All Field Guides

Favor’s Fleet Team Boosted Efficiency with a Dedicated AI Agent in Guru

Favor — це платформа доставки з Техасу, створена за допомогою Рунерів та підтримана H-E-B. Їхня команда флоту використовує AI-агента Guru, щоб швидше отримувати точнішу допомогу.

Reading time
0
 minutes

Контекст компанії

Favor — це платформа доставки в той же день та замовлення їжі, заснована в Остіні, штат Техас. Вони доставляють їжу, продукти та повсякденні речі по всьому Техасу через мережу Рунерів (водіїв доставки). Придбано H-E-B у 2018 році, Favor об'єднує партнерства з місцевими бізнесами з швидкою, безконтактною доставкою. Дізнайтеся більше на favordelivery.com.

“Ми поширені по всьому великому штату Техас. Ми обробляємо доставки продуктів для сім'ї H-E-B, а також маємо власну платформу доставки.”Еван МакМіллан, керівник команди підтримки флоту

Виклик

Команда Флоту Favor є нішевою групою з процесами, що відрізняються від більшої команди підтримки. В результаті, результати пошуку, згенеровані AI Guru, були переповнені нерелевантною інформацією з інших команд, що ускладнювало флотним агентам швидко знаходити правильні відповіді. Тривалий процес пошуку спонукав членів команди взагалі не перевіряти ресурси.

“Іноді люди казали: ‘AI Guru не працює для нас’, але насправді це значить, що вони не використовували його правильно. Якщо ми точно налаштували і змінили запит, якість відповідей зовсім змінилася.”Еван МакМіллан

Рішення

Favor використав Знання агентів Guru, щоб створити спеціального AI-агента, який зосереджується виключно на підтримці команди флоту.

  1. Еван МакМіллан, керівник команди підтримки, налаштував запит агента так, щоб зосередитися лише на контенті, пов’язаному з флотом.
  2. Він налаштував тон агента так, щоб відповідати дружній, доступній культурі Favor.
  3. Агент був інтегрований у Slack, що полегшило команді ставити питання та отримувати відповіді в реальному часі.

“Коли ми отримали можливість створювати індивідуальних агентів, це було дуже цікаво — зосередитися на конкретному виді роботи, що ми робимо. Агент дійсно почав краще розуміти наш бізнес і надавав більш зосереджені відповіді.”Еван МакМіллан

“Підключення до Slack стало вирішальним моментом. Я спочатку сумнівався, що автоматично відповідатиме на питання, але після того, як ми спробували це, це повністю відкрило потенціал. Бачачи хороші відповіді в Slack, це справді зміцнило довіру.”Еван МакМіллан


Підхід

  1. Визначено бізнес-контекст – Еван надав детальний контекст про бізнес-модель Favor та процеси підтримки флоту, щоб AI-агент міг краще зрозуміти, як сегменти клієнтів Favor (водії, клієнти та торговці) взаємодіють. Це допомогло покращити релевантність та точність відповідей агента.

“Пояснення роботи бізнесу, щоб AI-агент міг зрозуміти, що таке Favor, що ми намагаємося зробити і як наші сегменти клієнтів взаємодіють, істотно допомогло покращити якість відповідей.”Еван МакМіллан

  1. Налаштовано фокус AI-агента – Оскільки команда підтримки флоту працює інакше, ніж більша команда підтримки, Еван звузив джерела агента тільки до контенту, пов’язаного з флотом. Це виключило нерелевантні відповіді з інших команд і дозволило агенту надавати більш точні відповіді.

“Моя команда спеціалізується, тому стандартний AI-агент брав інформацію з більш широких знань компанії, що не завжди було релевантно. Обмеження його лише джерелами, пов’язаними з флотом, зробило величезну різницю.”Еван МакМіллан

  1. Уточнено тон агента – Еван налаштував агента на відповідь з більш розмовним і підтримуючим тоном, що відповідає культурі компанії Favor. Він позиціонував агента як “тренера” для допомоги агентам не тільки з відповідями, а й з навчанням, як впоратися з ситуаціями.

  2. Інтегровано з Slack – Агент був вбудований у Slack, що спростило членам команди ставити запитання та отримувати відповіді в реальному часі. Включення агента у знайомий комунікаційний канал підвищило прийняття та залучення.

  3. Проведено і покращено – Еван відстежував різні версії запиту агента в електронній таблиці, що дозволяло легко повернутися до попередніх версій та уточнити відповіді з часом. Він також експериментував з інструкціями формату, наприклад, чітким перерахуванням кроків, коли це доречно, щоб зробити відповіді більш дієвими.

__wf_reserved_inherit

Результат

Підвищено впевненість у використанні Guru — більше членів команди зараз кажуть: “Гей, цікаво, чи це є в Guru. Я швидко запитаю AI-агента.”

Покращено ефективність у вирішенні проблем, специфічних для флоту, що не відповідають стандартним процедурами.

“Це стало величезною допомогою для тих незвичайних запитів, які не вписуються в стандартний процес — це економить нам багато часу.”Еван МакМіллан

Швидші, більш точні відповіді — особливо для питань, пов’язаних з флотом.

Вищий рівень залучення до підтримки ІІ на базі Slack, що призводить до кращого впровадження та довіри.

“Бачення хороших відповідей у Slack дійсно сформувало впевненість. Тепер люди ставлять більше запитань і довіряють відповідям агента.”Еван МакМіллан

Key Stats

Customer Testimonials

Key Takeaways

Guru Capabilities Leveraged

No items found.
Published on 
April 29, 2025

Further reading