Cum am adăugat un asistent AI unei platforme SaaS — fără să o stricăm

Fiecare echipă SaaS cu care stăm de vorbă ajunge, mai devreme sau mai târziu, să rostească aceeași propoziție: „Ar trebui să punem un asistent AI aici.” Uneori e presiune din partea consiliului, alteori lansarea unui concurent, alteori e o dorință sinceră. Partea interesantă nu e niciodată ideea — aproape toată lumea o are. Partea interesantă e prăpastia dintre acea propoziție și o funcție pe care utilizatorii reali chiar se bazează. Aceasta e povestea unei echipe care a trecut peste ea și a deciziilor nespectaculoase care au dus-o acolo.

O scurtă precizare înainte de a începe: am anonimizat clientul și am rotunjit cifrele. E o companie SaaS B2B mică și profitabilă — sub douăzeci de oameni — care vinde un instrument de flux de lucru echipelor de operațiuni. Am schimbat suficiente detalii încât nu îi veți recunoaște, dar forma proiectului e exact așa cum s-a întâmplat. Cifrele sunt ilustrative, nu auditate; preferăm să vă arătăm tiparul decât să înfrumusețăm un grafic.

Scriem asta pentru că proiectul e un exemplu aproape perfect al modului în care decurg cu adevărat astfel de lucruri. Nu a mers așa cum spunea prezentarea de deschidere. A mers mai bine — dar numai pentru că am fost dispuși să ștergem prima versiune.

Situația: două probleme purtând un singur costum

Când fondatorul ne-a contactat prima dată, cererea era simplă: „Vrem un chatbot AI în aplicație.” De aici pornesc majoritatea proiectelor și tot aici o iau, în liniște, pe un drum greșit. „Chatbot AI” nu e un obiectiv, e o formă. Așa că prima noastră sarcină a fost să aflăm ce problemă trebuia să rezolve chatbotul — și dacă era măcar o singură problemă.

Nu era. Sub acea unică cerere stăteau două dureri complet diferite. Prima era volumul de suport: o echipă de succesul clientului formată din două persoane se îneca în tichete repetitive — „cum export asta”, „unde e setarea pentru aia”, „de ce nu a rulat raportul meu”. Aproximativ 60% dintre tichetele primite erau întrebări cu răspuns deja existent undeva în documentația lor de ajutor. A doua durere era mai tăcută și mai costisitoare: activarea. Produsul lor avea o funcție cu adevărat puternică, îngropată la trei clicuri adâncime, pe care aproape nimeni nu o descoperea singur. Utilizatorii care o găseau rămâneau ani de zile. Cei care nu o găseau plecau în primele două luni.

Același costum, două probleme. Și trăgeau în direcții diferite. Un bot de suport vrea să respingă întrebările și să se dea la o parte. Un asistent de activare vrea să înceapă conversații și să împingă oamenii spre lucruri despre care nu au întrebat. Dacă am fi construit „un chatbot AI” fără să le separăm, am fi construit ceva care făcea ambele treburi prost.

Restrângerea la ceva ce puteam termina

Când te confrunți cu două probleme, tentația e să construiești un asistent grandios care le rezolvă pe amândouă din prima zi. Am convins echipa să renunțe. Nu pentru că viziunea era greșită, ci pentru că un „asistent care face totul” în șase luni e exact genul de proiect care se livrează târziu, aterizează fără ecou și îi face pe toți nervoși în privința AI-ului pentru următorii doi ani.

Așa că am ales una. Am ales mai întâi respingerea suportului, din trei motive plictisitoare, dar decisive. Avea o țintă clară și măsurabilă — volumul de tichete. Folosea conținut care exista deja — documentația de ajutor și tichetele anterioare. Iar dacă nu dădea rezultate, dezavantajul era mic: un utilizator care nu primea un răspuns bun făcea pur și simplu ceea ce făcea și înainte și deschidea un tichet. Risc scăzut, feedback rapid, metrică onestă. Aceasta e o bună primă funcție AI, de fiecare dată.

Asistentul de activare nu a dispărut — l-am parcat, pe hârtie, cu o notă clară: faza a doua, după ce stratul de recuperare e dovedit. Acea singură decizie probabil a salvat proiectul. I-a oferit echipei o linie de sosire pe care chiar o putea atinge în săptămâni, nu în trimestre.

Primul prototip pe care l-am construit — și l-am șters

Iată partea pe care majoritatea studiilor de caz o omit. Primul nostru prototip funcțional a fost, ca să fim blânzi, prost. Am făcut lucrul evident: am conectat articolele de ajutor ale produsului la un model lingvistic mare, am adăugat o casetă de chat și am lăsat utilizatorii să pună întrebări. În demo părea magic. La testarea reală s-a prăbușit într-un mod foarte specific și foarte instructiv.

Modelul greșea cu încredere. Întrebat despre o setare care fusese redenumită cu șase luni în urmă, inventa voios vechea cale din meniu. Întrebat despre o funcție dintr-un plan superior, explica cum se folosește — unui client care nu avea acces la ea. Fiecare răspuns suna autoritar, ceea ce făcea răspunsurile greșite mai rele decât lipsa oricărui răspuns. Un bot de suport care minte politicos nu reduce tichetele; creează unele mai furioase.

Am fi putut mușamaliza totul cu ajustări de prompt. În schimb am făcut ceva ce a părut un pas înapoi și s-a dovedit a fi întregul joc: am aruncat primul prototip și l-am reconstruit în jurul unei reguli stricte — asistentul poate răspunde doar din surse pe care le poate cita și trebuie să spună „nu știu” în rest.

Ce am construit de fapt

Versiunea lansată a fost deliberat modestă în ce încerca și strictă în cum se comporta. Sub capotă era un asistent ancorat pe recuperare: când un utilizator întreba ceva, sistemul căuta mai întâi într-o bază de cunoștințe îngrijită și actualizată, apoi cerea modelului să răspundă doar din ce găsise, cu un link înapoi la sursă. Fără sursă, fără răspuns sigur — doar o predare curată către un om.

Trei decizii de proiectare au dus cea mai mare parte a greului, și niciuna nu e palpitantă. Tocmai asta e ideea — deciziile plictisitoare sunt de obicei cele care hotărăsc dacă o funcție AI e de încredere sau e oprită în liniște.

Ancorarea înaintea inteligenței

Fiecare răspuns era legat de un document real și actual. Am petrecut mai mult timp curățând și structurând baza de cunoștințe decât ajustând modelul. Nespectaculos și, de departe, munca cu cel mai mare efect de pârghie din proiect. Un model mediocru pe conținut excelent și bine întreținut bate un model genial pe o harababură învechită.

O predare elegantă

Când asistentul nu era sigur, nu ghicea. Spunea asta și oferea o cale cu un singur clic către un om — ducând cu el contextul conversației, astfel încât utilizatorul să nu fie nevoit să se repete. Contraintuitiv, acest lucru i-a făcut pe oameni să aibă mai multă încredere în bot: un asistent care își recunoaște limitele pare onest, iar ei s-au bazat pe el pentru cele 60% ușoare tocmai pentru că se dădea la o parte în cele 40% grele.

Conștient de cine întreabă

Pentru că trăia în interiorul produsului, asistentul cunoștea planul utilizatorului, rolul și locul unde se afla în aplicație. Așa că nu explica niciodată o funcție la care acesta nu avea acces și putea spune „butonul pe care îl cauți e chiar pe ecranul pe care ești deja”. Această conștientizare a produsului e adevăratul avantaj al unui asistent în aplicație față de un chatbot generic lipit pe un site de marketing.

1. 1
   Am curățat și structurat baza de cunoștințe

   Am auditat fiecare document de ajutor, am eliminat pe cele învechite și le-am etichetat pe restul după plan și funcție. Aceasta a fost prima săptămână și a fost cea mai importantă.
2. 2
   Am construit stratul de recuperare

   Mai întâi căutarea, apoi răspunsul. Modelul vedea doar conținut verificat și actual — și avea instrucțiuni să refuze orice nu putea ancora într-o sursă.
3. 3
   Am conectat contextul produsului

   Am legat asistentul de planul, rolul și ecranul curent al utilizatorului, astfel încât răspunsurile să fie personalizate și să nu indice niciodată funcții pe care nu le putea folosi.
4. 4
   Am proiectat alternativa onestă

   Am construit calea „nu sunt sigur — iată un om” ca funcție de prim rang, cu întregul context al conversației predat echipei de suport.
5. 5
   Am lansat către 10% dintre utilizatori în spatele unui flag

   Am derulat în liniște către o felie de conturi, am urmărit conversații reale timp de două săptămâni, am reparat ce s-a stricat, apoi am extins lansarea.

Rezultatele — și cel care ne-a surprins

După ce asistentul fusese activ pentru toată lumea aproximativ trei luni, tabloul era clar. Vă vom da cifre rotunjite și ilustrative — direcția contează mai mult decât zecimalele.

Cifra de suport era cea pe care o promiseserăm și a livrat: puțin peste jumătate din tichetele repetitive pur și simplu au încetat să mai sosească, iar echipa de două persoane și-a recăpătat săptămâna pentru a se ocupa de cazurile care aveau cu adevărat nevoie de un om. Un rezultat bun, exact cum a fost stabilit scopul.

Dar rezultatul care l-a surprins cu adevărat pe fondator a fost unul pentru care nu optimizaserăm deloc. Pentru că asistentul răspundea toată ziua la întrebări de tipul „cum fac X”, îndruma în mod firesc utilizatorii către acea funcție îngropată și „lipicioasă” — cea legată de retenție. Nu construiserăm încă asistentul de activare. Botul de suport făcea, în liniște, o felie din treaba acestuia ca efect secundar, doar fiind util și conștient de produs. Utilizatorii noi găseau funcția cu săptămâni mai devreme decât înainte.

Ce i-am spune echipei următoare

Dacă sunteți o echipă SaaS care privește aceeași propoziție „ar trebui să adăugăm un asistent AI”, câteva lucruri din acest proiect se generalizează bine cu mult dincolo de el.

• Separați problemele înainte de a construi. „Chatbot AI” ascunde aproape întotdeauna două sau trei sarcini distincte care cer proiectări diferite.
• Începeți cu cazul de utilizare în care un răspuns greșit costă cel mai puțin. Respingerea suportului e o primă mișcare aproape perfectă; alternativa e status quo-ul.
• Alocați cea mai mare parte a efortului conținutului, nu modelului. Ancorarea pe date curate și actuale e ceea ce face un asistent demn de încredere.
• Faceți din „nu știu” o funcție, nu un eșec. O predare onestă construiește încrederea care îi face pe utilizatori să se bazeze pe părțile pe care botul le face bine.
• Lansați mai întâi în spatele unui flag, către o felie mică. Conversațiile reale vă vor învăța lucruri pe care niciun demo nu le poate.

Întrebări frecvente