Jak używamy ElevenAgents, by oszczędzać 1200 godzin miesięcznie w codziennej pracy
- Autor
- Jake Tennant
- Opublikowano
PosłuchajPosłuchaj tego artykułu
W całym ElevenLabs nasi wewnętrzni agenci oszczędzają zespołom ponad 1200 godzin miesięcznie w codziennej pracy. Odpowiadają na ponad 5000 pytań miesięcznie i także działają: tworzą dziesiątki spersonalizowanych dem dla klientów oraz założyli ponad 150 zgłoszeń w ostatnim miesiącu.
Początkowo agenci ułatwiali znajdowanie wewnętrznych informacji w Slacku, takich jak dane o retencji użytkowników, właściwa dokumentacja czy historia konta. Z czasem zaczęli też działać: osoba z zespołu zadaje pytanie, zgłasza błąd lub prosi o demo, a agent odpowiada albo realizuje prośbę.
Bot FDE tworzący demo dla klienta

Sprzedaż: odpowiedzi o kontach i dema na żądanie
Zespoły sprzedaży korzystają z dwóch agentów: bota go-to-market (GTM) do pytań o klientów oraz bota Forward Deployed Engineer (FDE) do pytań o produkt i dem. Oto kilka ostatnich przykładów:
- Pytanie sprzedażowe do bota GTM: „Którzy z naszych największych klientów mają prawa do użycia logo w Wielkiej Brytanii, Francji i Niemczech?” lub „Jakie są nasze główne zastosowania API?”
- Pytanie o produkt do bota FDE: „Jeśli potencjalny klient chce stworzyć wychodzącego SDR-a AI, który umawia spotkania w imieniu AE, jakich integracji potrzebuje?”
Nasz bot FDE na żądanie tworzy też kompletne dema dla klientów: bezpośrednio z wiadomości składa działającego agenta skonfigurowanego pod zastosowanie potencjalnego klienta.

Wsparcie i inżynieria: automatyzacja procesów triage
Nasz bot triage utworzył 150 nowych zgłoszeń tylko w ostatnim miesiącu. Wcześniej wymagało to dużo ręcznej pracy zespołów wsparcia i inżynierii.
Obsługuje prośby o funkcje i błędy, korzystając z różnych Procedur dla każdego typu problemu. Zanim utworzy zgłoszenie, przeszukuje Slacka pod kątem istotnego kontekstu, sprawdza duplikaty istniejących zgłoszeń i upewnia się, że jest dość szczegółów, by zdiagnozować problem. Następnie tworzy zgłoszenie w Linear z właściwym priorytetem. Potem przekazuje je do odpowiedniego zespołu, korzystając z dokumentu o przypisaniu odpowiedzialności, który przesłaliśmy do bazy wiedzy agentów.

Produkt i marketing produktu: analiza danych
Zespoły produktu i marketingu produktu zadają pytania o dane na kanałach dla konkretnych obszarów i otrzymują analizę w wątku. Oto ostatni przykład: „Jak zmieniła się w ciągu ostatnich 6 miesięcy w USA konwersja z darmowego planu na płatny wśród subskrybentów ElevenCreative self-serve? Co ma na to największy wpływ?”
Osoby z zespołu mogą dyskutować lub zadawać dodatkowe pytania w tym samym wątku. Jakość odpowiedzi zależy od tego, co widzi agent, dlatego starannie dobieramy dane dla każdego z nich (więcej poniżej).

Czego się nauczyliśmy
Wewnętrzni agenci muszą być niezawodni i dokładni od początku, inaczej zespół przestaje ich używać i im ufać. Na wspólnym kanale błędy są bardziej widoczne — ale sukcesy też, co pomogło w adopcji.
Pomogło nam też kilka innych rzeczy:
- Dopasowanie schematu wygrywa z prompt engineeringiem. Największą poprawę jakości odpowiedzi naszych agentów wyszukujących informacje dało usuwanie pól, a nie dostrajanie promptu systemowego. Każda dodatkowa kolumna lub pole obiektu dawały modelowi kolejną okazję do błędnego zgadywania, a ograniczenie schematu do kluczowych pól poprawiło dokładność bardziej niż każda zmiana promptu, której próbowaliśmy.
- Typy picklist. Pola Salesforce, takie jak etap transakcji czy typ konta, to picklisty: zamknięty zestaw prawidłowych wartości. Bez ograniczeń model może wygenerować wiarygodnie brzmiącą wartość, która nie istnieje w Salesforce. Teraz przy uruchomieniu pobieramy prawidłowe wartości i dodajemy je do definicji typów narzędzia MCP, więc model może wybierać tylko rzeczywiste opcje.
- Usuwaj zbędne procedury. Z czasem, gdy dodajesz procedury do agenta, niektóre mogą się pokrywać. Architect w ElevenAgents może je przeorganizować, aby było jasne, kiedy uruchamiać każdą z nich, i żeby nie miały sprzecznej logiki.
- Weryfikacja zadań. Po utworzeniu zgłoszenia w Linear agent sprawdza, czy pola są ustawione poprawnie i czy zgłoszenie trafiło do właściwego zespołu. Ograniczyło to sporadyczne halucynacje i wybór niewłaściwego zespołu.
Wypróbuj samodzielnie
Agenci są częścią codziennej pracy w ElevenLabs. Jeśli chcesz stworzyć własnego, dowiedz się więcej o ElevenAgents.
Jake zajmuje się produktem i rozwojem ElevenAgents. Zanim dołączył do ElevenLabs, przez cztery lata był PM-em w Coinbase i pracował nad aplikacją dla użytkowników.




