Decagon: Solução corporativa de inteligência de atendimento ao cliente empresarial

Introdução geral

A Decagon é uma empresa especializada em fornecer soluções de suporte ao cliente com IA generativa de nível empresarial. Seu principal produto é uma inteligência de atendimento ao cliente com IA capaz de lidar com questões complexas, integrar-se perfeitamente aos sistemas existentes e aprender continuamente com os dados. As soluções da Decagon são projetadas para aprimorar a experiência do cliente e melhorar a eficiência operacional por meio de um atendimento ao cliente automatizado e inteligente. A empresa garantiu US$ 65 milhões em financiamento da Série B e conta com a confiança de muitas empresas de grande porte e startups de rápido crescimento.

Lista de funções

• Solução automatizada de problemasGerar respostas personalizadas, resolver problemas complexos e tomar medidas para os clientes em todos os canais.
• Integração e fluxo de trabalho perfeitosIntegração sem ônus com o conhecimento, as ferramentas, as fontes de dados e os fluxos de trabalho existentes.
• Assistência ao agenteForneça à equipe assistentes de IA que lidam com as tarefas diárias e aprendem continuamente com os agentes.
• Insights orientados por IAIdentificação de temas, identificação de anomalias e análise de diálogos valiosos.
• Análise avançadaProporciona ROI imediato, transforma as operações de suporte e impulsiona o crescimento da receita.
• Serviço 24 horas por dia, 7 dias por semanaResposta instantânea em qualquer idioma, fornecendo suporte ao cliente infinitamente escalonável.

Usando a Ajuda

Processo de instalação

1. registrar uma contaVisite o site da Decagon AI e registre-se para obter uma conta.
2. Obter chave de API: Depois de fazer login na sua conta, vá para a página Developer (Desenvolvedor) para obter sua chave de API.
3. código integradoAdicione os trechos de código fornecidos ao seu site ou aplicativo móvel.
4. Definições de configuraçãoConfigure as definições de atendimento ao cliente da IA conforme necessário, incluindo idioma, estilo de resposta, etc.

Diretrizes para uso

1. Faça login no Back Office do administradorFaça login no back office do Decagon AI Admin usando uma conta registrada.
2. Configuração da base de conhecimentoCarregue ou sincronize sua base de conhecimento para garantir que o AI Customer Service tenha acesso às informações mais atualizadas.
3. Configuração de fluxos de trabalhoConfiguração de fluxos de trabalho de atendimento ao cliente, incluindo regras de automação, caminhos de escalonamento, etc.
4. Monitoramento e otimizaçãoMonitorar o desempenho do atendimento ao cliente com IA por meio do back-end de gerenciamento, visualizar relatórios analíticos e otimizar conforme necessário.

Funções principais

• Solução automatizada de problemasAtendimento ao cliente com IA: o atendimento ao cliente com IA gera automaticamente uma resposta personalizada e toma medidas com base nas perguntas do cliente.
• Assistência ao agenteNo atendimento ao cliente, os assistentes de IA fornecem conselhos em tempo real para ajudar os agentes humanos a resolver problemas com mais eficiência.
• Insights orientados por IAIdentificação de problemas e anomalias comuns por meio da análise das conversas com os clientes e do fornecimento de recomendações para melhorias.
• integração perfeitaIntegração com sistemas de atendimento ao cliente existentes (por exemplo, Zendesk, Salesforce, etc.) para sincronização de dados e automação do fluxo de trabalho.

Decagon: Reinventando o atendimento ao cliente com agentes de IA

Dezagon foi criado:Em vez de pensar demais, é precisoÉ hora de agir rapidamente. 

Jesse Zhang demonstrou um grande interesse em matemática desde cedo, crescendo em Boulder, competindo em competições de matemática desde jovem e, mais tarde, estudando ciência da computação na Universidade de Harvard. Depois de se formar, ele fundou sua primeira empresa, a Lowkey, que acabou sendo adquirida pela Niantic.Com essa experiência, Jesse percebeu que você não pode pensar demais, mas deve agir rapidamente.Ele co-fundou a Decagon com Ashwin para se concentrar no espaço do agente de IA e rapidamente começou a exploração comercial.

A escolha da direção empresarial da Decagon não aconteceu da noite para o dia. Inicialmente, a equipe fundadora estava pensando nos melhores cenários de aplicação do AI Agent e percebeu que nem todas as áreas eram adequadas para a rápida implantação do AI Agent. Eles perceberam que nem todas as áreas eram adequadas para a rápida implantação do AI Agent e, por meio de pesquisas de mercado e entrevistas com clientes, a Decagon descobriu que os recursos atuais do AI Agent não eram adequados para dois cenários:

1) Cenas que exigem alta precisão inicial:Em alguns domínios, como o de segurança, o espaço para tolerância a erros é quase inexistente. Esses cenários exigem que os agentes demonstrem extrema precisão desde o início. Os sistemas de gerenciamento de informações de segurança (SIMs), por exemplo, trabalham com o objetivo de capturar todos os pequenos eventos anômalos, embora haja uma grande quantidade de dados de registro que são perfeitos para os modelos de IA processarem. No entanto, os modelos de IA atuais às vezes estão errados, por isso é difícil para os clientes confiarem totalmente nos agentes de IA.

2) Cenários em que é difícil quantificar o ROI:Há várias áreas em que um AI Agent pode parecer uma boa opção superficialmente, mas é difícil quantificar claramente o ROI; por exemplo, muitas empresas de "texto para SQL" fazem demonstrações que parecem boas, mas ainda exigem supervisão e ajuste humanos, e o AI Agent é mais um copiloto do que uma solução autônoma. Para a maioria das organizações, é difícil provar o ROI de um AI Agent que requer intervenção humana, e é difícil para uma empresa assinar um grande contrato para esse tipo de AI Agent.

Por meio da exploração contínua, a equipe da Decagon identificou dois atributos principais de um caso de uso bem-sucedido de agente de IA:

1) Escalabilidade gradual:Os aplicativos bem-sucedidos do AI Agent não devem ter como objetivo ser um processo de uma única etapa, mas devem oferecer suporte à implementação gradual e à otimização iterativa. Mesmo que o AI Agent seja capaz de realizar apenas algumas tarefas inicialmente, ele deve ser capaz de criar valor real para o cliente imediatamente.Por exemplo, um Coding Agent pode assumir algumas das tarefas de codificação primeiro, reduzindo significativamente a carga sobre os desenvolvedores humanos.

2) Tenha um ROI claro:A capacidade de quantificar claramente o ROI é fundamental.No espaço de atendimento ao cliente, existe uma infinidade de métricas claras que podem ser rastreadas, como taxas de resolução de diálogos, satisfação do cliente e assim por diante. Essas métricas permitem que o valor do agente de IA seja efetivamente medido e comprovado.

No processo, a Decagon teve conversas aprofundadas com vários clientes em potencial, como Rippling, Notion, Eventbrite, Vanta e Substack, identificando gradualmente os principais casos de uso - oÁrea de atendimento ao cliente.Nos primeiros dias, a Decagon não enfatizava intencionalmente uma visão grandiosa, mas se concentrava em como criar produtos que os clientes realmente adorassem e com os quais ficassem satisfeitos.

Diferenciação do Decagon:Transparência e observabilidade

O ponto forte da Decagon é sua Alta transparência do agente de IA e observabilidade dos efeitos do aplicativo.

Para as grandes organizações, é fundamental garantir que o AI Agent não seja uma "caixa preta", e a plataforma da Decagon oferece uma visão clara de cada decisão tomada pelo AI Agent, incluindo quais dados são usados, como as respostas são geradas etc. Esse alto nível de transparência aumenta significativamente a confiança do cliente. Esse alto nível de transparência aumenta significativamente a confiança do cliente.

Além disso, no espaço de atendimento ao cliente, a eficácia do software de automação geralmente é quantificável, com os clientes avaliando o desempenho do agente usando métricas claras, como Eficácia do agente de IA em relação ao trabalho manual, economia de custos e melhoria da qualidade da experiência do clienteE assim por diante. Essa natureza quantificável permite que os clientes experimentem o agente de IA da Decagon em pequena escala antes de ampliá-lo.

Embora o espaço de atendimento ao cliente seja incrivelmente competitivo, os clientes costumam experimentar vários produtos diferentes de agentes de IA ao mesmo tempo para compará-los e fazer uma avaliação final com base em dados específicos (por exemplo, pontos fortes e fracos das métricas, eficácia do agente etc.).Atualmente, a Decagon se destaca nas avaliações dos clientes graças à sua alta transparência e observabilidade dos efeitos.Por exemplo, a Multi-Neighbour decidiu adotar formalmente o AI Agent da Decagon após apenas um mês de testes em agosto de 2024, e rapidamente alcançou uma taxa de resolução de conversas de 80%.

A Decagon realizou um grande estudo de caso com a Built Rewards, que tem uma grande base de usuários que ganham pontos ou fazem pagamentos por meio de sua plataforma. Devido ao rápido crescimento de sua base de usuários, as necessidades de atendimento ao cliente estavam crescendo exponencialmente. Antes da Decagon, a equipe de atendimento ao cliente da Built Rewards enfrentava uma enorme carga de trabalho.Um mês depois de adotar a Decagon, o agente de IA assumiu a maior parte da automação. Em menos de um ano, a Built Rewards economizou o custo de cerca de 65 agentes humanos de atendimento ao cliente.   

Arquitetura técnica da Decagon:Camada de orquestração e modelos personalizados

A Decagon se posiciona como uma empresa de software e, apesar dos frequentes apelos aos modelos básicos de IA, como GPT-4 e Claude, esses modelos são apenas ferramentas.O valor exclusivo da Decagon está no que se encontra no topo do modelo básico, incluindo a camada de orquestração e outros recursos desenvolvidos em torno do AI Agent principal.A camada de orquestração determina como o agente de IA combina diferentes modelos de IA e trabalha com a lógica de negócios do cliente. Além disso, a Decagon desenvolveu ferramentas de transparência e análise para ajudar os clientes a entender os dados e as etapas executadas pelos agentes e automatizar a análise de conversas massivas de atendimento ao cliente.

Para diferentes agentes de IA, a camada de coordenação pode variar muito, e a lógica de coordenação de um agente de atendimento ao cliente é muito diferente da de um agente de codificação. Mas, no final, as várias camadas de coordenação são todos sistemas estruturados construídos sobre o LLM.A Decagon se concentra muito na camada de orquestração porque ela determina como o AI Agent combinará diferentes modelos de IA.A Decagon estabeleceu mecanismos de avaliação para medir o desempenho de cada modelo em tarefas específicas de atendimento ao cliente como forma de decidir como integrar esses modelos para que eles possam trabalhar com a lógica comercial do cliente.

Pilha de IA moderna

Além da camada de orquestração, a Decagon criou vários outros recursos de software de atendimento ao cliente em torno do AI Agent.Por exemplo, a Decagon desenvolveu uma ferramenta de transparência que permite que os clientes entendam os dados que o agente está usando e as etapas que está executando, garantindo que o agente de IA não seja mais apenas uma "caixa preta" que responde a perguntas. Além disso, ao lidar com um grande número de conversas de atendimento ao cliente, é difícil ver tudo manualmente. Portanto, a Decagon também projetou um recurso de análise que permite que o AI Agent analise automaticamente as conversas e gere relatórios sobre categorias de problemas de atendimento ao cliente e tendências que precisam de atenção.