Decagon: 엔터프라이즈 고객 서비스 인텔리전스 바디 솔루션

일반 소개

Decagon은 엔터프라이즈급 생성 AI 고객 지원 솔루션을 전문적으로 제공하는 회사입니다. 핵심 제품은 복잡한 질문을 처리하고 기존 시스템과 원활하게 통합되며 데이터를 통해 지속적으로 학습할 수 있는 지능형 AI 고객 서비스 인텔리전스로, 자동화된 지능형 고객 서비스를 통해 고객 경험을 향상하고 운영 효율성을 개선하도록 설계되었습니다. 이 회사는 6,500만 달러의 시리즈 B 투자를 유치했으며 많은 대기업과 빠르게 성장하는 스타트업의 신뢰를 받고 있습니다.

기능 목록

자동화된 문제 해결모든 채널에서 개인화된 응답을 생성하고 복잡한 문제를 해결하며 고객을 위한 조치를 취할 수 있습니다.
원활한 통합 및 워크플로기존 지식, 도구, 데이터 소스 및 워크플로와 부담 없이 통합됩니다.
상담원 지원일상 업무를 처리하고 상담원으로부터 지속적으로 학습하는 AI 어시스턴트를 팀에 제공하세요.
AI 기반 인사이트테마를 식별하고, 이상 징후를 발견하고, 중요한 대화에 대한 분석을 잠금 해제하세요.
강력한 분석 기능즉각적인 ROI를 제공하고, 지원 운영을 혁신하며, 매출 성장을 촉진합니다.
연중무휴 서비스모든 언어로 즉시 응답하여 무한히 확장 가능한 고객 지원을 제공합니다.

도움말 사용

설치 프로세스

계정 등록하기데카곤 AI 웹사이트를 방문하여 계정을 등록하세요.
API 키 가져오기계정에 로그인한 후 개발자 페이지로 이동하여 API 키를 받습니다.
통합 코드제공된 코드 스니펫을 웹사이트 또는 모바일 앱에 추가합니다.
구성 설정언어, 응답 스타일 등을 포함하여 필요에 따라 AI 고객 서비스 설정을 구성합니다.

사용 가이드라인

관리자 백오피스에 로그인합니다.등록된 계정을 사용하여 Decagon AI 관리자 백오피스에 로그인합니다.
지식창고 설정하기지식창고를 업로드하거나 동기화하여 AI 고객 센터가 최신 정보에 액세스할 수 있도록 하세요.
워크플로 구성자동화 규칙, 에스컬레이션 경로 등을 포함한 고객 서비스 워크플로 설정하기
모니터링 및 최적화관리 백엔드를 통해 AI 고객 서비스의 성능을 모니터링하고, 분석 보고서를 확인하며, 필요에 따라 최적화할 수 있습니다.

주요 기능

자동화된 문제 해결AI 고객 서비스는 고객의 질문에 따라 자동으로 개인화된 답변을 생성하고 조치를 취합니다.
상담원 지원고객 서비스 중 AI 어시스턴트가 실시간 조언을 제공하여 인간 상담원이 보다 효율적으로 문제를 해결할 수 있도록 도와줍니다.
AI 기반 인사이트고객 대화를 분석하고 개선을 위한 권장 사항을 제공하여 일반적인 문제와 이상 징후를 파악합니다.
원활한 통합데이터 동기화 및 워크플로우 자동화를 위해 기존 고객 서비스 시스템(예: Zendesk, Salesforce 등)과 통합합니다.

Decagon: AI 에이전트를 통한 고객 서비스 혁신

12월아곤이 만들어졌습니다:지나치게 생각하지 말고 다음과 같이 해야 합니다.이제 빠르게 움직여야 할 때입니다.

제시 장은 어릴 때부터 수학에 관심이 많아 볼더에서 자랐고, 어릴 때부터 수학 경시대회에 참가했으며, 나중에 하버드에서 컴퓨터 공학을 공부했습니다. 졸업 후 그는 자신의 첫 회사인 Lowkey를 설립했고, 이 회사는 결국 Niantic에 인수되었습니다.이 경험을 통해 제시가 깨달은 것은 지나치게 생각하지 말고 신속하게 행동해야 한다는 것이었습니다.그는 AI 에이전트 분야에 집중하기 위해 Ashwin과 함께 Decagon을 공동 설립하고 빠르게 상업적 탐색을 시작했습니다.

데카곤의 사업 방향 선택은 하루아침에 이루어진 것이 아닙니다. 처음에 창업팀은 AI 에이전트를 가장 잘 적용할 수 있는 시나리오를 고민하던 중 모든 분야가 AI 에이전트의 신속한 배포에 적합하지 않다는 것을 깨달았습니다. 모든 영역이 AI 에이전트의 신속한 배포에 적합하지 않다는 것을 깨달은 데카곤은 시장 조사와 고객 인터뷰를 통해 현재 AI 에이전트의 기능이 두 가지 시나리오에 적합하지 않다는 것을 발견했습니다:

1) 높은 초기 정확도가 필요한 장면:보안과 같은 일부 영역에서는 오류 허용 범위가 거의 존재하지 않습니다. 이러한 시나리오에서는 에이전트가 처음부터 극도의 정확성을 입증해야 합니다. 예를 들어 보안 정보 관리 시스템(SIM)은 AI 모델이 처리하기에 완벽한 대량의 로그 데이터가 있음에도 불구하고 모든 작은 비정상적인 이벤트를 캡처하는 것을 목표로 작동합니다. 그러나 오늘날의 AI 모델은 때때로 오류가 발생하기 때문에 고객이 AI 에이전트를 완전히 신뢰하기는 어렵습니다. 이러한 시나리오에서는 AI 에이전트의 사용 속도가 느립니다.

2) ROI를 정량화하기 어려운 시나리오:예를 들어, 많은 '텍스트에서 SQL로' 회사들이 보기에는 좋지만 여전히 사람의 감독과 튜닝이 필요한 데모를 만들고, AI 에이전트는 독립형 솔루션이라기보다는 부조종사에 가깝기 때문에 ROI를 명확하게 정량화하기 어려운 분야가 많습니다. 대부분의 조직에서 사람의 개입이 필요한 AI 에이전트는 ROI를 입증하기 어렵고, 이러한 AI 에이전트에 대한 대규모 계약을 체결하기도 어렵습니다.

데카곤 팀은 지속적인 탐색을 통해 성공적인 AI 에이전트 사용 사례의 두 가지 핵심 특성을 파악하게 되었습니다:

1) 점진적인 확장성:성공적인 AI 에이전트 애플리케이션은 단발성 프로세스가 아니라 점진적인 롤아웃과 반복적인 최적화를 지원해야 합니다. AI 에이전트가 초기에 일부 작업만 수행할 수 있더라도 고객에게 실질적인 가치를 즉시 창출할 수 있어야 합니다.예를 들어 코딩 에이전트가 코딩 작업의 일부를 먼저 수행하여 개발자의 부담을 크게 줄일 수 있습니다.

2) 명확한 ROI를 확보하세요:ROI를 명확하게 정량화할 수 있는 것이 핵심입니다.고객 서비스 분야에는 대화 해결률, 고객 만족도 등 추적할 수 있는 명확한 지표가 무수히 많이 존재합니다. 이러한 지표를 통해 AI 에이전트의 가치를 효과적으로 측정하고 입증할 수 있습니다.

이 과정에서 데카곤은 리플링, 노션, 이벤트브라이트, 반타, 서브스택 등 여러 잠재 고객과 심도 있는 대화를 나누며 주요 사용 사례를 점차적으로 파악해 나갔습니다.고객 서비스 영역.초창기 데카곤은 의도적으로 거창한 비전을 강조하기보다는 고객이 진정으로 좋아하고 만족할 수 있는 제품을 만드는 방법에 집중했습니다.

데카곤의 차별화:투명성 및 관찰 가능성

데카곤의 핵심 강점은 AI 에이전트의 높은 투명성 및 애플리케이션 효과의 관찰 가능성.

대규모 조직의 경우 AI 에이전트가 '블랙박스'가 되지 않도록 하는 것이 중요한데, Decagon의 플랫폼은 어떤 데이터가 사용되는지, 답변이 어떻게 생성되는지 등 AI 에이전트가 내리는 모든 결정을 명확하게 보여줍니다. 이러한 높은 수준의 투명성은 고객의 신뢰를 크게 향상시킵니다. 이러한 높은 수준의 투명성은 고객의 신뢰를 크게 향상시킵니다.

또한 고객 서비스 영역에서 자동화 소프트웨어의 효과는 종종 정량화할 수 있으며, 고객은 다음과 같은 명확한 지표를 사용하여 상담원의 성과를 평가합니다. 수작업 대비 AI 에이전트의 효율성, 비용 절감 및 고객 경험의 품질 개선 효과등등. 이러한 정량화 가능한 특성 덕분에 고객은 규모를 확장하기 전에 데카곤의 AI 에이전트를 소규모로 사용해 볼 수 있습니다.

고객 서비스 분야는 경쟁이 치열하기 때문에 고객들은 여러 가지 AI 상담원 제품을 한 번에 사용해보고 비교한 후 특정 데이터(예: 메트릭의 장단점, 상담원의 효율성 등)를 바탕으로 최종 평가를 내리는 경우가 많습니다.현재 Decagon은 높은 투명성과 효과에 대한 관찰 가능성 덕분에 고객 평가에서 우수한 평가를 받고 있습니다.예를 들어, 멀티-이웃은 2024년 8월, 단 한 달간의 테스트 끝에 Decagon의 AI 에이전트를 정식으로 도입하기로 결정하고 80%의 대화 해결률을 빠르게 달성했습니다.

Decagon은 플랫폼을 통해 포인트를 적립하거나 결제하는 대규모 사용자 기반을 보유한 Built Rewards와 함께 대규모 사례 연구를 진행했습니다. 사용자 기반의 급속한 성장으로 인해 고객 서비스 요구가 기하급수적으로 증가하고 있었습니다. Decagon을 도입하기 전에는 Built Rewards의 고객 서비스 팀은 엄청난 업무량에 직면해 있었습니다.Decagon을 도입한 지 한 달 만에 AI 에이전트가 대부분의 자동화 업무를 대신했습니다. 1년도 채 되지 않아 Built Rewards는 약 65명의 인간 고객 서비스 에이전트 비용을 절감했습니다.

데카곤의 기술 아키텍처:오케스트레이션 레이어 및 사용자 지정 모델

Decagon은 소프트웨어 회사로 포지셔닝하고 있으며, GPT-4 및 Claude와 같은 AI 기본 모델을 자주 호출하지만 이러한 모델은 도구일 뿐입니다.데카곤의 고유한 가치는 오케스트레이션 레이어와 핵심 AI 에이전트를 중심으로 개발된 기타 기능을 포함하여 기본 모델 위에 있는 요소에 있습니다.오케스트레이션 계층은 AI 에이전트가 다양한 AI 모델을 혼합하고 고객의 비즈니스 로직에 따라 작동하는 방식을 결정합니다. 또한 데카곤은 고객이 에이전트가 수행하는 데이터와 단계를 이해하고 대규모 고객 서비스 대화의 분석을 자동화할 수 있도록 투명성 도구와 분석 기능을 개발했습니다.

AI 에이전트마다 조정 계층이 크게 다를 수 있으며, 고객 서비스 에이전트의 조정 로직은 코딩 에이전트의 조정 로직과 매우 다릅니다. 하지만 결국 다양한 조정 계층은 모두 LLM 위에 구축된 구조화된 시스템입니다.데카곤은 AI 에이전트가 서로 다른 AI 모델을 혼합하는 방법을 결정하기 때문에 조정 계층에 많은 중점을 둡니다.Decagon은 고객의 비즈니스 로직에 맞게 작동할 수 있도록 이러한 모델을 통합하는 방법을 결정하기 위해 특정 고객 서비스 작업에 대한 각 모델의 성능을 측정하는 평가 메커니즘을 설정했습니다.

최신 AI 스택

데카곤은 오케스트레이션 계층 외에도 AI 에이전트를 중심으로 다양한 고객 서비스 소프트웨어 기능을 구축했습니다.예를 들어, 데카곤은 고객이 에이전트가 사용하는 데이터와 에이전트가 수행하는 단계를 이해할 수 있는 투명성 도구를 개발하여 AI 에이전트가 더 이상 질문에 답하는 '블랙박스'가 되지 않도록 했습니다. 또한 수많은 고객 서비스 대화를 처리할 때는 모든 것을 수동으로 확인하기가 어렵습니다. 따라서 데카곤은 AI 에이전트가 대화를 자동으로 분석하고 주의가 필요한 고객 서비스 문제 범주와 추세에 대한 보고서를 생성할 수 있는 분석 기능도 설계했습니다.