A Klarna AI-asszisztense 80 százalékkal gyorsította a válaszadást
A Klarna AI-asszisztense már 2,5 millió beszélgetést kezelt, és a vállalat szerint 80 százalékkal csökkentette az ügyfélkérdések átlagos megoldási idejét. A rendszer a LangGraph és a LangSmith technológiáira épül, és a Klarna szerint 700 teljes munkaidős munkatárs munkájának megfelelő feladatot végez el.
- A Klarna AI-asszisztense 2,5 millió beszélgetést kezelt.
- A rendszer több mint 85 millió aktív felhasználót kiszolgáló platformon működik.
- Az ügyfélkérdések átlagos megoldási ideje 80 százalékkal csökkent.
- A repetitív ügyfélszolgálati feladatok nagyjából 70 százalékát automatizálták.
- A megoldás LangGraphre és LangSmithre épül.
Világszerte skálázott ügyfélszolgálati rendszer
A Klarna több mint 85 millió aktív felhasználót szolgál ki, platformján naponta 2,5 millió tranzakció zajlik. A fintech vállalat fizetési és vásárlási megoldásokat kínál, amelyek célja a vállalat bemutatása szerint az egyszerűbb vásárlás és a rugalmasabb pénzügyi szolgáltatás.
A cég AI-asszisztense többféle ügyfélszolgálati feladatot kezel. Ezek közé tartoznak az ügyfélfizetések, a visszatérítések és az egyéb fizetési eszkalációk. A LangChain esettanulmánya szerint az asszisztens az elmúlt időszakban 2,5 millió beszélgetést folytatott le.
A Klarna azért keresett új megoldást, mert egyre nehezebbé vált a több részleget érintő ügyek és eszkalációk kezelése. A vállalatnak olyan rendszert kellett kialakítania, amely a gyorsaságot, a pontosságot és a hozzáférhetőséget globális működés mellett is képes biztosítani.
LangGraph és LangSmith irányítja az asszisztenst
A Klarna a LangGraph és a LangSmith segítségével fejlesztette tovább az AI-asszisztenst több ügynökből álló, skálázható rendszerré. A LangGraph keretrendszere az egyes kérések irányítását és a különböző feladatok kezelését támogatja. A LangChain szerint ez csökkentette a késleltetést, javította a megbízhatóságot és mérsékelte a működési költségeket.
A rendszer a feladattól és a helyzettől függően módosítja a neki adott utasításokat. A vállalat szerint ez relevánsabb, a kontextushoz jobban igazodó válaszokat eredményezett, miközben a tokenfelhasználás és a késleltetés is csökkent.
A LangSmith segítségével a Klarna lépésről lépésre meg tudta vizsgálni, hogyan működik az asszisztens, és hol merülnek fel problémák. A csapat a kritikus felhasználási eseteket szigorúan tesztelte, majd nyelvi modell alapú értékelésekkel és az utasítások ismételt finomításával javította a teljesítményt.
A fejlesztési folyamat a LangSmith egyik funkcióját is befolyásolta. A Klarna tapasztalatai hozzájárultak a meta-prompting képességének kialakításához. Ennek lényege, hogy a felhasználó konkrét javításokat javasolhat az utasításokhoz, majd megvizsgálhatja, milyen hatással volt az optimalizált prompt a válaszok minőségére.
Gyorsabb ügyintézés és több automatizált feladat
A LangChain által közölt eredmények szerint a Klarna az elmúlt 9 hónapban több területen is javulást ért el. Az ügyfélkérdések átlagos megoldási ideje 80 százalékkal csökkent. Ez gyorsabb válaszokat tett lehetővé, és a vállalat szerint hetente több órányi vizsgálati munkát takarított meg az elemzők és a mérnökök számára.
Az AI-asszisztens a repetitív ügyfélszolgálati feladatok nagyjából 70 százalékát automatizálta. Így az ügyfélszolgálati munkatársak a Klarna szerint az összetettebb, nagyobb értékű interakciókra összpontosíthatnak.
A rendszer a visszautasítások kiváltó okainak azonosításában is javult. A Klarna beszámolója szerint ennek eredményeként jelentősen csökkent az ügyféleszkalációk száma.
Sebastian Siemiatkowski, a Klarna vezérigazgatója és társalapítója szerint a LangChain fontos partner volt az AI-alapú asszisztenssel kapcsolatos elképzelések megvalósításában, a támogatás skálázásában és a globális ügyfélélmény javításában. A bejelentés alapján a fejlesztés a Klarna felhasználói számára gyorsabb ügyintézést, a vállalat munkatársai számára pedig több automatizált háttérfeladatot jelent.
