
Les agents de support IA sont puissants, mais le moment où ils transfèrent une conversation à un humain, l'escalade, est crucial. Si vous vous y prenez mal, vous vous retrouvez avec un client frustré. Si vous escaladez trop vite, vous perdez l'efficacité que vous cherchiez à atteindre. C'est un véritable exercice d'équilibriste.
Fin, d'Intercom, est un grand nom dans ce domaine. Il est donc essentiel de comprendre son approche des escalades pour quiconque cherche à automatiser son support. Décortiquons le fonctionnement réel des escalades de Fin AI, les défis concrets de leur gestion et une manière plus simple de faire le travail.
Comprendre Fin AI et son processus d'escalade
Avant de pouvoir commencer à ajuster quoi que ce soit, vous devez savoir ce qui se passe sous le capot. Fin peut sembler complexe, mais sa logique pour transférer les conversations se résume à quelques idées clés.
Qu'est-ce que Fin AI d'Intercom ?
Fin est l'agent IA d'Intercom, conçu pour répondre aux questions des clients par chat, e-mail et autres canaux. L'idée est de laisser Fin s'occuper du premier niveau de support en l'entraînant sur vos articles d'aide et les informations de votre entreprise. Il est censé être une solution tout-en-un que vous pouvez configurer, suivre et, espérons-le, améliorer au fil du temps.
Comment fonctionnent les escalades de Fin AI ?
Une escalade n'est pas un bug, c'est une fonctionnalité. C'est le transfert planifié de Fin à un humain lorsque l'IA est dépassée. Considérez-le comme un filet de sécurité intégré. Fin décide quand transférer la conversation en se basant sur deux éléments principaux :
Premièrement, il y a son comportement par défaut. Dès sa mise en service, Fin est programmé pour escalader lorsqu'il détecte certains signaux. Il utilise l'analyse des sentiments pour déceler la frustration, reconnaît quand quelqu'un demande directement à « parler à une personne » et sait quand une conversation tourne en rond.
Deuxièmement, vous avez le guidage personnalisé. C'est là que vous pouvez dire à Fin quoi faire. Vous pouvez écrire des règles simples, en langage clair, pour vous donner plus de contrôle. Par exemple, vous pourriez dire à Fin : « Si un client mentionne un remboursement, transfère cette conversation à un coéquipier. »
Une capture d'écran montrant l'interface de guidage personnalisé pour les escalades de Fin AI dans Intercom, où les utilisateurs peuvent écrire des règles en langage clair.
Les mécanismes de gestion des escalades de Fin AI
Pour être un peu plus précis, gérer les escalades de Fin signifie écrire des instructions, faire confiance à la technologie pour vous comprendre et effectuer beaucoup de maintenance continue.
Configuration du guidage personnalisé
Le « guidage » est l'outil principal dont vous disposez pour façonner le comportement de Fin. Il s'agit d'un ensemble d'instructions que vous écrivez en langage naturel pour dire à Fin comment agir dans des scénarios spécifiques. Selon les propres bonnes pratiques d'Intercom, un bon guidage est direct et clair.
Mais soyons réalistes, bien faire les choses n'est pas une configuration unique. Cela demande beaucoup d'essais et d'erreurs, ainsi que des ajustements constants à mesure que vous voyez comment les clients parlent réellement à l'IA. Vous apprenez essentiellement de nouvelles règles à l'IA, un prompt à la fois.
L'aspect technique du modèle d'escalade
Derrière ces simples prompts de guidage se cache une technologie assez complexe. Un article de recherche de l'équipe Fin explique qu'ils ont construit un modèle personnalisé qui prend une décision à trois voies en temps réel pour chaque interaction : escalader maintenant, proposer d'escalader ou laisser Fin continuer.
Bien que le modèle soit impressionnant sur le papier (ils revendiquent une précision de plus de 98 % dans leurs propres tests), il s'agit principalement d'une boîte noire pour vous, l'utilisateur. Votre principal moyen de l'influencer est le guidage personnalisé que vous écrivez. Vous ne pouvez pas simplement aller ajuster les paramètres du modèle ; vous devez lui fournir de meilleures instructions et espérer qu'il comprenne le message.
Suivi et réduction des escalades inutiles
Une fois que Fin est en ligne avec vos clients, le travail passe à l'optimisation. L'objectif est de réduire les escalades qu'une IA mieux entraînée ou un article d'aide plus clair aurait pu résoudre. Cela se transforme généralement en un cycle de routine :
-
Renforcer votre base de connaissances : Trouver et combler les lacunes dans votre contenu de support.
-
Ajuster les workflows : Modifier les parcours automatisés pour donner à Fin une meilleure chance de répondre aux questions.
-
Clarifier votre guidage : Réécrire les règles qui semblent perturber Fin et le faire escalader trop souvent.
Cela crée une boucle manuelle et continue consistant à fouiller dans les rapports, repérer les problèmes et ajuster le contenu ou les prompts. Ça fonctionne, mais c'est un processus assez exigeant pour votre équipe.
Défis et limites de la gestion des escalades de Fin AI
Bien que Fin soit un système performant, la réalité quotidienne de sa gestion apporte quelques maux de tête qui peuvent ralentir votre équipe et perturber votre budget.
Le casse-tête de la configuration manuelle
Le « guidage personnalisé » peut sembler simple, mais c'est essentiellement un travail d'ingénierie des prompts. Vous devez deviner toutes les manières étranges et merveilleuses dont un client pourrait demander quelque chose, puis écrire des règles solides pour couvrir toutes les possibilités. Il est étonnamment facile d'écrire des règles qui se contredisent, ce qui peut amener Fin à se comporter de manière totalement inattendue.
Cela met beaucoup de pression sur votre équipe pour écrire, tester et maintenir une énorme bibliothèque de règles. C'est du temps et de l'énergie qui pourraient être consacrés à des choses plus importantes que de peaufiner constamment les prompts de l'IA.
Aucune méthode sans risque pour tester et simuler les escalades
Fin vous permet de tester votre configuration, mais il est difficile de savoir comment une nouvelle règle se comportera réellement à grande échelle avant de la lancer auprès de vos clients. Vous ne pouvez pas facilement tester une nouvelle règle sur des milliers de conversations passées pour voir comment elle aurait changé les choses.
Cela conduit à une approche du type « lancer et prier ». Une règle mal formulée peut facilement créer de mauvaises expériences pour les clients en direct. Vous ne découvrez souvent qu'une règle est défectueuse qu'après qu'elle a déjà causé des dégâts, vous forçant à vous démener pour la corriger.
Le défi d'une tarification imprévisible
Voici le hic avec le modèle de tarification de Fin : c'est 0,99 $ par résolution. Chaque fois que l'IA parvient à clore un ticket sans avoir besoin d'un humain, vous êtes facturé. Ainsi, alors que vous souhaitez réduire les escalades pour rendre votre support plus efficace, chaque escalade que vous évitez vous coûte en fait de l'argent.
Cette configuration crée une tension étrange. L'objectif de votre équipe (laisser l'IA résoudre plus de problèmes) est en conflit direct avec l'objectif de votre budget (maintenir des coûts prévisibles). Cela rend incroyablement difficile de prévoir vos dépenses mensuelles et, d'une certaine manière, vous pénalise pour avoir construit un agent IA vraiment efficace.
Une alternative plus transparente et contrôlable
Et si vous pouviez obtenir les avantages de l'IA sans la configuration compliquée, l'anxiété du jour du lancement et la tarification aléatoire ? C'est la pensée derrière eesel AI, qui a été conçu pour vous donner plus de contrôle et de prévisibilité dès le départ.
Soyez opérationnel en quelques minutes avec une plateforme en libre-service
Au lieu d'une configuration longue et fastidieuse, eesel AI est conçu pour être simple et en libre-service. Vous pouvez être opérationnel en quelques minutes sans jamais avoir besoin de programmer une démo ou de parler à un vendeur. Avec des intégrations en un clic pour les services d'assistance comme Zendesk et Freshdesk, il se connecte directement aux outils que votre équipe utilise déjà. Il n'est pas nécessaire de remplacer vos systèmes existants.
Testez en toute confiance grâce à une simulation puissante
C'est là que les choses deviennent vraiment intéressantes. Le mode simulation d'eesel AI vous permet de tester en toute sécurité votre configuration IA sur des milliers de vos propres tickets historiques. Avant qu'un seul client n'interagisse avec elle, vous obtenez une prévision claire de ses performances, y compris le nombre de tickets qu'elle est susceptible de résoudre et les économies que vous pourriez réaliser. Cela élimine toute conjecture lors du lancement d'un nouvel outil d'automatisation.
Le mode simulation d'eesel AI offre un moyen sans risque de tester les performances de l'IA sur des tickets historiques avant la mise en service.
Obtenez un contrôle total avec un moteur de workflow personnalisable
Avec eesel AI, c'est vous qui commandez. Vous disposez d'un contrôle précis pour décider exactement quels tickets l'IA doit traiter. Vous pouvez commencer petit en automatisant seulement un ou deux sujets simples et laisser l'IA transférer en toute sécurité tout le reste à votre équipe. Au fur et à mesure que vous vous sentez plus à l'aise, vous pouvez progressivement la laisser en gérer davantage.
De plus, vous pouvez connecter eesel AI à l'ensemble de vos connaissances d'entreprise, et pas seulement à un centre d'aide soigné. Il peut apprendre des tickets passés, des Google Docs internes, des pages Confluence, et plus encore, lui donnant le contexte complet nécessaire pour fournir des réponses précises.
La plateforme eesel AI permet un contrôle granulaire de l'automatisation avec des règles et des workflows personnalisables.
Comparaison des tarifs : Escalades de Fin AI vs. une alternative prévisible
La différence de philosophie est plus claire lorsque l'on regarde les tarifs. Le modèle par résolution de Fin est volatile par nature, tandis qu'eesel AI propose des forfaits prévisibles à tarif fixe.
Tarification de Fin :
-
0,99 $ par résolution.
-
Peut être groupé avec le service d'assistance d'Intercom moyennant des frais supplémentaires.
-
Les coûts augmentent à mesure que l'IA s'améliore, faisant de votre facture mensuelle une cible mouvante.
Tarification d'eesel AI :
-
Des forfaits clairs et prévisibles basés sur un nombre défini d'interactions IA par mois.
-
Aucun frais par résolution. Vous n'êtes jamais pénalisé pour avoir automatisé plus de conversations. Votre facture est la même chaque mois, ce qui facilite grandement la budgétisation.
Voici un rapide comparatif :
Fonctionnalité | Intercom Fin | eesel AI |
---|---|---|
Modèle de tarification | 0,99 $ par résolution | Forfait mensuel fixe basé sur les interactions |
Prévisibilité | Faible (la facture varie avec les performances) | Élevée (coût fixe) |
Incitation | Pénalisé pour des taux de résolution élevés | Encouragé à automatiser efficacement |
Essai | Essai gratuit de 14 jours | Essai gratuit, configuration en libre-service |
Une vue de la page de tarification d'eesel AI, montrant des forfaits transparents et prévisibles comme alternative aux modèles par résolution pour les escalades de Fin AI.
Pourquoi les escalades de Fin AI sont une fonctionnalité, pas un échec
La gestion des escalades de Fin AI est une partie importante de la gestion d'une équipe de support moderne. Bien que l'outil d'Intercom soit puissant, il apporte beaucoup de complexité, une gestion manuelle et un modèle de tarification qui peut vous punir pour votre succès.
Une meilleure approche devrait vous donner un contrôle total sur votre automatisation, la capacité de tester sans risque et des coûts simples et prévisibles. Le but n'est pas de se débarrasser de chaque escalade. Il s'agit de s'assurer qu'elles se produisent au bon moment, pour les bonnes raisons, afin que le passage de l'IA à l'humain soit une partie fluide et utile de l'expérience client.
Prêt pour un agent de support IA qui vous donne le contrôle ? Essayez le mode simulation d'eesel AI et découvrez combien de vos tickets vous pourriez automatiser, sans aucun risque.
Foire aux questions
Les escalades de Fin AI désignent le transfert planifié d'une conversation client de l'agent IA Fin d'Intercom à un agent de support humain. Elles sont cruciales car elles agissent comme un filet de sécurité, garantissant que les problèmes complexes ou sensibles que l'IA ne peut pas gérer sont toujours dirigés vers une personne, ce qui évite la frustration du client.
Fin lance les escalades de Fin AI en se basant sur son comportement par défaut (par exemple, la détection de frustration, les demandes directes de parler à un humain ou les boucles conversationnelles) et sur les règles de guidage personnalisées définies par l'utilisateur. Ces règles indiquent à Fin d'escalader dans des scénarios spécifiques, comme lorsque certains mots-clés ou sujets sont mentionnés.
La configuration du guidage personnalisé pour les escalades de Fin AI consiste à rédiger des instructions en langage naturel pour indiquer à Fin comment agir dans des scénarios spécifiques. Ce processus nécessite de nombreux essais et erreurs ainsi que des ajustements continus pour s'assurer que les règles sont claires, efficaces et couvrent toutes les possibilités nécessaires sans entrer en conflit.
Oui, un défi majeur est la difficulté de tester de manière exhaustive les escalades de Fin AI à grande échelle avant leur mise en production. Vous ne pouvez pas facilement simuler comment les nouvelles règles se comporteraient sur des milliers de conversations passées, ce qui conduit à une approche du type « lancer et prier » où les problèmes sont souvent découverts par les clients en direct.
La tarification des escalades de Fin AI est structurée à 0,99 $ par résolution réussie, ce qui signifie que vous êtes facturé chaque fois que l'IA résout un ticket sans intervention humaine. Cela rend la budgétisation imprévisible, car les coûts augmentent à mesure que votre agent IA devient plus efficace, créant une tension entre l'efficacité et la prévisibilité des coûts.
Pour réduire les escalades inutiles de Fin AI, les équipes se concentrent généralement sur l'optimisation du contenu de leur base de connaissances, l'affinement des workflows automatisés et la clarification des règles de guidage personnalisées. Cela crée un cycle continu de surveillance des performances, d'identification des lacunes et d'ajustements pour permettre à l'IA de gérer plus de requêtes efficacement.