[AI OpenAI] MavenAGI推出由OpenAI驱动的自动化客户支持代理

简介: MavenAGI推出了一款由GPT-4驱动的AI客户服务代理,为Tripadvisor和HubSpot等公司提高了效率并降低了成本。

紫色背景上的白色MavenAGI标志。

MavenAGI是一家面向AI时代的新软件公司。他们最近推出了一款基于GPT-4灵活性的AI客户服务代理,许多公司如Tripadvisor、Clickup和Rho已经在使用它来节省时间并更好地服务客户。

客户支持昂贵且令人失望

在当今的客户服务环境中,没有人是赢家。

服务代表面临重复的工作、繁重的工单量、杂乱无章的文档以及升级处理的延迟。客户对解释问题和等待答案感到沮丧,公司则难以满足他们对良好客户服务的期望。多达90%的消费者期望获得“即时”的客户服务响应,超过一半的消费者表示他们在经历一次糟糕的客户服务体验后会放弃一家公司并选择竞争对手。

尽管有这些挫折,平均支持工单的成本仍然高达40美元,主要用于劳动力,但也包括用于存储知识的重叠系统。MavenAGI的CEO Jonathan Corbin将客户支持视为一个亟待改革的痛点。他说:“现有系统和孤立的数据使得以成本效益高的方式提供出色体验变得具有挑战性,长期以来,公司一直认为他们在支持方面只有两个选择:低成本或高质量。”

训练GPT-4以设定新的客户支持标准

许多努力尝试使用聊天机器人进行客户服务,但整体体验并不令人满意。机器人经常误解问题,给出无用的答案,或者听起来像机器人。AI模型不足以提供人类质量的答案。

GPT-4改变了这一切。CPO Eugene Mann表示:“GPT-4是我们第一次看到类似人类智能的东西,并能解决沟通的最后一公里问题。”

MavenAGI通过三个阶段训练GPT-4以适应客户服务的环境:

  • Maven处理并吸收大量多样化的内容,无论格式如何。这包括来自知识库和客户交互日志(如Salesforce、Zendesk、Freshdesk、Slack、SMS等平台)的信息。
  • Maven集成到CRM和企业API中,以了解用户的上下文,个性化响应并代表用户采取行动。结合内容、上下文和API,Maven利用GPT-4的能力适应每个企业独特的语气,并利用GPT-4的推理能力回答问题、采取行动并提出后续建议。
  • Maven随后进行自我评估,批判性地分析其答案,以确保其对提供正确的答案和行动充满信心。

CTO Sami Shalabi表示:“这一代AI相对于上一代模型的优势之一实际上是你并不需要为任何特定客户提供大量数据。大规模评估是关键。Maven的方法已经通过超过100万次客户交互验证。我们的平台为支持、CX和产品负责人提供了工具,使他们能够自信地回答客户提出的任何问题。”

在多个接触点改进支持

MavenAGI提供了一整套渠道以提供更好的支持体验,每个渠道都突显了使用GPT-4进行定制代理的不同优势:

  • 对于寻求自助服务的客户,智能搜索可以即时在面向客户的知识库或帮助中心提供正确答案。
  • 对于寻求直接支持的客户,AI聊天机器人利用GPT-4的自然对话能力,引导客户快速找到许多问题的答案。MavenAGI会自动识别问题是否超出其能力范围,并能将其转交给代表处理。
  • 一旦客户的问题被升级,AI和人类共同工作。Maven利用GPT-4的快速处理能力,实时向代表推荐资源和响应。客户不需要提供太多背景信息,因为Maven可以参考包含答案的过去交互或指向知识库中的某个不显眼的部分。

由于Maven可以原生集成到大多数CRM和支持工具中,并且可以吸收结构化或非结构化数据,它可以立即开始回答工单并协助人类。初步培训后,它还会不断学习。

将MavenAGI集成到HubSpot和TripAdvisor等公司后的效果显著:

  • 自主回答了93%的客户支持问题
  • 将解决客户问题的平均时间减少了60%
  • 提高了客户服务代表的生产力2倍,为更多人际互动提供了时间,并减少了寻找正确响应客户问题的时间。
  • 将每张工单的成本从40美元降低到8美元,减少了80%。

计划在OpenAI模型的基础上构建更多功能

使用AI改进客户支持只是MavenAGI的开始。他们看到使用OpenAI基础模型改进其他业务功能和流程的巨大潜力。

“我们希望人们能够提升与客户的互动,专注于有意义的个性化互动,而不是回答常规问题和重复性任务。Maven正在从根本上改变客户体验的范式。”

MavenAGI CEO Jonathan Corbin

MavenAGI的目标是释放被困在输入/输出任务中的人类潜力。客户交互不仅仅限于支持,将Maven和OpenAI的技术结合起来,将改善支持、销售和营销等面向客户的功能的协调性。


相关文章
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
探索自动化测试的未来:AI与机器学习的融合
【7月更文挑战第7天】在软件测试领域,自动化测试一直是提高效率和准确性的关键。随着人工智能(AI)和机器学习(ML)技术的快速发展,它们已经开始渗透到自动化测试的各个方面,从而开辟了新的可能性。本文将探讨AI和ML如何改变自动化测试的未来,包括智能测试脚本的生成、测试用例的优化、以及预测性维护的实施。我们将通过具体实例来分析这些技术如何提升测试过程的效率和有效性,并讨论实施这些技术时可能面临的挑战和解决方案。
16 2
|
1天前
|
机器学习/深度学习 人工智能 算法
探索软件测试的未来:AI与自动化的融合之路
【7月更文挑战第14天】随着人工智能(AI)技术的迅猛发展,软件测试领域迎来了革命性的变化。本文将探讨AI如何与自动化测试相结合,提升测试效率和质量,同时分析面临的挑战和未来的发展趋势。
|
2天前
|
人工智能 数据挖掘
客户在哪儿AI分享全方位锁定客户“追着打”的有效方法
ToB销售攻占大客户需综合能力,包括个人能力、关系、团队实力、创新和学习。客户在哪儿AI提供企业全历史行为数据分析,助销售理解客户全貌,制定全场景策略,洞察偏好,从而更精准地接触和服务大客户。借助这种数据驱动的方法,销售能创造更多自然接触点,提升成功几率。
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
探索自动化测试的前沿:AI与软件测试的融合
在数字化浪潮中,软件测试作为确保产品质量的关键步骤,正迎来一场革命。本文将深入探讨人工智能(AI)如何革新传统软件测试流程,通过具体案例分析,揭示AI技术在提高测试效率、减少人为错误以及预测潜在缺陷方面的潜力。我们将一窥AI在自动化测试中的应用现状,并展望其对未来软件质量保障的影响。
|
7天前
|
机器学习/深度学习 人工智能 算法
探索自动化测试的未来:AI与机器学习的融合
在软件测试领域,随着技术的不断进步,传统的手动测试方法正逐渐被自动化所取代。本文将深入探讨自动化测试的最新发展,特别是人工智能和机器学习如何改变测试过程、提升测试效率和准确性。文章将分析AI和ML技术在自动化测试中的应用案例,并预测这些技术未来的发展趋势。
|
5天前
|
人工智能
客户在哪儿 AI:如何用最少场次的活动覆盖最多的目标客户
在ToB市场,线下活动是高效获客的关键。面对面交流增进信任,潜在客户集中,直接展示产品能缩短销售路径。然而,高成本和低效活动是挑战。通过分析目标客户历史活动数据,客户在哪儿AI帮助企业精准定位,以最少投入触达最多潜在客户,如仅10场活动即可覆盖44.9%年营收客户。
|
6天前
|
机器学习/深度学习 人工智能 算法
探索软件测试的未来:AI与自动化的融合
随着人工智能(AI)和自动化技术的飞速发展,软件测试领域正站在一个新的技术变革的门槛上。本文将深入探讨AI如何革新传统的软件测试流程,提高测试效率,减少人为错误,并预测未来软件测试的趋势。通过分析当前市场上领先的AI测试工具和策略,我们将揭示这些技术是如何逐步改变测试工程师的工作方式,以及它们对确保软件质量和加快上市时间的影响。
|
4天前
|
机器学习/深度学习 人工智能 测试技术
探索自动化测试的未来:AI与机器学习的融合
本文深入探讨了自动化测试领域内人工智能(AI)和机器学习(ML)技术的应用前景,并分析了这些技术如何改变软件测试的实践。文章首先概述了自动化测试的基本概念及其重要性,随后详细讨论了AI和ML在测试用例生成、缺陷预测、以及测试执行中的创新应用。通过引用最新的研究和案例,本文揭示了AI和ML技术如何提高测试效率、减少人为错误,并预测未来测试趋势。最后,文中也指出了实施这些高级技术时可能遇到的挑战和限制,为读者提供了关于自动化测试未来发展的全面视角。
8 0
|
4天前
|
机器学习/深度学习 人工智能 运维
极致自动化:运维管理中的AI革新
在数字化转型的今天,AI技术正在运维管理领域展现出其独特的威力。本文探讨了AI在运维管理中的应用,重点分析了其如何通过数据驱动和自动化提升效率、降低成本,并展望了未来AI技术在这一领域的潜力。 【7月更文挑战第11天】
|
5天前
|
机器学习/深度学习 数据采集 人工智能
软件测试的未来趋势:自动化与AI的融合
随着技术的飞速发展,软件测试领域正经历着前所未有的变革。传统的手动测试方法正在逐渐被自动化测试所取代,而人工智能(AI)的引入则进一步推动了这一进程。本文将深入探讨自动化测试和AI如何共同塑造软件测试的未来,提升测试效率,确保软件质量,并预测未来可能出现的挑战与机遇。

热门文章

最新文章