ElevenLabs अंतर्गत AI एजंट विक्री, समर्थन आणि अभियांत्रिकीमध्ये मासिक 1,200 तास वाचवतात

ElevenLabs अंतर्गत व्यवसाय ऑपरेशन्स स्वयंचलित करण्यासाठी स्वतःचे ElevenAgents प्लॅटफॉर्म वापरत आहे, कंपनीने दरमहा 1,200 पेक्षा जास्त कामाचे तास वाचवले आहेत. त्याचे एजंट मासिक 5,000 हून अधिक प्रश्नांची उत्तरे देतात, कस्टमाइज्ड ग्राहक प्रात्यक्षिके तयार करतात आणि एका महिन्यात 150 हून अधिक समर्थन आणि अभियांत्रिकी तिकिटे उघडतात, त्याच्या 29 ऑक्टोबरच्या खात्यानुसार.

तैनाती स्लॅककडून माहिती पुनर्प्राप्त करण्यापलीकडे जाते. कर्मचारी प्रश्न विचारू शकतात, डेमोची विनंती करू शकतात किंवा एजंट्स कनेक्ट केलेल्या साधनांद्वारे प्रक्रियेचे भाग हाताळू शकतात. कंपनीच्या उदाहरणांमध्ये विक्री, समर्थन, अभियांत्रिकी आणि उत्पादन विश्लेषण समाविष्ट आहे, तर त्याचे तैनाती धडे हे देखील कबूल करतात की एजंट चुका करू शकतात आणि त्यांना विश्वसनीय माहिती आणि सत्यापन आवश्यक आहे.

विक्री संघ खाते प्रश्न आणि डेमोसाठी एजंट वापरतात

ElevenLabs विक्री-संबंधित कामासाठी दोन एजंट वापरते: ग्राहक आणि खाते प्रश्नांसाठी गो-टू-मार्केट (GTM) बॉट आणि उत्पादन प्रश्न आणि प्रात्यक्षिकांसाठी फॉरवर्ड डिप्लॉयड इंजिनियर (FDE) बॉट.

GTM एजंट प्रश्नांची उत्तरे देऊ शकतो जसे की कोणत्या ग्राहकांना विशिष्ट युरोपियन बाजारपेठांमध्ये लोगोचे अधिकार आहेत किंवा कंपनीचे प्रमुख API वापर प्रकरणे काय आहेत. हे विक्री संघांना खाते आणि उत्पादन संदर्भ थेट अंतर्गत संभाषणांमधून पुनर्प्राप्त करण्याचा मार्ग देते.

FDE एजंट उत्पादनाभिमुख विनंत्या हाताळतो आणि संभाव्य वापराच्या केससाठी कॉन्फिगर केलेला कार्यरत ग्राहक डेमो तयार करू शकतो. ElevenLabs म्हणते की ते स्लॅक मेसेजमधून डेमो एकत्र करू शकते, एक अनुरूप उदाहरण तयार करण्यात गुंतलेली मॅन्युअल तयारी कमी करते.

हे एजंट विक्री आणि तांत्रिक संघांना समर्थन देतात. त्यांची भूमिका प्रश्नांची उत्तरे देणे आणि कर्मचारी ग्राहक संभाषणात वापरू शकतील अशी प्रात्यक्षिके तयार करणे आहे.

ट्रायज एजंट स्लॅक शोधतो आणि रेखीय तिकिटे तयार करतो

ElevenLabs म्हणते की त्याच्या ट्रायएज एजंटने मागील महिन्यात 150 हून अधिक नवीन तिकिटे तयार केली, ज्यात समर्थन आणि अभियांत्रिकी कार्यप्रवाह समाविष्ट होते ज्यात पूर्वी मॅन्युअल कार्य समाविष्ट होते. तिकीट उघडण्यापूर्वी, एजंट संबंधित संदर्भासाठी स्लॅक शोधतो आणि डुप्लिकेटसाठी विद्यमान तिकिटे तपासतो. हे देखील सुनिश्चित करते की समस्येचे निदान करण्यात मदत करण्यासाठी समस्येमध्ये पुरेसा तपशील आहे, त्यानंतर योग्य प्राधान्याने एक रेखीय तिकीट तयार केले जाते.

राउटिंग हे एजंटच्या नॉलेज बेसवर अपलोड केलेल्या मालकी दस्तऐवजावर आधारित आहे. हे एजंटला कोणत्या संघाला वैशिष्ट्य विनंती किंवा बग अहवाल प्राप्त करावा हे ठरवण्यासाठी एक संदर्भ देते.

कार्यप्रवाह संदर्भ गोळा करणे, डुप्लिकेट तपासणी, तिकीट तयार करणे आणि कार्यसंघ असाइनमेंट यांना जोडतो. याचा अर्थ एजंट अंतर्निहित बग किंवा वैशिष्ट्य विनंतीचे निराकरण करतो असे नाही; समर्थन आणि अभियांत्रिकी संघांना अद्याप तिकिटाचे पुनरावलोकन आणि कार्य करण्याची आवश्यकता आहे.

उत्पादन कार्यसंघ स्लॅकमध्ये व्यवसाय विश्लेषण प्राप्त करतात

उत्पादन आणि उत्पादन विपणन कर्मचारी डोमेन-विशिष्ट स्लॅक चॅनेलमध्ये डेटा प्रश्न विचारू शकतात आणि त्याच थ्रेडमध्ये विश्लेषण प्राप्त करू शकतात.

ElevenLabs मुख्य ड्रायव्हर्स ओळखण्याच्या विनंतीसह, युनायटेड स्टेट्समधील ElevenCreative सेल्फ-सर्व्हिस सदस्यांमधील विनामूल्य-ते-पेड रूपांतरणातील बदलांचा समावेश असलेले एक उदाहरण देते. निकालांवर चर्चा करण्यासाठी कर्मचारी थ्रेडमध्ये पाठपुरावा करू शकतात.

कंपनी म्हणते की एजंट कोणती माहिती मिळवू शकतो यावर उत्तराचा दर्जा अवलंबून असतो. हे डेटा क्युरेशनला वर्कफ्लोचा मध्यवर्ती भाग बनवते, विशेषत: जेव्हा कर्मचारी व्यवसाय मेट्रिक्सबद्दल प्रश्न विचारत असतात.

ElevenLabs अंतर्गत उपयोजनातून काय शिकले

ElevenLabs म्हणते की विश्वासार्हता आणि अचूकता स्वीकारणे महत्त्वाचे आहे: सामायिक चॅनेलमधील चुका दृश्यमान आहेत, परंतु यशस्वी कार्यप्रवाह देखील दृश्यमान आहेत. त्याचा तैनाती अनुभव एजंट वर्तन सुधारण्यास मदत करणारे अनेक बदल दर्शवितो.

स्कीमा क्युरेशन

कंपनीचे म्हणणे आहे की अनावश्यक फील्ड काढून टाकल्याने त्याच्या स्वतःच्या प्रयोगांमध्ये त्वरित ट्यूनिंग करण्यापेक्षा पुनर्प्राप्ती गुणवत्ता सुधारली. प्रत्येक अतिरिक्त फील्ड एजंटला माहितीचा चुकीचा अर्थ लावण्यासाठी किंवा असमर्थित अंदाज लावण्यासाठी दुसरी जागा देते, म्हणून ElevenLabs ने कार्यासाठी आवश्यक असलेल्या गंभीर डेटामध्ये स्कीम कमी केले.

वैध Salesforce पिकलिस्ट मूल्ये

Salesforce फील्ड जसे की डील स्टेज आणि खाते प्रकार वैध मूल्यांचे निश्चित संच वापरतात. ElevenLabs ला आढळले की एजंट एक प्रशंसनीय-ध्वनी मूल्य निर्माण करू शकतो जे Salesforce मध्ये अस्तित्वात नाही. कंपनी आता स्टार्टअपवर वैध मूल्ये मिळवते आणि त्यांना MCP टूलच्या प्रकार परिभाषांमध्ये इंजेक्ट करते, एजंटला सिस्टमद्वारे स्वीकारलेल्या पर्यायांपर्यंत मर्यादित करते.

अधिक स्पष्ट प्रक्रिया

कार्यपद्धती जमा होत असताना, काही ओव्हरलॅप किंवा संघर्ष करू शकतात. ElevenLabs म्हणते की प्रत्येकाने कधी चालवावे आणि स्पर्धात्मक सूचना कमी कराव्यात हे स्पष्ट करण्यासाठी त्याचे आर्किटेक्ट प्रक्रियांची पुनर्रचना करू शकतात. जेव्हा भिन्न समस्या प्रकारांना भिन्न हाताळणी आवश्यक असते, जसे की वैशिष्ट्य विनंत्या आणि बग.

कृतींनंतर पडताळणी

लिनियर तिकीट तयार केल्यानंतर, एजंट तपासतो की त्याचे फील्ड योग्यरित्या सेट केले गेले आहेत आणि ते योग्य टीमकडे पाठवले गेले आहे. ElevenLabs म्हणते की यामुळे अधूनमधून होणारे भ्रम आणि चुकीची संघ निवड रोखण्यात मदत झाली आहे. पडताळणीची पायरी विशेषतः महत्वाची आहे कारण एखादे कार्य पूर्ण झाल्याचा दावा करणारा प्रतिसाद कनेक्ट केलेली सिस्टीम योग्यरितीने अद्ययावत झाल्याचे सिद्ध करत नाही.

ElevenLabs चे AI एजंट विशिष्ट अंतर्गत कार्यप्रवाह हाताळतात

ElevenLabs चे रिपोर्ट केलेले मासिक आकडे त्याच्या अंतर्गत वापराचे प्रमाण दर्शवतात, तर त्याची उदाहरणे स्पष्ट करतात की एजंट कुठे बसतात: खात्याच्या प्रश्नांची उत्तरे देणे, डेमो तयार करणे, तिकिटे तयार करणे आणि व्यवसाय डेटाचे विश्लेषण करणे. कंपनीने हे देखील स्पष्ट केले आहे की तैनातीसाठी चालू कामाची आवश्यकता आहे. क्युरेटेड स्कीमा, वैध Salesforce मूल्ये, स्पष्ट कार्यपद्धती आणि क्रियांनंतरच्या तपासण्या त्रुटी दूर करण्यात मदत करतात. परिणाम म्हणजे एक अंतर्गत ऑटोमेशन प्रणाली आहे जी परिभाषित ऑपरेशनल कार्ये करण्यासाठी डिझाइन केलेली आहे जेव्हा कर्मचारी माहितीचे पुनरावलोकन करणे, ग्राहक संबंध हाताळणे आणि अभियांत्रिकी समस्यांचे निराकरण करणे सुरू ठेवते.

(स्त्रोत)