Virksomhedsbaggrund

Favor er en leverings- og madbestillingsplatform baseret i Austin, Texas. De leverer mad, dagligvarer og hverdagsprodukter over hele Texas gennem et netværk af Runners (leveringschauffører). Erhvervet af H-E-B i 2018 kombinerer Favor lokale forretningspartnerskaber med hurtig, kontaktfri levering. Lær mere på favordelivery.com.

‍

“Vi er spredt ud over den store stat Texas. Vi håndterer H-E-B-familiens fødevareleverancer, og vi har også vores egen leveringsplatform.” – Evan McMillan, Fleet Support Team Lead

‍

Udfordringen

Favors Fleet Team er en nichegruppe med processer, der adskiller sig fra det bredere supportteam. Som et resultat var Gurus AI-genererede søgeresultater fyldt med irrelevante oplysninger fra andre teams, hvilket gjorde det sværere for flådeagenterne hurtigt at finde de rigtige svar. Den tidskrævende søgeproces afholdte teammedlemmerne fra helt at tjekke ressourcer.

‍

“Folk ville nogle gange sige, ‘Gurus AI fungerer ikke for os,’ men det er virkelig, fordi de ikke brugte det korrekt. Når vi finjusterede det og justerede prompten, ændrede kvaliteten af svarene sig fuldstændig.” – Evan McMillan

‍

Løsningen

Favor brugte Gurus Knowledge Agents til at skabe en dedikeret AI-agent fokuseret udelukkende på support til Fleet-teamet.

1. Evan McMillan, Support Team Lead, tilpassede agentens prompt til kun at fokusere på flåderelateret indhold.
2. Han justerede agentens tone til at matche Favors venlige, tilgængelige kultur.
3. Agenten blev integreret i Slack, hvilket gjorde det nemmere for teamet at stille spørgsmål og få svar i realtid.

‍

“Når vi fik muligheden for at lave individuelle agenter, var det virkelig spændende at kunne fokusere på den specifikke type arbejde, vi laver. Agenten begyndte virkelig at forstå vores virksomhed bedre og gav mere fokuserede svar.” – Evan McMillan

‍

“At integrere det i Slack var en game-changer. Jeg var i starten tilbageholdende med at have noget, der automatisk besvarede spørgsmål, men når vi prøvede det, låste det fuldstændig potentialet op. At se gode svar dukke op i Slack byggede virkelig tillid.” – Evan McMillan

Tilgangen

1. Definerede forretningskonteksten – Evan gav detaljeret kontekst om Favors forretningsmodel og flådestøtteprocesser, så AI-agenten bedre kunne forstå, hvordan Favors kundesegmenter (chauffører, kunder og handlende) arbejder sammen. Dette hjalp med at forbedre relevansen og nøjagtigheden af agentens svar.

‍

“At forklare, hvordan virksomheden fungerer, så AI-agenten kan forstå, hvad Favor er, hvad vi prøver at gøre, og hvordan vores kundesegmenter arbejder sammen, hjalp virkelig med at forbedre kvaliteten af svarene.” – Evan McMillan

‍

2. Tilpassede AI-agentens fokus – Da flådestøtteteamet fungerer anderledes end det bredere supportteam, indsnævrer Evan agentens kilder til kun flåderelateret indhold. Dette eliminerede irrelevante svar fra andre teams og gjorde det muligt for agenten at levere mere præcise svar.

‍

“Mit team er specialiseret, så den standard AI-agent ville trække fra bredere virksomhedskendskab, som ikke altid var relevant. At begrænse det til kun flåderelaterede kilder gjorde en kæmpe forskel.” – Evan McMillan

‍

3. Forbedrede agentens tone – Evan satte agenten til at svare med en mere samtalebaseret og støttende tone, der er i overensstemmelse med Favors virksomhedskultur. Han positionerede agenten som en “træner” for at hjælpe agenter ikke bare med svar, men også med at lære, hvordan man håndterer situationer.
   
   
4. Integreret med Slack – Agenten blev indlejret i Slack, hvilket gjorde det nemmere for teammedlemmerne at stille spørgsmål og modtage svar i realtid. At have agenten inden for et velkendt kommunikationskanal øgede adoption og engagement.
   
   
5. Itereret og forbedret – Evan sporede forskellige versioner af agentens prompt i et regneark, så han nemt kunne vende tilbage til tidligere versioner og finpudse svar over tid. Han eksperimenterede også med formateringsinstrukser, som at angive trin klart, når det er relevant, for at gøre svarene mere handlingsorienterede.

‍

‍

‍

Resultatet

✅ Øget tillid til brugen af Guru—flere teammedlemmer siger nu, “Hey, jeg spekulerer på, om det er i Guru. Jeg spørger AI-agenten hurtigt.”

✅ Forbedret effektivitet i håndteringen af flådespecifikke problemer, der ikke følger standardprocedurer.

‍

“Det har været en kæmpe hjælp til de underlige spørgsmål, der ikke passer ind i en standard proces—det sparer os for meget tid.” – Evan McMillan

‍

✅ Hurtigere, mere præcise svar—især for niche flåderelaterede spørgsmål.

✅ Højere engagement med Slack-baseret AI-support, hvilket fører til bedre adoption og tillid.

‍

“At se gode svar dukke op i Slack byggede virkelig tillid. Nu stiller folk flere spørgsmål og stoler på agentens svar.” – Evan McMillan