I Rebuilt This AI Agency Coaching Business (in 1 Week)

Dan, un ami du narrateur, dirige une entreprise de coaching pour propriétaires d'agences d'IA, mais il a rencontré de graves difficultés, avec des pertes financières importantes et une réduction d'équipe de quatre à deux personnes. Il est épuisé, ayant tout absorbé et ayant même connu un burn-out de cinq jours. Le narrateur, qui a passé des années à développer des systèmes que l'entreprise de Dan n'avait pas, décide d'intervenir et de l'aider à redresser la situation. L'équipe du narrateur se rend à Hava, en Espagne, pour réorganiser l'entreprise de Dan avec l'IA. Daniel Turner, le fondateur d'Atlas AI, aide les agences d'IA à acquérir des clients et à atteindre six ou sept chiffres de revenus. La première étape est d'évaluer l'état actuel de son entreprise. Dan est impliqué dans tous les aspects : ventes, exécution, contenu et marketing, recrutement et formation, création et gestion de systèmes, finances, aspects légaux et toutes les tâches de PDG. Leur principale source de prospects provient de LinkedIn, grâce au contenu. Auparavant, Dan et son responsable de contenu passaient collectivement environ 10 heures par publication (3 à 5 heures pour Dan, 5 heures pour le responsable). Avec quatre publications par semaine, cela représentait 40 heures de travail collectif par semaine pour le contenu. Le narrateur est choqué de constater qu'ils n'utilisent pas Claude, seulement ChatGPT, et principalement pour des tâches personnelles. Dan admet ne pas utiliser l'IA pour le contenu, préférant écrire tout de zéro. L'objectif n'est pas une refonte complète, mais de résoudre les goulots d'étranglement opérationnels, car leur modèle commercial fonctionne. Le narrateur établit un tableau de bord avec cinq indicateurs clés pour la semaine. Premièrement, les données : l'entreprise de Dan utilise 10 outils différents qui ne communiquent pas entre eux. L'objectif est de centraliser toutes ces données dans une base unique pour que l'IA puisse avoir une vue d'ensemble. Deuxièmement, un espace de travail : un tableau de bord unique où Dan et Null (son collaborateur) peuvent travailler avec tous les outils intégrés. Troisièmement, le ratio humain/IA : actuellement deux humains et zéro agent IA. Quatrièmement, la littératie technique : Dan et Null utilisent l'IA comme une simple fenêtre de chat ; l'objectif est qu'ils construisent leurs propres outils. Cinquièmement, l'utilisation de l'IA : passer de 100 000 jetons par semaine à près de 10 millions. Le soir, ils définissent les objectifs de Dan, le premier étant d'atteindre 100 000 $ par mois, soit le seuil des sept chiffres. Étant donné que tous les prospects de Dan proviennent de LinkedIn, il a besoin de plus de publications. Dan écrit chaque publication à la main, ce qui prend jusqu'à 10 heures par publication, et il en publie quatre par semaine. Il doute qu'un outil d'IA puisse écrire exactement ce qu'il pense, car il trouve la production d'IA "ringarde" et "négligée". L'outil d'IA pour le contenu est baptisé "Crucible". Il sera alimenté par toutes les connaissances de Daniel : appels de vente, appels de coaching, idées notées à la salle de sport et toutes ses publications passées réussies. Crucible fusionnera ces informations pour comprendre ce qu'il sait et comment il écrit. Chaque matin, il lui proposera de nouvelles idées de publications. Dan n'aura qu'à choisir une idée et Crucible rédigera la publication LinkedIn complète dans sa voix. Le travail de Dan passera de plusieurs heures d'écriture à quelques minutes de peaufinage. Le narrateur et Dan ont un passé commun complexe, ayant été rivaux dans leur jeunesse. Le narrateur raconte comment il a encouragé Dan à poursuivre ses ambitions au-delà de son obligation familiale de devenir marchand de fruits comme son père. Dan se sentait impuissant et misérable, mais en voyant le succès du narrateur, il a réalisé qu'il devait prendre des risques. Il a ensuite lancé sa propre entreprise, Atlas. Après avoir reçu de nombreuses demandes pour savoir comment il faisait pour obtenir des prospects via LinkedIn, il a compris qu'il n'avait pas un produit adapté au marché et a créé Atlas. Trois mois plus tard, il a lancé un défi de 30 jours, promettant 10 000 $ ou trois nouveaux clients à faible coût. Au début, il n'y a eu aucun résultat, mais à la fin des 30 jours, sept des dix participants avaient atteint leurs objectifs. Dan raconte un moment où il était bloqué à Bangalore, au Pays de Galles, avec seulement 800 dollars néo-zélandais et pas de vol de retour, mais il n'a pas paniqué grâce aux résultats de ses membres. Le narrateur se souvient avoir eu l'envie de lui envoyer de l'argent à ce moment-là, mais quelque chose l'en a empêché. Dan a ensuite démarré son entreprise, passant de zéro revenu en sept mois à 45 000 dollars néo-zélandais le premier mois, puis 80 000 dollars le mois suivant. Le deuxième jour, l'équipe commence à construire le système. Ils créent un espace de travail pour Dan et Null, intégrant tous les outils utilisés afin que l'IA puisse avoir une vue complète de l'entreprise. Cet espace comprend trois éléments : ce que l'IA sait de l'entreprise (documents contextuels, processus, schémas d'appels de découverte), les données de Dan centralisées dans une base de données unique, et les outils existants connectés pour que l'IA puisse les lire (Gmail, calendrier, Appify, Calendly). Une fois configuré, l'IA connaît tout sur Atlas, y compris les prix, l'acquisition de clients et l'équipe. L'intégration des données s'avère plus complexe que prévu. L'entreprise de Dan utilise neuf sources de données différentes, plus Google Work, et aucune ne communique. Tout doit être centralisé dans une seule base de données. Kieran Jaged, consultant en IA, explique comment ils utilisent Apify (le sponsor de l'épisode) pour extraire les données de LinkedIn, car LinkedIn ne permet pas de les exporter facilement. Ils récupèrent toutes les publications de Dan, leurs performances, ainsi que celles de ses concurrents. La partie la plus difficile est de relier les différentes occurrences d'une même personne (par exemple, une connexion LinkedIn, une réservation Calendly et un paiement Stripe). L'absence d'API facile d'accès pour LinkedIn complique les choses, car la plupart des activités de Dan se déroulent sur cette plateforme. L'intégration des données prend plus de temps que prévu, ce qui est préoccupant, car il reste beaucoup à faire. Jesse, le CTO et développeur principal sur place, souligne l'importance de cette couche de données pour créer un CRM personnalisé que Dan et Null pourront ensuite développer. À la fin du deuxième jour, neuf outils sont connectés et la base de données fonctionne, mais il reste des lacunes. C'est la partie la moins excitante de tout projet d'IA, mais elle est cruciale pour le bon fonctionnement de tout le reste. La veille, une fois l'espace de travail configuré, Dan a testé le système sans code, en parlant simplement et en exprimant ce qu'il voulait, par exemple un "coach de vente personnel". Le troisième jour, l'IA a analysé ses appels de vente passés et lui a fourni un rapport de coaching identifiant trois points à améliorer. L'équipe déploie un agent sur Hyper Agent pour automatiser des tâches spécifiques. L'agent de coaching de vente, après chaque appel, analyse l'enregistrement (via Fireflies) et envoie un résumé et des retours à Dan par e-mail ou WhatsApp, évitant à Dan d'avoir à consulter manuellement les enregistrements. Ils créent également un deuxième agent qui prépare un dossier d'une page avant chaque appel de vente, en extrayant toutes les informations disponibles sur la personne qui a réservé. Dan, qui n'avait aucune expertise technique, est impressionné par la facilité avec laquelle il a pu créer ces agents en parlant simplement à l'application. En une matinée, deux agents sont créés, améliorant le ratio humain/IA. Cet après-midi-là, Kieran montre à Dan le tableau de bord unique regroupant toutes les données de son entreprise. Chaque outil est évalué par un code couleur : rouge (pas de données dans la base), orange (historique présent, mais pas de nouvelles données), vert (tout est intégré et mis à jour automatiquement). Apify a été essentiel pour collecter les données publiques et enrichir la base de données, notamment en complétant les informations manquantes dans les feuilles de calcul de Dan (pays, URL LinkedIn). Pour la première fois, Dan peut visualiser l'ensemble de son pipeline, avec 8 957 personnes triées par étape (contacts, prospects, réservations, clients). Le système atteint 81 % d'intégration des données, avec un objectif de 90-95 % avant leur départ. La fondation est presque prête, mais Dan commence à être frustré par le temps passé sur la base de données, car il est venu pour un système de création de contenu. Il craint que cette transformation ne brise son entreprise et est mal à l'aise avec tous ces changements. Il trouve que beaucoup de discussions portent sur l'efficacité opérationnelle et les gains de temps minimes, alors que lui cherche une solution pour développer son entreprise sans devoir tout faire lui-même et sans les semaines de 60-70 heures de travail. Le narrateur explique que cette frustration est courante chez les entrepreneurs qui pensent n'avoir besoin que de quelques ajustements, alors qu'une refonte profonde est nécessaire pour construire une infrastructure solide. L'objectif est de faire comprendre à Dan l'ampleur de cette transformation et qu'il devra changer son rôle de fondateur pour devenir un constructeur de systèmes, gérant la pile technologique. Pour apaiser les tensions, l'équipe fait une pause pour une séance de karting. Le quatrième jour, le narrateur est préoccupé par le retard pris sur la couche de données, ce qui réduit le temps disponible pour construire l'application Crucible. Dan exprime son inconfort et sa réticence initiale face à cette transformation, car Atlas est son "bébé". Cependant, il réalise que ce changement est nécessaire pour la croissance de l'entreprise, pour fonctionner à deux et pour réduire les heures de travail et le stress. L'équipe décide de se concentrer sur la construction du système de contenu, "le grand coup", et de reporter les petites améliorations opérationnelles que Dan et Null pourront gérer eux-mêmes. L'objectif est d'avoir une démo fonctionnelle de Crucible d'ici demain midi. Dan souhaite un système assisté, pas entièrement automatisé. Il veut toujours revoir le contenu, le lire et y ajouter des touches personnelles. Ce qu'il n'aime pas, c'est l'idéation et la rédaction des brouillons, qui prennent beaucoup de temps. Le système est conçu pour lire ses appels, sa communauté, l'actualité et ses concurrents chaque nuit pour générer des idées. Le matin, Dan sélectionne les idées qu'il aime, et le système rédige le brouillon de la publication dans sa voix, en se basant sur ses écrits précédents. L'objectif est de réduire le temps de création d'une publication de 5-10 heures à environ 20 minutes. L'équipe dispose de 5 à 10 heures pour construire ce système. Dan est enthousiaste à l'idée de cette transformation. Le cinquième jour est le dernier jour complet de construction. Le plan est de livrer le système de contenu à Dan et de vérifier s'il et Null peuvent maintenant construire des choses par eux-mêmes. Le véritable test de Dan vient de Stripe. Il reçoit un e-mail indiquant que son compte est suspendu car son site web manque de politiques de remboursement et de conditions générales. En deux minutes, il utilise Claude pour générer un nouveau site web avec toutes les informations nécessaires, puis pour copier-coller les détails supplémentaires demandés par Stripe. Il reçoit immédiatement la confirmation que son compte Stripe est de nouveau actif. Il estime que cela lui aurait pris une journée entière il y a une semaine. Le narrateur souligne