Когда 14 августа Cursor стала частью SpaceXAI, наши две команды поддержки клиентов начали объединяться для работы с гораздо более широким портфелем продуктов.
В то же время мы готовились к запуску Grok Bot — ИИ-коллеги, которому можно поручить реальную работу. Мы ожидали, что продукт будет быстро расти, что приведет к новой волне пользователей и увеличению нагрузки на поддержку.
Мы решили использовать самого Grok Bot, чтобы справиться с этой нагрузкой, задействовав его во всех процессах службы поддержки. Он подключился к тем же инструментам, что использовала наша команда, и его роль варьировалась от решения отдельных тикетов до помощи в понимании и улучшении работы службы в целом.
Наша новая объединенная команда столкнулась с увеличением количества тикетов в службу поддержки на 175%, но благодаря Grok Bot нам не пришлось нанимать новых сотрудников. В противном случае нам, возможно, пришлось бы нанять еще 200 человек.
Мы также делаем это за долю от обычной стоимости. Традиционные инструменты поддержки на базе ИИ взимают фиксированную плату от 1 до 4 долларов за решение одного тикета. 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 доллара.
Создание фундамента
Мы использовали подход «ползти, идти, бежать» при настройке Grok Bot. Мы начали с подключения его к нескольким основным системам, включая Plain для обработки тикетов и Linear для отслеживания проблем. Затем мы позволили ему действовать так, будто он сам владеет тикетами, ограничив его внутренними заметками и требуя одобрения человека для каждого действия по записи. Это позволило нам проверить, понимает ли он каждую проблему и предлагает ли правильный следующий шаг, не влияя на качество обслуживания клиентов.
По мере того как результаты становились более надежными, мы добавляли трассировки и оценки к каждому запуску. Когда что-то шло не так, мы могли видеть, где Grok Bot сбился с пути, внести коррективы и попробовать снова. Grok Bot также мог самостоятельно анализировать эти запуски. Этот цикл обратной связи позволил нам двигаться быстро, сохраняя контроль над процессом.
Как только этот фундамент был заложен, мы начали внедрять Grok Bot для решения наименее сложных тикетов. В течение первого дня мы вручную проверяли его интерпретацию и предлагаемые ответы на предмет точности, тона и соблюдения наших инструкций. К концу дня у нас было достаточно уверенности, чтобы позволить ему начать отвечать клиентам напрямую. С этого момента мы постепенно расширяли спектр тикетов, которые он мог обрабатывать.
От приема до решения
Если рассматривать общее время, необходимое для решения тикета, то большая часть времени уходит на обнаружение, расследование и устранение неполадок. Мы начали применять Grok Bot к каждому тикету в качестве этапа предварительного расследования, как только он попадал в нашу систему. Это могло стать дорогостоящим, поэтому мы изучили типичные тикеты и классифицировали распространенные проблемы, чтобы сократить количество расходуемых токенов. Мы также не тратим значительные ресурсы на устранение неполадок, когда достаточно простой проверки справочного центра.
Всякий раз, когда мы сталкиваемся с известной проблемой (он подключен к нашему экземпляру Linear) или если мы обнаруживаем распространенную ошибку в нашей серверной части (он подключен к Datadog), мы обучаем Grok Bot либо добавлять информацию к существующей проблеме, либо создавать новую. Grok Bot также воспроизводит проблему с помощью видео, что помогает инженерной команде быстро ее решить.
Конечно, нам также необходимо гарантировать, что наши клиенты получают от нас четкие ответы. Мы обучили Grok Bot на более чем миллионе взаимодействий с клиентами, чтобы он перенял наш тон и стиль общения непосредственно от наших сотрудников. Grok Bot обучен не только отвечать, но и всегда доводить тикет до решения. Он делает это, задавая соответствующие вопросы (например, он не будет задавать вопрос, ответ на который уже есть в наших журналах).
Grok Bot также может действовать от имени наших клиентов. Например, мы предоставили ему четкие инструкции по возврату средств, благодаря чему 99% всех запросов на возврат решаются без вмешательства человека.
Управление очередью в режиме реального времени
Решение отдельных тикетов — это лишь часть работы. Нам также нужно понимать, что происходит во всей очереди. Grok Bot постоянно 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 ищет закономерности в тикетах. Когда объем обращений по конкретной проблеме достигает установленного порога, он может автоматически объявить об инциденте. Он отслеживает X на предмет изменений в настроениях и повторяющихся сообщений об одной и той же проблеме, что дает нам представление о ситуации, выходящее за рамки тех клиентов, которые обращаются в поддержку напрямую. Вместе эти сигналы помогают нам выявлять возникающие проблемы на ранней стадии.
При нашем текущем масштабе оповещения об общем объеме создавали бы много шума. Grok Bot оценивает, отражает ли всплеск реальную проблему поддержки, и начинает расследование, прежде чем оповестить команду. Это дает нам больше контекста о том, что требует действий, сохраняя при этом время и ресурсы команды.
Постоянное улучшение нашей системы поддержки клиентов
По мере того как Grok Bot брал на себя все больше работы по поддержке клиентов, он также дал нам новый способ улучшить саму работу. 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 нужного уровня. Иногда решением является дополнительное обучение или лучшая документация. В других случаях сводка подтверждает, что установленные нами защитные механизмы работают. Это дает нам регулярно обновляемое представление о качестве и помогает нам устранять закономерности на ранней стадии.
По мере того как все больше пользователей обращаются к Grok за поддержкой, наш справочный центр все чаще служит исходным материалом для его ответов. Чтобы эти ответы оставались точными, Grok Bot просматривает изменения в нашей кодовой базе и предлагает соответствующие обновления для справочного центра.
Мы достигли того момента, 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 всему портфелю, чтобы он охватывал все продукты.
Превращение данных службы поддержки в решения
Grok Bot стал нашим аналитиком данных по умолчанию, превращая все, что он видит в службе поддержки, в ежедневные отчеты для наших каналов в Slack. Когда он обнаруживает ранние признаки плохого клиентского опыта, он помечает ситуацию, чтобы команда могла вмешаться, пока еще есть время изменить результат.
Примером этого является случай, когда тикет пересылается более трех раз между клиентом и одним из членов нашей команды (человеком или ботом). Когда это происходит, Grok Bot помечает взаимодействие для проверки руководством и дает лидерам 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 продукта. Каждый день Grok Bot обобщает более 20 000 отзывов о продукте из тикетов службы поддержки и превращает их в четкие темы, которые мы можем передать инженерам. Это дает команде продукта более широкое представление о том, с какими трудностями сталкиваются клиенты и где продукт нуждается в доработке.
Как Grok Bot меняет работу службы поддержки
Grok Bot — это все еще новый способ работы, но он уже изменил то, как функционирует наша команда. Вместо того чтобы тратить большую часть дня на повторяющиеся задачи поддержки, мы можем сосредоточиться на установке ограничений, решении случаев, требующих экспертной оценки, и принятии решений о том, как улучшить операционную деятельность. Это делает работу более увлекательной и дает людям больше возможностей применять свой опыт для решения более сложных задач.
Мы все еще изучаем, какие возможности открывает эта модель. Поскольку роль службы поддержки продолжает меняться, мы будем продолжать делиться своими находками.
