Agent AI jako Pierwsza Linia Wsparcia Klienta

Automatyzacja obsługi zapytań klientów 24/7 za pomocą agenta konwersacyjnego opartego na Vertex AI Agent Builder i Vertex AI Search.

Klient i Kontekst Biznesowy

Projekt został zrealizowany dla dużej firmy technologicznej z branży adtech. Firma potrzebowała usprawnić i zautomatyzować proces obsługi klienta, szczególnie w zakresie odpowiedzi na często powtarzające się pytania.

Wyzwanie: Skalowalne Wsparcie Klienta 24/7

Głównym wyzwaniem było zapewnienie wsparcia klienta dostępnego 24/7 bezpośrednio w produkcie firmy, z wykorzystaniem istniejących HubSpot Chatflows. Kluczowe było inteligentne kierowanie zapytań – automatyczna odpowiedź na standardowe pytania dotyczące cen, dokumentacji, integracji i rezygnacji (churn), oraz efektywne przekierowywanie bardziej złożonych lub specyficznych przypadków do zespołu wsparcia na żywo. System musiał być skalowalny i zdolny do przetwarzania informacji z obszernej bazy wiedzy firmy.

  • Obsługa zapytań klientów w trybie 24/7.
  • Integracja z istniejącym systemem HubSpot Chatflows.
  • Automatyczne odpowiedzi na pytania dotyczące cen, dokumentacji, integracji i rezygnacji.
  • Inteligentne przekierowywanie rozmów do wsparcia na żywo.
  • Potrzeba wykorzystania obszernej, wewnętrznej bazy wiedzy (dokumentacja, FAQ).
  • Zapewnienie bezpieczeństwa danych i weryfikacja danych osobowych w zapytaniach.
  • Monitorowanie wydajności i tematów rozmów.
Schemat architektury Agenta AI opartego na Vertex AI

Ogólna architektura rozwiązania wykorzystująca Vertex AI Agent Builder, Vertex AI Search oraz integracje zewnętrzne.

Rozwiązanie: Agent AI w Vertex AI Agent Builder z RAG

W odpowiedzi na wyzwania klienta, zaprojektowałem i wdrożyłem zaawansowanego agenta konwersacyjnego AI, który pełni rolę pierwszej linii wsparcia. Rozwiązanie opiera się na:

  • Vertex AI Agent Builder: Platforma Google Cloud do tworzenia i zarządzania agentami AI. Wykorzystano architekturę opartą na Playbookach, co pozwoliło na precyzyjne definiowanie przepływów konwersacji, logiki biznesowej i integracji z narzędziami dla różnych typów zapytań (np. osobne Playbooki dla cen, dokumentacji).
  • Vertex AI Search: Zastosowany jako skalowalny system RAG (Retrieval-Augmented Generation). Umożliwiło to agentowi korzystanie z obszernej, nieustrukturyzowanej bazy wiedzy klienta (dokumentacja, FAQ) do generowania precyzyjnych i aktualnych odpowiedzi.
  • Make.com (Middleware): Platforma automatyzacji użyta jako warstwa pośrednicząca (middleware) do integracji agenta AI z HubSpot Chatflows oraz innymi systemami klienta (np. CRM, systemy powiadomień). Make.com obsługuje również logikę pobierania aktualnych cen i logowania rozmów.
  • Niestandardowe Funkcjonalności:
    • Weryfikacja Danych Osobowych: Mechanizm identyfikujący i blokujący przetwarzanie danych wrażliwych w zapytaniach.
    • Kategoryzacja Pytań i Routing: Główny Playbook ("Customer Help Center") analizuje i kategoryzuje zapytanie, a następnie kieruje je do odpowiedniego Playbooka zadaniowego (np. "Pricing Center", "Documentation Center").
    • Kontekst Użytkownika z HubSpot: Pobieranie danych o użytkowniku (plan cenowy, przypisany Account Manager) w celu personalizacji odpowiedzi.
    • Obsługa Wielu Języków: Automatyczne tłumaczenie zapytań na angielski (dla RAG) i odpowiedzi z powrotem na język użytkownika.
    • Powiadomienia Zespołów: Automatyczne alerty dla Account Managerów lub zespołu Customer Success w przypadku specyficznych zapytań (np. dotyczących rezygnacji).
    • Aktualne Ceny: Dedykowany Tool (webhook Make.com) dostarczający agentowi aktualne dane cenowe pobierane ze strony internetowej.
    • Rozszerzone Logowanie: Dodatkowy Tool (webhook Make.com) zapisujący szczegółowe informacje o przebiegu rozmowy (użyty Playbook, język) do celów analitycznych i debugowania.
Przykład konfiguracji Playbooka w Vertex AI Agent Builder

Konfiguracja Playbooka w Vertex AI Agent Builder, definiująca kroki konwersacji, używane narzędzia i parametry.

Schemat integracji w Make.com łączący HubSpot, Agenta AI i systemy logowania

Scenariusz Make.com pełniący rolę middleware, integrujący HubSpot Chatflow z API Agenta AI oraz realizujący dodatkowe funkcje (logowanie, pobieranie cen).

Kluczowe Korzyści dla Klienta

  • Dostępność Wsparcia 24/7: Natychmiastowe odpowiedzi na zapytania klientów o każdej porze.
  • Skrócony Czas Reakcji: Znaczne przyspieszenie odpowiedzi na typowe pytania.
  • Odciążenie Zespołu Wsparcia: Automatyzacja obsługi powtarzalnych zapytań pozwala zespołowi skupić się na bardziej złożonych problemach.
  • Wysoka Jakość Odpowiedzi: Wykorzystanie RAG (Vertex AI Search) zapewnia odpowiedzi oparte na aktualnej dokumentacji firmowej.
  • Skalowalność: Rozwiązanie łatwo skaluje się wraz ze wzrostem liczby zapytań i bazy wiedzy.
  • Personalizacja: Uwzględnianie kontekstu użytkownika (plan, AM) w odpowiedziach.
  • Proaktywne Powiadomienia: Alerty dla odpowiednich zespołów (AM, CS) w kluczowych momentach interakcji z klientem.
  • Wielojęzyczność: Obsługa klientów w ich preferowanym języku.
  • Wgląd w Dane: Szczegółowe logowanie rozmów umożliwia analizę i ciągłe doskonalenie agenta.

Najczęściej Zadawane Pytania (FAQ)

Czas wdrożenia zależy od złożoności wymaganych przepływów konwersacji (Playbooków), liczby i rodzaju integracji (Tools), objętości i struktury bazy wiedzy (dla Vertex AI Search) oraz specyficznych wymagań klienta. Podstawowe wdrożenie agenta obsługującego kilka głównych tematów może zająć od 2 do 4 tygodni, podczas gdy bardziej zaawansowane projekty z licznymi integracjami mogą trwać dłużej. Proces obejmuje analizę potrzeb, projekt architektury, konfigurację w Vertex AI, tworzenie scenariuszy w Make.com, trening i testowanie.

Koszty utrzymania składają się głównie z opłat za usługi Google Cloud (Vertex AI Agent Builder, Vertex AI Search) oraz platformę Make.com. Opłaty za Vertex AI zależą od liczby przetworzonych zapytań i użycia zasobów (np. RAG). Make.com ma plany darmowe i płatne, zależne od liczby operacji i transferu danych. Koszty są zazwyczaj elastyczne i skalują się wraz z użyciem. W porównaniu do kosztów utrzymania zespołu wsparcia 24/7, rozwiązanie AI jest często bardziej efektywne kosztowo, szczególnie przy dużej liczbie powtarzalnych zapytań.

Vertex AI Agent Builder oferuje interfejs graficzny, który ułatwia zarządzanie Playbookami i konfigurację agenta bez konieczności głębokiej wiedzy programistycznej czy AI. Podstawowe zarządzanie treścią bazy wiedzy (dla RAG) również nie wymaga specjalistycznych umiejętności. Jednak projektowanie złożonych przepływów konwersacji, konfiguracja zaawansowanych narzędzi (Tools) czy optymalizacja promptów może wymagać pewnej wiedzy technicznej lub wsparcia eksperta.

Dzięki zastosowanej architekturze z automatycznym tłumaczeniem, agent może obsługiwać zapytania w wielu językach. Zapytanie jest tłumaczone na język angielski w celu przeszukania bazy wiedzy, a następnie odpowiedź jest tłumaczona z powrotem na język oryginalnego zapytania użytkownika. Pozwala to na efektywną obsługę klientów globalnych przy zachowaniu jednej, głównej bazy wiedzy.

Standardowe HubSpot Chatflows opierają się na predefiniowanych drzewkach decyzyjnych lub prostych botach opartych na słowach kluczowych. Agent oparty na Vertex AI Agent Builder wykorzystuje zaawansowane modele językowe (LLM) i architekturę Playbooków, co pozwala na bardziej naturalne rozumienie intencji użytkownika, elastyczne prowadzenie konwersacji i wykonywanie złożonych zadań. Integracja z Vertex AI Search (RAG) umożliwia dynamiczne korzystanie z obszernej bazy wiedzy, czego nie oferują standardowe Chatflows. Dodatkowo, niestandardowe integracje (Tools) i logika zaimplementowana w Make.com dają znacznie większe możliwości automatyzacji i personalizacji.

Agent wykorzystuje mechanizm RAG (Retrieval-Augmented Generation) oparty na Vertex AI Search. Oznacza to, że jego wiedza pochodzi głównie z dostarczonych danych (dokumentacja, FAQ, strony internetowe). Aktualizacja wiedzy agenta polega na aktualizacji tych źródeł danych. Same modele językowe (LLM) są zarządzane przez Google Cloud. Dodatkowo, analiza logów rozmów pozwala identyfikować obszary do poprawy w konfiguracji Playbooków, promptach czy przykładach konwersacji, co umożliwia ciągłe doskonalenie działania agenta.

Tak. Dzięki wykorzystaniu Vertex AI Agent Builder, który wspiera definiowanie własnych narzędzi (Tools) opartych na API, oraz elastyczności platformy Make.com jako warstwy pośredniczącej, agenta można zintegrować z praktycznie dowolnym systemem posiadającym API. Może to obejmować systemy CRM, bazy danych, platformy e-commerce, systemy zarządzania projektami, narzędzia do komunikacji wewnętrznej (np. Slack) i wiele innych.

Zainteresowany wdrożeniem Agenta AI
w Twojej firmie?

Jeśli chcesz zautomatyzować obsługę klienta, zapewnić wsparcie 24/7, odciążyć swój zespół lub wykorzystać potencjał AI do poprawy doświadczeń klientów – skontaktuj się ze mną. Chętnie przeanalizuję Twoje potrzeby i zaproponuję dedykowane rozwiązanie oparte na Vertex AI, Make.com i innych technologiach.

Porozmawiajmy o Twoim Projekcie AI