כמנהלים שאחראים על חוויית לקוח בהיקפים גדולים, אתם בוחנים AI לא כרעיון, אלא כיכולת שחייבת לפעול באמינות בכל הערוצים, המערכות ורגעי האמת מול הלקוח. אחרי שנים של בניית מערכות חכמות בקנה מידה גדול ב-Google וב-IBM, הקמתי יחד עם שותפיי את Maven כדי לסגור פער שנתקלתי בו שוב ושוב: אוטומציה של תמיכה שידעה לדבר, אבל לא באמת לפתור בעיות מתוך הבנת ההקשר (ובלי הזיות).
תמיכת לקוחות מודרנית דורשת AI שיודע להסיק מסקנות ולפעול, ולא רק להגיב, בקול, בצ'אט, באימייל וב-SMS. המיקוד שלנו תמיד היה בניית AI אג'נטי שיודע להסיק, לבצע פעולות ולפעול בצורה חלקה בקול, בצ'אט, באימייל וב-SMS בסביבות ארגוניות.
מילון ה"מתחילים" הזה, שמציג את 5 מושגי הליבה של AI אג'נטי ב-CX, משקף את האופן שבו אנחנו ניגשים לבעיה הזו בפועל. הוא נועד לשמש מקור עזר ברור ומעשי כשאתם בוחנים מה תמיכת לקוחות מבוססת AI יכולה וצריכה לספק.
רוצים את הרשימה המלאה שלנו, "100 מונחים חיוניים על סוכני AI"? קראו את המאמר המלא כאן.
מדריך בסיסי לצוותי CX שפועלים תחת לחץ
צוותי CX ארגוניים צריכים להוריד עלויות, לקצר את זמני הפתרון ולשמור על האמון במותג, וכל זה תוך ניהול נפחים הולכים וגדלים בכל הערוצים. הלחץ פוגש בלבול כשספקים שונים משתמשים במונחים כמו AI אג'נטי, סוכנים אוטונומיים ו-AI copilots בצורה לא עקבית.
המילון הזה נועד:
- להבהיר מושגי מפתח בתחום סוכני AI בשפה פשוטה ורלוונטית לארגונים.
- להבחין בין AI שיודע רק לנהל שיחה לבין מערכות אג'נטיות שמסוגלות לבצע פעולות.
- לספק תיקוף חיצוני ממובילי התעשייה.
- לעזור למנהלי CX להעריך שותפים טכנולוגיים בביטחון.
אם אתם בוחנים איך AI יכול להשתלב באסטרטגיית התמיכה שלכם, המדריך הזה יכול לשמש נקודת התייחסות משותפת לבעלי העניין ב-CX, ב-IT ובתפעול.
1) מושגי ליבה: AI וסוכנים
AI אג'נטי (Agentic AI)
AI אג'נטי מתייחס למערכות AI שמסוגלות לתכנן, להסיק ולבצע משימות בתוך מגבלות מפורשות שמוגדרות במדיניות לשם השגת מטרה, לרוב באמצעות הפעלת כלים, ממשקי API ותהליכי עבודה במערכות הארגון. בניגוד לצ'טבוטים מסורתיים או ל-AI גנרטיבי, מערכות אג'נטיות נועדו להשלים עבודה, ולא רק לייצר תשובות.
IBM מתארת AI אג'נטי כתבנית שבה מודלי שפה משולבים עם כלים ולוגיקת החלטה כדי לפעול בתוך מערכות אמיתיות. 👉 סקירה של IBM: AI אג'נטי — IBM
Gartner צופה ש-AI אג'נטי יפתור באופן אוטונומי 80% מבעיות שירות הלקוחות הנפוצות עד 2029, וישנה מן היסוד את תפעול ה-CX. 👉 הודעה לעיתונות של Gartner: AI אג'נטי משנה את שירות הלקוחות
בהקשר של Maven: Maven AGI בנויה סביב ביצוע אג'נטי: סוכני AI שמסיקים ומבצעים פעולות מאובטחות וניתנות לביקורת לאורך תהליכי העבודה של תמיכת הלקוחות. למידע נוסף: Agent Maven
**נקודת המבט של הנהלת Maven: מבחינתי, השינוי החשוב ביותר שקורה כרגע הוא לא AI גנרטיבי, אלא יכולת הפעולה (agency). ארגונים לא מתקשים בגלל שחסרות להם תשובות; הם מתקשים כי המערכות לא מסוגלות לפעול על פני כלים מפוצלים. AI אג'נטי חשוב כי הוא סוגר את הפער הזה. כש-AI מסוגל להבין כוונה, להכיר מגבלות ולבצע תהליכי עבודה אמיתיים באופן מאובטח, הוא מפסיק להיות הדגמה ומתחיל להפוך לתשתית.
סוכן AI
סוכן AI הוא מערכת שמסוגלת לקלוט קלט, לשמור על הקשר, להסיק לגבי מטרות ולבצע פעולות כדי להשיג תוצאות. ההגדרה הזו חורגת מבוטים תגובתיים ותואמת מחקר AI ותיק.
הגדרה כללית: 👉 סוכן AI — Wikipedia
בסביבות CX, סוכני AI חייבים:
- להבין כוונה בכל הערוצים.
- לגשת לידע הארגוני.
- לבצע פעולות במערכות הליבה (ולא רק להציע אותן).
בהקשר של Maven: סוכני ה-AI של Maven פועלים בקול, בצ'אט, באימייל וב-SMS באמצעות שכבת היסק משותפת, כך שלקוחות לא צריכים להתחיל את השיחה מחדש כשהם עוברים ערוץ. סוכני AI יכולים להפעיל Actions מורשות שהוגדרו ב-Maven, עם פרמטרים ו-Instructions; הם לא ממציאים Actions חדשות. גלו את ערוצי הסוכנים: ערוצי סוכנים
**נקודת המבט של הנהלת Maven: סוכני AI מצליחים כשהם משלבים היסק עם פעולה. צוותי CX לא צריכים רק תשובות; הם צריכים תוצאות. לכן הסוכנים של Maven מתוכננים לפעול לפי כוונת הלקוח בכל הערוצים ונקודות המגע.
אוטונומיה ו-Human-in-the-Loop (HITL)
אוטונומיה מתארת את מידת העצמאות שבה סוכן AI יכול לפעול. ב-CX ארגוני, אוטונומיה מלאה כמעט אף פעם אינה עניין של כן או לא. במקום זאת, המערכות מאזנות בין אוטומציה לפיקוח אנושי.
Salesforce מדגישה כיצד AI אג'נטי שונה מ-AI מסייע בכך שהוא מבצע משימות באופן יזום, ועדיין מאפשר בדיקה אנושית כשצריך. 👉 מהו AI אג'נטי - Salesforce
שיטה מומלצת: תהליכי עבודה בנפח גבוה ובסיכון נמוך עוברים לרוב אוטומציה מלאה, ואילו מקרי קצה רגישים מנותבים לנציגים אנושיים תוך שמירה על ההקשר המלא.
בהקשר של Maven: Maven תומכת במנגנוני בקרה של human-in-the-loop הניתנים להגדרה, כך שצוותי CX יכולים לקבוע היכן נגמרת האוטונומיה ומתחילה הבדיקה האנושית. האוטונומיה תמיד מוגבלת על ידי כללי זכאות, היקף הידע ומגבלות ה-Actions.
**נקודת המבט של הנהלת Maven: אוטונומיה לא אומרת להוציא את בני האדם מהתמונה לגמרי, אלא לאפשר להם להתמקד בחריגים בעלי ערך גבוה. אסטרטגיות HITL הן מרכזיות לאמינות ולאמון ברמה הארגונית.
2) ערוצי אינטראקציה עם לקוחות
Voice AI / סוכנים קוליים
Voice AI מאפשר לסוכני AI לנהל שיחות טלפון חיות: להבין קטיעות, מבטאים וכוונה תוך ביצוע פעולות בזמן אמת.
Maven Voice™ מיועד לאוטומציה קולית ברמה ארגונית, ומשתלב בתשתיות הטלפוניה והמוקדים הקיימות. ערוצי הקול פועלים כמו כל שאר הערוצים, על בסיס אותם Actions ואותו ידע.
לשיחה על Maven Voice או על כל אחד מפתרונות הסוכנים שלנו: קביעת הדגמה
**נקודת המבט של הנהלת Maven: לקוחות לא חושבים בערוצים, הם חושבים בתוצאות. אחד הכשלים הגדולים של טכנולוגיות תמיכה מדור קודם הוא הטיפול בקול, בצ'אט, באימייל וב-SMS בנפרד. הסוכן צריך להיות הקבוע, לא הערוץ. ערוצים הם רק ממשקים; האינטליגנציה צריכה להיות משותפת.
AI לצ'אט ולהודעות
סוכני צ'אט מנהלים שיחות דיגיטליות בזמן אמת באתר ובאפליקציה. הם שומרים על ההקשר, ניגשים לידע ומעבירים את השיחה הלאה בצורה חלקה כשצריך.
בהקשר של Maven: סוכני הצ'אט מופעלים על ידי אותה שכבת היסק שמפעילה את הקול והאימייל, וכך מספקים תשובות ופעולות עקביות. כל הערוצים חולקים את אותו ידע, אותם Actions ואותם אותות להערכת איכות.
גלו את יכולות הצ'אט: צ'אט
**נקודת המבט של הנהלת Maven: מנוע ההיסק המשותף מבטיח שכל אינטראקציה תרגיש חלקה, גם אם הלקוח עובר ערוץ באמצע השיחה.
אוטומציה לאימייל ול-SMS
אימייל ו-SMS הם ערוצים קריטיים לאינטראקציות בנפח גבוה. AI יכול לסווג, לסכם, לנסח ולפתור הודעות בהיקפים גדולים תוך שמירה על הטון ועל עמידה בדרישות הרגולציה.
בהקשר של Maven: אינטראקציות באימייל וב-SMS מטופלות על ידי אותו מנוע אג'נטי, מה שמאפשר רציפות בין ערוצים ושיפור מדיד במהירות הפתרון.
**נקודת המבט של הנהלת Maven: עקביות והקשר הם תנאי שאין עליו ויכוח, במיוחד בערוצים אסינכרוניים כמו אימייל ו-SMS.
3) ידע, הקשר והיסק
גרפי ידע ו-AI מעוגן (Grounded AI)
AI ארגוני חייב להיות מעוגן בידע אמין ומבוקר כדי להימנע מהזיות ומהפרות מדיניות. בלי בסיס אמין, גם מודלים חזקים מספקים תשובות לא עקביות, מציגים מידע מיושן או מפרים מדיניות.
בהקשר של Maven: ה-Graph of Record של Maven הוא גישה ייחודית לעיגון AI באמת הארגונית. הוא מחבר ידע בין המערכות הקיימות בארגון בלי להעתיק, להעביר או לרכז נתונים. במקום לבקש מחברות להעביר את המידע שלהן למערכת חדשה, Maven יוצרת חיבורים חכמים בזמן אמת למערכות הרשומה, כמו מערכות CRM, פלטפורמות לניהול פניות, מאגרי תוכן ומחסני נתונים.
מכיוון שכל תשובה נשאבת ישירות מהמערכות האלה, ה-Graph of Record מבטיח שהתשובות משקפות את הנתונים העדכניים ביותר, פועלות לפי ההרשאות הקיימות ומכבדות את מדיניות הארגון.
לדוגמה, כשלקוח שואל על סטטוס החשבון או על זכאות בנושאי חיוב, הסוכן עונה על סמך ההקשר החי במערכת, ולא על סמך סיכום שמור. כך מצטמצמים משמעותית ההזיות, התשובות המיושנות והסיכון הרגולטורי, במיוחד בסביבות מפוקחות או מורכבות מבחינה תפעולית.
**נקודת המבט של הנהלת Maven: אינטליגנציה בלי עיגון היא סיכון. ידע, הקשר ומנגנוני בקרה הם העבודה הקשה ביותר, וגם החשובה ביותר, ב-AI בקנה מידה ארגוני. ה-Graph of Record של Maven הוא אבן היסוד של Business AGI, כי הוא מאפשר לאינטליגנציה להתרחב לכל הארגון ועדיין להישאר מדויקת, תואמת רגולציה ויציבה מבחינה תפעולית. כשמחברים מערכות במקום לשכפל אותן, ארגונים יכולים לפרוס AI מהר יותר, לצמצם עלויות תשתית נסתרות ולעבור בביטחון מניסויים לייצור.
זיכרון הקשרי ו-RAG
Retrieval-Augmented Generation (RAG) מאפשר לסוכנים לשלוף נתונים ארגוניים רלוונטיים בזמן ריצה. זיכרון הקשרי מבטיח רציפות לאורך אינטראקציות ארוכות או כאלה שמתפרסות על פני כמה סשנים. ב-Maven, RAG שולף מידע ממאגרי ידע מוגדרים שמכבדים את כללי הגישה ואת זכאות התצוגה.
IBM ו-Gartner מדגישות שעיגון והקשר הם המפתח לאמינות של AI ארגוני. 👉 תובנות של IBM על AI ארגוני: סוכני AI ארגוניים — IBM
**נקודת המבט של הנהלת Maven: RAG וזיכרון מאפשרים ל-AI לפעול בביטחון ולהימנע מטעויות שעלולות לפגוע באמון הלקוחות.
4) אינטגרציות וביצוע תהליכי עבודה
אינטגרציות ל-CRM ולמערכות הליבה
סוכני AI חייבים להשתלב במערכות CRM, במערכות חיוב ובכלים פנימיים כדי לבצע עבודה אמיתית, כמו עדכון רשומות או עיבוד החזרים כספיים.
בהקשר של Maven: Maven משתלבת במערכות כמו Salesforce ו-Zendesk, כך שהסוכנים יכולים להפעיל Actions מורשות שקוראות נתונים מהמערכת או כותבות אליה.
לכל האינטגרציות של Maven: אינטגרציות
**נקודת המבט של הנהלת Maven: AI שלא יכול לפעול הוא סתם עוד שכבת ממשק. סוכנים צריכים להיות מפעילים מן המניין בתוך מערכות הארגון, עם יכולת ביקורת ואבטחה מלאות.
ממשקי API וביצוע מאובטח
ממשקי API מאפשרים לסוכנים לתקשר עם מערכות הארגון, להפעיל תהליכי עבודה ולבצע פעולות באופן מאובטח וניתן לביקורת. כך נשמרת עמידה בתקני הממשל הארגוניים, לצד שיפור היעילות התפעולית ויכולת ההתרחבות.
בהקשר של Maven: הגישה של Maven, שמבוססת על API מלכתחילה, מאפשרת לסוכנים לבצע תהליכי עבודה מורכבים ישירות בתוך מערכות הארגון. Maven מבטיחה שכל פעולה כפופה לאימות קפדני, למעקב ולאמצעי ציות. כך לקוחות יכולים להשתלב בצורה חלקה בתשתית הקיימת שלהם, לשמור על שליטה ולהשיג שיפורי יעילות מדידים.
**נקודת המבט של הנהלת Maven: אנחנו רואים בביצוע מאובטח מנוף אסטרטגי לחדשנות ארגונית. אמון ואחריותיות הם אבני היסוד של אוטומציה ארגונית מוצלחת. כשאנחנו מבטיחים שכל פעולה אוטומטית ניתנת למעקב ולביקורת ותואמת את מדיניות הממשל, אנחנו נותנים לארגונים את הביטחון להרחיב את הפעילות שלהם בצורה מאובטחת.
5) מדדים ו-KPI שחשובים למנהלי CX
שיעור פתרון אוטונומי (ARR)
הגדרה: אחוז הפניות של לקוחות שנפתרות במלואן על ידי סוכני AI, בלי צורך בהתערבות אנושית. פתרון אוטונומי מתייחס לשיחות שנפתרו בלי העברה לנציג ובלי משוב שלילי, בהתאם למדד 'Resolved by Maven' במוצר.
למה זה חשוב: המדד בוחן את האפקטיביות והאמינות של AI אג'נטי בביצוע משימות באופן עצמאי, ועוזר להוריד עלויות ולפנות נציגים אנושיים לעבודה בעלת ערך גבוה יותר.
דוגמה: Papaya Pay השיגה מענה אוטונומי ל-90% מהפניות עם Maven AGI.
פתרון במגע ראשון (FCR)
הגדרה: אחוז הבעיות של לקוחות שנפתרות כבר באינטראקציה הראשונה, בכל ערוץ.
למה זה חשוב: FCR גבוה מעיד על יעילות ועל חוויית לקוח חלקה. סוכני AI יכולים להעלות את ה-FCR בזכות גישה מיידית לידע ולמערכות, וכך לצמצם את הצורך בפניות חוזרות.
דוגמה: Papaya Pay הגיעה לשיעור פתרון במגע ראשון של 70% אחרי שפרסה את Agent Maven™.
זמן עד לפתרון (TTR)
הגדרה: הזמן הממוצע שעובר מרגע שהלקוח פונה ועד שהבעיה נפתרת במלואה.
למה זה חשוב: TTR נמוך יותר מעיד על שירות מהיר יותר ועל CX טוב יותר. סוכני AI יכולים לקצר משמעותית את ה-TTR באמצעות שליפה אוטומטית של מידע, עדכון מערכות וביצוע פעולות.
דוגמה: Enumerate פתרה 80% מהפניות בפחות מ-3 דקות עם Agent Maven™, עדות ל-TTR נמוך משמעותית בסביבת ייצור.
מדד מאמץ הלקוח (CES)
הגדרה: מדד שמשקף כמה קל היה ללקוח לפתור את הבעיה שלו, ונמדד בדרך כלל בסקר אחרי האינטראקציה (למשל: "כמה קל היה לפתור את הבעיה שלכם היום?").
למה זה חשוב: ציון CES גבוה (מאמץ נמוך) נמצא במתאם עם שביעות רצון, נאמנות וצמצום נטישה. סוכני AI תורמים לכך בהפחתת חיכוך, בהימנעות משלבים מיותרים ובמתן סיוע מותאם להקשר.
דוגמה: Mastermind פתרה 93% מפניות הצ'אט עם זמני תגובה מהירים ב-75%, אינדיקציה חזקה להפחתת המאמץ.
הפחתת עלויות תקורה
הגדרה: הירידה בהוצאות התפעול שמושגת באמצעות אוטומציה של משימות חוזרות, ייעול תהליכי עבודה וצמצום הצורך בכוח אדם נוסף.
למה זה חשוב: עלויות תקורה נמוכות יותר מאפשרות לארגונים להפנות תקציב ליוזמות אסטרטגיות, לשפר את יכולת ההתרחבות ולשמור על רווחיות גם כשנפח הפניות גדל. סוכני AI תורמים לכך בטיפול אוטונומי בנפחים גבוהים של אינטראקציות, ומפחיתים את התלות בנציגים אנושיים במשימות שגרתיות.
שיפור CSAT ו-NPS
הגדרת CSAT: מדד לשביעות הרצון של לקוחות מאינטראקציה מסוימת או מהשירות בכללותו, שנאסף בדרך כלל בסקר קצר אחרי האינטראקציה (למשל: "עד כמה אתם מרוצים מהתמיכה שקיבלתם?" בסולם של 1–5 או 1–10). למה זה חשוב: CSAT משקף את תחושת הלקוח המיידית ואת איכות החוויה. סוכני AI יכולים להשפיע לטובה על ה-CSAT באמצעות פתרונות מדויקים, מהירים ומותאמים להקשר.
דוגמאות: Rho השיגה שביעות רצון לקוחות (CSAT) של 95% ותמכה ביותר פניות בלי להגדיל את מצבת העובדים. במסגרת הבדיקה של Thumbtack, שכללה יותר מ-50 ספקים, Maven השיגה ביצועים טובים ביותר מ-15% מהמתחרים בהערכת ה-CSAT הפנימית של החברה.
הגדרת NPS: מדד לנאמנות הלקוחות ולסבירות שימליצו על המותג, שנאסף באמצעות שאלת סקר כמו: "עד כמה סביר שתמליצו על החברה שלנו לחבר או לעמית?" המשיבים מדרגים בסולם 0–10, והציונים מסווגים כך:
חישוב NPS = %ממליצים − %מבקרים
למה זה חשוב: NPS משקף נאמנות לקוחות לטווח ארוך. סוכני AI שמפחיתים חיכוך, מקצרים את זמני הפתרון ושומרים על חוויה עקבית בכל הערוצים יכולים להגדיל את שיעור הממליצים ולצמצם את שיעור המבקרים.
דוגמה: Enumerate דיווחה על ציון NPS של +40, מה שמעיד על נאמנות ושביעות רצון גבוהות מחוויית התמיכה ש-Maven מאפשרת.
Julie Mohr, אנליסטית ראשית ב-Forrester, כתבה ב-1 בדצמבר 2025 ש"כשה-AI והאוטומציה נכנסים לתמונה, תפיסת 'מהר יותר זה טוב יותר' הישנה הגיונית עוד פחות", והציגה את נקודת המבט שלה על 5 מדדי KPI חדשים שמתמקדים ב-AI.
👉 תובנה של Forrester: הגיע הזמן לחשוב מחדש על הצלחת מוקד התמיכה
בהקשר של Maven: לקוחות רבים של Maven משיגים ARR של יותר מ-90% בתהליכי עבודה ממוקדים. גלו את תוצאות הלקוחות: סיפורי לקוחות
**נקודת המבט של הנהלת Maven: הסטת נפח לבדה אינה הצלחה; פתרון הוא ההצלחה. המדדים צריכים לשקף תוצאות אמיתיות ללקוחות, ולא רק ספירת פניות.
לסיכום
אנחנו יודעים שמילון מונחים הוא כנראה רק אחד מהצעדים הרבים בתהליך הבחינה אם, איך ומתי לאמץ AI אג'נטי בארגון שלכם.
צוותי המכירות, מהנדסי הפתרונות וצוות ניהול חוויית הלקוח שלנו עובדים בשיתוף פעולה עם לקוחות פוטנציאליים כדי לחדד דרישות, לגייס תמיכה פנימית בהשקעה, לבנות מפת דרכים לבדיקות ולגרסת בטא, ולהבהיר את הפוטנציאל של AI אג'נטי באסטרטגיית ה-CX שלכם.
הצעד הבא יכול להיות שיחה ראשונית על היעדים שלכם ועל השלב שבו אתם נמצאים! נשמח לעזור לכם לעצב את הדרך קדימה: דברו עם הצוות שלנו
על הכותב
Sami Shalabi, מייסד שותף ומנהל טכנולוגיות ראשי (CTO), Maven AGI
Sami Shalabi מוביל את חזון המוצר ואת ארכיטקטורת הפלטפורמה של Maven לסוכני AI ארגוניים בקול, בצ'אט, באימייל וב-SMS. בעבר כיהן כמנהל הנדסה בכיר ב-Google וב-IBM, והיום הוא מתמקד במערכות AI אג'נטי שמשלבות היסק, אוטונומיה ואינטגרציות ארגוניות כדי להשיג תוצאות CX מדידות.
ראו את זה על השיחות שלכם.
בקשו הדגמה מותאמת אישית ללא עלות.
