Dziś wprowadzamy Intelligent Fields – rozwiązanie Maven AGI do przechwytywania i porządkowania danych powstających w każdej interakcji z klientem, które mogą wspierać decyzje biznesowe, sprzedaż dodatkową, rozwój produktu i inne kluczowe obszary strategiczne organizacji.
Agent AI już teraz czyta każdą rozmowę. Rozwiązuje zgłoszenia, odpowiada na pytania i obsługuje duży wolumen. Ale gdy rozmowa się kończy, wszystko, czego się dowiedział, przepada. Brak zapisu, dlaczego klient był sfrustrowany. Brak sygnału, że wspomniał o odejściu. Brak informacji, że ten sam problem pojawił się w tym tygodniu już 11 razy.
Transkrypcja istnieje. Danych nie ma.
Standardowym rozwiązaniem jest ręczne tagowanie: niestandardowe pola w help desku wypełniane przez konsultantów. Działa to do momentu, gdy wzrośnie wolumen, dołączą nowi konsultanci albo taksonomia zacznie się rozjeżdżać. Wtedy spada dyscyplina, a dane tracą wiarygodność.
Oto dlaczego ręczne tagowanie, domyślny wybór większości zespołów, w rzeczywistości nie rozwiązuje problemu.
Pułapka ręcznego tagowania
Ręczne tagowanie ma zasadniczą wadę: zależy od tego, czy ludzie będą je konsekwentnie stosować na dużą skalę. A tak się nie dzieje. Wolumen rośnie, dołączają nowi konsultanci, nietypowe przypadki są pomijane. Dyscyplina spada, a dane po cichu tracą wiarygodność – często nikt tego nie zauważa, dopóki raporty nie zaczną wyglądać podejrzanie.
Nawet idealne tagowanie ma jednak swoje ograniczenia. Listy rozwijane rejestrują kategorie, ale nie kontekst. Różnica między sfrustrowanym klientem a klientem, który zamierza odejść, nie sprowadza się do tagu. To 4 zdania ukryte w środku transkrypcji.
Co naprawdę jest potrzebne
Ustrukturyzowane dane z rozmów muszą być wyodrębniane automatycznie, z pełnej transkrypcji, przez rozwiązanie, które rozumie język, a nie tylko dopasowuje słowa kluczowe.
Właśnie to robi Intelligent Fields.
Definiują Państwo pole: nazwę, typ (tekst, tak/nie, wybór, liczba lub wybór wielokrotny) oraz instrukcje w języku naturalnym opisujące, co pole ma rejestrować. Agent Maven automatycznie ocenia je w każdej rozmowie. Wynik jest zapisywany, można go przeszukiwać i jest powiązany z rozmową – wraz z poziomem pewności i uzasadnieniem klasyfikacji.
Konkretny przykład: ryzyko odejścia
Tak to wygląda w praktyce. Tworzą Państwo pole Ryzyko odejścia typu Wybór z 3 opcjami: Wysokie, Średnie, Niskie. Instrukcje są sformułowane zwykłym językiem: przypisz Wysokie, jeśli klient wspomina o rezygnacji, wyraża frustrację związaną z rozliczeniami lub ma nierozwiązany problem w kilku kolejnych wymianach wiadomości.
To cała konfiguracja. Po opublikowaniu agent ocenia pole w każdej rozmowie.
W przypadku klienta, który napisał: „Od tygodnia próbuję to naprawić i jeśli dziś nie zostanie to rozwiązane, rezygnuję”, pole zwraca wartość Wysokie z poziomem pewności 0,91 i uzasadnieniem: „Klient wprost wspomniał o rezygnacji i ma nierozwiązany problem z rozliczeniami w kilku kolejnych wymianach wiadomości”.
Taki rekord można teraz odpytywać. Wszystkie rozmowy z ostatnich 30 dni, w których Ryzyko odejścia = Wysokie. Przekazanie ich w czasie rzeczywistym do specjalisty ds. utrzymania klientów. Przesłanie do CRM.
Konfiguracja zajmuje minuty, nie sprinty
Wszystko odbywa się w Agent Designer. Wystarczy zdefiniować pole w języku naturalnym, wybrać typ i opublikować. Bez kodowania. Dla zespołów, które chcą zarządzać polami programowo, dostępne jest pełne REST API.
Co to umożliwia
Zespoły wsparcia, które najlepiej wykorzystują swoich agentów AI, nie używają ich wyłącznie do szybszego rozwiązywania zgłoszeń. Wykorzystują je, aby rozumieć, co dzieje się we wszystkich rozmowach – na skalę, jakiej nie zapewni żaden proces ręcznej weryfikacji.
Intelligent Fields to umożliwia. Każda rozmowa obsłużona przez agenta staje się ustrukturyzowanym rekordem danych. Każdy rekord można przeszukiwać. Każdy trend jest widoczny.
Przekonaj się na własnych rozmowach.
Poproś o bezpłatne, spersonalizowane demo.
