Equipes de produto, suporte, onboarding e sucesso estão todas implantando agentes, com investimentos em IA a caminho de atingir US$ 3,3 trilhões até 2027. A aposta que as empresas estão fazendo em agentes é enorme.
Mas há um problema crescente: as empresas ainda não estão vendo retorno sobre seus investimentos. Na verdade, 34% dos consumidores dizem que o suporte com IA na verdade tornou as coisas mais difíceis, não mais fáceis. O desafio é que os agentes realmente não conhecem o usuário que estão tentando ajudar. Eles não sabem o que o usuário estava fazendo antes de interagir com o agente nem o histórico desse usuário no aplicativo. Esse contexto é fundamental para que um agente ofereça um suporte verdadeiramente personalizado e útil.
Este é o problema que estamos resolvendo com o Pendo Agent Toolkit, uma nova ferramenta que conecta os agentes de IA que você cria e adquire, como Fin ou Decagon, ao contexto do produto em tempo real. Com esses dados, assistentes e agentes no aplicativo podem orientar, oferecer suporte e agir proativamente em nome dos usuários.
Os agentes têm muitos dados, mas isso não é suficiente
Os agentes de hoje não estão completamente no escuro. Eles trabalham com um subconjunto de dados, como telemetria, firmografia, receita, registros de CRM e comportamento de marketing. Eles também são treinados com extensos artigos de base de conhecimento, instruções detalhadas e outros conteúdos genéricos.
No entanto, nada disso informa ao agente o que um usuário está fazendo no aplicativo em um determinado momento. Ele não consegue ver se o usuário concluiu a configuração da conta, se utilizou apenas 2% dos recursos pelos quais está pagando ou se clicou com raiva 17 vezes antes de iniciar a conversa.
Esse contexto do produto em tempo real é o que tem faltado aos agentes, e é o insumo que determina qual suporte é necessário e, em última análise, se uma resposta gera valor ou não.
A Pendo passou 13 anos coletando dados de uso de produtos em nome dos clientes e ajudando você a agir com base nos insights dos seus dados. Agora, com o Agent Toolkit, você pode conectar esses dados aos seus agentes para que eles tomem ações mais inteligentes de forma autônoma. Ele funciona com agentes que você adquiriu, como Fin, Decagon ou Sierra, ou com aqueles que você desenvolveu internamente e incorporou ao seu aplicativo.
Dois mecanismos: MCP para contexto, webhooks para gatilhos em tempo real
O Agent Toolkit opera com dois mecanismos:
- O MCP passa contexto para o seu agente, para que ele entenda a jornada do usuário. Isso inclui atividade de login, uso de funcionalidades, métricas de adoção, insights de retenção e pontuações de engajamento. Ele também dá ao agente acesso aos guias que você já criou no Pendo, para que ele possa exibi-los quando forem relevantes.
- Já os webhooks são disparados quando algo acontece, como um clique raivoso ou um fluxo de trabalho abandonado, para que o agente possa intervir por conta própria.
Juntos, eles formam a camada de contexto e ação que os agentes precisam para ser eficazes.
Cinco coisas que o Agent Toolkit permite que o seu agente faça hoje
- Contexto de sessão em tempo real: Por meio do servidor MCP do Pendo, os agentes têm acesso ao histórico do usuário no aplicativo, como onde ele estava antes de travar, quais funcionalidades ele mais usa e quais nunca tocou. Isso é essencial para entender em que ponto da jornada cada usuário se encontra e com o que ele precisa de ajuda.
- Detecção proativa de frustração: Gatilhos em tempo real alertam os agentes quando algo dá errado no aplicativo. O Pendo envia sinais de frustração, como rage clicks e U-turns, aos agentes no momento em que ocorrem, para que possam oferecer ajuda de forma proativa, antes que o usuário precise procurá-la.
- Orientação personalizada e sob medida: Os agentes escolhem o guia certo para a situação de cada usuário — seja um passo a passo, uma dica de ferramenta ou qualquer outro recurso que você tenha publicado no Pendo. Sem segmentações complexas para manter e sem orientações que só aparecem se o usuário acessar a página certa por acaso.
- Nudges contextuais de fluxo de trabalho: Quando um usuário inicia uma tarefa e não a conclui, os agentes são notificados. Eles podem entrar em contato com um prompt específico para retomar de onde o usuário parou, em vez de aguardar que ele redescubra o fluxo por conta própria.
- Feedback: Quando um usuário compartilha algo negativo durante uma conversa, os agentes capturam esse feedback e o enviam ao Pendo. A equipe responsável por aquela parte do produto o visualiza sem que ninguém precise encaminhar uma transcrição.
Desenvolvido para equipes de suporte e produto
Equipes de suporte ao cliente
Equipes de suporte que implantam agentes dentro de seus aplicativos, como Fin, Decagon ou Sierra, precisam de uma forma de torná-los mais inteligentes e personalizados do que sua base de conhecimento. O Agent Toolkit fornece aos agentes de suporte o histórico do usuário no aplicativo e o momento de frustração, para que o problema possa ser resolvido no primeiro contato, em vez de abrir um ticket.
Produto
Com o Pendo, as equipes de produto podem transformar seu agente em um canal de onboarding e adoção. O agente exibe guias no momento certo, reconduz os usuários aos fluxos e os direciona para funcionalidades pelas quais estão pagando, mas ainda não descobriram. Você pode usar os mesmos guias que já criou, e você controla o que o agente pode exibir.
Apresentando o Pendo for Agents: quando o contexto do produto encontra a observabilidade
O Agent Toolkit é uma das metades de algo maior: Pendo for Agents, nossa resposta à crença de que os agentes só ficam mais inteligentes quando sabem o que está realmente acontecendo no seu produto.
A outra metade é o Agent Analytics. Assim que seus agentes tiverem o contexto para agir no momento certo, você terá os dados para provar que isso está gerando resultados reais, como menos tickets, resoluções mais rápidas e usuários mais satisfeitos.
Se você já usa o Pendo, o Agent Toolkit está disponível gratuitamente em beta aberto. Se não usa, fale com um especialista para começar.
