Decagon: Solución Corporativa de Inteligencia de Servicio al Cliente

Introducción general

Decagon es una empresa especializada en ofrecer soluciones de atención al cliente con IA generativa de nivel empresarial. Su producto principal es un servicio de atención al cliente inteligente capaz de responder a preguntas complejas, integrarse perfectamente con los sistemas existentes y aprender continuamente de los datos. La empresa ha conseguido 65 millones de dólares en financiación de serie B y cuenta con la confianza de muchas grandes empresas y startups de rápido crecimiento.

Lista de funciones

• Resolución automatizada de problemasGeneración de respuestas personalizadas, resolución de problemas complejos y adopción de medidas para los clientes en todos los canales.
• Integración y flujo de trabajo sin fisurasIntegración cero con los conocimientos, herramientas, fuentes de datos y flujos de trabajo existentes.
• Asistencia al agente: Proporcione al equipo asistentes de IA que se ocupen de las tareas diarias y aprendan continuamente de los agentes.
• Información basada en IA: Identifique temas, detecte anomalías y desbloquee el análisis de diálogos valiosos.
• Potentes análisis: Proporciona un retorno de la inversión inmediato, transforma las operaciones de asistencia e impulsa el crecimiento de los ingresos.
• Servicio 24/7: Responde al instante en cualquier idioma, proporcionando una atención al cliente infinitamente escalable.

Utilizar la ayuda

Proceso de instalación

1. registrar una cuentaVisite el sitio web de Decagon AI y regístrese para obtener una cuenta.
2. Obtener clave APIDespués de acceder a su cuenta, vaya a la página de desarrolladores para obtener su clave API.
3. código integradoAñade los fragmentos de código proporcionados a tu sitio web o aplicación móvil.
4. Ajustes de configuraciónConfigure los ajustes de atención al cliente de AI según sea necesario, incluido el idioma, el estilo de respuesta, etc.

Normas de uso

1. Acceder al Back Office del AdministradorInicie sesión en Decagon AI Admin Back Office con una cuenta registrada.
2. Configuración de la base de conocimientosCarga o sincroniza tu base de conocimientos para garantizar que el Servicio de Atención al Cliente de AI tenga acceso a la información más actualizada.
3. Configuración de flujos de trabajoCreación de flujos de trabajo de atención al cliente, incluidas reglas de automatización, rutas de escalado, etc.
4. Supervisión y optimizaciónControl del rendimiento del servicio de atención al cliente de IA a través del backend de gestión, consulta de informes analíticos y optimización según sea necesario.

Funciones principales

• Resolución automatizada de problemasEl servicio de atención al cliente AI genera automáticamente una respuesta personalizada y actúa en función de las preguntas del cliente.
• Asistencia al agente: Durante el servicio de atención al cliente, los asistentes de IA proporcionan asesoramiento en tiempo real para ayudar a los agentes humanos a resolver los problemas de forma más eficaz.
• Información basada en IA: Identificar problemas y anomalías comunes analizando las conversaciones con los clientes y proporcionando recomendaciones de mejora.
• integración perfectaIntegración con los sistemas de atención al cliente existentes (por ejemplo, Zendesk, Salesforce, etc.) para la sincronización de datos y la automatización del flujo de trabajo.

Decagon: Reinventar el servicio de atención al cliente con agentes de IA

Diciembrese creó el agón:En lugar de pensar demasiado, hay queEs hora de actuar con rapidez. 

Jesse Zhang mostró un gran interés por las matemáticas desde una edad temprana, ya que creció en Boulder, compitió en concursos de matemáticas desde muy joven y más tarde estudió informática en la Universidad de Harvard. Tras graduarse, fundó su primera empresa, Lowkey, que acabó siendo adquirida por Niantic.A partir de esta experiencia, Jesse se dio cuenta de que no hay que pensar demasiado, sino actuar con rapidez.Cofundó Decagon con Ashwin para centrarse en el espacio de los agentes de IA y rápidamente comenzó la exploración comercial.

La elección del rumbo empresarial de Decagon no se produjo de la noche a la mañana. Inicialmente, el equipo fundador estaba pensando en los mejores escenarios de aplicación para el Agente AI, y se dieron cuenta de que no todas las áreas eran adecuadas para un despliegue rápido del Agente AI. Se dieron cuenta de que no todas las áreas eran adecuadas para un despliegue rápido del Agente AI, y a través de estudios de mercado y entrevistas con clientes, Decagon descubrió que las capacidades actuales del Agente AI no eran adecuadas para dos escenarios:

1) Escenas que requieren una gran precisión inicial:En algunos ámbitos, como la seguridad, el margen de tolerancia al error es casi inexistente. Estos escenarios exigen que los Agentes demuestren una precisión extrema desde el principio. Los sistemas de gestión de información de seguridad (SIM), por ejemplo, trabajan con el objetivo de capturar cada pequeño evento anómalo, a pesar de que existe una enorme cantidad de datos de registro que son perfectos para que los procesen los modelos de IA. Sin embargo, los modelos de IA actuales a veces se equivocan, por lo que es difícil que los clientes confíen plenamente en los agentes de IA. en estos escenarios, los agentes de IA son lentos de usar.

2) Escenarios en los que es difícil cuantificar el ROI:Hay una serie de áreas en las que un agente de IA puede parecer una buena opción a primera vista, pero es difícil cuantificar claramente el retorno de la inversión; por ejemplo, muchas empresas de "texto a SQL" hacen demostraciones que parecen buenas, pero siguen requiriendo supervisión y ajuste humanos, y el agente de IA es más un copiloto que una solución autónoma. Para la mayoría de las organizaciones, un Agente de IA que requiere intervención humana es difícil de probar su ROI, y es difícil que una empresa firme un gran contrato por un Agente de IA de este tipo.

A través de la exploración continua, el equipo de Decagon ha llegado a identificar dos atributos clave de un caso de uso exitoso del Agente de IA:

1) Escalabilidad gradual:El éxito de las aplicaciones de agentes de IA no debe radicar en un proceso de un solo paso, sino que debe permitir un despliegue gradual y una optimización iterativa. Aunque el agente de IA solo pueda realizar algunas tareas al principio, debe ser capaz de crear valor real para el cliente de forma inmediata.Por ejemplo, un Agente de Codificación puede encargarse primero de algunas de las tareas de codificación, reduciendo significativamente la carga de los desarrolladores humanos.

2) Tener un ROI claro:Es fundamental poder cuantificar claramente el retorno de la inversión.En el ámbito del servicio de atención al cliente, existe una plétora de métricas claras que pueden seguirse, como las tasas de resolución de diálogos, la satisfacción del cliente, etcétera. Estas métricas permiten medir y demostrar eficazmente el valor del agente de IA.

En el proceso, Decagon mantuvo conversaciones en profundidad con una serie de clientes potenciales como Rippling, Notion, Eventbrite, Vanta y Substack, identificando gradualmente casos de uso clave: laÁrea de Atención al Cliente.En sus inicios, Decagon no hacía hincapié intencionadamente en una visión grandiosa, sino que se centraba en cómo construir productos que los clientes realmente adoraran y con los que estuvieran satisfechos.

La diferenciación de Decagon:Transparencia y observabilidad

El punto fuerte de Decagon es su Alta transparencia del agente de IA y observabilidad de los efectos de la aplicación.

Para las grandes organizaciones, es fundamental garantizar que el Agente de IA no sea una "caja negra", y la plataforma de Decagon proporciona una visión clara de cada decisión que toma el Agente de IA, incluyendo qué datos se utilizan, cómo se generan las respuestas, etc. Este alto nivel de transparencia mejora significativamente la confianza del cliente. Este alto nivel de transparencia aumenta significativamente la confianza del cliente.

Además, en el ámbito del servicio de atención al cliente, la eficacia del software de automatización suele ser cuantificable, ya que los clientes evalúan el rendimiento del Agente mediante métricas claras como Eficacia del agente de IA frente al trabajo manual, ahorro de costes y mejora de la calidad de la experiencia del cliente.Y así sucesivamente. Esta naturaleza cuantificable permite a los clientes probar el Agente de IA de Decagon a pequeña escala antes de ampliarlo.

Aunque el espacio de atención al cliente es increíblemente competitivo, los clientes suelen probar varios productos de agentes de IA a la vez para compararlos y hacer una evaluación final basada en datos específicos (por ejemplo, puntos fuertes y débiles de las métricas, eficacia del agente, etc.).Actualmente, Decagon destaca en las evaluaciones de los clientes gracias a su gran transparencia y observabilidad de los efectos.Por ejemplo, Multi-Neighbour decidió adoptar formalmente el Agente de IA de Decagon tras sólo un mes de pruebas en agosto de 2024, y rápidamente alcanzó una tasa de resolución de conversaciones de 80%.

Decagon llevó a cabo un amplio estudio de caso con Built Rewards, que cuenta con una gran base de usuarios que ganan puntos o realizan pagos a través de su plataforma. Debido al rápido crecimiento de su base de usuarios, las necesidades de atención al cliente crecían exponencialmente. Antes de Decagon, el equipo de atención al cliente de Built Rewards se enfrentaba a una enorme carga de trabajo.Al mes de adoptar Decagon, el agente de IA se hizo cargo de la mayor parte de la automatización. En menos de un año, Built Rewards ahorró el coste de unos 65 agentes humanos de atención al cliente.   

Arquitectura técnica de Decagon:Capa de orquestación y modelos personalizados

Decagon se posiciona como una empresa de software, y a pesar de las frecuentes llamadas a los modelos de base de IA como GPT-4 y Claude, estos modelos son sólo herramientas.El valor exclusivo de Decagon reside en lo que se encuentra sobre el modelo base, incluida la capa de orquestación y otras funciones desarrolladas en torno al agente de IA central.La capa de orquestación determina cómo el Agente de IA mezcla diferentes modelos de IA y trabaja en torno a la lógica empresarial del cliente. Además, Decagon ha desarrollado herramientas de transparencia y análisis para ayudar a los clientes a comprender los datos y los pasos realizados por los Agentes y automatizar el análisis de conversaciones masivas de atención al cliente.

Para diferentes Agentes de IA, la capa de coordinación puede variar enormemente, y la lógica de coordinación de un Agente de Atención al Cliente es muy diferente de la de un Agente de Codificación. Pero al final, las distintas capas de coordinación son todas sistemas estructurados construidos sobre el LLM.Decagon se centra mucho en la capa de coordinación porque determina cómo el Agente de IA mezclará diferentes modelos de IA.Decagon estableció mecanismos de evaluación para medir el rendimiento de cada modelo en tareas específicas de atención al cliente, como forma de decidir cómo integrar estos modelos para que puedan funcionar en torno a la lógica empresarial del cliente.

Pila de IA moderna

Además de la capa de orquestación, Decagon ha creado otras funciones de software de atención al cliente en torno al agente de IA.Por ejemplo, Decagon ha desarrollado una herramienta de transparencia que permite a los clientes comprender los datos que utiliza el Agente y los pasos que realiza, lo que garantiza que el Agente de IA ya no sea solo una "caja negra" que responde a las preguntas. Además, cuando se trata de un gran número de conversaciones de atención al cliente, es difícil verlo todo manualmente. Por lo tanto, Decagon también diseñó una función de análisis que permite al Agente de IA analizar automáticamente las conversaciones y generar informes sobre las categorías de problemas de atención al cliente y las tendencias que necesitan atención.