Laut ElevenLabs ermöglichen seine internen Agenten den Teams, mehr als 1.200 Stunden pro Monat in ihren täglichen Abläufen einzusparen. Diese Agenten beantworten über 5.000 Fragen monatlich und gehen auch zur Tat über, indem sie Kundendemos erstellen und Tickets eröffnen.
Diese Tools dienten zunächst dazu, Informationen in Slack, der Unternehmens-Messaging-Plattform, leichter zu finden, sei es zu Nutzerbindungsdaten, Dokumentation oder der Historie eines Kontos. Sie entwickelten sich dann weiter zu Agenten, die handeln können: Ein Mitarbeiter stellt eine Frage, meldet einen Bug oder fordert eine Demo, und der Agent antwortet oder führt die Anfrage aus.
Vertrieb und Demos auf Abruf
Die Vertriebsteams nutzen zwei Agenten. Der « GTM bot » (für Go-to-Market) beantwortet Fragen zu Kunden, während der « FDE bot » (FDE steht für Forward Deployed Engineer, also einen beim Kunden eingesetzten Ingenieur) Produktfragen und Demos bearbeitet. Zu den jüngsten Beispielen gehört eine Anfrage eines Vertriebsmitarbeiters: « Wer sind unsere wichtigsten Kunden mit Logo-Nutzungsrechten im Vereinigten Königreich, Frankreich und Deutschland? », während eine andere Frage die Hauptanwendungsfälle der API betrifft.
Der FDE bot kann auch aus einer einfachen Nachricht einen funktionsfähigen Agenten zusammenstellen, der für den Anwendungsfall eines Interessenten konfiguriert ist. Es handelt sich um vollständige, auf Anfrage erstellte Demonstrationen.
Support und Engineering: Automatisierung der Priorisierung
Der « triage bot » bearbeitet Feature-Anfragen und Bugs, wobei er für jeden Problemtyp ein anderes Verfahren befolgt. Vor der Erstellung eines Tickets sucht er nach relevantem Kontext in Slack, prüft auf Duplikate bei bestehenden Tickets und stellt sicher, dass die Informationen für eine Problemdiagnose ausreichen. Das Ticket wird dann in Linear mit der entsprechenden Priorität eröffnet und dank eines in die Wissensbasis des Agenten eingepflegten Verantwortlichkeitsdokuments an das zuständige Team weitergeleitet. Diese Arbeit war laut Unternehmen zuvor zwischen Support und Engineering sehr manuell.
Die Produkt- und Produktmarketing-Teams stellen ihre Datenfragen in dedizierten Kanälen und erhalten die Analyse direkt im Diskussionsverlauf. Ein von ElevenLabs genanntes Beispiel fragt, wie sich die Konversion von kostenlosen Nutzern zu bezahlten Abonnements von ElevenCreative in den letzten sechs Monaten in den USA entwickelt hat und welche die Hauptfaktoren dafür sind. Mitarbeiter können dann im selben Thread diskutieren oder Folgefragen stellen. Die Qualität der Antworten hängt jedoch davon ab, worauf der Agent zugreifen kann, daher die sorgfältige Auswahl der Daten für jeden von ihnen.
Was das Unternehmen daraus zieht
ElevenLabs betont, dass diese Agenten von Anfang zuverlässig und präzise sein müssen, da die Teams sonst aufhören, sie zu nutzen. In einem geteilten Kanal sind Fehler sichtbarer, aber auch Erfolge, was die Akzeptanz gefördert hat.
Laut Unternehmen kommt der größte Qualitätsgewinn bei den Antworten nicht vom Umschreiben der Anweisungen, sondern vom Entfernen von Feldern. « Die Kuratierung des Schemas übertrifft das Prompt-Engineering », schreibt es. Jede zusätzliche Spalte oder jedes zusätzliche Feld bietet dem Modell eine Gelegenheit, Fehler zu machen. Für Salesforce-Felder mit festen Werten, wie den Status einer Verkaufschance oder den Kontotyp, werden die gültigen Werte nun beim Start abgerufen und in die Definitionen des MCP-Tools (ein Protokoll, das Modelle mit externen Tools verbindet) eingefügt, sodass das Modell nur vorhandene Optionen wählen kann. Schließlich strukturiert der ElevenAgents Architect überlappende Verfahren um, und jedes in Linear erstellte Ticket wird auf seine Felder und das Zielteam überprüft.
