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

Cars24 använder röstagenter i produktion 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, som gick igenom exakt hur Cars24 byggde och driftsatte sitt röst-AI-system – från det första enkla användningsområdet till en arkitektur med flera agenter som hanterar miljontals minuter av kundsamtal.

Varför röst-AI i denna skala spelar roll

Cars24 är en av Indiens största marknadsplatser för begagnade bilar och är verksamma 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 räknar man inte ens in finansiering, support efter leverans, betalning av böter och lån med bilen som säkerhet. Bara deras säljtunnel sträcker sig över 30 till 45 dagar per kund.

75 % av deras köpare äger bil för första gången. För dem är ett bilköp inte bara en transaktion. Det är ett ekonomiskt betydelsefullt och känslomässigt laddat beslut. Det innebär att 70–80 % av Cars24:s produkt inte är appen. Det är samtalet. Personlig, vägledd och stöttad försäljning i varje steg av kundresan.

Före AI-agenterna började systemet sakta ner. Kunder kontaktade fel team – säljteamet kontaktades för supportärenden, vilket ledde till längre väntetider och en ineffektiv kundupplevelse. 

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

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

I dag: 

1. 25 % av alla samtal är automatiserade
2. Nästan hälften av försäljningen får stöd av röst-AI
3. Samtalskostnaderna 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 här 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 robotliknande pauser

- Agenten får säljaren att välja Cars24 under samtalet

Varför det spelar roll: De här agenterna bedriver aktiv försäljning, hanterar osäkerhet, bemöter invändningar och driver fram ett konverteringsbeslut – allt på ett språk som kunden känner sig bekväm med. Cars24 har sett att rätt språk direkt ökar både samtalstiden och affärsresultaten.

Demo 2: Orkestrering med flera agenter för korsförsäljning

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

Det här visades:

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

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

- Kunden visar intresse för att uppgradera

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

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

- När kunden ber om att bli uppringd om en timme bekräftar agenten, sammanfattar statusen för bokningen och avslutar samtalet på ett smidigt sätt

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 missas. 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 enklast möjliga användningsområde: påminnelser om missade bokningar. Korta samtal, binära utfall och låg kostnad för fel. Det lät dem lära sig vad som fungerade innan de utökade lösningen.

När de gick över till längre och mer komplexa inkommande samtal – samtal om att hitta rätt bil som i snitt varade i 7 minuter, och ibland upp till 13 – nådde de en tydlig gräns med arkitekturer med en enda agent. 

Mindre modeller började tappa sammanhang efter 3–4 minuter. 

Större modeller ökade latensen. 

Att trycka 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 som använder en mindre modell fångar upp den initiala 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 bara 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 Tier 2- och Tier 3-miljöer på 13 språk
2. Text-till-tal: ElevenLabs Flash 2.5, nyligen uppgraderad till Eleven v4 Turbo med mätbar förbättring av säljresultaten
3. LLM: GPT-4.1 mini för de flesta användningsområden, med GPT-4o eller motsvarande för längre behovsanalys-samtal som kräver djupare resonemang
4. Telefoni: WebSockets med PCM på 24 kHz för ljudkvalitet; deras leverantörer omfattar Twilio, Exotel och Plivo i Indien
5. Integrationer: Anpassade API-anrop till ElevenLabs Agents-plattformen, MCP-stöd och inbyggd HubSpot-integration för den australiska marknaden
6. Vektordatabas: Qdrant, med binär kvantisering för stora datamängder med över en miljon vektorer för att hålla latens och kostnader låga

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

Att bygga pipelinen själva, även med samma underliggande modeller, drev konsekvent upp latensen till över en sekund. 

ElevenLabs-plattformen – som äger både modellerna och orkestreringslagret – sänkte den med 30–40 %. Den minskningen gav direkt en ökning av konverteringarna med 30–40 %.

Bästa praxis från Cars24

1. Börja där kostnaden för misslyckanden 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 säljprocessen.

2. Kör den med 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 verklig feedback för att förbättra lösningen iterativt.

3. Sätt promptlängden som en hård gräns. Cars24 begränsar prompts till 4 000–5 000 token för samtal under två minuter. Längre prompts gör modellen långsammare och förbättrar inte resultaten på ett tillförlitligt sätt. Om ett användningsområde kräver mer, bygg en till agent.

4. Ha vanliga svar i prompten, inte i kunskapsbasen. För de vanligaste frågorna som kunder faktiskt ställer lägger du svaren direkt i prompten. Spara verktygsanrop och RAG-hämtning till de återstående 20 %. Det eliminerar de flesta latenstoppar vid kunskapssökningar.

5. Spela in det första meddelandet i förväg. 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 nätverksfördröjningar 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 standardrutiner följdes, om kunden visade frustration och om något gick fel. Misslyckade utvärderingar leder till manuell granskning. Slumpmässiga urval granskas dagligen. Teamet arbetar proaktivt i stället för reaktivt.

7. Skala upp stegvis. Nya agentdriftsättningar följer en utrullning på 5 %, 10 %, 20 %, 50 %, 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. Alla utgående samtal från Cars24 går till någon som redan har gått in i säljprocessen. Oombedd AI-kontakt ökar antalet klagomål och skadar förtroendet. Principen är enkel: om personen inte redan är engagerad 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 omedelbart vidare.

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

Se hela sessionen

Se hela sessionen här.