Wie wir ElevenAgents nutzen, um im Tagesgeschäft 1.200 Stunden pro Monat zu sparen

Bei ElevenLabs sparen unsere internen Agents Teams im Tagesgeschäft mehr als 1.200 Stunden pro Monat. Sie beantworten monatlich mehr als 5.000 Fragen und werden auch aktiv: Sie erstellen Dutzende maßgeschneiderte Demos für Kunden und haben im letzten Monat mehr als 150 Tickets eröffnet.

Diese Agents begannen als Möglichkeit, interne Informationen in Slack leichter abzurufen, etwa Daten zur Nutzerbindung, die richtige Dokumentation oder den Verlauf eines Accounts. Daraus wurden Agents, die aktiv werden: Ein Teammitglied stellt eine Frage, meldet einen Bug oder fordert eine Demo an, und der Agent antwortet oder bearbeitet die Anfrage. 

FDE-Bot erstellt eine Kundendemo

Vertrieb: Account-Antworten und Demos auf Anfrage

Vertriebsteams nutzen zwei Agents: den Go-to-Market-Bot (GTM) für Kundenfragen und den Forward Deployed Engineer-Bot (FDE) für Produktfragen und Demos. Einige aktuelle Beispiele:

• Vertriebsfrage an den GTM-Bot: „Wer sind unsere wichtigsten Kunden mit Logorechten im Vereinigten Königreich, Frankreich und Deutschland?“ oder „Was sind unsere wichtigsten API-Anwendungsfälle?“
• Produktfrage an den FDE-Bot: „Wenn ein potenzieller Kunde einen KI-SDR für Outbound entwickeln möchte, der im Namen von AEs Termine vereinbart, welche Integrationen benötigt er?“

Unser FDE-Bot erstellt auf Anfrage auch vollständige Kundendemos. Er baut direkt aus einer Nachricht einen funktionierenden Agent, der für den Anwendungsfall eines potenziellen Kunden konfiguriert ist. 

Support und Engineering: Triage-Pipelines automatisieren

Unser Triage-Bot hat allein im letzten Monat 150 neue Tickets erstellt – eine Aufgabe, die zuvor sowohl für Support als auch Engineering sehr manuell war. 

Er bearbeitet Feature-Anfragen und Bugs und nutzt unterschiedliche Verfahren für jeden Problemtyp. Bevor er ein Ticket erstellt, durchsucht er Slack nach relevantem Kontext, entfernt Duplikate anhand bestehender Tickets und stellt sicher, dass genügend Details zur Diagnose des Problems vorliegen. Anschließend eröffnet er ein Linear-Ticket mit der richtigen Priorität. Dann ordnet er es mithilfe des Verantwortlichkeitsdokuments, das wir in die Wissensdatenbank der Agents hochgeladen haben, dem richtigen Team zu.

Produkt und Produktmarketing: Datenanalyse

Produkt- und Produktmarketingteams stellen Datenfragen in domänenspezifischen Kanälen und erhalten die Analyse im Thread. Hier ein aktuelles Beispiel: „Wie hat sich die Conversion von kostenlosen zu zahlenden ElevenCreative-Self-Service-Abonnenten in den USA in den letzten sechs Monaten verändert? Was sind die wichtigsten Treiber?“

Teammitglieder können im selben Thread diskutieren oder Nachfragen stellen. Die Qualität der Antworten hängt davon ab, was der Agent sehen kann. Deshalb kuratieren wir die Daten jedes Agents (mehr dazu unten).

Was wir gelernt haben

Interne Agents müssen von Anfang an zuverlässig und präzise sein, sonst nutzt und vertraut das Team ihnen nicht mehr. In einem gemeinsamen Kanal sind Fehler sichtbarer – aber auch Erfolge, was die Akzeptanz gefördert hat.

Einige weitere Dinge, die geholfen haben:

• Schema-Kuration schlägt Prompt Engineering. Die größten Verbesserungen der Antwortqualität unserer Retrieval-Agents erzielten wir durch das Entfernen von Feldern, nicht durch die Optimierung des System-Prompts. Jede zusätzliche Spalte oder jedes Objektfeld bot dem Modell eine weitere Möglichkeit, falsch zu raten. Das Beschränken des Schemas auf wenige kritische Felder verbesserte die Genauigkeit stärker als jede Prompt-Änderung, die wir getestet haben.
• Picklist-Typen. Salesforce-Felder wie Deal-Phase oder Account-Typ sind Picklists: eine feste Menge gültiger Werte. Sich selbst überlassen kann ein Modell einen plausibel klingenden Wert generieren, der in Salesforce nicht existiert. Wir rufen jetzt beim Start die gültigen Werte ab und fügen sie in die Typdefinitionen des MCP-Tools ein. So kann das Modell nur echte Optionen auswählen.
• Verfahren bereinigen. Wenn Sie einem Agent im Lauf der Zeit Verfahren hinzufügen, können sich einige überschneiden. Der Architect von ElevenAgents kann sie neu strukturieren, damit klar ist, wann jedes Verfahren startet, und keine widersprüchliche Logik entsteht.
• Aufgabenprüfung. Nach dem Erstellen eines Linear-Tickets prüft der Agent, ob die Felder korrekt gesetzt sind und das Ticket beim richtigen Team gelandet ist. Das hat gelegentliche Halluzinationen oder falsche Teamzuweisungen reduziert.

Probieren Sie es selbst aus

Agents sind bei ElevenLabs Teil der täglichen Arbeit. Wenn Sie eigene entwickeln möchten, erfahren Sie mehr über ElevenAgents.