera candidatos semánticamente similares del corpus y el modelo mejora continuamente a través del feedback. Cuando Pinecone introdujo su arquitectura serverless, Gong migró y logró una reducción de costes 10x manteniendo el rendimiento en cargas máximas.

El impacto en el negocio es directo: Smart Trackers permite a los usuarios de Gong construir y ajustar modelos de detección de conceptos sin necesidad de experiencia técnica. Los gerentes de ventas, no los científicos de datos, definen lo que importa. La precisión y velocidad del sistema, sostenidas por la infraestructura de recuperación de Pinecone, hacen que este modelo de autoservicio sea práctico a escala.

La arquitectura de Gong demuestra un patrón cada vez más consolidado en el desarrollo de productos de IA: bases de datos vectoriales gestionadas como la columna vertebral de recuperación para sistemas de aprendizaje activo. A medida que crece el corpus de datos de conversaciones, crece también el valor de la infraestructura subyacente y la ventaja competitiva construida sobre el conjunto de datos propietario de Gong.