O CEO da Pathlight explica como seus agentes de IA realizarão pesquisas de clientes 24 horas por dia, 7 dias por semana

A plataforma de insights do cliente Pathlight planeja contar com agentes de IA para extrair insights estratégicos de grandes quantidades de conversas com clientes de uma forma que nenhum ser humano conseguiria fazer sozinho, anunciou esta semana. No entanto, dar vida a esta visão ambiciosa impulsionada por agentes impôs desafios técnicos que exigiram que a empresa sediada em Palo Alto construísse uma infraestrutura personalizada desde o início.

Em uma discussão exclusiva com VentureBeat, o CEO e cofundador da Pathlight, Alexander Kvamme, investigou as vantagens e os obstáculos de projetar um sistema de IA capaz de lidar com trabalhos analíticos tão imensos em escala. De acordo com Kvamme, embora os executivos estejam ansiosos para compreender as questões urgentes dos clientes, dedicar recursos para investigar profundamente cada interação simplesmente não é viável à medida que as empresas crescem.

“Uma das razões pelas quais as startups são tão bem-sucedidas é que elas estão tão próximas de seus clientes. Eles podem se mover muito rapidamente”, disse Kvamme. “Mas à medida que a empresa cresce e se torna uma empresa, simplesmente não há como revisar todas essas informações”. Para preencher essa lacuna, a Pathlight decidiu desenvolver “equipes de pesquisa 24 horas por dia, 7 dias por semana” que pudessem monitorar conversas sem as restrições da coleta constante de dados humanos.

Embora a implantação de agentes de IA forneça à Pathlight um diferencial competitivo, seus clientes interagirão com interfaces de software familiares para desbloquear esses novos poderes.

No painel de administração da Pathlight, os executivos podem criar “fluxos de insights” – agentes focados e treinados em diretrizes analíticas específicas, como entender problemas de produtos ou oferecer oportunidades para experimentar novas estratégias.

A Pathlight não está sozinha nesta abordagem. Utilizar múltiplos modelos generativos, trabalhar em harmonia para produzir resultados é um elemento emergente do ainda jovem setor da IA.

No início deste mês, a Microsoft anunciou o AutoGen, que é “uma estrutura para simplificar a orquestração, otimização e automação de fluxos de trabalho LLM”. Além disso, novos laboratórios de IA como o Imbue concentram-se na pesquisa e desenvolvimento de modelos de base cooperativa que eventualmente serão capazes de aprender, adaptar-se e raciocinar.

Agentes de IA farão trabalhos que os humanos não deveriam

Kvamme descreve o óbvio: pedir a um ser humano que se sente em uma mesa e ouça cada interação do cliente para agregar insights individuais não é uma proposta realista. Em vez disso, os agentes da empresa tomam diretrizes para analisar ativamente as conversas.

“A maneira de pensar sobre os agentes e sobre os fluxos de insights é pensar em empregos para os quais nunca seríamos capazes de contratar alguém”, explicou Kvamme.

Os agentes não trabalham sozinhos, no entanto. Kvamme descreveu uma hierarquia onde os agentes sinalizam ativamente os insights. Em seguida, os agentes pais consolidam o feedback em resumos coerentes. Isso permite que os executivos da empresa tomem decisões informadas e respondam às questões candentes que antes poderiam ser impossíveis.

“O que descobrimos é que cada executivo tem uma série de perguntas na cabeça para as quais não tem respostas e que os mantêm acordados à noite”, disse Kvamme.

Durante a entrevista, Kvamme forneceu uma demonstração do painel do agente de IA da Pathlight. Ele explicou como o sistema analisa ativamente as conversas dos clientes em tempo real.

Kvamme mostrou como as chamadas e mensagens chegam à plataforma, são tratadas por um especialista humano de suporte ao cliente e processadas pela IA. Resumo, análise de sentimento e outros insights são adicionados automaticamente. Talvez o mais importante seja o facto de o sistema sinalizar temas e questões-chave para os agentes – e, em última análise, para os gestores e executivos humanos – analisarem.

Na conta demo, foram exibidos temas como “consultas sobre pedidos”. Quando selecionados, os executivos puderam ver as reflexões e insights sinalizados pelos agentes. Por exemplo, uma reflexão observou um problema com “entrega incorreta de pacotes pela FedEx”.

Kvamme enfatizou que esse nível de percepção granular seria quase impossível para um ser humano obter sem a ajuda da IA. Os agentes de IA permitirão que os líderes empresariais tenham acesso a todo o contexto e memória em todas as conversas, explicou ele.

Os primeiros agentes de IA precisam de estratégias de integração personalizadas

No entanto, colocar essa solução on-line exigiu a construção de uma infraestrutura personalizada do zero.

Você não pode simplesmente conectar enormes conjuntos de dados contendo uma enorme quantidade de interações com clientes em ferramentas de IA existentes, como ChatGPT, explicou Kvamme. A escala e as necessidades técnicas exigiram que a Pathlight desenvolvesse seus próprios sistemas backend para lidar com as novas demandas de carga de trabalho.

“O estado da indústria é tal que tivemos que construir toda a nossa infra-estrutura para suportar tudo isto, mas não estamos satisfeitos com isso”, disse Kvamme.

Embora a IA promova novas oportunidades de negócios, Kvamme reconhece que a tecnologia dos agentes ainda não está pronta para substituir totalmente o julgamento humano e a tomada de decisões. Por enquanto, a análise passiva da Pathlight agrega valor a problemas que nenhuma equipe poderia resolver sozinha por meio do monitoramento constante das conversas.

No futuro, a Pathlight pretende introduzir ações corretivas automatizadas limitadas caso as redes de agentes detectem problemas sistêmicos que exijam resposta imediata, como o ajuste de campanhas de marketing enganosas. Entretanto, a supervisão continua a ser crucial para garantir que a IA aumenta, em vez de substituir a supervisão humana.

Através do desenvolvimento contínuo da infraestrutura de IA personalizada e de suas estruturas de agentes iterativos nos bastidores, a Pathlight garante que a inteligência das máquinas expanda as principais facetas da compreensão do cliente muito além do que é humanamente possível. Seus agentes assumem responsabilidades analíticas que nenhuma equipe poderia assumir para alimentar conversas comerciais críticas.