Webinar-sammanfattning: Så automatiserar Cars24 över 3 miljoner minuter säljsamtal med Voice AI

Cars24 har produktionsklara röstassistenter i stor skala på 13 språk. 

I det här inlägget sammanfattar vi Bakom agenten: Så automatiserar Cars24 över 3 miljoner minuter av säljsamtal med röst-AI med Jayesh Gupta, chef för AI och innovation på Cars24. Han går igenom exakt hur Cars24 byggde och driftsatte sitt AI-röstsystem – från det första enkla användningsområdet till en arkitektur med flera agenter som hanterar miljontals minuter av kundsamtal.

Varför röst-AI i den här skalan spelar roll

Cars24 är en av Indiens största marknadsplatser för begagnade bilar, med verksamhet i Indien, Förenade Arabemiraten och Australien. De säljer 4 000–4 500 bilar per månad, genomför över 100 000 inspektioner och möjliggör över 22 000 provkörningar.

Och då är inte finansiering, support efter leverans, bötesbetalningar och billån medräknade. Bara deras säljtratt sträcker sig över 30 till 45 dagar per kund.

75 % av deras köpare äger en bil för första gången. För dem är bilköpet inte en transaktion. Det är ett ekonomiskt betydelsefullt och känsloladdat beslut. Det innebär att 70–80 % av Cars24:s produkt inte är appen. Det är samtalet. Mänsklig, vägledd och assisterad försäljning i varje steg av säljtratten.

Före AI-agenterna började systemet sakta ned. Kunder ringde fel team – säljteamet kontaktades i supportärenden, vilket ledde till längre väntetider och en sämre kundupplevelse. 

Väntetiderna blev längre. Uppföljningar missades under den 30 dagar långa säljtratten. 

Att hantera allt från kvalificering av leads till lånedokumentation var dyrt och svårt att skala upp.

I dag: 

1. 25 % av alla samtal automatiseras
2. Nästan hälften av försäljningen får stöd av röst-AI
3. Kostnaderna för samtal har minskat med 50 %

Demo 1: Cars24:s förhandlingsagent

Scenario: En röstagent från Cars24 ringer en säljare som överväger att sälja sin bil och förhandlar på hindi för att övertyga personen att välja Cars24 framför konkurrerande plattformar.

Det som visades:

- Agenten genomför en fullständig säljförhandling på hindi

- Den hanterar invändningar och konkurrerar med andra plattformar i realtid

- Samtalet låter naturligt, med låg latens och utan robotaktiga pauser

- Agenten får säljaren att förbinda sig till Cars24 under samtalet

Varför det spelar roll: De här agenterna bedriver aktiv försäljning, hanterar tvetydigheter, bemöter invändningar och driver beslut om konvertering – allt på det språk kunden känner sig mest bekväm med. Cars24 har sett att rätt språk direkt ökar både samtalstiden och affärsresultaten.

Demo 2: Orkestrering med flera agenter för merförsäljning

Scenario: En kund missade en bokad inspektion. En kvalificeringsagent ringer för att boka om den, upptäcker att kunden vill uppgradera och kopplar samtalet direkt till en säljagent som tar över utan att tappa sammanhanget.

Det som visades:

- Agent 1 (Sneha) inleder med att ta upp den missade bokningen och bokar om den

- Sneha undersöker avsikten: vill säljaren uppgradera eller sälja av ekonomiska skäl?

- Kunden signalerar att hen vill uppgradera

- Sneha erbjuder sig att koppla vidare till rätt team och gör det mitt i samtalet

- Agent 2 tar över med hela sammanhanget och fortsätter samtalet mot ett köp av en begagnad bil

- När kunden ber om att bli uppringd om en timme bekräftar agenten, sammanfattar bokningsstatusen och avslutar samtalet tydligt

Varför det spelar roll: Den här demon visar hur orkestrering med flera agenter fungerar i praktiken. Varje agent hanterar en uppgift och sammanhanget förs vidare mellan dem. Inget behöver upprepas och inga överlämningar faller mellan stolarna. Cars24 bygger mot ett enda nummer som är öppet dygnet runt, där kunder kan hantera hela sin resa – sälja, köpa, finansiera – utan att någonsin behöva upprepa sig.

Så byggde Cars24 lösningen: tekniska överväganden

Cars24 började med det enklaste möjliga användningsområdet: påminnelser om missade bokningar. Korta samtal, binära utfall och låg kostnad vid fel. Det lät dem lära sig vad som fungerar innan de expanderade.

När de gick över till längre och mer komplexa inkommande samtal – samtal om att hitta rätt bil som i snitt varar i 7 minuter och ibland når 13 minuter – stötte de på en tydlig gräns med arkitekturer för en enda agent. 

Minimodeller började tappa sammanhanget efter 3 till 4 minuter. 

Större modeller ökade latensen. 

Att pressa in allt i en enda prompt gjorde systemet skört: en ändring i låneflödet kunde slå sönder köpflödet.

Deras lösning var orkestrering med flera agenter. De delade upp samtalet i steg: 

1. En liten kvalificeringsagent med en minimodell fångar upp den inledande avsikten
2. En större modell tar över för behovsanalys när kunden är engagerad och villig att vänta lite längre
3. En tredje agent med fokus på lån aktiveras endast om pris eller finansiering kommer på tal.

Varje agent hanterar en sak väl. Ändringar i en agent påverkar inte de andra.

Den tekniska stacken (orkestrerad med ElevenAgents-plattformen):

1. Tal-till-text: ElevenLabs Scribe v2 i realtid, valt för sin precision i bullriga miljöer på nivå 2 och 3 på 13 språk
2. Text-till-tal: ElevenLabs Flash 2.5, nyligen uppgraderad till V3 i expressivt läge med mätbart bättre säljresultat
3. LLM: GPT-4.1 mini för de flesta användningsområden, med GPT-4o eller motsvarande för längre behovsanalyssamtal som kräver djupare resonemang
4. Telefoni: WebSockets med PCM i 24 kHz för ljudkvalitet; deras leverantörer i Indien omfattar Twilio, Exotel och Plivo
5. Integrationer: Anpassade API-anrop till ElevenLabs Agents-plattformen, stöd för MCP och inbyggd HubSpot-integration för den australiska marknaden
6. Vektordatabas: Qdrant, med binär kvantisering för stora dataset med över en miljon vektorer för att hålla nere latens och kostnader

Beslutet att använda ElevenLabs Agents i stället för att sätta ihop separata STT, LLM- och TTS-komponenter handlade om en sak: latens. 

När de byggde pipelinen själva, även med samma underliggande modeller, hamnade latensen konsekvent över en sekund. 

ElevenLabs-plattformen – som samlar modellerna och orkestreringslagret – sänkte den med 30 till 40 %. Den minskningen ledde direkt till 30 till 40 % fler konverteringar.

Bästa praxis från Cars24

1. Börja där kostnaden för att misslyckas är lägst. Cars24:s första användningsområde var påminnelser om missade bokningar – korta, enkla och med låg risk. Att bevisa modellen där skapade förtroende internt och gav teamet utrymme att lära sig innan de tog sig an mer värdefulla delar av säljtratten.

2. Kör på riktiga kunder, inte simuleringar. Interna tester kan inte återskapa kaoset i riktiga samtal. Cars24 körde sina piloter på 10 % av den aktiva trafiken, accepterade den tillfälliga nedgången och använde riktig feedback för att förbättra lösningen.

3. Sätt en hård gräns för promptlängden. Cars24 begränsar promptar till 4 000–5 000 token för samtal under två minuter. Längre promptar saktar ned modellen och förbättrar inte resultaten på ett tillförlitligt sätt. Om ett användningsområde behöver mer bör du bygga en ny agent.

4. Ha vanliga svar i prompten, inte i kunskapsbasen. För de vanligaste frågorna som kunder faktiskt ställer ska svaren finnas direkt i prompten. Använd verktygsanrop och RAG-hämtning för de återstående 20 %. Det eliminerar de flesta latenstoppar vid kunskapsuppslag.

5. Förinspelning av det första meddelandet. ElevenLabs Agents kan förgenerera och cachelagra öppningsmeddelandet innan samtalet kopplas upp. Tillsammans med att göra det första meddelandet omöjligt att avbryta minskar det tidiga avhopp som orsakas av nätverksfördröjning eller för tidiga avbrott.

6. Bygg in utvärdering i varje samtal. Cars24 använder utvärderingar i ElevenLabs Agents för 100 % av samtalen för att följa upp om SOP:er följdes, om kunden visade frustration och om något misslyckades. Misslyckade utvärderingar leder till manuell granskning. Slumpmässiga urval granskas dagligen. Teamet arbetar proaktivt i stället för reaktivt.

7. Skala upp i etapper. Nya agentlanseringar följer en utrullning på 5 %, 10 %, 20 %, 50 % och 100 %, med två dagars uppehåll i varje steg för att bekräfta att utvärderingsmåtten är stabila innan man går vidare.

8. Ring inte kunder som inte har bett om att höra från dig. Varje utgående samtal från Cars24 går till någon som redan har kommit in i säljtratten. Oombedd AI-kontakt ökar antalet klagomål och skadar förtroendet. Principen är enkel: om de inte redan är engagerade ringer de inte.

9. Var ärlig när kunder frågar om de pratar med AI. Cars24:s agenter bekräftar att de är virtuella assistenter när de får frågan. Om en kund vill prata med en människa kopplas samtalet vidare direkt.

10. Se AI-utgifter som en investering, inte en kostnad. Cars24 inkluderar nu AI-kostnader i sina årliga verksamhetsplaner med tydliga uppdrag kopplade till mätbara affärsresultat. Varje lansering förväntas påverka ett verkligt nyckeltal.

Se hela sessionen

Se hela sessionen här.