Según ElevenLabs, sus agentes internos permiten a los equipos ahorrar más de 1.200 horas al mes en sus operaciones diarias. Estos agentes responden a más de 5.000 preguntas mensuales, y también pasan a la acción, construyendo demostraciones para los clientes y abriendo tickets.
Estas herramientas sirvieron primero para recuperar más fácilmente información en Slack, la mensajería profesional de la empresa, ya fueran datos de retención de usuarios, documentación o el historial de una cuenta. Luego evolucionaron hacia agentes capaces de actuar: un colaborador plantea una pregunta, señala un error o solicita una demostración, y el agente responde o ejecuta la solicitud.
Ventas y demostraciones bajo demanda
Los equipos comerciales utilizan dos agentes. El « GTM bot », para go-to-market, responde a preguntas sobre los clientes, mientras que el « FDE bot », donde FDE designa al Forward Deployed Engineer, es decir, un ingeniero desplegado junto a los clientes, trata las preguntas sobre el producto y las demostraciones. Entre los ejemplos recientes, un comercial pregunta « ¿Quiénes son nuestros principales clientes con derechos de uso de su logo en el Reino Unido, Francia y Alemania? », mientras que otra pregunta se refiere a los principales casos de uso de la API.
El FDE bot también puede ensamblar, a partir de un simple mensaje, un agente funcional configurado para el caso de uso de un prospecto. Se trata de demostraciones completas producidas bajo demanda.
Soporte e ingeniería: automatizar la clasificación
El « triage bot » gestiona las solicitudes de funcionalidades y los errores, siguiendo un procedimiento diferente para cada tipo de problema. Antes de crear un ticket, busca el contexto relevante en Slack, verifica duplicados entre los tickets existentes y se asegura de que la información sea suficiente para diagnosticar el problema. El ticket se abre luego en Linear con la prioridad adecuada y se transmite al equipo correspondiente gracias a un documento de reparto de responsabilidades incorporado a la base de conocimientos del agente. Este trabajo, según la empresa, antes era muy manual entre el soporte y la ingeniería.
Los equipos de producto y marketing de producto plantean, por su parte, sus preguntas sobre los datos en canales dedicados y reciben el análisis directamente en el hilo de discusión. Un ejemplo citado por ElevenLabs pregunta cómo ha evolucionado la conversión de usuarios gratuitos a suscripciones de pago de ElevenCreative durante los últimos seis meses en Estados Unidos, y cuáles son los principales factores. Los colaboradores pueden luego discutir o plantear preguntas complementarias en el mismo hilo. La calidad de las respuestas depende, sin embargo, de lo que el agente puede consultar, de ahí la cuidadosa selección de los datos de cada uno.
Lo que la empresa obtiene de ello
ElevenLabs subraya que estos agentes deben ser fiables y precisos desde el principio, de lo contrario los equipos dejan de usarlos. En un canal compartido, los errores son más visibles, pero los éxitos también, lo que ha favorecido la adopción.
Según la empresa, la mayor mejora en la calidad de las respuestas no viene de la reescritura de las instrucciones, sino de la eliminación de campos. « La curación del esquema supera a la ingeniería de prompts », escribe. Cada columna o campo adicional ofrece al modelo una oportunidad de equivocarse. Para los campos de Salesforce con valores fijos, como la etapa de una oportunidad o el tipo de cuenta, los valores válidos se recuperan ahora al inicio y se inyectan en las definiciones de la herramienta MCP, un protocolo que conecta los modelos con herramientas externas, para que el modelo solo pueda elegir opciones existentes. Finalmente, el Architect de ElevenAgents reestructura los procedimientos que se solapan, y cada ticket creado en Linear se verifica por sus campos y su equipo de destino.
