Decagon: エンタープライズ・カスタマーサービス・インテリジェンス・ソリューション

はじめに

Decagonは、エンタープライズグレードのジェネレーティブAIカスタマーサポートソリューションの提供を専門とする企業である。同社の主力製品は、複雑な質問に対応し、既存のシステムとシームレスに統合し、データから継続的に学習できるインテリジェントなAIカスタマーサービス・インテリジェンスである。Decagonのソリューションは、自動化されたインテリジェントなカスタマーサービスを通じて顧客体験を向上させ、業務効率を改善するように設計されている。同社はシリーズBで6500万ドルの資金を確保しており、多くの大企業や急成長中の新興企業から信頼を得ている。

機能一覧

• 自動化された問題解決パーソナライズされた応答を生成し、複雑な問題を解決し、すべてのチャネルで顧客のために行動を起こす。
• シームレスな統合とワークフロー既存の知識、ツール、データソース、ワークフローとの統合は負担ゼロ。
• 代理店支援日常業務を処理し、エージェントから継続的に学習するAIアシスタントをチームに提供する。
• AIによる洞察テーマを特定し、異常を発見し、貴重な対話の分析を解き明かす。
• 強力なアナリティクス即座にROIを実現し、サポート業務を変革し、収益成長を促進します。
• 年中無休のサービスあらゆる言語に即座に対応し、無限に拡張可能なカスタマーサポートを提供します。

ヘルプの使用

設置プロセス

1. アカウント登録デカゴンAIのウェブサイトにアクセスし、アカウント登録をしてください。
2. APIキーの取得アカウントにログイン後、DeveloperページでAPIキーを取得してください。
3. 統合コード提供されたコードスニペットをあなたのウェブサイトやモバイルアプリに追加してください。
4. コンフィギュレーション設定言語、応答スタイルなど、必要に応じてAIカスタマーサービス設定を行います。

使用ガイドライン

1. 管理者用バックオフィスへのログイン登録アカウントを使用してDecagon AI Admin Back Officeにログインします。
2. ナレッジベースの設定ナレッジベースをアップロードまたは同期し、AIカスタマーサービスが最新の情報にアクセスできるようにします。
3. ワークフローの設定自動化ルール、エスカレーションパスなど、カスタマーサービスワークフローの設定
4. モニタリングと最適化管理バックエンドでAIカスタマーサービスパフォーマンスを監視し、分析レポートを閲覧し、必要に応じて最適化します。

主な機能

• 自動化された問題解決AIカスタマーサービスは、顧客の質問に基づき、パーソナライズされた回答を自動的に生成し、アクションを起こします。
• 代理店支援カスタマーサービスでは、AIアシスタントがリアルタイムでアドバイスを提供し、人間のエージェントがより効率的に問題を解決できるよう支援する。
• AIによる洞察顧客との会話を分析することにより、一般的な問題や異常を特定し、改善のための提案を行う。
• シームレスな統合既存のカスタマーサービスシステム（Zendesk、Salesforceなど）と統合し、データの同期やワークフローの自動化を実現。

デカゴン：AIエージェントによるカスタマーサービス改革

12月アゴンが生まれた：考えすぎるのではなく、考えるべきだ。早く動くべき時だ。 

ジェシー・チャンは幼い頃から数学に強い興味を示し、ボルダーで育ち、幼い頃から数学の競技会に出場し、その後ハーバードでコンピューターサイエンスを学んだ。卒業後、彼は最初の会社Lowkeyを設立し、最終的にNianticに買収された。この経験から、ジェシーは考えすぎは禁物だが、素早く行動すべきだと悟った。アシュウィンと共同でDecagonを設立し、AIエージェントの分野に注力。

Decagonが起業の方向性を選択したのは、一夜にして決まったわけではありません。当初、創業チームはAIエージェントの最適なアプリケーションシナリオについて考えており、すべての分野がAIエージェントの迅速な展開に適しているわけではないことに気づきました。彼らは、すべての分野がAIエージェントの迅速な展開に適しているわけではないことに気づき、市場調査と顧客インタビューを通じて、DecagonはAIエージェントの現在の能力が2つのシナリオに適していないことを発見した：

1) 高い初期精度が要求されるシーン：セキュリティのような領域では、エラーの許容範囲はほとんど存在しない。このようなシナリオでは、エージェントは最初から極めて高い精度を示す必要がある。例えば、セキュリティ情報管理システム（SIM）は、AIモデルが処理するのに最適なログデータが大量にあるにもかかわらず、あらゆる小さな異常イベントを捕捉することを目標に動いている。しかし、今日のAIモデルは時に間違っているため、顧客がAIエージェントを完全に信頼することは難しい。このようなシナリオでは、AIエージェントは使用するのに時間がかかる。

2) ROIの定量化が困難なシナリオ：例えば、多くの "text to SQL "企業は、見栄えの良いデモを作成しますが、それでも人間の監視とチューニングが必要であり、AIエージェントは独立したソリューションというよりは副操縦士のようなものです。ほとんどの組織にとって、人間の介入を必要とするAIエージェントはROIを証明することが難しく、そのようなAIエージェントのために大規模な契約を結ぶことは困難です。

継続的な調査を通じて、Decagonチームは成功するAIエージェントのユースケースの2つの重要な属性を特定するようになりました：

1) 段階的な拡張性：成功するAIエージェント・アプリケーションは、ワンステップのプロセスを目指すのではなく、段階的な展開と反復的な最適化をサポートすべきである。AIエージェントは、最初は一部のタスクしか実行できなくても、すぐに顧客のために真の価値を生み出すことができるはずです。例えば、コーディング・エージェントはコーディング・タスクの一部を最初に引き受け、人間の開発者の負担を大幅に軽減することができる。

2) 明確なROIを持つ：ROIを明確に数値化できることが重要だ。カスタマーサービス分野では、対話解決率や顧客満足度など、追跡可能な明確な指標が数多く存在する。これらの指標により、AIエージェントの価値を効果的に測定し、証明することができます。

その過程で、DecagonはRippling、Notion、Eventbrite、Vanta、Substackなど多くの潜在顧客と綿密な対話を重ね、主要なユースケースを徐々に特定していった。カスタマーサービスエリア創業当初、デカゴンは意図的に壮大なビジョンを強調するのではなく、顧客が本当に気に入り、満足する製品をいかに作るかに重点を置いていた。

デカゴンの差別化透明性と観察可能性

デカゴンの強みは AIエージェントの高い透明性とアプリケーションの効果の観測可能性。

大規模な組織にとって、AIエージェントが「ブラックボックス」でないことを保証することは非常に重要であり、Decagonのプラットフォームは、どのようなデータが使用され、どのように回答が生成されるのかなど、AIエージェントが行うすべての決定について明確なビューを提供します。この高い透明性は、顧客の信頼を大幅に向上させます。

さらに、カスタマーサービス分野では、自動化ソフトウェアの有効性はしばしば定量化可能であり、顧客は以下のような明確な指標を用いてエージェントのパフォーマンスを評価します。 AIエージェントと手作業の比較による効果、コスト削減、顧客体験の質の向上などなど。この定量的な性質により、お客様はDecagonのAIエージェントをスケールアップする前に小規模で試すことができます。

カスタマーサービス分野は非常に競争が激しいが、顧客は一度に複数の異なるAIエージェント製品を試して比較し、特定のデータ（指標の長所と短所、エージェントの有効性など）に基づいて最終的な評価を下すことが多い。現在、デカゴンはその高い透明性と効果の観察可能性により、顧客評価において優れている。例えば、マルチネイバーは2024年8月にわずか1ヶ月のテストを行った後、デカゴンのAIエージェントの正式採用を決定し、すぐに80%の会話解決率を達成した。

DecagonはBuilt Rewards社との大規模なケーススタディを実施しました。Built Rewards社は、同社のプラットフォームを通じてポイントを獲得したり、支払いを行ったりする大規模なユーザーベースを有しています。ユーザーベースの急速な成長により、顧客サービスのニーズは飛躍的に高まっていました。デカゴンを導入する前、Built Rewardsのカスタマーサービスチームは膨大な業務量に直面していました。Decagonを採用してから1ヶ月以内に、AIエージェントが自動化のほとんどを引き継ぎました。1年足らずで、Built Rewardsは人間のカスタマーサービスエージェント約65人分のコストを削減した。   

デカゴンのテクニカル・アーキテクチャオーケストレーション・レイヤーとカスタマイズ・モデル

デカゴンは自らをソフトウェア会社と位置づけており、GPT-4やクロードのようなAIベースモデルを頻繁に連呼しているが、これらのモデルはツールに過ぎない。Decagonのユニークな価値は、オーケストレーションレイヤーやコアAIエージェントを中心に開発されたその他の機能など、ベースモデルの上にあるものにある。オーケストレーションレイヤーは、AIエージェントがどのように異なるAIモデルをミックスし、顧客のビジネスロジックを中心に動作するかを決定する。さらにDecagonは、顧客がAgentによって実行されたデータとステップを理解し、膨大なカスタマーサービスの会話の分析を自動化するための透明性ツールと分析を開発しました。

異なるAIエージェントの場合、調整レイヤーは大きく異なる可能性があり、カスタマーサービスエージェントの調整ロジックとコーディングエージェントの調整ロジックは大きく異なります。しかし結局のところ、さまざまな調整レイヤーはすべてLLMの上に構築された構造化システムなのです。デカゴンは、AIエージェントが異なるAIモデルをどのように混合するかを決定するため、調整レイヤーに多くの焦点を当てている。デカゴンは、顧客のビジネスロジックに対応できるように、これらのモデルをどのように統合するかを決定する方法として、特定の顧客サービスタスクにおける各モデルのパフォーマンスを測定する評価メカニズムを設定した。

最新のAIスタック

オーケストレーション・レイヤーに加え、デカゴンはAIエージェントを中心にその他多くのカスタマーサービス・ソフトウェア機能を構築した。例えば、Decagonは顧客がAgentが使用しているデータと実行しているステップを理解できる透明性ツールを開発し、AI Agentが質問に答えるだけの「ブラックボックス」でなくなることを保証している。さらに、多数のカスタマーサービスとの会話を扱う場合、すべてを手動で確認することは困難です。そこでDecagonは、AI Agentが自動的に会話を分析し、カスタマーサービスの問題カテゴリーや注意が必要な傾向に関するレポートを作成できる分析機能も設計しました。