Decagon : Solution d'intelligence du service à la clientèle de l'entreprise

Introduction générale

Decagon est une société spécialisée dans la fourniture de solutions d'assistance à la clientèle par IA générative de niveau entreprise. Son produit phare est un service client IA intelligent capable de traiter des questions complexes, de s'intégrer de manière transparente aux systèmes existants et d'apprendre en continu à partir des données.Les solutions de Decagon sont conçues pour améliorer l'expérience client et l'efficacité opérationnelle grâce à un service client automatisé et intelligent. L'entreprise a obtenu 65 millions de dollars en financement de série B et bénéficie de la confiance de nombreuses grandes entreprises et de startups à croissance rapide.

Liste des fonctions

• Résolution automatisée des problèmesLes services d'assistance à la clientèle : Générer des réponses personnalisées, résoudre des problèmes complexes et prendre des mesures pour les clients sur tous les canaux.
• Intégration et flux de travail transparentsIntégration sans contrainte avec les connaissances, les outils, les sources de données et les flux de travail existants.
• Assistance aux agentsLes agents de l'administration centrale peuvent être des assistants d'intelligence artificielle qui s'occupent des tâches quotidiennes et qui apprennent continuellement des agents.
• Des informations basées sur l'IALes résultats de l'analyse du dialogue : Identifier les thèmes, repérer les anomalies et débloquer l'analyse d'un dialogue de qualité.
• Des analyses puissantesLes avantages de cette solution sont les suivants : retour sur investissement immédiat, transformation des opérations d'assistance et augmentation des recettes.
• Service 24/7Le service d'assistance à la clientèle : Il répond instantanément dans n'importe quelle langue, ce qui lui permet d'être évolutif à l'infini.

Utiliser l'aide

Processus d'installation

1. créer un comptePour cela, il faut : se rendre sur le site web de Decagon AI et créer un compte.
2. Obtenir la clé APIAprès vous être connecté à votre compte, allez sur la page du développeur pour obtenir votre clé API.
3. code intégréAjouter les extraits de code fournis à votre site web ou à votre application mobile.
4. Paramètres de configurationLes services d'assistance à la clientèle : Configurez les paramètres du service d'assistance à la clientèle selon vos besoins, y compris la langue, le style de réponse, etc.

Lignes directrices pour l'utilisation

1. Se connecter au Back Office de l'administrateurPour ce faire, vous devez vous connecter au Decagon AI Admin Back Office à l'aide d'un compte enregistré.
2. Mise en place de la base de connaissancesLes bases de connaissances : téléchargez ou synchronisez votre base de connaissances pour que le service clientèle de l'IA ait accès aux informations les plus récentes.
3. Configuration des flux de travailLes services d'assistance à la clientèle : Mise en place de flux de travail pour le service à la clientèle, y compris des règles d'automatisation, des voies d'escalade, etc.
4. Suivi et optimisationLes services d'assistance à la clientèle : Surveillez les performances du service d'assistance à la clientèle par le biais du backend de gestion, consultez les rapports d'analyse et optimisez si nécessaire.

Principales fonctions

• Résolution automatisée des problèmesLe service client AI génère automatiquement une réponse personnalisée et prend des mesures en fonction des questions posées par le client.
• Assistance aux agents: Dans le cadre du service client, les assistants IA fournissent des conseils en temps réel pour aider les agents humains à résoudre les problèmes de manière plus efficace.
• Des informations basées sur l'IALes tâches sont multiples : identifier les problèmes courants et les anomalies en analysant les conversations avec les clients et en formulant des recommandations pour améliorer la situation.
• intégration transparenteIntégration avec les systèmes de service à la clientèle existants (par exemple Zendesk, Salesforce, etc.) pour la synchronisation des données et l'automatisation des flux de travail.

Decagon : Réinventer le service à la clientèle avec des agents d'IA

Décagon a été créé :Au lieu de trop réfléchir, il fautIl est temps d'agir rapidement. 

Jesse Zhang a montré un vif intérêt pour les mathématiques dès son plus jeune âge. Il a grandi à Boulder, a participé à des concours de mathématiques dès son plus jeune âge et a ensuite étudié l'informatique à l'université de Harvard. Après avoir obtenu son diplôme, il a fondé sa première entreprise, Lowkey, qui a ensuite été rachetée par Niantic.Cette expérience a permis à Jesse de comprendre qu'il ne faut pas trop réfléchir, mais qu'il faut agir vite.Il a cofondé Decagon avec Ashwin pour se concentrer sur l'espace des agents d'intelligence artificielle et a rapidement commencé l'exploration commerciale.

Le choix de l'orientation entrepreneuriale de Decagon ne s'est pas fait du jour au lendemain. Au départ, l'équipe fondatrice réfléchissait aux meilleurs scénarios d'application pour AI Agent et s'est rendu compte que tous les domaines ne se prêtaient pas à un déploiement rapide d'AI Agent. Elle s'est rendu compte que tous les domaines ne se prêtaient pas à un déploiement rapide de l'agent d'intelligence artificielle. Grâce à des études de marché et à des entretiens avec les clients, Decagon a constaté que les capacités actuelles de l'agent d'intelligence artificielle n'étaient pas adaptées à deux scénarios :

1) Scènes nécessitant une grande précision initiale :Dans certains domaines, tels que la sécurité, la marge de tolérance des erreurs est quasiment inexistante. Ces scénarios exigent que les agents fassent preuve d'une extrême précision dès le départ. Les systèmes de gestion des informations de sécurité (SIM), par exemple, travaillent dans le but de capturer chaque petit événement anormal, même s'il existe une grande quantité de données de journal qui sont parfaites pour le traitement des modèles d'IA. Toutefois, les modèles d'IA actuels sont parfois erronés, de sorte qu'il est difficile pour les clients de faire pleinement confiance à l'agent d'IA. dans ces scénarios, l'agent d'IA est lent à utiliser.

2) Scénarios pour lesquels il est difficile de quantifier le retour sur investissement :Il existe un certain nombre de domaines dans lesquels un agent d'IA peut sembler convenir à première vue, mais il est difficile de quantifier clairement le retour sur investissement ; par exemple, de nombreuses entreprises de "text to SQL" réalisent des démonstrations qui semblent satisfaisantes mais qui nécessitent toujours une supervision et un réglage humains, et l'agent d'IA est davantage un copilote qu'une solution autonome. Pour la plupart des organisations, il est difficile de prouver le retour sur investissement d'un agent d'IA qui nécessite une intervention humaine, et il est difficile pour une entreprise de signer un contrat important pour un tel agent d'IA.

Grâce à une exploration continue, l'équipe Decagon en est venue à identifier deux attributs clés d'un cas d'utilisation réussi d'un agent d'intelligence artificielle :

1) L'évolutivité progressive :Les applications d'agents d'intelligence artificielle qui réussissent ne devraient pas viser à être un processus en une étape, mais devraient permettre un déploiement progressif et une optimisation itérative. Même si l'agent d'intelligence artificielle ne peut effectuer que certaines tâches au départ, il doit être en mesure de créer immédiatement une valeur réelle pour le client.Par exemple, un agent de codage peut prendre en charge une partie des tâches de codage en premier lieu, ce qui réduit considérablement la charge des développeurs humains.

2) Avoir un retour sur investissement clair :Il est essentiel de pouvoir quantifier clairement le retour sur investissement.Dans le domaine du service à la clientèle, il existe une pléthore d'indicateurs clairs qui peuvent être suivis, tels que les taux de résolution des dialogues, la satisfaction des clients, etc. Ces indicateurs permettent de mesurer et de prouver efficacement la valeur de l'agent d'intelligence artificielle.

Au cours de ce processus, Decagon a eu des conversations approfondies avec un certain nombre de clients potentiels tels que Rippling, Notion, Eventbrite, Vanta et Substack, en identifiant progressivement les cas d'utilisation clés - l'utilisation de la technologie de l'information.Domaine du service à la clientèle.Dans les premiers temps, Decagon n'a pas intentionnellement mis l'accent sur une vision grandiose, mais s'est plutôt concentré sur la manière de construire des produits que les clients aimeraient vraiment et dont ils seraient satisfaits.

Différenciation de Decagon :Transparence et observabilité

La force principale de Decagon est son Grande transparence de l'agent d'intelligence artificielle et observabilité des effets de l'application.

Pour les grandes organisations, il est essentiel de s'assurer que l'agent d'intelligence artificielle n'est pas une " boîte noire ". La plateforme de Decagon offre une vue claire de chaque décision prise par l'agent d'intelligence artificielle, y compris les données utilisées, la façon dont les réponses sont générées, etc. Ce haut niveau de transparence améliore considérablement la confiance des clients.

En outre, dans le domaine du service à la clientèle, l'efficacité des logiciels d'automatisation est souvent quantifiable, les clients évaluant les performances des agents à l'aide de paramètres clairs tels que Efficacité de l'agent d'IA par rapport au travail manuel, économies de coûts et amélioration de la qualité de l'expérience client.Et ainsi de suite. Cette nature quantifiable permet aux clients d'essayer l'agent d'intelligence artificielle de Decagon à petite échelle avant de l'étendre.

Alors que l'espace du service client est incroyablement concurrentiel, les clients essaient souvent plusieurs produits d'agents d'IA différents à la fois pour les comparer et faire une évaluation finale basée sur des données spécifiques (par exemple, les forces et les faiblesses des mesures, l'efficacité de l'agent, etc.)Actuellement, Decagon excelle dans les évaluations des clients grâce à sa grande transparence et à l'observabilité de ses effets.Par exemple, Multi-Neighbour a décidé d'adopter officiellement l'agent IA de Decagon après seulement un mois de test en août 2024, et a rapidement atteint un taux de résolution des conversations de 80%.

Decagon a mené une étude de cas de grande envergure avec Built Rewards, qui possède une large base d'utilisateurs qui gagnent des points ou effectuent des paiements par le biais de sa plateforme. En raison de la croissance rapide de sa base d'utilisateurs, les besoins en matière de service client augmentaient de manière exponentielle. Avant Decagon, l'équipe du service clientèle de Built Rewards était confrontée à une charge de travail énorme.Dans le mois qui a suivi l'adoption de Decagon, l'agent d'intelligence artificielle a pris en charge la majeure partie de l'automatisation. En moins d'un an, Built Rewards a économisé le coût d'environ 65 agents de service à la clientèle.   

L'architecture technique de Decagon :Couche d'orchestration et modèles personnalisés

Decagon se positionne comme une entreprise de logiciels, et malgré les appels fréquents à des modèles de base d'IA comme GPT-4 et Claude, ces modèles ne sont que des outils.La valeur unique de Decagon réside dans ce qui se trouve au-dessus du modèle de base, y compris la couche d'orchestration et d'autres fonctions développées autour de l'agent d'IA central.La couche d'orchestration détermine comment l'agent d'IA mélange différents modèles d'IA et travaille autour de la logique commerciale du client. En outre, Decagon a développé des outils de transparence et d'analyse pour aider les clients à comprendre les données et les étapes effectuées par les agents et à automatiser l'analyse des conversations massives de service à la clientèle.

La logique de coordination d'un agent de service à la clientèle est très différente de celle d'un agent de codage. Mais en fin de compte, les différentes couches de coordination sont toutes des systèmes structurés construits au-dessus du LLM.Decagon met l'accent sur la couche d'orchestration parce qu'elle détermine comment l'agent d'intelligence artificielle mélangera différents modèles d'intelligence artificielle.Decagon a mis en place des mécanismes d'évaluation pour mesurer les performances de chaque modèle sur des tâches spécifiques de service à la clientèle, afin de décider comment intégrer ces modèles de manière à ce qu'ils puissent fonctionner autour de la logique commerciale du client.

Pile d'IA moderne

Outre la couche d'orchestration, Decagon a développé un certain nombre d'autres fonctions logicielles de service à la clientèle autour de l'agent d'intelligence artificielle.Par exemple, Decagon a développé un outil de transparence qui permet aux clients de comprendre les données que l'agent utilise et les étapes qu'il exécute, garantissant que l'agent d'IA n'est plus seulement une "boîte noire" qui répond aux questions. En outre, lorsqu'il s'agit d'un grand nombre de conversations de service à la clientèle, il est difficile de tout voir manuellement. C'est pourquoi Decagon a également conçu une fonction d'analyse qui permet à l'agent AI d'analyser automatiquement les conversations et de générer des rapports sur les catégories de problèmes de service à la clientèle et les tendances qui requièrent une attention particulière.