Webinaroverzicht: hoe Cars24 meer dan 3 miljoen minuten aan verkoopgesprekken automatiseert met voice AI

Cars24 zet productieklare spraakagenten op grote schaal in voor 13 talen. 

In dit artikel vatten we Behind the Agent: How Cars24 Automates 3+ Million Minutes of Sales Calls with Voice AI samen, met Jayesh Gupta, Head of AI and Innovation bij Cars24. Hij legde precies uit hoe Cars24 zijn voice AI-systeem heeft gebouwd en ingezet – van de eerste eenvoudige use case tot een multi-agentarchitectuur die miljoenen minuten aan klantgesprekken afhandelt.

Waarom voice AI op deze schaal belangrijk is

Cars24 is een van de grootste marktplaatsen voor tweedehandsauto's in India, met activiteiten in India, de VAE en Australië. Het bedrijf verkoopt 4.000 - 4.500 auto's per maand, voert meer dan 100.000 inspecties uit en faciliteert meer dan 22.000 proefritten.

Daar komen financiering, ondersteuning na levering, boetebetalingen en leningen met auto's als onderpand nog bij. Alleen al hun salesfunnel duurt per klant 30 tot 45 dagen.

75% van de kopers is voor het eerst autobezitter. Voor deze klanten is een auto kopen geen transactie. Het is een financieel belangrijke beslissing met veel emotionele lading. Dat betekent dat 70 - 80% van het Cars24-product niet de app is, maar het gesprek: menselijke, begeleide en ondersteunde sales in elke fase van de funnel.

Vóór AI-agenten liep het systeem vast. Klanten belden de verkeerde teams – zo werd het salesteam benaderd voor supportvragen, wat leidde tot langere wachttijden en een inefficiënte klantervaring. 

De wachttijden liepen op. Follow-ups werden gemist binnen een funnel van 30 dagen. 

Het beheren van alles, van leadkwalificatie tot leningsdocumentatie, was duur en moeilijk op te schalen.

Vandaag: 

1. 25% van alle belvolumes is geautomatiseerd
2. Bijna de helft van de sales wordt ondersteund door voice AI
3. De belkosten zijn met 50% gedaald

Demo 1: De onderhandelingsagent van Cars24

Scenario: Een spraakagent van Cars24 belt een verkoper die overweegt zijn auto te verkopen en onderhandelt in het Hindi om diegene te overtuigen voor Cars24 te kiezen in plaats van concurrerende platforms.

Wat werd getoond:

- De agent voert een volledig verkoopgesprek in het Hindi

- De agent gaat om met bezwaren en concurreert in realtime met andere platforms

- Het gesprek klinkt natuurlijk, met lage latency en zonder robotachtige stiltes

- De agent overtuigt de verkoper tijdens het gesprek om voor Cars24 te kiezen

Waarom dit belangrijk is: Deze agenten voeren actieve salesgesprekken, gaan om met ambiguïteit, bieden weerwoord tegen bezwaren en sturen aan op een conversiebeslissing — allemaal in een taal waarin de klant zich het prettigst voelt. Cars24 heeft vastgesteld dat een taalmatch de gesprekstijd en bedrijfsresultaten rechtstreeks verbetert.

Demo 2: Multi-agentorkestratie voor cross-sell

Scenario: Een klant heeft een afspraak voor een inspectie gemist. Een kwalificatieagent belt om de afspraak te verzetten, herkent de intentie om te upgraden en schakelt het gesprek live door naar een salesagent die het gesprek overneemt zonder context te verliezen.

Wat werd getoond:

- Agent 1 (Sneha) begint met de gemiste afspraak en verzet die

- Sneha onderzoekt de intentie: wil de verkoper upgraden of verkoopt diegene de auto om financiële redenen?

- De klant geeft aan te willen upgraden

- Sneha biedt aan door te schakelen naar het juiste team en doet dat midden in het gesprek

- Agent 2 neemt het gesprek met de volledige context over en zet het voort richting de aankoop van een tweedehandsauto

- Wanneer de klant vraagt om over een uur teruggebeld te worden, bevestigt de agent dit, vat de status van de afspraak samen en beëindigt het gesprek netjes

Waarom dit belangrijk is: Deze demo laat zien hoe multi-agentorkestratie er in de praktijk uitziet. Elke agent handelt één taak af en de context wordt tussen hen doorgegeven. Er is geen herhaling en geen gebrekkige overdracht. Cars24 werkt toe naar één 24/7-nummer waar klanten hun hele traject kunnen regelen – verkopen, kopen, financieren – zonder zichzelf ooit te hoeven herhalen.

Hoe Cars24 dit heeft gebouwd: technische overwegingen

Cars24 begon met de eenvoudigste mogelijke use case: herinneringen voor gemiste afspraken. Korte gesprekken, binaire uitkomsten, lage foutkosten. Zo konden ze leren wat werkt voordat ze uitbreidden.

Toen ze overstapten op langere, complexere inkomende gesprekken — gesprekken over het vinden van een auto die gemiddeld 7 minuten duren en soms oplopen tot 13 minuten — liepen ze tegen een harde limiet van single-agentarchitecturen aan. 

Minimodellen begonnen na 3 tot 4 minuten context te verliezen. 

Grotere modellen zorgden voor latency. 

Alles in één prompt stoppen maakte het systeem kwetsbaar: een wijziging in de leenflow kon de koopflow verstoren.

Hun oplossing was multi-agentorkestratie. Ze verdeelden het gesprek in fasen: 

1. Een kleine kwalificatieagent met een minimodel legt de initiële intentie vast
2. Een groter model neemt het over voor de verkenning zodra de klant betrokken is en bereid is iets langer te wachten
3. Een derde agent, gericht op leningen, wordt alleen geactiveerd als prijs of financiering ter sprake komt.

Elke agent behandelt één taak goed. Wijzigingen aan de ene verstoren de andere niet.

De technische stack (georkestreerd met het ElevenAgents-platform):

1. Speech-to-text: ElevenLabs Scribe v2 realtime, gekozen vanwege de nauwkeurigheid in rumoerige Tier 2- en Tier 3-omgevingen in 13 talen
2. Text-to-speech: ElevenLabs Flash 2.5, onlangs geüpgraded naar Eleven v4 Turbo met een meetbare verbetering van de salesprestaties
3. LLM: GPT-4.1 mini voor de meeste use cases, met GPT-4o of een equivalent voor langere verkennende gesprekken die meer diepgaande redenering vereisen
4. Telefonie: WebSockets met PCM op 24 kHz voor audiokwaliteit; hun providers in India zijn onder meer Twilio, Exotel en Plivo
5. Integraties: aangepaste API-calls naar het ElevenLabs Agents-platform, MCP-ondersteuning en native HubSpot-integratie voor de Australische markt
6. Vectordatabase: Qdrant, met binaire kwantisering voor grote datasets van meer dan een miljoen vectoren om latency en kosten laag te houden

De keuze voor ElevenLabs Agents in plaats van afzonderlijke STT, LLM- en TTS-componenten samen te stellen, kwam neer op één ding: latency. 

Zelfs met dezelfde onderliggende modellen zorgde het zelf bouwen van de pipeline er consequent voor dat de latency boven één seconde uitkwam. 

Doordat het ElevenLabs-platform zowel de modellen als de orkestratielaag beheert, daalde dat met 30 tot 40%. Die daling leidde rechtstreeks tot een stijging van 30 tot 40% in conversies.

Best practices van Cars24

1. Begin waar de kosten van falen het laagst zijn. De eerste use case van Cars24 was het herinneren aan gemiste afspraken — kort, eenvoudig en met weinig risico. Het model daar bewijzen gaf intern vertrouwen en bood het team ruimte om te leren voordat ze onderdelen van de funnel met hogere waarde aanpakten.

2. Gebruik het met echte klanten, niet in simulaties. Interne tests kunnen de chaos van echte gesprekken niet nabootsen. Cars24 draaide pilots op 10% van het liveverkeer, accepteerde de tijdelijke daling en gebruikte echte feedback om te itereren.

3. Hanteer de promptlengte als harde limiet. Cars24 beperkt prompts voor gesprekken onder twee minuten tot 4.000 à 5.000 tokens. Langere prompts vertragen het model en verbeteren de resultaten niet betrouwbaar. Heeft een use case meer nodig, bouw dan een andere agent.

4. Zet veelvoorkomende antwoorden in de prompt, niet in de kennisbank. Zet de antwoorden op de belangrijkste vragen die klanten daadwerkelijk stellen rechtstreeks in de prompt. Reserveer tool calls en RAG-opvraging voor de resterende 20%. Zo voorkom je de meeste latency-pieken bij het opzoeken van kennis.

5. Neem het eerste bericht vooraf op. ElevenLabs Agents kan het openingsbericht vooraf genereren en cachen voordat het gesprek wordt verbonden. Door het eerste bericht bovendien niet te onderbreken, neemt vroegtijdige uitval door netwerkvertraging of voortijdige onderbrekingen af.

6. Bouw evaluatie in elk gesprek in. Cars24 gebruikt ElevenLabs Agents-evals bij 100% van de gesprekken om bij te houden of SOP's zijn gevolgd, of de klant frustratie toonde en of er iets is misgegaan. Mislukte evals leiden tot een handmatige beoordeling. Willekeurige steekproeven worden dagelijks gecontroleerd. Het team blijft proactief in plaats van reactief.

7. Schaal gefaseerd op. Nieuwe agentimplementaties volgen een uitrol van 5%, 10%, 20%, 50% en 100%, met een pauze van twee dagen in elke fase om te bevestigen dat de evalstatistieken stabiel zijn voordat verder wordt opgeschaald.

8. Bel geen klanten die niet hebben gevraagd iets van je te horen. Elk uitgaand gesprek van Cars24 gaat naar iemand die al in de funnel zit. Ongevraagde AI-benadering leidt tot meer klachten en schaadt het vertrouwen. De waarborg is eenvoudig: als ze nog niet betrokken zijn, worden ze niet gebeld.

9. Wees eerlijk wanneer klanten vragen of ze met AI praten. De agenten van Cars24 bevestigen desgevraagd dat ze virtuele assistenten zijn. Als een klant een mens wil spreken, wordt het gesprek onmiddellijk doorgeschakeld.

10. Beschouw AI-uitgaven als een investeringspost, niet als kostenpost. Cars24 neemt AI-kosten nu op in de jaarlijkse operationele plannen, met specifieke opdrachten gekoppeld aan meetbare bedrijfsresultaten. Van elke implementatie wordt verwacht dat die een concrete statistiek verbetert.

Bekijk de volledige sessie

Bekijk de volledige sessie hier.