Webinaroverzicht: hoe Urban Company partnerondersteuning op grote schaal automatiseerde

De meeste supportteams lopen tegen een grens aan wanneer ze proberen op te schalen. Ze voegen agents toe, de kosten stijgen, de kwaliteit blijft wisselvallig en seizoenspieken verstoren alles. Urban Company vond een andere aanpak.

In Behind the Agent: How Urban Company Automated Partner Support at Scale, legt Abhishek Thakur, Engineering Manager bij Urban Company, uit hoe Urban Company spraak-AI inzette voor de ondersteuning van partners – en wat dat deed met de kwaliteit, kosten en het belvolume.

Het supportprobleem van de gig-economie

De gig-economie leunt sterk op het vertrouwen tussen platforms en werkenden, en elke schending van dat vertrouwen kan ertoe leiden dat werkenden naar concurrenten overstappen. India telt meer dan 15 miljoen gigwerkers; naar verwachting zijn dat er in 2030 23 miljoen. Deze mensen communiceren met platforms voornamelijk via mobiel en spraak. Door hun werkomstandigheden – zoals lawaai, verbindingsproblemen en gemengde talen – blijkt tekstgebaseerde support vaak niet werkbaar.

Toch kiezen veel platforms nog steeds standaard voor chat, wat leidt tot een lage oplossing bij het eerste contact en veel escalaties. Werkenden hebben vaak het gevoel dat het platform niet op hun behoeften is ingericht. Spraak-AI biedt een mogelijke oplossing: een communicatiemethode die aansluit bij de manier waarop deze beroepsgroep werkt. De vraag is of dit kan met de nauwkeurigheid en schaal die activiteiten in de gig-economie vereisen.

Waarom spraak het juiste kanaal was voor gigwerkers

Urban Company is actief in 51 steden in India, evenals in de VAE, Singapore en Saoedi-Arabië. Het bedrijf beheert bijna 60.000 actieve dienstverleners – loodgieters, schoonheidsspecialisten en reparateurs van huishoudelijke apparaten – die elke dag opdrachten uitvoeren bij mensen thuis.

Deze partners zijn geen doorsnee techgebruikers. Velen kopen speciaal een smartphone om zich bij het platform aan te sluiten. Hun natuurlijke communicatiekanaal is spraak, niet tekst. Toen Urban Company de chatlogs van de support bekeek, zagen ze dat partners gefragmenteerde Hinglish-berichten stuurden, wazige screenshots uploadden en, veelzeggender nog, in de chat vroegen om teruggebeld te worden.

De kloof tussen het supportkanaal en de manier waarop partners daadwerkelijk communiceren, veroorzaakte frictie bij elk contactmoment.

Support door mensen op deze schaal brengt eigen, elkaar versterkende problemen met zich mee: 

1. Tien menselijke callcenteragents verwoorden dingen op tien verschillende manieren
2. Het duurt weken voordat updates van SOP's door een heel team zijn doorgevoerd
3. En zodra het seizoen voor aircoreparaties begint, schiet het belvolume onverwacht omhoog 

Spraak-AI pakt alle drie aan: het biedt telkens een consistente oplossing, past zich direct aan nieuwe informatie aan en schaalt horizontaal mee met elk volume.

Urban Company koos voor ElevenLabs omdat de stemmen het menselijkst klonken – een beslissing die werd genomen via een anonieme interne peiling, waarin medewerkers naar opnames van meerdere aanbieders luisterden en stemden. Wanneer je gebruikers gigwerkers zijn die vertrouwen opbouwen in een platform, is stemkwaliteit geen voorkeur maar een randvoorwaarde.

Achter de agents van Urban Company

Urban Company gebruikt spraak-AI nu in drie grote subverticals:

Partnerondersteuning - Partners kunnen tijdens een opdracht op elk moment vanuit de app bellen en hulp krijgen bij alles waar ze tegenaan lopen, van klantgeschillen en betalingsproblemen tot problemen met het afronden van een opdracht.

Doorverwijzingscampagnes - Uitgaande gesprekken naar bestaande partners met de vraag of ze familie of vrienden aan het platform willen aanbevelen. Een interactie met een hoog volume waarbij de relatie centraal staat en die baat heeft bij een consistente toon en geen wachttijden.

Instahelp - Een interactielaag zonder app voor partners die niet gemakkelijk kunnen lezen of schrijven. Partners beheren hun opdrachten, abonnementen en vragen volledig via spraak, zonder UI.

Urban Company heeft vandaag meer dan 30 live use cases en werkt toe naar meer dan 150 subagents. Wat begon met één persoon die onderzocht of dit überhaupt mogelijk was, is uitgegroeid tot een team van 30 mensen dat spraakgestuurde AI-agents bouwt en implementeert in het hele bedrijf. Zodra één use case werkte, wilde elk team er een.

Demo: oplossing door meerdere agents in realtime

Scenario: Een dienstverlener komt aan op de locatie van een klant. De klant weigert de opdracht vanwege een stroomstoring en de partner moet de afspraak verzetten zonder een annuleringsboete te krijgen.

Wat werd getoond:

• De partner belt via de app met UC-support en krijgt een AI-agent aan de lijn (Anjali)
• Anjali bevestigt de opdrachtdetails en zet de partner in de wacht
• Tegelijkertijd belt een tweede agent (Vidhi) de klant rechtstreeks
• Vidhi bevestigt de annuleringsreden, stelt voor de afspraak de volgende ochtend op hetzelfde tijdstip te verzetten en plant deze in
• Anjali komt terug bij de partner met de oplossing: de afspraak is verzet en er geldt geen annuleringsboete
• De partner bedankt de agent voor de snelle oplossing

Waarom dit belangrijk is:

Dit is niet één agent die een script volgt. Het zijn meerdere agents die parallel werken – de ene beheert het gesprek met de partner, de andere lost het klantprobleem in realtime op – en die zo zijn georkestreerd dat ze samen een oplossing bieden die geen van beide alleen had kunnen bereiken. Urban Company gebruikt 50 tot meer dan 60 promptvarianten voor partnerondersteuning, waarbij individuele interacties soms 7 tot 10 subagents omvatten die achter elkaar werken.

Best practices

Urban Company deelde belangrijke lessen uit hun traject met spraak-AI:

1. Geef in eerste instantie prioriteit aan functionaliteit. De kosten per minuut van Urban Company stegen in februari en maart aanzienlijk naarmate er meer intelligentie aan de agents werd toegevoegd. Daarna daalden ze tot onder het oorspronkelijke niveau. Richt je erop dat de use case werkt. Kostenoptimalisatie kan daarna komen, en gaat sneller dan je verwacht zodra je begrijpt waar de inefficiënties zitten.
2. Kleine veranderingen hebben een buitenproportioneel effect. Conversational AI draait volledig om details. Urban Company voegde een korte audiobuffer met "even controleren..." toe voordat informatie werd gegeven – ook al reageert de API binnen milliseconden. Door de pauze voelde het alsof de agent daadwerkelijk iets had opgezocht. Die ene verandering verbeterde een belangrijke metriek met 30%. Voer voortdurend experimenten uit – Urban Company heeft op elk willekeurig moment ongeveer 15 A/B-tests draaien op 1% van het verkeer.
3. Splits prompts op, probeer ze niet te repareren. Als een prompt hallucineert of afwijkt, is de neiging om deze te patchen. De aanpak van UC is om de prompt op te delen: splits hem op in kleinere, gerichte prompts, elk met een specifieke taak, en vul ze aan met gerichte tool calls. Hun flow voor partnerondersteuning werkt met 50 tot 60 prompts die afgebakende taken uitvoeren, in plaats van één prompt die alles probeert af te handelen.
4. Bouw je meetbijbel voordat je opschaalt. Urban Company monitort inputmetrics nauwgezet: gemiddelde gespreksduur, woorden per minuut voor zowel de agent als de gebruiker, beurten per minuut, percentage witte ruis en het percentage onbereikbare personen. Hun North Star-metriek is oplossingspercentage – aan het einde van het gesprek vragen of het probleem van de partner is opgelost. Door naar gesprekken te luisteren, ontdekken ze nog steeds wat cijfers missen.
5. Detecteer de taal, vraag er niet naar. Gebruikers vragen "welke taal heb je liever?" onderbreekt de gespreksflow. Urban Company probeerde de taal af te leiden uit achternamen van partners, maar dat gaf te veel false positives. Hun huidige aanpak: de taal die de partner in de eerste 30 seconden van een gesprek spreekt, wordt vastgelegd voor alle toekomstige gesprekken. Alleen in het openingsgedeelte mag van taal worden gewisseld. Vandaag wordt 20% van de gesprekken van Urban Company in lokale talen gevoerd – niet in het Hindi en niet in het Engels.
6. Behandel latency als een technisch probleem. Analyseer elke milliseconde. Bepaal waar de tijd werkelijk naartoe gaat – data ophalen, modelinference, netwerk – en optimaliseer elk onderdeel onafhankelijk. Gebruik contextuele opvulwoorden om verwerkingstijd te maskeren, maar stem ze af op de prompt: een begroetingsagent zegt "fijn om van je te horen", een operationele agent zegt "laat me dat even controleren". De opvulwoorden moeten als natuurlijke spraak klinken. 

Bekijk de volledige sessie

Bekijk het volledige webinar hier.