Zdaniem ElevenLabs, jej wewnętrzne agenty pozwalają zespołom zaoszczędzić ponad 1200 godzin miesięcznie w codziennych operacjach. Agenci ci odpowiadają na ponad 5000 pytań miesięcznie, a także podejmują działania, tworząc demonstracje dla klientów i otwierając zgłoszenia.
Narzędzia te początkowo służyły do łatwiejszego wyszukiwania informacji w Slacku, firmowym komunikatorze, czy to danych o retencji użytkowników, dokumentacji, czy historii konta. Następnie ewoluowały w agenty zdolne do działania: pracownik zadaje pytanie, zgłasza błąd lub prosi o demonstrację, a agent odpowiada lub wykonuje żądanie.
Sprzedaż i demonstracje na żądanie
Zespoły handlowe wykorzystują dwóch agentów. « GTM bot », od go-to-market, odpowiada na pytania dotyczące klientów, podczas gdy « FDE bot », gdzie FDE oznacza Forward Deployed Engineer, czyli inżyniera pracującego z klientami, zajmuje się pytaniami produktowymi i demonstracjami. Wśród ostatnich przykładów, handlowiec pyta « Kim są nasi główni klienci z prawami do wykorzystania swojego logo w Wielkiej Brytanii, Francji i Niemczech? »; inne pytanie dotyczy głównych przypadków użycia API.
FDE bot potrafi również, na podstawie prostej wiadomości, złożyć funkcjonalnego agenta skonfigurowanego pod przypadek użycia potencjalnego klienta. Są to kompletne demonstracje tworzone na żądanie.
Wsparcie i inżynieria: automatyzacja kwalifikacji
« Triage bot » zarządza żądaniami funkcji i zgłoszeniami błędów, stosując różną procedurę dla każdego typu problemu. Przed utworzeniem zgłoszenia wyszukuje on odpowiedni kontekst w Slacku, sprawdza duplikaty wśród istniejących zgłoszeń i upewnia się, że informacje są wystarczające do zdiagnozowania problemu. Zgłoszenie jest następnie otwierane w Linear z odpowiednim priorytetem i przekazywane właściwemu zespołowi dzięki dokumentowi podziału odpowiedzialności dodanemu do bazy wiedzy agenta. Według firmy, praca ta była wcześniej bardzo manualna pomiędzy wsparciem a inżynierią.
Zespoły produktowe i marketing produktu zadają swoje pytania dotyczące danych na dedykowanych kanałach i otrzymują analizę bezpośrednio w wątku. Jeden z przykładów przytoczonych przez ElevenLabs pyta, jak konwersja darmowych użytkowników na płatne subskrypcje ElevenCreative zmieniała się w ciągu ostatnich sześciu miesięcy w USA i jakie były jej główne czynniki. Pracownicy mogą następnie dyskutować lub zadawać dodatkowe pytania w tym samym wątku. Jakość odpowiedzi zależy jednak od tego, do jakich danych agent ma dostęp, stąd staranny dobór danych dla każdego z nich.
Korzyści dla firmy
ElevenLabs podkreśla, że agenci muszą być od początku niezawodni i precyzyjni, w przeciwnym razie zespoły przestaną z nich korzystać. Na wspólnym kanale błędy są bardziej widoczne, ale widoczne są też sukcesy, co sprzyjało adopcji.
Zdaniem firmy, największa poprawa jakości odpowiedzi nie wynika z przepisywania instrukcji, ale z usuwania pól. « Kuratela schematu przewyższa inżynierię promptów », pisze. Każda dodatkowa kolumna lub pole daje modelowi okazję do popełnienia błędu. W przypadku pól Salesforce o stałych wartościach, takich jak etap szansy lub typ konta, prawidłowe wartości są teraz pobierane przy starcie i wstrzykiwane do definicji narzędzia MCP, protokołu łączącego modele z narzędziami zewnętrznymi, tak aby model mógł wybierać tylko istniejące opcje. Wreszcie, ElevenAgents Architect restrukturyzuje nakładające się procedury, a każde zgłoszenie utworzone w Linear jest sprawdzane pod kątem pól i docelowego zespołu.
