Webbinar-sammanfattning: Bygg AI-agenter som låter naturliga

De flesta team vill skapa en agent som låter naturlig.

Det vanligaste problemet är att agenten löser uppgiften – men den förstår inte sammanhang, brådska eller känslor. Och när en uppringare märker det minskar förtroendet och samtalet blir sämre.Bakom agenten: Så använder Nana AI-agenter för att förbättra kundupplevelsenberättade Karim Mustafa, ansvarig för kundupplevelse på Nana, hur företaget införde AI-agenter i hela supporten och vad det innebar för teamet, kostnaderna och kvaliteten.

Varför det är svårare än man tror att låta naturlig

De flesta team som använder agenter har redan löst noggrannheten – agenten ger rätt svar, bokar rätt bord, avbokar rätt flyg.

En agent som inte speglar uppringarens känslor, inte uppfattar brådska och svarar på allt i samma monotona ton kommer alltid att kännas konstgjord, oavsett hur rätt svaren är. Kunder vill inte bara få sitt problem löst – de vill känna sig lyssnade på under tiden.

Nana startade 2016 som pionjär inom matleverans i Saudiarabien. Under ett decennium växte företaget till en superapp med tvätt, biltvätt, matleverans och mer. När produkten växte ökade också antalet kundkontakter. Teamet hade 54 supportagenter i skift bara för att hinna med.

Vändningen kom när Nana gick från FAQ-botar och enkla chattflöden till en riktig AI-agent i fronten, byggd på ElevenLabs. Agenten hanterar kunddialoger direkt i Nana-appen. Den löser problem, svarar på frågor, spårar beställningar och eskalerar vid behov. Kvaliteten blev direkt hög och jämn.

Effekten på verksamheten var stor:

1. Nana sänkte sina kundsupportkostnader med 85 %
2. Svarstiderna sjönk till några sekunder

Det fungerar tekniskt, men är samtalsmässigt trasigt.

Demo: En naturligt klingande agent i praktiken

Det finns också ett tekniskt underhåll. Team som själva hanterar röstlogik får löpande ta hand om turordning, avbrott och latensprofilering. Det är inget man bygger en gång och sen är klart.

Röst-AI löser alla tre: det ger samma svar varje gång, anpassar sig direkt till ny information och kan skalas upp till vilken volym som helst.

Scenario:

Det smidigaste sättet är en dubbel WebSocket-arkitektur.

Karim beskrev hur teamet nu tänker annorlunda kring problem. När en ny utmaning dyker upp frågar de inte längre hur många personer som behövs, utan hur snabbt de kan bygga en agent som löser det.

De som var kvar i supportteamet fick välja mellan fasta skift eller flexibla tider kopplade till AI-fokuserade KPI:er. Alla valde det flexibla upplägget.

Varför det spelar roll:

1. Var multimodal. Nana märkte att kunderna också ville skriva, inte bara ringa. Att anpassa kanalen efter kundens beteende gjorde det enklare att komma igång och gav snabbare resultat.
2. Fokusera på promptkvalitet, inte bara teknik.AI:n blir så bra som du instruerar den. Karims team lade tid på att skriva prompts som lärde agenten att visa empati och svara på ett sätt som passar varumärket.
3. För arabiska, använd tashkeel.Att lägga till vokaltecken i arabiska texter i agentens prompt förbättrar uttal och naturlighet avsevärt.
4. Flytta mänskliga agenter uppåt, inte bort.Det bästa du kan göra med ditt kvarvarande team är att låta dem förbättra AI:n, inte ersätta den. Ge dem ansvar för arbetsflöden och kvalitetsgranskning.
5. Bygg för skala från dag ett.När första agenten är igång kan samma plattform användas för utgående samtal, interna arbetsflöden, annonser och projekt mellan avdelningar. Nana är nu avdelningen andra vänder sig till när ett nytt projekt ska lanseras snabbt.
6. Gå direkt till källan. Flera leverantörer som Nana utvärderade sålde ElevenLabs vidare med påslag. Genom att bygga direkt på ElevenLabs fick Nana tillgång till de senaste modellerna, lägre kostnader och direkt support från ingenjörerna.

Sju verktyg för att bygga naturliga agenter

InstahelpBakgrundsljud