Antecedentes de la empresa

Favor es una plataforma de entrega el mismo día y de pedidos de comida con sede en Austin, Texas. Ellos entregan comida, víveres y productos esenciales a través de Texas, mediante una red de Runners (conductores de entrega). Adquirido por H-E-B en 2018, Favor combina asociaciones comerciales locales con entrega rápida y sin contacto. Más información en favordelivery.com.

‍

“Estamos esparcidos por todo el gran estado de Texas. Manejamos las entregas de víveres de la familia H-E-B, y también tenemos nuestra propia plataforma de entrega.” – Evan McMillan, Líder del Equipo de Soporte de Flota

‍

El Reto

El Equipo de Flota de Favor es un grupo específico con procesos que difieren del equipo de soporte más amplio. Como resultado, los resultados de búsqueda generados por la IA de Guru estaban saturados de información irrelevante de otros equipos, lo que dificultaba que los agentes de la flota encontraran las respuestas correctas rápidamente. El proceso de búsqueda que consumía mucho tiempo desalentaba a los miembros del equipo a consultar recursos completamente.

‍

“La gente a veces decía, ‘La IA de Guru no está funcionando para nosotros,’ pero realmente era que no la estaban utilizando correctamente. Una vez que lo ajustamos y modificamos el mensaje, la calidad de las respuestas cambió por completo.” – Evan McMillan

‍

La solución

Favor utilizó Agentes del Conocimiento de Guru para crear un agente de IA dedicado que se centrara exclusivamente en el soporte del equipo de flota.

1. Evan McMillan, Líder del Equipo de Soporte, personalizó el mensaje del agente para centrarse solo en contenido relacionado con la flota.
2. Ajustó el tono del agente para coincidir con la cultura amigable y accesible de Favor.
3. El agente se integró en Slack, facilitando que el equipo hiciera preguntas y obtuviera respuestas en tiempo real.

‍

“Una vez que obtuvimos la capacidad de crear agentes individuales, fue realmente emocionante poder enfocarnos en el tipo específico de trabajo que estamos haciendo. El agente realmente comenzó a entender mejor nuestro negocio y dio respuestas más enfocadas.” – Evan McMillan

‍

“Integrarlo en Slack fue un cambio radical. Al principio, estaba dudoso de tener algo que respondiera preguntas automáticamente, pero una vez que lo intentamos, desbloqueó completamente el potencial. Ver buenas respuestas en Slack realmente generó confianza.” – Evan McMillan

El Enfoque

1. Definió el Contexto Empresarial – Evan proporcionó contexto detallado sobre el modelo de negocio de Favor y los procesos de soporte de flota para que el agente de IA pudiera entender mejor cómo trabajan juntos los segmentos de clientes de Favor (conductores, clientes y comerciantes). Esto ayudó a mejorar la relevancia y precisión de las respuestas del agente.

‍

“Explicar cómo funciona el negocio para que el agente de IA pueda entender qué es Favor, qué estamos tratando de hacer y cómo trabajan juntos nuestros segmentos de clientes realmente ayudó a mejorar la calidad de las respuestas.” – Evan McMillan

‍

2. Adaptó el Enfoque del Agente de IA – Dado que el equipo de soporte de flota opera de manera diferente al equipo de soporte más amplio, Evan redujo las fuentes del agente a solo contenido relacionado con la flota. Esto eliminó respuestas irrelevantes de otros equipos y permitió que el agente entregara respuestas más precisas.

‍

“Mi equipo es especializado, por lo que el agente de IA predeterminado tiraría de un conocimiento más amplio de la empresa, lo cual no siempre era relevante. Limitarlo solo a fuentes relacionadas con la flota hizo una gran diferencia.” – Evan McMillan

‍

3. Perfeccionó el Tono del Agente – Evan configuró el agente para responder con un tono más conversacional y de apoyo, alineándose con la cultura de la empresa Favor. Posicionó al agente como un “entrenador” para ayudar a los agentes no solo con respuestas, sino también con aprendizaje sobre cómo manejar situaciones.
   
   
4. Integrado con Slack – El agente fue integrado en Slack, facilitando que los miembros del equipo hicieran preguntas y recibieran respuestas en tiempo real. Tener al agente dentro de un canal de comunicación familiar aumentó la adopción y el compromiso.
   
   
5. Iteró y Mejoró – Evan rastreó diferentes versiones del mensaje del agente en una hoja de cálculo, permitiéndole volver fácilmente a versiones anteriores y perfeccionar las respuestas con el tiempo. También experimentó con instrucciones de formato, como listar pasos claramente cuando era relevante, para hacer las respuestas más accionables.

‍

‍

‍

El Resultado

✅ Aumentó la confianza en el uso de Guru—más miembros del equipo ahora dicen, “Oye, me pregunto si eso está en Guru. Voy a preguntar al agente de IA rápidamente.”

✅ Mejoró la eficiencia en el manejo de problemas específicos de la flota que no siguen procedimientos estándar.

‍

“Ha sido de gran ayuda para esas preguntas inusuales que no encajan en un proceso estándar: nos está ahorrando mucho tiempo.” – Evan McMillan

‍

✅ Respuestas más rápidas y precisas—especialmente para preguntas específicas de la flota.

✅ Mayor compromiso con el soporte de IA basado en Slack, lo que lleva a una mejor adopción y confianza.

‍

“Ver buenas respuestas aparecer en Slack realmente generó confianza. Ahora la gente está haciendo más preguntas y confiando en las respuestas del agente.” – Evan McMillan