Convertir contactes entrants en clients a OpenAI
Això forma part de la nostra sèrie en què compartim exemples interns de com OpenAI utilitza la seva pròpia tecnologia i les seves API. Aquestes eines s’utilitzen internament, només a OpenAI, i es comparteixen aquí com a exemples il·lustratius de com la IA d'avantguarda dona suport a casos d’ús dels nostres equips. També compartim els noms de les eines internes per oferir una visió més clara de com la IA d'avantguarda ajuda els nostres equips a fer la feina.
Quan es van llançar ChatGPT Enterprise i Business, la demanda entrant es va disparar. Cada mes, desenes de milers d’empreses —des de startups en fases inicials fins a multinacionals— es posaven en contacte amb nosaltres. La demanda era extraordinària. La pressió sobre els nostres sistemes era real.
Canalitzar aquests contactes mitjançant formularis i fluxos de treball estàtics no estava a l’altura del moment. Massa clients potencials rebien una resposta automàtica dient-los que es registressin en línia. Massa pocs obtenien resposta a les seves preguntes. El resultat van ser oportunitats perdudes i una experiència de compra que no corresponia a la confiança que els clients dipositaven en nosaltres.
El repte no era només l’escala. Era la qualitat. Els compradors volien respostes específiques:
- Aquest producte compleix la normativa en un entorn sanitari?
- Com comparem els plans i triem el més adequat?
- Quins resultats obtenen empreses similars del nostre sector?
«Rebíem milers de contactes al mes i només teníem capacitat per parlar amb una petita part. Alguns contactes necessitaven resposta a un parell de preguntes per oferir una experiència de compra realment bona, però no érem capaços d’oferir aquesta experiència personalitzada», afirma Harsha Chilakamarri, Innovació de llançament.
L’automatització tradicional no podia assumir aquest nivell de matís. Contractar linealment no era sostenible. Necessitàvem un enfocament diferent.
Vam crear un assistent de vendes entrants impulsat per IA, dissenyat no per substituir els comercials, sinó per ampliar-ne l’abast, entrenat i perfeccionat amb el feedback dels comercials.
Al nucli hi ha els nostres connectors interns. La documentació del producte, les biblioteques de polítiques, les històries de clients i les guies d’actuació s’incorporen al context sobre el qual el model pot raonar. L’assistent no improvisa. Respon amb precisió, en l’idioma del client potencial, directament vinculat a la seva pregunta.
Això significa que els clients potencials reben una resposta personalitzada en qüestió de minuts, escrita en el seu propi idioma i basada en la seva pregunta real.
- Una empresa de Tòquio rep una resposta en japonès, no una carta model en anglès.
- Un sistema hospitalari que pregunta pel compliment normatiu obté els detalls en el primer intercanvi, no després de dies d’espera.
- Si el client potencial compleix els requisits per a enterprise, el fil es deriva sense friccions a un comercial, amb tot el context intacte.
«Aquest model ens permet interactuar amb cada client i oferir-li una experiència hiperpersonalitzada», diu Chilakamarri.
Això no és automatització perquè sí. És automatització que aporta valor, des del primer moment.
El gran avenç no va ser només la primera resposta de l’assistent. Va ser el circuit que hi havia al darrere.
Durant l’entrenament del model, cada esborrany de resposta tornava als comercials perquè el corregissin. Cada correcció es convertia en dades d’entrenament. La precisió va passar del 60 % a més del 98 % en poques setmanes. En lloc de plantilles genèriques, l’assistent va començar a sonar com la millor versió del nostre equip, codificant criteri i posant-lo a disposició a escala.
«Vam construir un sistema d’avaluació molt complex només amb mi i un altre enginyer… Un cop vam tenir una manera de fer aquestes avaluacions, especialment de manera automatitzada, vam poder passar ràpidament d’un 60 % de precisió al 90 %, i ara al 98 % en els primers correus electrònics.»
Per als comercials, el canvi va ser immediat. Les bústies d’entrada ja no estaven saturades de contactes no qualificats. Obrien converses que ja estaven en marxa, amb clients potencials que tenien una intenció real i preguntes reals ja respostes.
Les avaluacions també van donar confiança a la direcció. Mostraven un progrés mesurable, no només anècdotes. Van demostrar que l’assistent es podia escalar de manera responsable.
L’impacte va ser immediat. Una petita empresa que abans s’hauria perdut a la cua va enviar preguntes, va rebre respostes reflexives en poques hores i va signar un contracte enterprise pocs dies després. Aquestes històries es repetien una vegada i una altra.
Allò que havia estat un carreró sense sortida es va convertir en un dels nostres canals de creixement més forts. En pocs mesos, es van desbloquejar molts milions en ingressos recurrents anuals.
«El nostre moment de revelació més gran va ser quan vam llançar l’assistent per primer cop. Ens vam adonar que, si oferim experiències personalitzades als contactes entrants i responem ràpidament les preguntes clau —fins i tot per correu electrònic—, molts estan desitjant comprar molt ràpidament.»
Per als comercials que rebien contactes qualificats, el canvi va ser igual de valuós. En lloc de remenar entre contactes genèrics, veien converses actives amb una intenció clara. Per primer cop, ningú no se sentia deixat enrere.
Això no va només de contactes entrants. Apunta a una oportunitat més àmplia: la incorporació, les renovacions i l’atenció poden beneficiar-se de converses de confiança i personalitzades.
La lliçó és senzilla: quan escales l’excel·lència dels teus millors comercials mitjançant la IA, canvies allò que és possible per a tot l’equip.
Com va dir Chilakamarri: «La direcció no podria estar més entusiasmada amb això. És la prova que podem construir OpenAI sobre OpenAI i mostrar la nostra tecnologia directament als clients.»
Personalitzar cada contacte no és una tàctica. S’està convertint en una millor manera d’interactuar en tots els casos.
