{{spacer-78}}

האתגר

עם כל כך הרבה מוצרים של AI בשוק, SeatGeek חיפשה לעסוק ביוזמות מוקטנות בחברה. אחת מהיכולות המבוקשות ביותר בין מחלקות הייתה חיפוש ארגוני, מה שגרם לגישה אסטרטגית לניסוי מהיר ולהניב תוצאות על בסיס מחלקתי. מבדוק הקצב היה הערכת ספקים קיימים עבור התאמה ארכיטקטונית. כאשר העריכו ספקים, SeatGeek הבינה של Guru היו את היכולות שהם חיפשו עבור חיפוש ארגוני וכי SeatGeek השתמשה רק ב-⅓ מהתכונות של ה-AI ש-Guru מציעה. לאחר שדיברו עם ספקים אחרים, הם הבינו במהרה שצירוף ספקים חדשים כדי לפתור את הבעיה יגרום לע overlapping features ועלות גבוהה יותר ממה שכבר היה להם עם Guru.

הפתרון

צוות SeatGeek כיוון למקסם את הערך של Guru במהירות אך בצורה מחושבת על ידי השקת תשובות של Guru עבור צוות תמיכת הלקוחות כדי לאפשר לסוכנים שלהם לחפש ולמצוא תשובות שנוצרו בתוכן של Guru כמו גם בתוכן חיוני אחר, כמו Airtable או Slack.

הגישה

הצוות לקח גישה מדורגת ליישום תכונת החיפוש של AI הארגוני של Guru על ידי התמקדות תחילה במקרה השימוש אחד שהם היו צריכים לפתור—שאלות רבות בערוצי Slack על מידע על אירועים שמשתנה במהירות שלא היה ניתן לחפש בקלות בתוך Airtable. לאחר שהחברים חיברו את Airtable כמקור ידע ל-Guru, הצוות יכול היה להתחיל בניסויים. הם אספו צוות של ארבעה אנשים כדי להוביל פיילוט של 15 משתמשים שבו הם ניסו בקפדנות את יכולתו של Answers לענות על השאלות בעדיפות הגבוהה ביותר שלהם. דרך מרכז ההדרכה של AI של Guru, הם הצליחו לזהות פערים בידע שלהם, לשפר את התוכן שלהם, וללמד את ה-AI של Guru לענות באופן מדויק יותר.

התוצאה

עם מאות משתמשים מעורבים עם תשובות של Guru, צוות תמיכת הלקוחות נמצא בדרך להפוך את ההכשרה לפונקציות מוכרות ליותר קלות, ויחדשו את השימוש בתשובות על פני יותר צוותים ויתחילו לחקור את Assist.