De flesta team som kör agenter i produktion kan inte med säkerhet säga om deras agent faktiskt fungerar.
De kan berätta vilken containment rate den har. De kan visa en dashboard. Men fråga varför agenten svarade en viss kund som den gjorde, så blir det tyst. Någon skapar ett ärende till utvecklingsteamet. Någon gräver i loggarna. Några dagar senare kanske du får ett svar.
Den fördröjningen kostar mer än tid. De team som får ut mest av AI är ofta de som förstår den bäst. McKinsey kom fram till att de företag som ser störst resultatpåverkan av AI, de som tillskriver AI minst 20 % av sitt EBIT, oftare än andra arbetar på sätt som gör deras AI förklarbar. Att förstå din agent är inte något som är bra att ha. Det är så du får ut värdet av den.
Så varför krävs det fortfarande en utvecklare för att förstå en agent? Och varför krävs det fortfarande någon som kan konfigurationen utan och innan för att agera på det du lär dig, som att uppdatera en policy eller skärpa ett skyddsräcke?
Vi anser att det inte ska krävas djup teknisk expertis för att bygga och hantera en agent. Därför byggde vi Magi.
Möt Magi
Magi (uttalas MAG-i) är en ny AI-assistent för Maven. Du pratar med den på vanlig svenska, precis som du skulle prata med den skarpaste personen i ditt team. Den gör 3 saker.
- Den bevakar. Fråga Magi vad som helst om din agents data. Vad frågar kunderna mest om den här veckan? Var har agenten svårt? Vad har ändrats sedan förra månaden? Du får svar utan att skriva en enda fråga i databasen eller vänta på en rapport.
- Den förklarar. Peka ut ett samtal för Magi och fråga varför. Varför fattade agenten det beslutet? Varför eskalerade den här men inte där? Magi går igenom resonemanget med dig i klartext, inte i loggar.
- Den tar fram utkast. Be Magi ta fram skyddsräcken för en ny policy, eller hjälpa dig konfigurera agenten utifrån det den just har hittat. Magi gör grovjobbet: listar ut vad som bör ändras och sätter ihop det åt dig.
Inbyggd i Agent Designer
Magi finns direkt i Agent Designer, bredvid agenten du arbetar med. Den ser vad du tittar på, så du kan fråga om samtalet, charter eller varianten framför dig och få svar som utgår från just det sammanhanget. Sedan går du från insikt till förbättring utan att lämna sidan.
Oavsett om du är supportchef, CX-chef eller utvecklare är svaret på ”varför gör agenten så här?” aldrig mer än en fråga bort.
Det är fortfarande du som trycker på spara
Magi ändrar aldrig din konfiguration utan dig. Varje ändring den föreslår väntar på din granskning och ditt godkännande.
Det är ett medvetet val. En agent som bygger agenter är bara så värdefull som ditt förtroende för det den bygger. I ett företag är ”AI:n ändrade det” inget godtagbart svar på frågan ”varför gör agenten så här?”. Därför sköter Magi utredningen och utkasten, medan beslutet stannar hos dig.
Agent Ops för alla
Att få en agent i drift är en milstolpe. Att hålla den bra är själva jobbet. Det jobbet kallar vi Agent Ops.
Om du har arbetat med mjukvara känner du till DevOps: tanken att lanseringen av kod inte är mållinjen, och att drift och förbättring är en disciplin i sig. Agent Ops är samma tanke för AI-agenter. Det är det löpande arbetet med att övervaka hur agenten presterar, förstå varför den beter sig som den gör, förbättra den när policyer ändras och nya frågor dyker upp, och styra vad som ändras och vem som godkänner det. Utan det glider agenten sakta bort från det verksamheten behöver. Med det blir agenten bättre för varje vecka den är i drift.
Hittills har Agent Ops mest varit ett tekniskt jobb. Magi ändrar vem som kan göra det. Så här ser det ut i praktiken. Säg att du ser ett samtal som eskalerades till en återbetalningsbegäran, fast det inte borde ha gjort det. En CX-chef frågar Magi: ”Varför eskalerades det här till en återbetalningsbegäran?” Magi går igenom samtalet från början till slut, letar efter liknande återbetalningseskaleringar under de senaste 30 dagarna och jämför de charters som berörs. Den hittar orsaken: agentens konfiguration skickar ett samtal vidare till en återbetalningseskalering så fort en kund nämner ett hälsoproblem, och den logiken har slagit till i 137 samtal de senaste 30 dagarna. Magi tar fram ändringsförslag för charters Foundations, Subscription Troubleshooting och Refund Help som snävar in när en återbetalningseskalering ska ske. Chefen granskar ändringarna, godkänner dem, och nästa kund som nämner ett hälsoproblem får hjälp i stället för att eskaleras. Före Magi hade det tagit dagar att åtgärda. Någon skulle upptäcka problemet, skapa ett ärende och vänta på att en tekniker skulle spåra logiken genom flera charters. Med Magi räcker det med ett samtal, och den som upptäckte problemet är den som åtgärdar det.
Det är Agent Ops för alla: förstå vad som händer, lista ut vad som ska ändras och fortsätt förbättra. Resultatet är en agent som blir bättre, eftersom det är de som känner dina kunder bäst som formar den.
En förhandstitt: Maven i verktygen du redan använder
Magi är sättet du arbetar med din agent på i Maven. Vi öppnar också nya sätt att ta in Maven i de verktyg ditt team redan arbetar i.
- Maven MCP. Koppla Maven till de AI-assistenter ditt team redan använder, som Claude. Ditt CX-team kan hämta data och insikter från Maven till sitt befintliga arbete, från analys och förberedelser inför QBR till att bygga presentationen eller dokumentet, tillsammans med de andra verktyg de har kopplat in.
- Maven CLI. Utvecklare och lösningsarkitekter kan arbeta med Maven från kommandoraden. Kombinera det med en kodassistent som Claude Code och beskriv vad du behöver i klartext, till exempel att granska hur en agent är uppsatt eller hämta samtal.
I dag handlar båda om att få tillgång till data och insikter från Maven där du behöver dem. Med tiden kommer du också att kunna utföra åtgärder, inte bara läsa. Mer information kommer snart.
Ställ dig på väntelistan
Vi ser fram emot att du får testa Magi. Vi håller några saker hemliga fram till lanseringen. Låt oss bara säga att bevaka, förklara och ta fram utkast är där Magi börjar, inte där det slutar.
Se det på dina egna konversationer.
Begär en kostnadsfri, personlig demo.
