Decagon: решение для корпоративной аналитики обслуживания клиентов

Общее введение

Decagon - компания, специализирующаяся на разработке решений для поддержки клиентов на основе генеративного ИИ корпоративного уровня. Основной продукт компании - интеллектуальная система поддержки клиентов на основе искусственного интеллекта, способная решать сложные вопросы, легко интегрироваться с существующими системами и непрерывно обучаться на основе данных. Решения Decagon предназначены для улучшения качества обслуживания клиентов и повышения операционной эффективности за счет автоматизации и интеллектуального обслуживания клиентов. Компания получила 65 миллионов долларов в рамках серии B финансирования, и ей доверяют многие крупные предприятия и быстрорастущие стартапы.

Список функций

• Автоматизированное решение проблем: Генерируйте индивидуальные ответы, решайте сложные проблемы и принимайте меры для клиентов по всем каналам.
• Бесшовная интеграция и рабочий процессИнтеграция с нулевой нагрузкой с существующими знаниями, инструментами, источниками данных и рабочими процессами.
• Помощь агентам: Предоставьте команде помощников с искусственным интеллектом, которые будут выполнять ежедневные задачи и постоянно учиться у агентов.
• Понимание на основе искусственного интеллекта: Определите темы, выявите аномалии и раскройте анализ ценного диалога.
• Мощная аналитика: Обеспечивает немедленную окупаемость инвестиций, трансформирует операции поддержки и способствует росту доходов.
• Круглосуточное обслуживание: Мгновенно реагирует на любой язык, обеспечивая бесконечно масштабируемую поддержку клиентов.

Использование помощи

Процесс установки

1. зарегистрировать аккаунт: Посетите веб-сайт Decagon AI и зарегистрируйте учетную запись.
2. Получить ключ API: После входа в свою учетную запись перейдите на страницу разработчика, чтобы получить ключ API.
3. интегрированный код: Добавьте предоставленные фрагменты кода на свой сайт или в мобильное приложение.
4. Настройки конфигурации: При необходимости настраивайте параметры обслуживания клиентов AI, включая язык, стиль ответа и т. д.

Руководство по использованию

1. Войдите в бэк-офис администратора: Войдите в бэк-офис Decagon AI Admin, используя зарегистрированную учетную запись.
2. Настройка базы знаний: Загрузите или синхронизируйте свою базу знаний, чтобы служба поддержки клиентов AI имела доступ к самой актуальной информации.
3. Настройка рабочих процессов: Настройка рабочих процессов обслуживания клиентов, включая правила автоматизации, пути эскалации и т. д.
4. Мониторинг и оптимизация: Отслеживайте эффективность работы службы поддержки клиентов AI через бэкэнд управления, просматривайте аналитические отчеты и оптимизируйте работу по мере необходимости.

Основные функции

• Автоматизированное решение проблемAI Customer Service автоматически генерирует индивидуальный ответ и предпринимает действия на основе вопросов клиента.
• Помощь агентам: При обслуживании клиентов ассистенты ИИ дают советы в режиме реального времени, помогая сотрудникам решать проблемы более эффективно.
• Понимание на основе искусственного интеллекта: Выявление общих проблем и аномалий путем анализа разговоров с клиентами и предоставления рекомендаций по улучшению.
• бесшовная интеграцияИнтеграция с существующими системами обслуживания клиентов (например, Zendesk, Salesforce и т. д.) для синхронизации данных и автоматизации рабочих процессов.

Decagon: переосмысление обслуживания клиентов с помощью агентов искусственного интеллекта

Декбыл создан агон:Вместо того чтобы предаваться размышлениям, следуетПришло время действовать быстро. 

Джесси Чжан с ранних лет проявлял интерес к математике: он вырос в Боулдере, с ранних лет участвовал в математических соревнованиях, а затем изучал информатику в Гарвардском университете. После окончания университета он основал свою первую компанию Lowkey, которая впоследствии была приобретена компанией Niantic.Из этого опыта Джесси понял, что нельзя слишком много думать, а нужно действовать быстро.Вместе с Ашвином он основал компанию Decagon, чтобы сфокусироваться на пространстве агентов искусственного интеллекта, и быстро приступил к коммерческим исследованиям.

Выбор направления деятельности компании Decagon произошел не в одночасье. Изначально команда основателей размышляла о наилучших сценариях применения AI Agent и поняла, что не все области подходят для быстрого развертывания AI Agent. Они поняли, что не все области подходят для быстрого развертывания AI Agent, и в результате исследования рынка и интервью с клиентами Decagon обнаружила, что текущие возможности AI Agent не подходят для двух сценариев:

1) Сцены, требующие высокой начальной точности:В некоторых областях, таких как безопасность, возможности для допущения ошибок практически отсутствуют. В таких сценариях агенты с самого начала должны демонстрировать предельную точность. Например, системы управления информацией о безопасности (SIM) работают с целью перехвата каждого мелкого аномального события, хотя существует огромное количество данных журналов, которые идеально подходят для обработки моделями ИИ. Однако современные модели ИИ иногда ошибаются, поэтому клиентам сложно полностью доверять Агенту ИИ. В таких сценариях Агент ИИ используется медленно.

2) Сценарии, в которых сложно количественно оценить ROI:Существует ряд областей, в которых агент искусственного интеллекта может показаться подходящим вариантом, но при этом сложно четко оценить окупаемость инвестиций. Например, многие компании, работающие по принципу "текст на SQL", делают демо-версии, которые выглядят хорошо, но при этом требуют человеческого контроля и настройки, а агент искусственного интеллекта является скорее вторым пилотом, чем самостоятельным решением. Для большинства организаций агент искусственного интеллекта, требующий вмешательства человека, трудно доказать окупаемость инвестиций, и компаниям сложно подписывать крупные контракты на использование такого агента.

Благодаря постоянным исследованиям команда Decagon выявила два ключевых признака успешного использования агента искусственного интеллекта:

1) Постепенная масштабируемость:Успешное применение ИИ-агента не должно быть одномоментным процессом, оно должно поддерживать постепенное внедрение и итеративную оптимизацию. Даже если ИИ-агент способен выполнять только некоторые задачи на начальном этапе, он должен быть в состоянии сразу же создать реальную ценность для клиента.Например, агент кодирования может взять на себя часть задач по кодированию, значительно снизив нагрузку на разработчиков-людей.

2) Четко определите рентабельность инвестиций:Возможность четко оценить окупаемость инвестиций - ключевой момент.В сфере обслуживания клиентов существует множество четких показателей, которые можно отслеживать, например скорость разрешения диалогов, удовлетворенность клиентов и т. д. Эти показатели позволяют эффективно измерить и доказать ценность ИИ-агента.

В процессе работы компания Decagon провела подробные беседы с рядом потенциальных клиентов, таких как Rippling, Notion, Eventbrite, Vanta и Substack, постепенно выявляя ключевые сценарии использования.Область обслуживания клиентов.На первых порах Decagon не стремилась к грандиозному видению, а сосредоточилась на том, как создавать продукты, которые действительно понравятся покупателям и будут ими довольны.

Дифференциация Декагона:Прозрачность и наблюдаемость

Основная сила компании Decagon заключается в ее Высокая прозрачность ИИ-агента и наблюдаемость эффектов применения.

Для крупных организаций очень важно, чтобы ИИ-агент не был "черным ящиком", и платформа Decagon обеспечивает четкое представление о каждом решении, принимаемом ИИ-агентом, включая то, какие данные используются, как генерируются ответы и т. д. Такой высокий уровень прозрачности значительно повышает доверие клиентов. Такой высокий уровень прозрачности значительно повышает доверие клиентов.

Кроме того, в сфере обслуживания клиентов эффективность программного обеспечения для автоматизации часто поддается количественной оценке: клиенты оценивают работу агента с помощью таких четких показателей, как Эффективность ИИ-агента по сравнению с ручным трудом, экономия средств и повышение качества обслуживания клиентовИ так далее. Такая количественная характеристика позволяет клиентам опробовать ИИ-агент Decagon в небольших масштабах, прежде чем масштабировать его.

Несмотря на то что в сфере обслуживания клиентов царит невероятная конкуренция, клиенты часто пробуют сразу несколько различных продуктов AI Agent, чтобы сравнить их и сделать окончательную оценку на основе конкретных данных (например, сильные и слабые стороны метрик, эффективность работы агента и т. д.).В настоящее время Decagon занимает лидирующие позиции в оценках клиентов благодаря высокой прозрачности и наблюдаемости эффектов.Например, компания Multi-Neighbour приняла решение официально внедрить ИИ-агент Decagon после всего одного месяца тестирования в августе 2024 года и быстро достигла скорости разрешения разговоров 80%.

Компания Decagon провела крупное тематическое исследование с компанией Built Rewards, имеющей большую базу пользователей, которые зарабатывают баллы или совершают платежи с помощью ее платформы. В связи с быстрым ростом пользовательской базы потребности в обслуживании клиентов росли в геометрической прогрессии. До прихода Decagon команда обслуживания клиентов Built Rewards сталкивалась с огромной нагрузкой.Уже через месяц после внедрения Decagon ИИ-агент взял на себя большую часть автоматизации. Менее чем за год компания Built Rewards сэкономила расходы на содержание примерно 65 сотрудников службы поддержки клиентов.   

Техническая архитектура Decagon:Уровень оркестровки и настраиваемые модели

Decagon позиционирует себя как компания-разработчик программного обеспечения, и, несмотря на частые обращения к базовым моделям ИИ, таким как GPT-4 и Claude, эти модели - всего лишь инструменты.Уникальная ценность Decagon заключается в том, что лежит поверх базовой модели, включая слой оркестровки и другие функции, разработанные на основе основного агента ИИ.Уровень оркестровки определяет, как ИИ-агент сочетает различные модели ИИ и работает в соответствии с бизнес-логикой клиента. Кроме того, Decagon разработала инструменты прозрачности и аналитики, чтобы помочь клиентам понять данные и шаги, выполняемые агентами, и автоматизировать анализ массовых разговоров по обслуживанию клиентов.

Для разных агентов ИИ координационный слой может сильно отличаться, и логика координации агента по обслуживанию клиентов сильно отличается от логики агента по кодированию. Но в конечном итоге все различные координационные слои - это структурированные системы, построенные поверх LLM.Decagon уделяет большое внимание уровню координации, поскольку он определяет, как агент ИИ будет сочетать различные модели ИИ.Компания Decagon создала механизмы оценки эффективности каждой модели при выполнении конкретных задач по обслуживанию клиентов, чтобы решить, как интегрировать эти модели, чтобы они могли работать с бизнес-логикой клиента.

Современный стек искусственного интеллекта

Помимо уровня оркестровки, компания Decagon создала ряд других функций программного обеспечения для обслуживания клиентов на основе ИИ-агента.Например, компания Decagon разработала инструмент прозрачности, который позволяет клиентам понять, какие данные использует агент и какие действия он выполняет, гарантируя, что ИИ-агент больше не будет просто "черным ящиком", отвечающим на вопросы. Кроме того, когда речь идет о большом количестве разговоров с клиентами, сложно увидеть все вручную. Поэтому Decagon также разработал функцию аналитики, которая позволяет ИИ-агенту автоматически анализировать разговоры и создавать отчеты о категориях проблем и тенденциях в обслуживании клиентов, требующих внимания.