סיכום AI ב-CRM
כל הקשר עם הלקוח, בעשר שניות קריאה.
השיחות הופכות לסיכום, לשדות מובנים ולהצעה לצעד הבא, שאיש המכירות מאשר.
אנחנו מחברים מודלים של OpenAI ו-Claude ל-CRM, למסמכים ולתהליכי העבודה שלכם, כדי שה-AI יעבוד על מה שבאמת קורה בעסק. כל עוזר רואה רק מה שהמשתמש שלו מורשה לראות, מתעד כל צעד ומחכה לאישור של אדם לפני שמשהו מגיע ללקוח.
מה אנחנו בונים
כל יכולת עובדת בתוך מערכת שכבר יש לכם (CRM, תיבת פניות, אתר או כלי פנימי) ולא בחלון צ׳אט נפרד.
פחות חיפושים, פחות הקלדה חוזרת.
עוזרי AI
בתוך הכלים שהצוות כבר עובד בהם, לא באפליקציה נפרדת.
״נסח הצעת מחיר מהשרשור הזה״
עוזרי ידע פנימיים
תשובות מהנהלים, מהמדריכים ומעבודות קודמות, עם מקורות.
״מה חלון ההחזר בהזמנות קבוצתיות?״
סיכומים
שרשורים ארוכים, שיחות ומסמכים, מתומצתים לעיקר.
״סכם את החודש האחרון של הלקוח״
תשובות מהירות יותר שנשארות מדויקות.
שירות לקוחות עם AI
טיוטות תשובה ממאגר הידע; הנציג בודק ושולח.
הצעת תשובה · 2 מקורות
חיפוש AI
חיפוש באתר ובקטלוג שמבין למה אנשים מתכוונים.
״מלון שקט ליד הים, שני ילדים״
המלצות
מוצרים, חבילות או צעד הבא שמתאימים, על סמך היסטוריה אמיתית.
לקוחות במסלול הזה הזמינו גם…
המשימות החוזרות נעשות לבד, עם אישור.
סוכני AI
משימות של כמה שלבים, על פני כמה מערכות, בגבולות ההרשאות שאתם קובעים.
בדיקת מלאי ← עדכון הזמנה ← הודעה
טיפול במסמכים
מסווגים מיילים, טפסים ומסמכים, מחלצים מהם שדות ומנתבים הלאה.
חשבונית PDF ← שדות ← ERP
צעדים בתהליך
מוסיפים שלבי AI לתהליכים שכבר רצים אצלכם.
ליד חדש ← ניקוד ← שיוך
שואלים בשפה פשוטה, מקבלים תשובה.
AI ב-CRM
סיכומי לידים, רשומות מועשרות והצעות לצעד הבא.
הצעד הבא: לשלוח הצעה למשפחה
אנליטיקה עם AI
שואלים את הדוחות במקום לבנות חדשים.
״איזה סניף צמח הכי הרבה ברבעון?״
ניתוח נתונים עם AI
מזהים דפוסים, חריגות וקטגוריות במאגרי נתונים גדולים.
תיוג כל הפניות לפי נושא
איפה ה-AI מתחבר
במקום בוט נפרד לכל מחלקה, אנחנו בונים שכבה אחת מבוקרת בין הנתונים לאפליקציות, וכך מנהלים הרשאות, יומנים ומודלים במקום אחד.
01 · נתוני החברה
02 · שכבת AIפרטית · עם הרשאות · מתועדת
אדם מאשר פעולות שמגיעות ללקוח ופעולות בלתי הפיכות
03 · איפה זה עובד
הנתונים נקראים ממערכת המקור ברגע הבקשה, לפי ההרשאות של אותה מערכת.
כל שאלה, מקור, תשובה ופעולה נרשמים ביומן אחד שאפשר לעבור עליו.
האפליקציות מדברות עם השכבה ולא עם ספק, אז כדי להחליף מודל מספיק לשנות הגדרה.
בפועל
שלוש דוגמאות ל-AI בתוך המסכים של היום-יום. הממשקים להמחשה, עם נתוני דוגמה.
01 / 03 · החליקו
מודלים ופלטפורמות
אנחנו משלבים את OpenAI ואת Claude דרך ה-API שלהם, וכשפרויקט צריך, גם מודלים אחרים שזמינים ב-API. כל משימה מקבלת את המודל שמצליח הכי טוב על מקרי הבדיקה שלכם. מודדים, לא מניחים.
OpenAIOpenAI API
מודלי GPT לניסוח, לחילוץ, לסיווג ולסיכומים.
ClaudeAnthropic API
מודלי Claude לעוזרים, לניתוח ולעבודה על מסמכים ארוכים.
מודלים נוספים ב-APIאותו ממשק
נכנסים מאחורי שכבת ה-AI כשהעלות, השפה או כללי הנתונים דורשים.
| משימה | מודל | נבחר לפי |
|---|---|---|
| support.draft_reply | Claude | נבחר לפי: בדיקה על פניות קודמות |
| crm.summarise | OpenAI | נבחר לפי: איכות מול עלות לקריאה |
| kb.answer_cited | Claude | נבחר לפי: דיוק ההפניות בסט בדיקה |
| inbox.classify | מודל קטן ומהיר | נבחר לפי: מהירות בתעבורה חיה |
| fallback | ספק שני | נבחר לפי: זמינות |
אמון ובקרה
הבקרות נכנסות לארכיטקטורה כבר בסדנה הראשונה. אנחנו מתכננים אותן יחד עם הצוות שלכם ומתעדים אותן, כדי שתדעו בדיוק מה המערכת רואה ומה היא יכולה לעשות.
| 09:42:08 | retrieve | crm.booking 20417 |
|---|---|---|
| 09:42:09 | model | draft_reply |
| 09:42:10 | check | price_check · pass |
| 09:43:31 | approve | sales · edited 1 line |
| 09:43:32 | action | crm.note.create |
ה-AI רואה רק מה שמי ששואל מורשה לראות. הגישה נקבעת לפי התפקידים שכבר מוגדרים במערכות שלכם.
לפי תפקיד · לפי מקור
אנחנו מגדירים אילו נתונים מגיעים למודל, מה מוסתר לפני שהנתונים יוצאים מהמערכות שלכם, ואיזה ספק מעבד אותם.
הסתרה · לפי שדה
כל שאלה, מקור, פלט ופעולה נרשמים ביומן, כך שאפשר לשחזר מאיפה הגיעו כל תשובה וכל שינוי.
תיעוד לכל בקשה
כל מה שיוצא ללקוח מחכה תמיד לאישור של אדם. בצעדים פנימיים, כמו הערות ותיוג ב-CRM, מוותרים על האישור רק כשהיומן מראה שהם אמינים.
כללי אישור לכל פעולה
אנחנו בונים סטים של בדיקות מהמקרים האמיתיים שלכם ומודדים איכות לפני העלייה לאוויר, ושוב אחרי כל שינוי בפרומפט או במודל.
בסיס · רגרסיה
ה-AI רואה רק מה שמי ששואל מורשה לראות. הגישה נקבעת לפי התפקידים שכבר מוגדרים במערכות שלכם.
לפי תפקיד · לפי מקור
אנחנו מגדירים אילו נתונים מגיעים למודל, מה מוסתר לפני שהנתונים יוצאים מהמערכות שלכם, ואיזה ספק מעבד אותם.
הסתרה · לפי שדה
כל שאלה, מקור, פלט ופעולה נרשמים ביומן, כך שאפשר לשחזר מאיפה הגיעו כל תשובה וכל שינוי.
תיעוד לכל בקשה
כל מה שיוצא ללקוח מחכה תמיד לאישור של אדם. בצעדים פנימיים, כמו הערות ותיוג ב-CRM, מוותרים על האישור רק כשהיומן מראה שהם אמינים.
כללי אישור לכל פעולה
אנחנו בונים סטים של בדיקות מהמקרים האמיתיים שלכם ומודדים איכות לפני העלייה לאוויר, ושוב אחרי כל שינוי בפרומפט או במודל.
בסיס · רגרסיה
| 09:42:08 | retrieve | crm.booking 20417 |
|---|---|---|
| 09:42:09 | model | draft_reply |
| 09:42:10 | check | price_check · pass |
| 09:43:31 | approve | sales · edited 1 line |
| 09:43:32 | action | crm.note.create |
איך אנחנו עובדים
כל שלב נגמר בהחלטה שלכם, על סמך נתונים. ממשיכים להשקיע רק אם הפיילוט הוכיח את עצמו.
01 / 04 · החליקו
סיפור לקוח
Nazarene Tours · CRM
שאלות נפוצות
אנחנו לא עושים את זה. גם לפי התנאים הנוכחיים של הספקים, ה-API העסקי שאנחנו עובדים איתו לא מאמן מודלים על הנתונים שנשלחים אליו, כברירת מחדל. לפני העלייה לאוויר אנחנו עוברים איתכם על התנאים, שולחים רק את השדות שהמשימה צריכה, ויכולים להסתיר פרטים אישיים לפני שהם יוצאים מהמערכות שלכם.
זה יקרה לפעמים. בגלל זה כל מה שיוצא ללקוח מחכה לאישור של אדם, כל תשובה מפנה למקור שלה וכל ריצה מתועדת. טעויות שמתגלות בבדיקה נכנסות לסט הבדיקות, וכל שינוי נבדק מולו.
בדרך כלל לא. רוב הערך נמצא בתוך העבודה: טיוטות לצוות התמיכה, סיכומים ב-CRM, תשובות לעובדים מתוך מסמכים פנימיים. אפשר גם לבנות צ׳אטבוט ציבורי, עם אותם כללים ואותה גישה לנתונים.
במודלים של OpenAI ו-Claude. לכל משימה בוחרים מודל אחרי בדיקה על הדוגמאות שלכם. עלות, מהירות ואיכות התשובה משתנות ממשימה למשימה, ולכן פרויקט אחד יכול לעבוד עם כמה מודלים. החיבור גם מאפשר להחליף מודל בהמשך.
לפני העלייה לאוויר מסכמים על סט של מקרים אמיתיים ועל התשובה הנכונה לכל אחד. כל שינוי נבדק מולו, ואחרי ההשקה יומן הבדיקות מראה כמה פעמים אנשים עורכים או דוחים פלט.
מתחילים מתהליך אחד
סדנת גילוי עם המהנדסים שלנו, ותשובה כנה איפה AI יעזור ואיפה לא.