Hoe we ElevenAgents gebruiken om elke maand 1.200 uur te besparen in de dagelijkse werkzaamheden

Binnen ElevenLabs besparen onze interne agents teams elke maand meer dan 1.200 uur in de dagelijkse werkzaamheden. Ze beantwoorden meer dan 5.000 vragen per maand en ondernemen ook actie: ze bouwen tientallen aangepaste demo's voor klanten en hebben de afgelopen maand meer dan 150 tickets aangemaakt.

Deze agents begonnen als een manier om in Slack eenvoudiger interne informatie op te halen, zoals gegevens over gebruikersbehoud, de juiste documentatie of de geschiedenis van een account. Dat groeide uit tot agents die actie ondernemen: een teamlid stelt een vraag, meldt een bug of vraagt een demo aan, en de agent beantwoordt de vraag of handelt het verzoek af. 

FDE-bot maakt een klantdemo

Sales: accountinformatie en demo's op aanvraag

Salesteams gebruiken twee agents: de go-to-market (GTM)-bot voor klantvragen en de Forward Deployed Engineer (FDE)-bot voor productvragen en demo's. Enkele recente voorbeelden:

• Salesvraag voor GTM-bot: "Wie zijn onze belangrijkste klanten met logorechten in het VK, Frankrijk en Duitsland?" of “Wat zijn onze belangrijkste API-usecases?”
• Productvraag voor FDE-bot: “Als een prospect een outbound AI-SDR wil bouwen die namens AE's afspraken inplant, welke integraties hebben ze dan nodig?”

Onze FDE-bot bouwt ook complete klantdemo's op aanvraag en stelt rechtstreeks vanuit een bericht een werkende agent samen die is geconfigureerd voor de usecase van een prospect. 

Support en engineering: triageprocessen automatiseren

Onze triagebot heeft alleen al in de afgelopen maand 150 nieuwe tickets aangemaakt, werk dat voorheen zeer handmatig was voor zowel support als engineering. 

De bot werkt met feature requests en bugs en gebruikt verschillende Procedures voor elk type issue. Voordat de bot een ticket aanmaakt, zoekt hij in Slack naar relevante context, verwijdert hij duplicaten op basis van bestaande tickets en zorgt hij ervoor dat er voldoende details zijn om het issue te diagnosticeren voordat hij een Linear-ticket opent met de juiste prioriteit. Vervolgens wijst hij het toe aan het juiste team met behulp van het eigenaarschapsdocument dat we naar de kennisbank van de agents hebben geüpload.

Product en productmarketing: data-analyse

Product- en productmarketingteams stellen datavragen in domeinspecifieke kanalen en ontvangen de analyse terug in de thread. Hier is een recent voorbeeld: "Hoe is de conversie van gratis naar betaald voor selfserviceabonnees van ElevenCreative in de VS de afgelopen 6 maanden veranderd? Wat zijn de belangrijkste drijfveren?"

Teamleden kunnen in dezelfde thread overleggen of vervolgvragen stellen. De kwaliteit van antwoorden hangt af van wat de agent kan zien. Daarom cureren we de data van elke agent (meer hierover hieronder).

Wat we hebben geleerd

Interne agents moeten vanaf het begin betrouwbaar en nauwkeurig zijn, anders stopt het team met ze te gebruiken en te vertrouwen. In een gedeeld kanaal zijn fouten zichtbaarder, maar successen ook, wat de adoptie heeft geholpen.

Dit zijn nog enkele andere dingen die hebben geholpen:

• Schemaselectie is beter dan prompt engineering. We zagen de grootste verbetering in antwoordkwaliteit voor onze retrieval agents door velden te verwijderen, niet door de systeemprompt bij te stellen. Elke extra kolom of elk extra objectveld gaf het model nog een plek waar het verkeerd kon gokken, en door het schema te beperken tot een beperkte set kritieke velden verbeterde de nauwkeurigheid meer dan elke promptwijziging die we hebben geprobeerd.
• Picklist-typeringen. Salesforce-velden zoals dealfase of accounttype zijn picklists: een vaste set geldige waarden. Zonder beperkingen kan een model een plausibel klinkende waarde genereren die niet in Salesforce bestaat. We halen nu bij het opstarten de geldige waarden op en voegen ze in de typedefinities van de MCP-tool in, zodat het model alleen echte opties kan kiezen.
• Procedures opschonen. Naarmate je in de loop van de tijd procedures aan een agent toevoegt, kunnen sommige elkaar overlappen. Architect van ElevenAgents kan ze herstructureren, zodat duidelijk is wanneer elke procedure moet starten en er geen conflicterende logica is.
• Taakverificatie. Nadat de agent een Linear-ticket heeft aangemaakt, controleert hij of de velden correct zijn ingesteld en of het ticket naar het juiste team is gegaan. Dit heeft incidentele hallucinaties of selectie van het verkeerde team beperkt.

Probeer het zelf

Agents maken deel uit van het dagelijkse werk binnen ElevenLabs. Wil je je eigen agents bouwen, lees dan meer over ElevenAgents.