3 tipos de contexto que todo agente de IA precisa, e o que todos ignoram

Os agentes de IA dependem de muitos dados para manter uma conversa: um modelo, uma base de conhecimento, um conjunto de regras, os dados do seu CRM e tudo mais que pareça relevante.

O que geralmente está faltando é o contexto do produto: o sinal em tempo real e histórico do que as pessoas realmente fazem no seu produto. Tem sido difícil de acessar, mas as equipes que encontraram uma forma de fazê-lo viram o desempenho dos agentes melhorar significativamente.

Com esse contexto, os agentes respondem com mais especificidade e vão direto à solução que realmente se encaixa, em vez da correspondência mais próxima em uma base de conhecimento.

Três tipos de contexto que todo agente precisa

Há três tipos de dados com os quais um agente deve trabalhar:

1. Contexto de negócios: o valor do contrato anual da conta, segmento e dados firmográficos.
2. Contexto do usuário: o registro de CRM de uma conta, sua função e nível.
3. Contexto do produto: as ações que alguém realizou dentro do seu produto, com que frequência faz login e onde estava no seu produto antes de abrir o chat.

Os dois primeiros são comuns. A maioria dos CRMs fornecerá contexto de negócios e de usuário a qualquer agente que solicite e esteja devidamente configurado. O contexto do produto, por outro lado, reside em outro lugar. Ele vem da sua plataforma de analytics, o mesmo sistema que rastreia o comportamento no aplicativo para seus PMs e desenvolvedores.

A base de conhecimento informa a um agente o que uma funcionalidade faz, enquanto o contexto do produto informa que este usuário específico navegou até essa funcionalidade sete vezes em três sessões, chegou até a metade da configuração em cada uma delas e voltou para tentar novamente — o que gera uma resposta diferente de qualquer coisa que a base de conhecimento sozinha possa fornecer.

Para builders que executam um agente em mais de um aplicativo, os mesmos dados de produto podem acompanhar o caminho de uma pessoa em todos os seus pontos de contato.

Fornecendo ao seu agente sinais que permitem que ele intervenha antes que o usuário peça ajuda

Cliques raivosos, cliques sem resposta, tentativas repetidas sem sucesso e abandono de fluxo de trabalho são sinais do produto. A maioria dos agentes não tem acesso a eles, mas os que têm podem parar de esperar para serem acionados.

Um agente de suporte que detecta que um usuário repetiu a mesma ação três vezes em quatro minutos pode exibir uma mensagem específica e contextual no ponto de atrito antes que a frustração se transforme em uma conversa de suporte ou algo pior.

A distinção entre um agente reativo e um proativo se resume a quais sinais ele tem acesso e se esses sinais chegam rápido o suficiente para agir.

Atualmente, o impacto mais significativo do contexto de produto nos agentes se manifesta no espaço de suporte. Forneça ao seu agente de suporte Fin, Decagon, Sierra ou desenvolvido internamente o comportamento no aplicativo, e eles poderão:

• Ver onde os usuários estão desistindo e intervir para guiá-los por todo o fluxo de trabalho
• Ofereça orientação quando os usuários estiverem clicando repetidamente ou voltando atrás
• Guie os usuários pelas configurações e tarefas que impactam o sucesso deles no aplicativo

A Teachable integrou o contexto do Pendo ao seu agente de suporte Fin e conseguiu resolver 67% dos tickets de suporte sem nenhum envolvimento humano. Saiba mais sobre o playbook deles.

Perguntas a fazer antes do seu próximo sprint de agente

A maioria das equipes não tem uma resposta clara sobre o que seu agente sabe a respeito do usuário com quem está interagindo. Antes da próxima rodada de desenvolvimento de funcionalidades, pergunte-se:

1. Seu agente sabe o que um usuário fez no aplicativo antes de interagir com ele?
2. Ele sabe se o usuário já ficou preso no mesmo problema antes? Se sim, quantas vezes?
3. Ele sabe se conversas anteriores resolveram o problema subjacente? Ou o usuário simplesmente desistiu e abandonou o aplicativo?

Se a resposta para todas as três for não, a próxima coisa que seu agente precisa é do contexto do produto para raciocinar.