एजेंसी new business के लिए AI का मतलब है models का इस्तेमाल एक pitch के इर्द-गिर्द के धीमे, repetitive काम को compress करने के लिए — prospect की research करना, response लिखना, credentials tailor करना, proposal assemble करना — जबकि relationship और creative idea लोगों के पास रहते हैं। जो एजेंसियाँ इसे अच्छे से इस्तेमाल करती हैं वे pitch के उन हिस्सों के लिए ज़्यादा समय जीतती हैं जो सचमुच उसे तय करते हैं; जो बुरे से इस्तेमाल करती हैं वे ज़्यादा generic pitches तेज़ी से produce करती हैं और हारती हैं।
New business वह जगह है जहाँ एक एजेंसी की growth कहानी जीती या हारी जाती है, और यह एक एजेंसी चलाने के सबसे repetitive हिस्सों में से भी एक है। यह combination इसे AI के लिए एक अच्छा candidate बनाता है, बशर्ते आप ईमानदार हों कि काम का कौन-सा आधा असल में repetitive है।
New business असल में कितना ख़र्च करता है
New business की लागत meeting नहीं है; वह उसके आस-पास सब कुछ है। Prospect को पढ़ना, उसकी category समझना, case studies tailor करना, response document लिखना, deck बनाना, follow-up के पीछे दौड़ना। उसका ज़्यादातर हिस्सा structured और repeatable है, और उसका एक बड़ा हिस्सा समय के दबाव में उन लोगों द्वारा किया जाता है जिनका असली value judgement और relationships हैं।
यही वह seam है जिसमें AI फिट होता है। यह उस assembly को हटाता है जो senior लोगों को सोचने से रोकती है, ताकि pitch को उनके सबसे अच्छे घंटों का ज़्यादा हिस्सा मिले। यह एक बेहतर idea नहीं लिखता, और जो एजेंसी idea एक model को outsource करेगी वह उसी पल पकड़ी जाएगी जब client एक असली सवाल पूछेगा।
यह भी याद रखने लायक़ है कि एक pitch आंशिक रूप से इस बात का तर्क है कि काम सीधे in-house क्यों न चला जाए। वह हिसाब पुराना है — मैंने इस पर लिखा जब search marketing in-house जा रहा था — और AI ने उसका shape नहीं बदला: एजेंसी को एक standard और एक memory दिखानी है जिसे client अकेला नहीं बना सकता।
Pitch के आर-पार AI कहाँ मदद करता है
चार stages models के फिट होते हैं, और हर एक की एक साफ़ human counterpart है जिसे नहीं छोड़ना है। नीचे की table वह split है जो मैं खींचूँगा।
| Stage | AI का काम | Human का काम |
|---|---|---|
| Prospect research | Public material summarise करो, category map करो | तय करो कि उनके लिए क्या मायने रखता है |
| First draft | Structure और boilerplate जोड़ो | Argument और idea लिखो |
| Credentials | मौजूदा case studies tailor करो | चुनो कौन-सा proof relevant है |
| Proposal | Format, check, version करो | Numbers और promise के owner बनो |
Pattern यह है कि AI assembly संभालता है और human selection और commitment। जब split धुँधला होता है, तो आपको ऐसी pitches मिलती हैं जो polished, complete, और उन दस से अलग नहीं जो client ने पहले देखीं।
बिना fabrication की research
AI जहाँ सबसे पहले अपना स्थान कमाता है वह research है। एक model एक prospect का public material summarise कर सकता है, उसकी category map कर सकता है, और वे सवाल सतह पर ला सकता है जो एक competitor पूछ सकता है, एक दिन के बजाय एक घंटे में। यह सचमुच उपयोगी है, और यहीं ख़तरा भी रहता है, क्योंकि models एक prospect के बारे में पूरे आत्मविश्वास से facts invent करेंगे।
Rule सरल है: AI को खोजने और organise करने के लिए इस्तेमाल करें, और जो भी एक ऐसे document में जाए जिसे client पढ़ेगा उसे verify करें। कोई invented metrics नहीं, कोई माने हुए relationships नहीं, कोई "prospect ने कहा" जिसे आप source न कर सकें। एक fabricated detail पर बनी pitch एक relationship-ख़त्म करने वाला जोखिम है, और बचाया गया effort उसके लायक़ नहीं। हर मायने रखने वाले claim के लिए एक source रखें।
Draft लिखें, पर draft कभी न भेजें
Response लिखना वह जगह है जहाँ AI सबसे लुभावना और सबसे ख़तरनाक है। एक model एक competent पहला draft produce कर सकता है जो हर section cover करे, और अगर आप वह draft भेजते हैं तो आपने एक generic pitch भेजी है। Value इसे scaffolding की तरह इस्तेमाल करने में है — structure, coverage, एक checklist कि एक response में क्या होना चाहिए — और फिर असली argument ख़ुद लिखने में।
व्यावहारिक rule यह है कि AI द्वारा लिखा कोई वाक्य बिना edit किसी prospect तक नहीं जाता। इसलिए नहीं कि prose ख़राब है, बल्कि इसलिए कि pitch एक promise है, और जो promise आपने नहीं लिखा वह एक है जिसके पीछे आप खड़े नहीं हो सकते। Editing का समय वह जगह है जहाँ एजेंसी का point of view डाला जाता है, और यही वह हिस्सा है जो काम जीतता है।
बिना invent किए credentials
Credentials tailor करना एक ऐसा काम है जिसे AI अच्छे से करता है जब raw material असली हो और एक liability जब न हो। एक model को अपनी असली case studies feed करना और उससे prospect के brief के सामने relevant वाले चुनने और क्रम में लगाने को कहना वैध और तेज़ है। उससे "एक case study लिखो" कहना वह तरीक़ा है जिससे एजेंसियाँ ऐसा proof पाती हैं जिसे वे defend नहीं कर सकतीं।
असली case studies की एक structured library रखें — problem, work, result, evidence — और model को उसी से काम करने दें। समय के साथ वह library अपने आप में एक asset बन जाती है, और यह वही memory layer है जो बाक़ी AI-native एजेंसी को sustain करती है। यह जितनी समृद्ध और सच्ची होगी, हर भावी pitch उतना उपयोगी होगा।
Generic-pitch का trap
सबसे बड़ा जोखिम यह नहीं कि AI एक ख़राब pitch बनाता है; यह है कि वह एक competent, generic pitch बनाता है। सबकी pitches पर trained एक model median pitch produce करता है, और median pitch नहीं जीतती। अगर आपका new-business output smooth और interchangeable लगने लगे, तो problem model नहीं है; यह है कि आपने उसे वे हिस्से लिखने दिए जो आपके होने चाहिए थे।
Counter जान-बूझकर है: idea और point of view के अलावा सब कुछ के लिए AI इस्तेमाल करें, और सुनिश्चित करें कि एक senior व्यक्ति उनका owner हो। Test यह है कि क्या एक prospect logos हटाए जाने पर आपकी pitch को एक competitor से अलग बता सकेगा। अगर नहीं, तो AI ने आपका समय बचाया और काम ले लिया।
एक new-business workflow
Workflow को चार steps में बनाएँ। Prospect material इकट्ठा करें और model से summarise कराएँ। उस summary और एक template से response structure draft करें। अपनी library से सबसे अच्छी असली case studies चुनें और tailor करें। फिर एक व्यक्ति से argument लिखवाएँ, हर claim check कराएँ, और numbers का owner बनाएँ। पहले तीन steps automate करें और चौथे को काम मानें।
समय के साथ, workflow को instrument करें जैसे आप किसी और को करते: एक response में कितना समय लगता है, कितना senior समय खाता है, और win rate कैसा दिखता है। यह जानने का ईमानदार तरीक़ा है कि AI new business की मदद कर रहा है या सिर्फ़ काग़ज़ी काम तेज़ कर रहा है। Agency-model guide उन व्यापक बदलावों को cover करता है जो AI एक एजेंसी के चलने के तरीक़े में लाता है।
Follow-up और pipeline
Pitch ही अकेली जगह नहीं जहाँ AI मदद करता है; follow-up वह जगह है जहाँ ज़्यादातर एजेंसियाँ गति खोती हैं। एक model follow-up sequence draft कर सकता है, meeting summarise कर सकता है, और pipeline notes current रख सकता है, ताकि relationship गर्म रहे बिना किसी के हर thread के पीछे मैन्युअल दौड़ने के। इसमें से कुछ भी नहीं बदलता कि relationship का owner कौन है, और इसमें से कुछ भी personal note को automate नहीं करना चाहिए।
जो आदत मायने रखती है वह है हर pitch को एक learning में बदलना। जीतें या हारें, क्यों record करें, इसे अपनी case-study और positioning library में जोड़ें, और इसे अगली pitch को सूचित करने दें। वह library new business का memory layer वाला counterpart है, और यही कारण है कि एक परिपक्व एजेंसी एक युवा से तेज़ और बेहतर pitch करती है। Model को उससे feed करें, और इसे हर बातचीत के साथ compound करने दें। हर pitch के बाद एक छोटा लिखा नोट — क्या पूछा गया, क्या उतरा, आप क्या अलग करेंगे — मिनट लेता है और किसी भी tool से ज़्यादा क़ीमती है, क्योंकि यह वह raw material है जिससे अगली pitch बनती है। वह नोट ही वह चीज़ है जो model को उपयोगी बनाती है: उसके बिना, AI शून्य से draft कर रहा है।
FAQ
क्या AI हमारे RFPs लिख सकता है?
यह structure और boilerplate draft कर सकता है, और उसे argument या idea नहीं लिखना चाहिए। इसका इस्तेमाल यह सुनिश्चित करने के लिए करें कि आप हर section cover करें और assembly समय बचाएँ। जो शब्द pitch उठाते हैं, और उनके अंदर के commitments, एक ऐसे व्यक्ति के पास रहते हैं जो उन्हें defend कर सके।
क्या एक pitch में AI इस्तेमाल करना ethical है?
हाँ, जब आप इसे research, drafting और assembly के लिए इस्तेमाल करते हैं — वही काम जो account teams हमेशा delegate करती रही हैं। यह एक problem तब बनता है जब आप fabricated proof पेश करते हैं या एक generic response को bespoke thinking की तरह पास करते हैं। Rule वही है जो आप किसी भी junior support काम पर लगाएँगे: यह सच्चा होना चाहिए और यह आपका होना चाहिए।
क्या हर एजेंसी यह इस्तेमाल करके advantage ख़त्म नहीं कर देगी?
वे करेंगी, इसीलिए advantage उन हिस्सों की तरफ़ जाता है जो models नहीं कर सकते: idea, relationship, और असली case studies। जब सबके पास तेज़ assembly हो, तेज़ assembly एक differentiator होना बंद कर देती है। जो एजेंसियाँ जीतेंगी वे वे होंगी जिनका thinking और proof सचमुच बेहतर है।
सबसे बड़ी ग़लती क्या है?
पहला draft भेजना। यह pitch हारने का सबसे तेज़ तरीक़ा है, क्योंकि prospect एक point of view की अनुपस्थिति महसूस करता है। Draft को scaffolding की तरह इस्तेमाल करें, फिर pitch ख़ुद लिखें, समय के दबाव में भी। वह editing step ही काम है।
Short version
AI agency new-business research, drafting, credential tailoring और proposal assembly को compress करता है ताकि senior लोग अपना समय idea और relationship पर बिताएँ। इसे खोजने और organise करने के लिए इस्तेमाल करें, कभी fabricate करने के लिए नहीं, और हर उस वाक्य पर एक human रखें जिसे एक prospect पढ़ेगा। Agency-model guide cover करता है कि model कैसे बदलता है, और for agencies track new business को agency operating model में चलाती है।
अगर आप new business चलाते हैं, तो मैं सुनना चाहूँगा कि आप उस line को कहाँ खींचते हैं जो AI draft करता है और जो आप ख़ुद लिखते हैं।
शुभकामनाओं सहित, Chandler
यह लेख हिंदी में उपलब्ध है, लेकिन कोर्स सामग्री (वीडियो, टेम्पलेट्स और सपोर्टिंग गाइड्स) अंग्रेज़ी, जापानी, सरलीकृत चीनी और कोरियाई में उपलब्ध है। यह साइट 13 भाषाओं में उपलब्ध है।