회사 배경

Favor는 텍사스 오스틴에 본사를 둔 당일 배달 및 음식 주문 플랫폼입니다. 그들은 Runners(배달 기사)의 네트워크를 통해 텍사스 전역에 음식, 식료품 및 일상 필수 용품을 배달합니다. 2018년에 H-E-B에 인수된 Favor는 지역 비즈니스 파트너십과 빠른 비대면 배달을 결합합니다. favordelivery.com에서 더 알아보세요.

‍

“우리는 텍사스 주 전역에 분포해 있습니다. 우리는 H-E-B 가족의 식료품 배달을 처리하며, 또한 자체 배달 플랫폼을 운영합니다.” – Evan McMillan, Fleet Support Team Lead

‍

도전

Favor의 Fleet 팀은 보다 광범위한 지원 팀과 다른 프로세스를 가진 틈새 그룹입니다. 그 결과, Guru의 AI 생성 검색 결과는 다른 팀의 관련 없는 정보로 가득 차 Fleet 에이전트들이 올바른 답을 빠르게 찾기 어렵게 만들었습니다. 시간이 많이 소요되는 검색 과정은 팀원들이 자료를 확인하는 것을 주저하게 만들었습니다.

‍

“사람들은 가끔 ‘Guru의 AI가 우리에게 적합하지 않다’고 말하지만, 사실 바로 그들이 올바르게 사용하지 않았기 때문입니다. 한 번 우리가 조정하고 프롬프트를 변경하자, 답변의 질이 완전히 바뀌었습니다.” – Evan McMillan

‍

해결책

Favor는 Guru의 Knowledge Agents를 사용하여 Fleet 팀 지원에만 집중하는 전담 AI 에이전트를 생성했습니다.

1. Evan McMillan, Support Team Lead는 에이전트의 프롬프트를 맞춤 설정하여 오직 Fleet 관련 내용만 중심으로 진행되었습니다.
2. 그는 에이전트의 어조를 Favor의 친근하고 접근 가능한 문화에 맞게 조정했습니다.
3. 에이전트는 Slack에 통합되어 팀이 질문하고 실시간으로 답변을 받을 수 있도록 했습니다.

‍

“개별 에이전트를 만들 수 있는 능력이 생겼을 때, 우리가 하는 특정 작업에 집중할 수 있게 되어 정말 흥미로웠습니다. 에이전트는 실제로 우리 비즈니스를 더 잘 이해하기 시작했으며, 더 집중된 답변을 제공했습니다.” – Evan McMillan

‍

“Slack에 연결하는 것은 게임 체인저였습니다. 처음에는 자동으로 질문에 답하는 것에 대한 주저함이 있었지만, 시도해보고 나서는 잠재력을 완전히 열었습니다. Slack에서 좋은 답변이 나오는 것을 보니 정말 신뢰가 생겼습니다.” – Evan McMillan

접근 방식

1. 비즈니스 맥락 정의 – Evan은 Favor의 비즈니스 모델과 Fleet 지원 프로세스에 대한 상세한 맥락을 제공하여 AI 에이전트가 Favor의 고객 세그먼트(드라이버, 고객 및 상인)가 함께 작동하는 방식을 더 잘 이해할 수 있도록 했습니다. 이것은 에이전트의 답변의 관련성과 정확성을 향상시키는 데 도움이 되었습니다.

‍

“비즈니스가 어떻게 작동하는지를 설명하여 AI 에이전트가 Favor가 무엇인지, 우리가 하려는 일이 무엇인지, 그리고 고객 세그먼트가 어떻게 함께 작동하는지를 이해하는 데 정말 도움이 되었습니다.” – Evan McMillan

‍

2. AI 에이전트의 초점 맞춤 설정 – Fleet 지원 팀은 보다 광범위한 지원 팀과 다르게 운영되기 때문에 Evan은 에이전트의 자료를 오직 Fleet 관련 콘텐츠로만 한정했습니다. 이로 인해 다른 팀의 관련 없는 답변이 제거되고 에이전트가 보다 정확한 응답을 제공할 수 있었습니다.

‍

“내 팀은 전문화되어 있기 때문에 기본 AI 에이전트는 보다 광범위한 회사의 지식에서 정보를 끌어와 항상 관련이 있지는 않았습니다. Fleet 관련 자료로만 한정을 하자 큰 차이가 생겼습니다.” – Evan McMillan

‍

3. 에이전트의 어조 개선 – Evan은 에이전트가 더 대화식이고 지원하는 어조로 응답하도록 설정하여 Favor의 회사 문화에 맞추었습니다. 그는 에이전트를 '훈련 코치'로 설정하여 답변뿐 아니라 상황을 처리하는 방법을 배우는 데도 도움을 주었습니다.
   
   
4. Slack과 통합됨 – 에이전트는 Slack에 내장되어 팀원들이 질문하고 실시간으로 답변을 받을 수 있게 했습니다. 에이전트를 친숙한 커뮤니케이션 채널 내에 두면 수용과 참여가 증가했습니다.
   
   
5. 반복 및 개선 – Evan은 에이전트 프롬프트의 다양한 버전을 스프레드시트로 추적하여 이전 버전으로 쉽게 되돌리고 지속적으로 응답을 개선할 수 있게 했습니다. 그는 또한 단계적 설명을 명확하게 나열하는 등의 포맷 지침 실험을 하여 더 실행 가능한 답변을 만들었습니다.

‍

‍

‍

결과

✅Guru 사용에 대한 신뢰 증가—더 많은 팀원들이 이제 “이게 Guru에 있는지 궁금합니다.”라고 말합니다. 나는 AI 에이전트에게 빨리 물어볼 거예요.”

✅ Fleet 관련 문제를 처리하는 효율성 향상—표준 절차를 따르지 않는 문제에 대한 더욱 향상된 효율성입니다.

‍

“표준 프로세스에 맞지 않는 질문에 큰 도움이 되었습니다—많은 시간을 절약하고 있습니다.” – Evan McMillan

‍

✅ 빠르고 더 정확한 답변—특히 틈새 Fleet 관련 질문에 대한 답변입니다.

✅ Slack 기반 AI 지원과의 더 높은 참여—더 나은 수용과 신뢰로 이어졌습니다.

‍

“Slack에서 좋은 답변이 올라오는 것을 보니 정말 신뢰가 생겼습니다. 이제 사람들은 더 많은 질문을 하고 에이전트의 응답을 신뢰하고 있습니다.” – Evan McMillan