Röstagenters funktioner: minne, eskalering och mer

Traditionella telefonsystem byggde på skriptade, menystyrda svar. Det begränsade deras förmåga att anpassa sig till naturligt tal eller hantera komplexa förfrågningar i arbetsflöden. Dagens röstagenter har kommit långt förbi detta genom att förena taligenkänning i realtid, resonemang och kontext i mer responsiva talsystem.

Moderna röstagenter kan autentisera en kund, hämta kunduppgifter från systemet, ge relevanta svar med aktuell data, känna igen när ärendet behöver lämnas över och mycket mer. Allt detta sker under ett pågående samtal, utan att användaren behöver hamna i en telefonkö och vänta på en mänsklig handläggare.

Den här guiden besvarar sex frågor om AI-röstagenters funktioner: hur de minns uppringare, hanterar frustration, vilken data som tränar dem, hur de anpassar upplevelsen, hur de skyddar känsliga data och hur de påverkar kundnöjdheten. Varje svar beskriver hur ElevenAgents gör detta i praktiken.

Sammanfattning:

• Röstagenter kombinerar taligenkänning i realtid med resonemang baserat på aktuell data, så att de kan autentisera uppringare, svara med aktuell information och slutföra uppgifter under ett samtal utan att någon behöver skickas till en telefonkö.
• Agentminnet fungerar både inom ett enskilt samtal och mellan återkommande interaktioner. Kundhistoriken hämtas från ett CRM-system vid start via dynamiska variabler och resultat loggas tillbaka via webhooks efter samtalet.
• Frustrerade uppringare hanteras med sentimentidentifiering och nedtrappning i realtid, med möjlighet att koppla vidare till en människa eller specialiserad agent när frustrationen passerar ett tröskelvärde eller uppringaren ber om en person.
• Agenter bygger kunskap från uppladdat innehåll i format som PDF, Word, text, Markdown, HTML och EPUB. De använder RAG för att hämta relevanta avsnitt, medan mindre dokument behålls i fullständig kontext.
• Personliga rekommendationer kombinerar CRM-data, den aktuella förfrågan och produktsökningar under samtalet via tool calling, så att agenten kan matcha faktisk tillgänglighet mot uppringarens historik.
• Konfigurerbara sekretessinställningar styr datalagring, ljudlagring, maskning av transkript och nollagringsläge, med HIPAA-stöd för vårddistributioner på företagsnivå.

Vilka funktioner har röstagenter?

En röstagent är ett system med artificiell intelligens (AI) som kan föra muntliga kundsamtal i realtid. Det går längre än traditionella röstfunktioner genom att förstå avsikt, situationens kontext och utföra uppgifter åt kunden. Agenterna lyssnar på kunden, resonerar utifrån det de hör, använder de system som krävs för att lösa förfrågan och talar sedan med kunden i en naturlig ton som liknar en mänsklig kundtjänstmedarbetare. 

När man definierar röstagenters funktioner handlar det om de specifika funktioner som gör samtal mellan agenten och kunden användbara. Funktionerna kan delas in i flera kategorier för att avgöra hur väl agenten fungerar i rollen:

• Minne och kontext: Förmågan att behålla information om en kund under ett samtal eller flera interaktioner med samma kund.
• Hantering av svåra situationer och samtal: Agenter håller sig till ämnet och följer regler när en uppringare är frustrerad, förvirrad eller ovillig att acceptera resultatet. 
• Träning på ditt innehåll: Agenter tränas på befintlig intern företagsdokumentation och policyer för att hämta svar till interaktionen, i stället för att använda ett generiskt manus.
• Personanpassning för kunden: Agenter anpassar ton, tempo och rekommendationer efter vem uppringaren är, i stället för att erbjuda en generell meny med alternativ. 
• Datahantering: Informationen som delas med agenter hanteras utifrån vilka data som lagras, hur länge företaget behåller dem och vem som har åtkomst till dem. 
• Mätbara resultat: Ett system med intern uppföljning gör det lättare att avgöra om en röstagent löser problem och gör det korrekt jämfört med en mänsklig handläggare. 

Dessa funktioner kan i slutändan hjälpa företag att bättre anpassa sina agenter efter kundernas behov. 

Hur minns röstagenter tidigare samtal med kunder?

Röstagenter har inget inbyggt minne mellan samtal. Minnet mellan samtal sätts ihop av tre delar: dynamiska variabler som läser in CRM-data när samtalet startar, en webhook för samtalsstart som hämtar datan och en webhook efter samtalet som skriver tillbaka resultaten. Inom ett enskilt samtal behåller agenten automatiskt hela samtalskontexten.

Beroende på din specifika arkitektur kan röstagenter hantera kundminne på två nivåer:

• Inom ett enskilt samtal: Agenten behåller samtalskontexten och följer allt som sägs under sessionen, vilket minskar behovet av att kunden upprepar sig under samtalet.
• Mellan flera interaktioner: Detta minne uppnås genom integration mellan flera kanaler. Agenten hämtar kundhistorik från företagets CRM-system eller databas i början av samtalet och dokumenterar sedan resultatet av interaktionen, så att nästa samtal börjar med kännedom om historiken.

Kontext läses in i början av samtalet via dynamiska variabler med ElevenAgents. Dessa variabler läser in körningsvärden i agentens prompts, meddelanden och verktyg. Det gör att agenten kan anpassa varje samtal med användarspecifik information utan att du behöver bygga en separat agent för varje kund. Uppringarens namn, kontostatus, identifierande information och tidigare interaktioner kan alla skickas till röstagenten när samtalet börjar. 

För inkommande telefonsamtal kan ElevenAgents hämta initial data från företagets servrar via en webhook för samtalsstart och använda JSON-svaret från slutpunkten medan agenten läser in kontexten. I en livesituation hämtar plattformen nödvändig data under den inledande anslutningsperioden med kunden. Processen kan vanligtvis uppfattas som vanlig ringsignal eller väntemusik medan agenten parallellt granskar kontexten. 

När samtalet avslutas sker flödet i omvänd riktning. Agenten skickar samtalsresultatet tillbaka till CRM- eller supportsystemet via webhooks efter samtalet eller andra samtalsverktyg. Den loggar vad som hände under samtalet och vad som fortfarande kan behöva följas upp med kunden. Dokumentationen av kundinteraktionen är det som gör röstagentens minne beständigt. På så sätt har nästa agent eller människa som kunden talar med hela bakgrunden innan samtalet börjar. 

Hur hanterar röstagenter frustrerade eller arga kunder?

Frustrerade och arga kunder förekommer på alla nivåer och i alla kundtjänstmiljöer. Röstagenter kan hantera sådana situationer genom att upptäcka, anpassa sig och eskalera när det behövs. 

Så här kan röstagenter hantera svåra kundsituationer:

• Upptäcka frustration: Kundsvar identifieras effektivast genom sentimentanalys. Analysen bedömer samtal som positiva, negativa eller neutrala. För enskilda samtal placerar sentimentanalysen varje användarsvar längs en bedömd skala från negativt till positivt, så att du kan se var samtalet gick fel. När identifieringen sammanställs över olika ämnen kan den visa vilka områden som frustrerar uppringare mest och var förbättringar behövs. Med ledande röstagentmodeller, som de som finns hos ElevenLabs, kan agenter till och med förstå tonfall från transkript i realtid och anpassa sig därefter.
• Anpassning i realtid: Nedtrappande beteende kan definieras direkt i agentens system prompt. Det gör att den kan bekräfta uppringarens frustration, undvika att argumentera, hålla svaren lugna och relevanta för samtalet samt börja med en väg mot en lösning. 
• Eskalera till en människa: Verktyget överför till nummer kopplar samtalet till en människa när definierade villkor uppfylls, vanligtvis när uppringaren ber om en person, upprepar samma klagomål två gånger eller när sentimentet är negativt under flera turer i rad. Skriv in dessa villkor i system prompt. Agenten kan spela upp ett meddelande för uppringaren medan personen väntar och skicka en separat sammanfattning till operatören som tar emot samtalet, så att personen kan svara med kontext i stället för att börja om. ElevenAgents stöder också överföring mellan agenter, som dirigerar samtalet till en specialiserad agent när uppringaren behöver annan expertis i stället för en människa.

Den viktigaste funktionen för att hantera frustrerade kunder är möjligheten att koppla vidare. 

Vilka filformat kan användas för att träna en röstagent?

Moderna röstagenter tränas inte i traditionell AI-/LLM-bemärkelse. De får kunskap att bygga vidare på. Agenterna får dokumentation, webbsidor eller resurser i oformaterad text som hänvisar till en kunskapsbas, varifrån agenten sedan hämtar relevanta avsnitt under samtal. Metoden kallas retrieval-augmented generation (RAG). Processen låter agenten använda betydligt mer information än en enda prompt kan ge.

Det finns flera sätt att lägga till information i en kunskapsbas. Du kan ladda upp en fil, ange en URL för agenten eller klistra in texten direkt. I ElevenAgents kan uppladdade filer vara upp till 20 MB vardera och ha följande format: 

• .pdf 
• .docx 
• .txt 
• .md 
• .html 
• .epub

Formatet påverkar kvaliteten på hämtningen. Markdown, oformaterad text och DOCX extraheras rent och delas upp förutsägbart för RAG. PDF-filer med flerspaltiga layouter, tabeller eller skannade sidor extraheras dåligt och bör konverteras före uppladdning. 

När dokumentet har bifogats använder agenten det på ett av två sätt. Små dokument kan ligga i fullständig kontext, där hela dokumenttexten finns kvar i prompten vid varje tur. Det andra sättet är att indexera större dokument för RAG. 

I den processen hämtas bara de avsnitt som är mest relevanta för varje fråga när samtalet pågår. Ett dokument kan till exempel endast användas i fullständig kontext om den extraherade texten ryms inom 250 000 tecken. Allt större än så behandlas med RAG. Det låter systemet automatiskt välja rätt metod när RAG har aktiverats.

Hur ger röstagenter personliga produktrekommendationer?

Personliga produktrekommendationer bygger på att flera uppgifter om uppringaren kombineras vid interaktionen med röstagenten. Det handlar om vem uppringaren är, vad personen frågar efter och vad som finns tillgängligt. Agenten känner till information om uppringaren från CRM-data som skickas via dynamiska variabler. 

Den känner också till förfrågan från livesamtalet och vad som finns tillgängligt genom att läsa produktdata via verktygsanrop. Agenten väger sedan samman allt detta för att rekommendera personliga alternativ till uppringaren, på samma sätt som en välinsatt mänsklig representant skulle göra. 

För att bättre förstå hur detta fungerar i ett realistiskt sammanhang för röstagenter kan du se hur det går till i ett verkligt samtal. 

En återkommande kund ringer en återförsäljares tekniska support eftersom personen är utelåst från sitt användarkonto och vill göra ett köp. Så här omvandlar röstagenten samtalet till en personlig rekommendation:

• Hämtar kontext vid start: Agenten känner redan till uppringarens köphistorik och annan relaterad information eftersom den hämtades i början av samtalet.
• Tar med förfrågan i rekommendationen: Uppringaren beskriver vad som behövs, och agenten bygger in den beskrivningen i rekommendationen i stället för att börja från noll.
• Söker i produktdata i realtid under samtalet: Agenten anropar produktens API under samtalet för att kontrollera aktuellt lagersaldo och priser, i stället för att förlita sig på information från träningen.
• Matchar tillgänglighet med uppringaren: Den jämför vad som finns i lager med uppringarens beskrivning och köphistorik.
• Rekommenderar och slutför beställningen: Agenten föreslår en produkt och slutför beställningen på begäran, utan att behöva koppla vidare uppringaren.

Hela samtalet möjliggörs av tool calling. Det är så en röstbot kan ansluta till externa system, som en produktkatalog eller ett beställnings-API, och sedan väva in informationen i sina svar. ElevenLabs dokumentation om verktyg beskriver hur anslutningen konfigureras.

Kan röstagenter hantera känsliga kunddata?

Röstagenter erbjuder konfigurerbara kontroller för lagringsperioder, möjligheten att inte lagra samtalsljud, maskning av samtalshistorik och strikta lagringspolicyer för hårt reglerade branscher som vården. 

Med ElevenAgents konfigureras alla dessa kontroller via sekretessinställningar. Så här fungerar det:

• Lagring: Samtalstranskript och ljudinspelningar lagras bara under en viss tidsperiod. ElevenAgents lagrar transkript och inspelningar i två år som standard, vilket kan anpassas från noll dagar till obegränsat. För HIPAA-efterlevnad rekommenderas minst sex års lagring. För att helt uppfylla HIPAA behöver du tänka på att faktisk behandling av skyddad hälsoinformation på vår plattform kräver att Zero Retention Mode är aktiverat. Det innebär att du lagrar dessa sex års register säkert i din egen infrastruktur via webhooks.
• Lagring av ljud:Ljudinspelningar från samtal kan behållas för kundvårdsändamål eller stängas av helt för att säkerställa att kundljud inte lagras. Om du stänger av sparade ljudinspelningar och anger en lagringspolicy på noll dagar raderas datan direkt efter samtalet.
• Maskning av samtalshistorik: Efter att samtalet har avslutats hjälper ett efterbearbetningssteg, som granskar transkriptet och ljudet efter varje samtal, till att skydda känsliga kunddata genom maskning. Steget söker igenom ljud och transkript för att upptäcka känslig information, visar en platshållare i transkripten och ett pipljud i ljudklipp. Det gör samtalshistoriken tillgänglig för granskning samtidigt som exponeringen av känslig information minskar. 
• Zero Retention Mode: Denna konfiguration passar bäst för strikta lagringskrav. Merparten av datan i förfrågningar och svar raderas omedelbart när förfrågan har slutförts. Konfigurationen gäller API-trafik och är tillgänglig för kunder på företagsnivå.
  
  

För vårdrelaterade distributioner kan ElevenAgents användas för HIPAA när det kombineras med Business Associate Agreements (BAA), som är tillgängliga för kunder på företagsnivå. Tillsammans med ett undertecknat BAA är vårt Zero Retention Mode utformat för att stödja HIPAA-efterlevnad, förutsatt att kunden konfigurerar och använder plattformen för att uppfylla sina efterlevnadskrav. Fullständiga konfigurationsuppgifter för dessa kontroller finns i ElevenLabs sekretessdokumentation.

Vilka förbättringar av kundnöjdheten kan röstagenter ge?

Faktorer som ofta förbättrar kundnöjdheten är att eliminera eller minska väntetiden, konsekventa svar och snabbare lösning. Eftersom röstagenter kan besvara samtal utan fördröjning får uppringare vanligtvis en jämn svarskvalitet oavsett tid på dygnet. Det leder till snabbare lösning av rutinärenden som tidigare låg i kö och väntade på en mänsklig handläggare. 

Förbehållet är att när en kundinteraktion går fel kan det skada kundupplevelsen snabbare att låsa in en frustrerad kund i en agentloop än vad väntemusik någonsin gjort. Många organisationer följer inte kundnöjdheten isolerat. Mått som ofta rapporteras tillsammans med den är inneslutningsgrad (andelen förfrågningar som agenten löser utan mänsklig medverkan), genomsnittlig handläggningstid och lösning vid första samtalet. 

När de kombineras i en rapport för granskning berättar de ofta en annan historia än ett enskilt mått. En hög inneslutningsgrad som sammanfaller med sjunkande kundnöjdhet tyder till exempel ofta på att samtal löses snabbt utan att en människa behöver medverka. 

Admiral är ett bra exempel på att prioritera lösning vid första kontakt framför inneslutning. Som beskrivs i detta webbinarium siktade de på en lösningsgrad på 90 %, tillgänglighet dygnet runt och en verklig ökning av NPS. En överlämning till en människa räknades aldrig mot agenten, eftersom det var viktigare att lösa problemet än att hålla samtalet inom systemet. 

Läs mer om hur denna röstagentfunktion hänger ihop med deras CRM- och röstkonfiguration.

Kom igång med hela omfattningen av röstagentfunktioner i ElevenAgents

Röstagentfunktionerna som tas upp i den här guiden är inte separata eller fristående produkter. Funktionerna bör byggas in i samma agent och konfiguration, med rätt dynamiska variabler, verktyg och sekretessinställningar för organisationens verksamhetsbehov.

Det kan vara så enkelt att komma igång som att börja med en samtalstyp och bara ansluta den till de system den behöver. Därefter kan agenten utökas när mätvärdena visar att den fungerar. 

Läs mer om ElevenAgents eller kontakta säljteamet för att komma igång i dag.