Как SpaceXAI использует Grok Bot для масштабирования службы поддержки

Когда 14 августа компания Cursor стала частью SpaceXAI, две наши команды поддержки начали объединяться для работы с гораздо более широким портфелем продуктов.

В то же время мы готовились к запуску Grok Bot — ИИ-напарника, которому можно поручать реальную работу. Мы ожидали, что продукт будет быстро расти, что принесет новую волну пользователей и нагрузки на службу поддержки.

Мы решили задействовать самого Grok Bot для обработки этой нагрузки, поручив ему задачи по всей экосистеме поддержки. Он вошел в те же инструменты, которыми пользовалась наша команда, и его роль простиралась от решения отдельных тикетов до помощи в понимании и улучшении работы всей службы в целом.

Наша новая объединенная команда столкнулась с увеличением количества тикетов в поддержке на 175%, но нам не пришлось нанимать новых людей благодаря Grok Bot. В противном случае нам потребовалось бы нанять еще 200 человек.

Кроме того, мы справляемся с этим за малую долю обычной стоимости. Традиционные инструменты ИИ-поддержки взимают фиксированную плату от 1 до 4 долларов за одно решение. С Grok Bot вы платите только за фактическое использование, которое уже включено в ваш тарифный план. Благодаря незначительным оптимизациям нам удалось снизить стоимость решения тикетов до $0,20 – $0,30.

Создание фундамента

Мы применили поэтапный подход к настройке Grok Bot. Мы начали с подключения его к нескольким основным системам, включая Plain для работы с тикетами и Linear для отслеживания ошибок. Затем мы заставили его вести себя так, будто он сам управляет тикетами, но ограничили его внутренними заметками и потребовали одобрения человека для каждого действия записи. Это позволило нам проверить, понимает ли он каждую проблему и предлагает ли правильный следующий шаг, не влияя на пользовательский опыт.

По мере того как результаты становились более надежными, мы добавляли трассировку и оценки к каждому запуск. Когда что-то шло не так, мы могли видеть, где Grok Bot сбился с пути, вносить коррективы и пробовать снова. Grok Bot также мог сам анализировать эти запуски. Эта обратная связь позволила нам двигаться быстро, сохраняя при этом контроль над процессом.

Как только этот фундамент был заложен, мы начали внедрять Grok Bot для обработки наименее сложных тикетов. В первый день мы вручную проверяли его интерпретацию и предлагаемый ответ на предмет точности, тона и следования нашим инструкциям. К концу дня у нас было достаточно уверенности, чтобы позволить ему отвечать клиентам напрямую. После этого мы постепенно расширяли круг тикетов, с которыми он мог справиться.

От приема до решения

Если учесть общее время, необходимое для решения тикета, большая его часть приходится на этап обнаружения, расследования и устранения неполадок. Мы начали применять Grok Bot к каждому тикету в качестве предварительного расследования в тот момент, когда он попадает в нашу систему. Это могло бы обойтись дорого, поэтому мы изучили типичные тикеты и классифицировали распространенные проблемы, чтобы сократить количество токенов, которые нам необходимо тратить. Мы также не расходуем значительные ресурсы на устранение неполадок, когда достаточно простой проверки справочного центра.

Всякий раз, когда мы сталкиваемся с известной проблемой (бот подключен к нашему экземпляру Linear) или с распространенной ошибкой в нашем бэкенде (бот подключен к Datadog), мы обучаем Grok Bot либо дополнять существующую проблему, либо создавать новую. Grok Bot также воспроизводит проблему с помощью видео, что помогает инженерной команде быстро ее решить.

Конечно, нам также необходимо убедиться, что наши клиенты получают четкий ответ от нас. Мы обучили Grok Bot на более чем миллионе взаимодействий с клиентами, чтобы он перенял наш тон и стиль общения непосредственно у людей. Grok Bot обучен не просто отвечать, но всегда доводить тикет до решения. Он делает это, задавая уместные вопросы (то есть он не станет задавать вопрос, ответ на который уже есть в наших логах).

Grok Bot также может совершать действия от имени наших клиентов. Например, мы предоставили ему четкие инструкции по возврату средств, в результате чего 99% всех запросов на возврат решаются без вмешательства человека.

Управление очередью в режиме реального времени

Решение отдельных тикетов — это лишь часть работы. Нам также необходимо понимать, что происходит во всей очереди. Grok Bot непрерывно отслеживает входящий объем и корректирует очередь в зависимости от того, что требует внимания. Он может менять приоритеты тикетов, переназначать ответственных в зависимости от срочности и предупреждать организацию, когда мы приближаемся к нарушению SLA по времени ответа.

Grok Bot также анализирует тикеты на предмет закономерностей. Когда объем тикетов по конкретной проблеме достигает заданного порога, он может автоматически объявить инцидент. Он отслеживает X на предмет изменений в настроениях и повторяющихся сообщений об одной и той же проблеме, что дает нам более широкую картину, выходящую за рамки пользователей, которые обращаются в поддержку напрямую. Все эти сигналы вместе помогают нам вовремя выявлять возникающие проблемы.

При нашем текущем масштабе оповещения об общем объеме создавали бы много шума. Grok Bot оценивает, является ли всплеск реальной проблемой в поддержке, и начинает расследование до того, как предупредит команду. Это дает нам больше контекста о том, что требует действий, экономя при этом время и ресурсы команды.

Постоянное совершенствование нашей системы поддержки клиентов

По мере того как Grok Bot брал на себя все больше работы по поддержке клиентов, он также предоставил нам новый способ улучшения самой этой работы. Он анализирует взаимодействия с клиентами, обработанные как людьми, так и ботами, предоставляет конкретные отзывы о том, что можно улучшить, и выявляет возможности для обучения отдельных членов команды и ботов.

Каждую неделю Grok Bot отправляет нашей руководящей команде сводку о том, в чем наши ответы ИИ не дотягивают до нормы. Иногда решением является дополнительное обучение или лучшая документация. В других случаях эта сводка подтверждает, что созданные нами защитные механизмы работают. Это дает нам регулярно обновляемое представление о качестве и помогает вовремя реагировать на тенденции.

Поскольку все больше пользователей просят поддержки у Grok, наш справочный центр все чаще служит исходным материалом для его ответов. Чтобы поддерживать точность этих ответов, Grok Bot анализирует изменения в нашей кодовой базе и предлагает соответствующие обновления для справочного центра.

Теперь мы достигли точки, когда боты Grok могут обучать других ботов Grok. Они выявляют пробелы в системе знаний, заполняют эти пробелы и возвращают полученные знания обратно в систему. Мы масштабируем этот цикл по всей линейке продуктов, чтобы он охватывал каждую поверхность продукта.

Превращение данных службы поддержки клиентов в решения

Grok Bot стал нашим основным аналитиком данных, превращая все, что он видит в службе поддержки, в ежедневные отчеты для наших каналов в Slack. Когда он обнаруживает первые признаки плохого пользовательского опыта, он сигнализирует об этом ситуации, чтобы команда могла вмешаться, пока еще есть время изменить результат.

Примером этого является ситуация, когда тикет передается туда и обратно более трех раз между клиентом и кем-то из нашей команды (человеком или ботом). Когда это происходит, Grok Bot отмечает это взаимодействие для проверки руководством и дает руководству возможность вмешаться и спасти ситуацию. Это взаимодействие помогает обучать Grok Bot, и по мере того как Grok Bot узнает, какие сигналы полезны для команды, отчетность со временем становится все более актуальной.

Тот же анализ помогает нам улучшать качество продукции. Grok Bot ежедневно обрабатывает более 20 000 отзывов о продуктах из обращений в службу поддержки и превращает их в четкие темы, которые мы можем передать инженерной команде. Это дает продуктовой команде более широкое представление о том, с какими трудностями сталкиваются клиенты и где продукт требует доработки.

Как Grok Bot меняет команду клиентской поддержки

Grok Bot — это все еще новый подход к работе, но он уже изменил то, как функционирует наша команда. Вместо того чтобы тратить большую часть дня на рутинную работу по поддержке, мы можем сосредоточиться на установке защитных механизмов, обработке сложных случаев, требующих экспертной оценки, и определении путей улучшения нашей работы. Это делает труд более увлекательным и дает людям больше возможностей применять свой опыт для решения сложных задач.

Мы все еще изучаем возможности, которые открывает эта модель. По мере того как роль службы поддержки продолжает меняться, мы будем и дальше делиться нашими находками.