Oggi lanciamo Intelligent Fields, la soluzione di Maven AGI per acquisire e organizzare i dati generati in ogni interazione con i clienti: dati che possono guidare decisioni di business, opportunità di upsell, aggiornamenti di prodotto e altre aree strategiche fondamentali per la tua organizzazione.
Il tuo agente AI legge già ogni conversazione. Risolve ticket, risponde alle domande, gestisce i volumi. Ma quando la conversazione finisce, tutto ciò che ha appreso svanisce. Nessuna traccia del motivo per cui il cliente era frustrato. Nessun segnale che abbia accennato ad andarsene. Nessun indizio che lo stesso problema si sia presentato 11 volte questa settimana.
La trascrizione c'è. I dati no.
La soluzione classica è il tagging manuale: campi personalizzati nell'help desk, compilati dagli operatori. Funziona finché i volumi non esplodono, arrivano nuovi operatori o la tassonomia si disallinea. A quel punto la compilazione cala e i dati diventano inaffidabili.
Ecco perché il tagging manuale, la risposta predefinita a cui arriva la maggior parte dei team, in realtà non risolve il problema.
La trappola del tagging manuale
Il tagging manuale ha un difetto fatale: dipende da persone che devono applicarlo con coerenza su larga scala. E non succede. I volumi esplodono, arrivano nuovi operatori, i casi limite vengono saltati. La compilazione cala e i dati diventano silenziosamente inaffidabili, spesso senza che nessuno se ne accorga finché i report non tornano.
Ma anche un tagging perfetto ha un limite. I menu a tendina catturano le categorie, non il contesto. La differenza tra un cliente frustrato e uno in procinto di andarsene non è un tag. Sono 4 frasi sepolte nel mezzo di una trascrizione.
Cosa serve davvero
I dati strutturati delle conversazioni devono essere estratti in automatico, dall'intera trascrizione, con uno strumento che comprenda il linguaggio, non che si limiti a cercare parole chiave.
È esattamente ciò che fa Intelligent Fields.
Definisci un campo: un nome, un tipo (testo, sì/no, selezione, numero o selezione multipla) e istruzioni in linguaggio naturale che descrivono cosa deve rilevare. L'agente Maven lo valuta su ogni conversazione, in automatico. Il risultato viene salvato, è ricercabile ed è collegato alla conversazione, con un punteggio di confidenza e una motivazione che spiega la classificazione.
Un esempio concreto: il rischio di churn
Ecco come funziona in pratica. Crei un campo Rischio churn, di tipo Selezione, con 3 opzioni: Alto, Medio, Basso. Le istruzioni sono in linguaggio naturale: assegna Alto se il cliente parla di disdetta, esprime frustrazione per la fatturazione o ha un problema irrisolto da più scambi.
Tutta la configurazione è qui. Una volta pubblicato, l'agente lo valuta su ogni conversazione.
Per un cliente che ha scritto «Sto cercando di risolvere questo problema da una settimana e se non viene risolto oggi disdico», il campo restituisce Alto, confidenza 0,91, con la motivazione: «Il cliente ha esplicitamente menzionato la disdetta e ha un problema di fatturazione irrisolto da più scambi».
Quel record ora è interrogabile. Tutte le conversazioni con Rischio churn = Alto negli ultimi 30 giorni. Instradale in tempo reale a uno specialista della retention. Inviale al tuo CRM.
Configurazione in pochi minuti, non in sprint
Tutto si gestisce in Agent Designer. Definisci un campo in linguaggio naturale, scegli il tipo, pubblica. Nessun codice richiesto. Per i team che preferiscono una gestione programmatica è disponibile un'API REST completa.
Cosa diventa possibile
I team di supporto che ottengono il massimo dai loro agenti AI non li usano solo per risolvere i ticket più velocemente. Li usano per capire cosa succede in ogni conversazione, su una scala che nessun processo di revisione umana potrebbe eguagliare.
Intelligent Fields rende tutto questo possibile. Ogni conversazione gestita dal tuo agente diventa un record di dati strutturato. Ogni record è ricercabile. Ogni tendenza è visibile.
Mettilo alla prova sulle tue conversazioni.
Richiedi una demo personalizzata gratuita.
