Tło firmy

Favor to platforma dostaw z tego samego dnia i zamawiania żywności z siedzibą w Austin, Texas. Dostarczają jedzenie, artykuły spożywcze i codzienne produkty w całym Teksasie w sieci Runners (kierowców dostawczych). Przejęty przez H-E-B w 2018 roku, Favor łączy lokalne partnerstwa z szybką, bezdotykową dostawą. Dowiedz się więcej na favordelivery.com.

‍

„Rozprzestrzeniamy się po wielkim stanie Teksas. Obsługujemy dostawy spożywcze rodziny H-E-B i mamy również naszą własną platformę dostaw.” – Evan McMillan, lider zespołu wsparcia floty

‍

Wyzwanie

Zespół floty Favor to wąska grupa z procesami, które różnią się od szerszego zespołu wsparcia. W rezultacie generowane przez AI wyniki wyszukiwania Guru były zagracone nieistotnymi informacjami z innych zespołów, co utrudniało agentom floty szybkie znalezienie właściwych odpowiedzi. Czasochłonny proces wyszukiwania zniechęcał członków zespołu do korzystania z zasobów w ogóle.

‍

„Ludzie czasami mówili: 'AI Guru nie działa dla nas', ale tak naprawdę to nie używali go poprawnie. Kiedy to dostosowaliśmy i zmieniliśmy polecenie, jakość odpowiedzi zmieniła się całkowicie.” – Evan McMillan

‍

Rozwiązanie

Favor wykorzystał Agenty Wiedzy Guru, aby stworzyć dedykowanego agenta AI skoncentrowanego wyłącznie na wsparciu zespołu floty.

1. Evan McMillan, lider zespołu wsparcia, dostosował polecenie agenta, aby skupić się tylko na treściach związanych z flotą.
2. Dostosował ton agenta, aby odpowiadał przyjaznej, przystępnej kulturze Favor.
3. Agent został zintegrowany z Slack, co ułatwiło zespołowi zadawanie pytań i otrzymywanie odpowiedzi w czasie rzeczywistym.

‍

„Kiedy umożliwiliśmy tworzenie indywidualnych agentów, naprawdę ekscytujące było móc skoncentrować się na konkretnym typie pracy, którą wykonujemy. Agent naprawdę zaczął lepiej rozumieć nasz biznes i dostarczać bardziej dokładne odpowiedzi.” – Evan McMillan

‍

„Podłączenie go do Slack zmieniło zasady gry. Na początku wahałem się przed tym, aby coś automatycznie odpowiadało na pytania, ale gdy tylko spróbowaliśmy, całkowicie uwolniło to potencjał. Widząc dobre odpowiedzi pojawiające się w Slacku, naprawdę zbudowaliśmy zaufanie.” – Evan McMillan

Podejście

1. Zdefiniowano kontekst biznesowy – Evan dostarczył szczegółowe informacje na temat modelu biznesowego Favor i procesów wsparcia floty, aby agent AI mógł lepiej zrozumieć, jak segmenty klientów Favor (kierowcy, klienci i handlowcy) współpracują ze sobą. To pomogło poprawić trafność i dokładność odpowiedzi agenta.

‍

„Wyjaśnienie, jak działa biznes, aby agent AI mógł zrozumieć, czym jest Favor, co próbujemy robić i jak nasze segmenty klientów współpracują ze sobą, naprawdę pomogło poprawić jakość odpowiedzi.” – Evan McMillan

‍

2. Dostosowano skupienie agenta AI – Ponieważ zespół wsparcia floty działa inaczej niż szerszy zespół wsparcia, Evan zawęził źródła agenta tylko do treści związanych z flotą. To wyeliminowało nieistotne odpowiedzi z innych zespołów i pozwoliło agentowi na dostarczanie bardziej precyzyjnych odpowiedzi.

‍

„Mój zespół jest wyspecjalizowany, więc domyślny agent AI czerpałby z szerszej wiedzy firmy, która nie zawsze była istotna. Ograniczenie go wyłącznie do źródeł związanych z flotą miało ogromne znaczenie.” – Evan McMillan

‍

3. Zrefinowano ton agenta – Evan ustawił agenta tak, aby odpowiadał w bardziej rozmowny i wspierający sposób, co jest zgodne z kulturą firmy Favor. Ustawił agenta jako „trenera”, aby pomagał agentom nie tylko w odpowiedziach, ale także w nauce, jak radzić sobie z sytuacjami.
   
   
4. Zintegrowano z Slack – Agent został osadzony w Slacku, co ułatwiło członkom zespołu zadawanie pytań i otrzymywanie odpowiedzi w czasie rzeczywistym. Posiadanie agenta w znajomym kanale komunikacyjnym zwiększyło przyjęcie i zaangażowanie.
   
   
5. Iterowano i poprawiano – Evan śledził różne wersje polecenia agenta w arkuszu kalkulacyjnym, co pozwalało mu łatwo wrócić do wcześniejszych wersji i udoskonalać odpowiedzi w czasie. Eksperymentował również z instrukcjami formatowania, takimi jak wyraźne wylistowanie kroków, kiedy to istotne, aby uczynić odpowiedzi bardziej praktycznymi.

‍

‍

‍

Rezultat

✅ Zwiększona pewność w korzystaniu z Guru—więcej członków zespołu teraz mówi: „Hej, zastanawiam się, czy to jest w Guru. Zapytam agenta AI szybko.”

✅ Poprawiona efektywność w obsłudze specyficznych kwestii flotowych, które nie podlegają standardowym procedurom.

‍

„Było to ogromną pomocą w przypadku tych niecodziennych pytań, które nie mieszczą się w standardowym procesie - oszczędza nam to dużo czasu.” – Evan McMillan

‍

✅ Szybsze, dokładniejsze odpowiedzi—szczególnie w przypadku specyficznych pytań dotyczących floty.

✅ Wyższe zaangażowanie w wsparcie AI w Slack, co prowadzi do lepszego przyjęcia i zaufania.

‍

„Widząc dobre odpowiedzi pojawiające się w Slacku naprawdę zbudowało ufność. Teraz ludzie zadają więcej pytań i ufają odpowiedziom agenta.” – Evan McMillan