Decagon: Enterprise Customer Service Intelligence Body Lösung

Allgemeine Einführung

Decagon ist ein Unternehmen, das sich auf die Bereitstellung von generativen KI-Lösungen für den Kundensupport in Unternehmen spezialisiert hat. Sein Kernprodukt ist eine intelligente KI-Kundenservice-Intelligenz, die in der Lage ist, komplexe Fragen zu bearbeiten, sich nahtlos in bestehende Systeme zu integrieren und kontinuierlich aus Daten zu lernen. Die Lösungen von Decagon sind darauf ausgerichtet, das Kundenerlebnis zu verbessern und die betriebliche Effizienz durch automatisierten und intelligenten Kundenservice zu steigern. Das Unternehmen hat 65 Millionen Dollar an Series B-Finanzierung erhalten und genießt das Vertrauen vieler großer Unternehmen und schnell wachsender Startups.

Funktionsliste

• Automatisierte ProblemlösungGenerieren Sie personalisierte Antworten, lösen Sie komplexe Probleme und ergreifen Sie Maßnahmen für Kunden über alle Kanäle hinweg.
• Nahtlose Integration und ArbeitsablaufIntegration von vorhandenem Wissen, Werkzeugen, Datenquellen und Arbeitsabläufen ohne Aufwand.
• Unterstützung durch AgentenBereitstellung von KI-Assistenten für das Team, die die täglichen Aufgaben erledigen und kontinuierlich von den Agenten lernen.
• KI-gesteuerte ErkenntnisseThemen identifizieren, Anomalien erkennen und die Analyse wertvoller Dialoge freischalten.
• Leistungsstarke AnalytikBietet einen sofortigen ROI, verändert die Support-Abläufe und steigert den Umsatz.
• 24/7 DienstReagiert sofort in jeder Sprache und bietet einen unbegrenzt skalierbaren Kundensupport.

Hilfe verwenden

Ablauf der Installation

1. ein Konto registrierenBesuchen Sie die Decagon AI Website und registrieren Sie sich für ein Konto.
2. API-Schlüssel abrufenNachdem Sie sich in Ihrem Konto angemeldet haben, gehen Sie auf die Seite für Entwickler, um Ihren API-Schlüssel zu erhalten.
3. integrierter CodeFügen Sie die bereitgestellten Codeschnipsel in Ihre Website oder mobile Anwendung ein.
4. KonfigurationseinstellungenKonfigurieren Sie die KI-Kundenservice-Einstellungen nach Bedarf, einschließlich Sprache, Antwortstil usw.

Richtlinien für die Verwendung

1. Loggen Sie sich in das Back Office des Administrators ein: Melden Sie sich mit einem registrierten Konto im Decagon AI Admin Back Office an.
2. Einrichten der WissensdatenbankHochladen oder Synchronisieren Ihrer Wissensdatenbank, um sicherzustellen, dass der AI-Kundendienst Zugriff auf die aktuellsten Informationen hat.
3. Arbeitsabläufe konfigurierenEinrichtung von Arbeitsabläufen im Kundendienst, einschließlich Automatisierungsregeln, Eskalationspfaden usw.
4. Überwachung und OptimierungÜberwachen Sie die Leistung des KI-Kundendienstes über das Management-Backend, zeigen Sie Analyseberichte an und optimieren Sie bei Bedarf.

Hauptfunktionen

• Automatisierte ProblemlösungDer KI-Kundenservice generiert automatisch eine personalisierte Antwort und ergreift Maßnahmen auf der Grundlage der Fragen des Kunden.
• Unterstützung durch AgentenKI-Assistenten bieten im Kundenservice Beratung in Echtzeit, um menschlichen Mitarbeitern zu helfen, Probleme effizienter zu lösen.
• KI-gesteuerte ErkenntnisseIdentifizieren Sie häufige Probleme und Anomalien durch die Analyse von Kundengesprächen und geben Sie Verbesserungsvorschläge.
• nahtlose IntegrationIntegration mit bestehenden Kundenservice-Systemen (z.B. Zendesk, Salesforce, etc.) zur Datensynchronisation und Workflow-Automatisierung.

Decagon: Mit KI-Agenten den Kundenservice neu erfinden

Dez.agon geschaffen wurde:Anstatt zu viel nachzudenken, sollte manEs ist an der Zeit, schnell zu handeln. 

Jesse Zhang zeigte schon früh ein großes Interesse an Mathematik. Er wuchs in Boulder auf, nahm schon in jungen Jahren an Mathematikwettbewerben teil und studierte später Informatik in Harvard. Nach seinem Abschluss gründete er sein erstes Unternehmen, Lowkey, das schließlich von Niantic übernommen wurde.Aus dieser Erfahrung heraus erkannte Jesse, dass man nicht zu viel nachdenken darf, sondern schnell handeln muss.Zusammen mit Ashwin gründete er Decagon, um sich auf den Bereich der KI-Agenten zu konzentrieren, und begann bald mit der kommerziellen Erforschung.

Die Entscheidung für die unternehmerische Ausrichtung von Decagon kam nicht über Nacht. Zunächst dachte das Gründerteam über die besten Anwendungsszenarien für den KI-Agenten nach und stellte fest, dass nicht alle Bereiche für den schnellen Einsatz des KI-Agenten geeignet waren. Sie erkannten, dass sich nicht alle Bereiche für den schnellen Einsatz von KI-Agenten eignen. Durch Marktforschung und Kundenbefragungen fand Decagon heraus, dass die aktuellen Fähigkeiten von KI-Agenten für zwei Szenarien nicht geeignet waren:

1) Szenen, die eine hohe Anfangsgenauigkeit erfordern:In einigen Bereichen, wie z. B. im Sicherheitsbereich, ist der Spielraum für Fehlertoleranz fast nicht vorhanden. In diesen Szenarien müssen Agenten von Anfang an eine extreme Genauigkeit aufweisen. Sicherheitsinformationsmanagementsysteme (SIMs) zum Beispiel arbeiten mit dem Ziel, jedes kleine anomale Ereignis zu erfassen, obwohl es eine große Menge an Protokolldaten gibt, die sich perfekt für die Verarbeitung durch KI-Modelle eignen. Die heutigen KI-Modelle sind jedoch manchmal falsch, so dass es den Kunden schwerfällt, den KI-Agenten vollständig zu vertrauen. in diesen Szenarien sind die KI-Agenten nur langsam einsetzbar.

2) Szenarien, in denen es schwierig ist, den ROI zu quantifizieren:Es gibt eine Reihe von Bereichen, in denen ein KI-Agent oberflächlich betrachtet gut zu passen scheint, aber es ist schwierig, den ROI eindeutig zu quantifizieren. Viele "Text-to-SQL"-Unternehmen erstellen beispielsweise Demos, die gut aussehen, aber immer noch menschliche Aufsicht und Abstimmung erfordern, und der KI-Agent ist eher ein Co-Pilot als eine eigenständige Lösung. Für die meisten Unternehmen ist es schwierig, den ROI eines KI-Agenten nachzuweisen, der menschliches Eingreifen erfordert, und es ist für ein Unternehmen schwierig, einen großen Vertrag für einen solchen KI-Agenten zu unterzeichnen.

Durch kontinuierliche Untersuchungen hat das Decagon-Team zwei Schlüsselattribute für einen erfolgreichen KI-Agenten-Anwendungsfall identifiziert:

1) Schrittweise Skalierbarkeit:Erfolgreiche KI-Agent-Anwendungen sollten nicht auf einen einstufigen Prozess abzielen, sondern eine schrittweise Einführung und iterative Optimierung unterstützen. Selbst wenn der KI-Agent anfangs nur einige Aufgaben übernehmen kann, sollte er in der Lage sein, sofort einen echten Mehrwert für den Kunden zu schaffen.So kann ein Coding Agent beispielsweise einige der Codierungsaufgaben vorab übernehmen, was die Belastung der menschlichen Entwickler erheblich reduziert.

2) Haben Sie einen klaren ROI:Die Fähigkeit, den ROI klar zu quantifizieren, ist entscheidend.Im Bereich des Kundendienstes gibt es eine Fülle klarer Kennzahlen, die verfolgt werden können, z. B. Dialoglösungsraten, Kundenzufriedenheit usw. Anhand dieser Metriken lässt sich der Wert des KI-Agenten effektiv messen und nachweisen.

In diesem Prozess führte Decagon eingehende Gespräche mit einer Reihe von potenziellen Kunden wie Rippling, Notion, Eventbrite, Vanta und Substack, wobei nach und nach die wichtigsten Anwendungsfälle identifiziert wurden - dieBereich Kundenservice.In den ersten Tagen legte Decagon keinen Wert auf eine grandiose Vision, sondern konzentrierte sich darauf, Produkte zu entwickeln, die die Kunden wirklich lieben und mit denen sie zufrieden sind.

Decagons Differenzierung:Transparenz und Beobachtbarkeit

Die zentrale Stärke von Decagon ist seine Hohe Transparenz des KI-Agenten und Beobachtbarkeit der Anwendungseffekte.

Für große Unternehmen ist es entscheidend sicherzustellen, dass der KI-Agent keine "Blackbox" ist. Die Plattform von Decagon bietet einen klaren Überblick über jede Entscheidung, die der KI-Agent trifft, einschließlich der Daten, die verwendet werden, wie die Antworten generiert werden usw. Dieses hohe Maß an Transparenz verbessert das Kundenvertrauen erheblich. Dieses hohe Maß an Transparenz erhöht das Kundenvertrauen erheblich.

Darüber hinaus ist die Effektivität von Automatisierungssoftware im Bereich des Kundendienstes oft quantifizierbar, wobei die Kunden die Leistung der Agenten anhand klarer Kennzahlen bewerten, z. B. Effektivität des KI-Agenten im Vergleich zu manueller Arbeit, Kosteneinsparungen und verbesserte Qualität der KundenerfahrungUnd so weiter. Diese quantifizierbare Natur ermöglicht es den Kunden, den KI-Agenten von Decagon in kleinem Maßstab auszuprobieren, bevor sie ihn hochskalieren.

Da der Bereich Kundenservice sehr wettbewerbsintensiv ist, probieren Kunden oft mehrere KI-Agentenprodukte gleichzeitig aus, um sie zu vergleichen und eine endgültige Bewertung auf der Grundlage spezifischer Daten (z. B. Stärken und Schwächen von Metriken, Effektivität des Agenten usw.) vorzunehmen.Derzeit zeichnet sich Decagon in der Kundenbewertung durch eine hohe Transparenz und Beobachtbarkeit der Effekte aus.Multi-Neighbour entschied sich beispielsweise nach nur einem Monat Testphase im August 2024 für die formelle Einführung des KI-Agenten von Decagon und erreichte schnell eine Gesprächsauflösungsrate von 80%.

Decagon führte eine umfangreiche Fallstudie mit Built Rewards durch, das über eine große Nutzerbasis verfügt, die über seine Plattform Punkte sammelt oder Zahlungen vornimmt. Aufgrund des schnellen Wachstums der Nutzerbasis stiegen die Anforderungen an den Kundenservice exponentiell an. Vor der Zusammenarbeit mit Decagon war das Kundenservice-Team von Built Rewards mit einer enormen Arbeitsbelastung konfrontiert.Innerhalb eines Monats nach der Einführung von Decagon übernahm der KI-Agent den größten Teil der Automatisierung. In weniger als einem Jahr sparte Built Rewards die Kosten für etwa 65 menschliche Kundendienstmitarbeiter.   

Die technische Architektur von Decagon:Orchestrierungsschicht und maßgeschneiderte Modelle

Decagon positioniert sich als Softwareunternehmen, und trotz der häufigen Verweise auf KI-Basismodelle wie GPT-4 und Claude sind diese Modelle nur Werkzeuge.Der einzigartige Wert von Decagon liegt in dem, was über dem Basismodell liegt, einschließlich der Orchestrierungsschicht und anderer Funktionen, die rund um den KI-Kernagenten entwickelt wurden.Die Orchestrierungsschicht bestimmt, wie der KI-Agent verschiedene KI-Modelle mischt und um die Geschäftslogik des Kunden herum arbeitet. Darüber hinaus hat Decagon Transparenz- und Analysetools entwickelt, die den Kunden helfen, die Daten und die von den Agenten durchgeführten Schritte zu verstehen und die Analyse von massiven Kundendienstgesprächen zu automatisieren.

Für verschiedene KI-Agenten kann die Koordinierungsschicht sehr unterschiedlich sein, und die Koordinierungslogik eines Kundendienstagenten unterscheidet sich stark von der eines Codierungsagenten. Letztendlich sind die verschiedenen Koordinationsschichten jedoch alle strukturierte Systeme, die auf dem LLM aufbauen.Decagon konzentriert sich stark auf die Koordinationsschicht, weil sie bestimmt, wie der KI-Agent verschiedene KI-Modelle mischt.Decagon richtete Bewertungsmechanismen ein, um die Leistung jedes Modells bei bestimmten Kundendienstaufgaben zu messen und so zu entscheiden, wie diese Modelle integriert werden können, damit sie die Geschäftslogik des Kunden umgehen können.

Moderner AI-Stack

Neben der Orchestrierungsschicht hat Decagon eine Reihe weiterer Funktionen der Kundenservice-Software um den KI-Agenten herum aufgebaut.Decagon hat zum Beispiel ein Transparenz-Tool entwickelt, mit dem Kunden die Daten, die der Agent verwendet, und die Schritte, die er durchführt, nachvollziehen können, um sicherzustellen, dass der KI-Agent nicht mehr nur eine "Blackbox" ist, die Fragen beantwortet. Außerdem ist es bei einer großen Anzahl von Kundendienstgesprächen schwierig, alles manuell zu überblicken. Deshalb hat Decagon auch eine Analysefunktion entwickelt, die es dem KI-Agenten ermöglicht, Gespräche automatisch zu analysieren und Berichte über Kategorien von Kundendienstproblemen und Trends zu erstellen, die Aufmerksamkeit erfordern.