Podsumowanie webinaru: Jak Urban Company zautomatyzowało wsparcie partnerów na dużą skalę

Większość zespołów wsparcia napotyka mur, gdy próbuje się skalować. Zatrudniają więcej konsultantów, koszty rosną, jakość pozostaje nierówna, a sezonowe skoki obciążenia paraliżują działanie. Urban Company znalazło inną drogę.

W Behind the Agent: How Urban Company Automated Partner Support at Scale, Abhishek Thakur, Engineering Manager w Urban Company, pokazał, jak firma wdrożyła głos AI w obsłudze partnerów — i jak wpłynęło to na jakość, koszty oraz liczbę połączeń.

Problem wsparcia w gospodarce gig

Gospodarka gig w dużej mierze opiera się na zaufaniu między platformami a pracownikami, a jego utrata może skłonić ich do przejścia do konkurencji. W Indiach jest ponad 15 milionów pracowników gig, a do 2030 roku ma ich być 23 miliony. Kontaktują się z platformami głównie przez telefon i głosowo. W ich warunkach pracy — hałasie, przy problemach z łącznością i mieszaniu języków — wsparcie tekstowe często się nie sprawdza.

Mimo to wiele platform nadal stawia na czat, co przekłada się na niski odsetek spraw rozwiązanych przy pierwszym kontakcie i dużo eskalacji. Pracownicy często czują, że platforma nie jest stworzona z myślą o ich potrzebach. Głos AI może być rozwiązaniem, bo odpowiada sposobowi pracy tej grupy. Pytanie brzmi, czy zapewni jakość i skalę potrzebną w gospodarce gig.

Dlaczego głos był właściwym kanałem dla pracowników gig

Urban Company działa w 51 miastach Indii, a także w ZEA, Singapurze i Arabii Saudyjskiej. Firma obsługuje niemal 60 000 aktywnych specjalistów — hydraulików, kosmetyczek i techników naprawy sprzętu — którzy codziennie realizują zlecenia w domach klientów.

Ci partnerzy nie są typowymi użytkownikami technologii. Wielu kupuje smartfon specjalnie po to, by dołączyć do platformy. Naturalnym kanałem komunikacji jest dla nich głos, nie tekst. Gdy Urban Company przeanalizowało logi czatu wsparcia, zobaczyło urywane wiadomości w Hinglish, niewyraźne zrzuty ekranu, a przede wszystkim prośby o oddzwonienie wysyłane na czacie.

Różnica między kanałem wsparcia a tym, jak partnerzy faktycznie się komunikują, powodowała tarcia na każdym etapie.

Wsparcie prowadzone przez ludzi na taką skalę tworzy kolejne problemy: 

1. Dziesięciu konsultantów call center wyjaśnia tę samą rzecz na dziesięć różnych sposobów
2. Wdrożenie nowych procedur operacyjnych w całym zespole trwa tygodniami
3. A gdy zaczyna się sezon napraw klimatyzacji, liczba połączeń rośnie bez ostrzeżenia 

Głos AI rozwiązuje wszystkie trzy problemy: za każdym razem zapewnia spójne rozwiązanie, natychmiast dostosowuje się do nowych informacji i skaluje się poziomo do dowolnego wolumenu.

Urban Company wybrało ElevenLabs, ponieważ jego głosy brzmiały najbardziej naturalnie. Decyzję podjęto na podstawie anonimowej wewnętrznej ankiety, w której pracownicy słuchali nagrań od kilku dostawców i głosowali. Gdy użytkownikami są pracownicy gig budujący zaufanie do platformy, jakość głosu nie jest preferencją — to warunek konieczny.

Za agentami Urban Company

Urban Company wykorzystuje dziś głos AI w trzech dużych obszarach:

Wsparcie partnerów — partnerzy mogą zadzwonić z aplikacji na dowolnym etapie zlecenia i uzyskać pomoc w każdej sprawie: od sporów z klientem, przez problemy z płatnością, po trudności z zakończeniem zlecenia.

Program poleceń — połączenia wychodzące do obecnych partnerów z pytaniem, czy chcieliby polecić platformę rodzinie lub znajomym. To częsta interakcja wymagająca wyczucia relacji, która zyskuje dzięki spójnemu tonowi i zerowemu czasowi oczekiwania.

Instahelp — warstwa interakcji bez aplikacji dla partnerów, którym trudno czytać lub pisać. Mogą oni w pełni głosowo zarządzać zleceniami, subskrypcjami i pytaniami, bez potrzeby korzystania z interfejsu.

Dziś Urban Company obsługuje ponad 30 aktywnych zastosowań i zmierza do ponad 150 subagentów. To, co zaczęło się od jednej osoby sprawdzającej, czy jest to w ogóle możliwe, rozrosło się do 30-osobowego zespołu tworzącego i wdrażającego agentów głos AI w całej firmie. Gdy jedno zastosowanie zadziałało, każdy zespół chciał mieć własne.

Demo: rozwiązanie sprawy przez wielu agentów w czasie rzeczywistym

Scenariusz: Partner usługowy przyjeżdża do klienta. Klient odmawia realizacji zlecenia z powodu awarii prądu, a partner chce przełożyć termin bez naliczenia opłaty za anulowanie.

Co pokazano:

• Partner dzwoni przez aplikację do wsparcia UC i łączy się z agentką AI (Anjali)
• Anjali potwierdza szczegóły zlecenia i prosi partnera o pozostanie na linii
• Równocześnie druga agentka (Vidhi) dzwoni bezpośrednio do klienta
• Vidhi potwierdza powód anulowania, proponuje przełożenie na tę samą godzinę następnego ranka i rezerwuje termin
• Anjali wraca do partnera z rozwiązaniem: zlecenie zostało przełożone, bez opłaty za anulowanie
• Partner dziękuje agentce za szybkie rozwiązanie sprawy

Dlaczego to ważne:

To nie jeden agent podążający za skryptem. To wielu agentów działających równolegle — jeden prowadzi rozmowę z partnerem, drugi rozwiązuje problem klienta w czasie rzeczywistym — skoordynowanych tak, by osiągnąć rozwiązanie, którego żaden z nich nie mógłby uzyskać sam. Urban Company wykorzystuje od 50 do ponad 60 wariantów promptów w obsłudze partnerów, a pojedyncze interakcje czasem angażują od 7 do 10 subagentów działających kolejno.

Dobre praktyki

Urban Company podzieliło się najważniejszymi wnioskami ze swojej pracy z głosem AI:

1. Najpierw skup się na działaniu. Koszt minuty w Urban Company wyraźnie wzrósł w lutym i marcu, gdy firma dodawała agentom więcej inteligencji. Potem spadł poniżej poziomu początkowego. Najpierw zadbaj o to, by dane zastosowanie działało. Optymalizacją kosztów zajmij się później — gdy zrozumiesz źródła nieefektywności, pójdzie szybciej, niż się spodziewasz.
2. Małe zmiany mają ogromny wpływ. Conversational AI opiera się na szczegółach. Urban Company dodało krótki dźwięk „sprawdzam...” przed przekazaniem informacji — choć API odpowiada w milisekundach. Ta pauza sprawiła, że odpowiedź brzmiała tak, jakby agent rzeczywiście coś sprawdził. Jedna zmiana podniosła kluczowy wskaźnik o 30%. Prowadź eksperymenty bez przerwy — Urban Company ma obecnie około 15 testów A/B działających jednocześnie na 1% ruchu.
3. Rozbijaj prompty, nie poprawiaj ich. Gdy prompt halucynuje lub odbiega od tematu, odruchem jest jego poprawienie. UC zamiast tego go dekomponuje — dzieli na mniejsze, skupione prompty, każdy z konkretnym zadaniem, i wyposaża je w precyzyjne wywołania narzędzi. Ich proces wsparcia partnerów obejmuje 50–60 promptów wykonujących osobne zadania, zamiast jednego promptu próbującego obsłużyć wszystko.
4. Zbuduj system monitorowania, zanim zaczniesz się skalować. Urban Company skrupulatnie monitoruje wskaźniki wejściowe: średni czas rozmowy, słowa na minutę po stronie agenta i użytkownika, tury na minutę, odsetek białego szumu oraz odsetek nieodebranych połączeń. Ich kluczowy wskaźnik to wskaźnik rozwiązanych spraw — na koniec rozmowy pytają partnera, czy jego problem został rozwiązany. Słuchanie rozmów nadal pozwala wychwycić to, czego nie pokazują liczby.
5. Wykrywaj język, nie pytaj o niego. Pytanie użytkowników „jaki język preferujesz?” zaburza płynność rozmowy. Urban Company próbowało rozpoznawać język po nazwiskach partnerów, ale było zbyt wiele fałszywych trafień. Obecne podejście: język, którym partner mówi w pierwszych 30 sekundach rozmowy, zostaje ustawiony dla wszystkich kolejnych połączeń. Zmiana języka jest możliwa tylko na początku rozmowy. Dziś 20% połączeń Urban Company odbywa się w językach lokalnych — innych niż hindi i angielski.
6. Traktuj opóźnienia jak problem inżynieryjny. Analizuj każdą milisekundę. Ustal, na co naprawdę idzie czas — pobieranie danych, wnioskowanie modelu, sieć — i optymalizuj każdy element osobno. Używaj słów wypełniających zależnych od kontekstu, by ukryć czas przetwarzania, ale dopasuj je do promptu: agent witający mówi „miło cię słyszeć”, a agent operacyjny „już sprawdzam”. Powinny brzmieć naturalnie. 

Obejrzyj całą sesję

Obejrzyj cały webinar tutaj.