澳门六合彩论坛高手平台

咱们对 Decagon 这家公司保握了握续温雅。Decagon 专注于 AI for Customer Support 范围，接力于于用 AI Agent 澈底转换客户职业体验。他们打造的不是简便的聊天机器东说念主，而是能不时进化的 AI Agent 引擎，概况确切瓦解客户的需求并高效地不休问题。

Decagon 由 Jesse Zhang 和 Ashwin Sreenivas 创立于 2023 年，接力于于为企业不休复杂的客户支撑问题。他们发现，传统的客服自动化用具不时只可处理简便问题，无法确切赢得客户的信任。因此，Decagon 但愿打造一款概况与企业现存客户支撑责任流深度集成的 AI Agent，并提供易于不休和设置这些 Agent 的用具，冲破 AI 本领的“黑箱”。他们的客户包括 Motion、Vanta、Bilt、Webflow、Substack 和 Rippling 等中微型科技公司。公司在 2024 年 10 月完成了由 Bain Capital Ventures 领投的 B 轮融资，融资金额达到 6500 万好意思元。

本次编译整理了 No Priors 对 Decagon 首创东说念主兼 CEO Jesse Zhang 的访谈。Jesse 在访谈中与主握东说念主 Elad 长远探讨了 AI 怎样重塑客户职业：AI Agent 怎样匡助企业擢升效劳、指责资本，到语音交互面对的本领挑战（如延伸问题），再到多模态 AI 和更天然交互方式的异日趋势，以及数学竞赛配景对 AI 创业的影响。通过此次访谈，咱们可以更立体的瓦解 AI 客服的近况和挑战，以及是 Decagon 怎样诳骗 AI Agent 引擎，为 Rippling、Notion、Duolingo 等企业提供更智能的客户支撑不休决议的。

01.

Decagon：用 AI Agent重塑客户职业

Decagon 的创立：

不成过度念念考，而应该速即行径

Jesse Zhang 从小就展现出对数学的浓厚兴趣，他在 Boulder 长大，从小参加数学竞赛，其后在哈佛大学学习规划机科学。毕业后，他创立了第一家公司 Lowkey ，该公司最终被 Niantic 收购。从此次履历中，Jesse 厚实到不成过度念念考，而应该速即行径。他与 Ashwin 共同创立了 Decagon，专注于 AI Agent 范围，并速即动手了交易探索。

Decagon 的关于创业见解的采用并非一蹴而就。开首，首创团队也在念念考 AI Agent 的最好应用场景。他们厚实到，并非统统范围齐合适快速部署 AI Agent。通过商场调研和客户访谈，Decagon 发现了现时 AI Agent 的能力并不适配两个场景：

1） 需要高启动精度的场景：在某些范围，比如安全，容错空间简直不存在。这些场景需要 Agent 从一动手就阐明出极高的准确性。以安全信息不休系统（SIMs）为例，固然有广大日记数据，尽头合适 AI 模子处理，但其责任见解是捕捉每一个小的畸形事件。然而，现时的AI模子就怕候会出错，因此客户很难全齐信任 AI Agent。在这些场景，AI Agent用得很慢。

2）难以量化 ROI 的场景：有一些范围，名义上看似尽头合适 AI Agent，但难以明确量化 ROI。比如，好多“文本转 SQL ”的公司作念的演示看起来可以，但仍需要东说念主工监督和调节。AI Agent 更像是一个 co-pilot，而非稳重的不休决议。关于大多数企业来说，需要东说念主工干预的 AI Agent 难以讲授其 ROI，公司很难为这么的 AI Agent 坚硬大额契约。

通过不时探索，Decagon 团队逐步明确了成功的 AI Agent 用例需要具备两个要津特点：

1）可逐步执行性：成功的 AI Agent 应用不应追求一步到位，而应支撑逐步执行和迭代优化。即使 AI Agent 在初期只可完成部分任务，也应该概况立即为客户创造本色价值。举例，Coding Agent 可以先承担部分编码任务，权贵蹧蹋东说念主类诱导者的包袱。

2）有明确的 ROI：概况明晰量化 ROI 是要津。在客户职业范围，存在着广大可追踪的明确筹划，举例对话不休率、客户惬意度等。这些筹划使得 AI Agent 的价值概况得到有用的掂量和讲授。

在此过程中，Decagon与Rippling、Notion、Eventbrite、Vanta和Substack等多家潜在客户进行了长远交流，逐步细目了主要用例——客服范围。在初期，Decagon并莫得刻意强调巨大的愿景，而是专注于怎样打造让客户确切喜爱和惬意的家具。

Decagon 的各异化上风：

透明与可不雅测

Decagon 的中枢上风在于其 AI Agent 的高透明度和应用效劳的可不雅测性。

关于大型企业来说，确保 AI Agent 不是一个“黑箱”至关裂缝。Decagon 的平台概况明晰地展示 AI Agent 的每一个决策过程，包括使用了哪些数据、怎样生成谜底等。这种高度的透明性权贵擢升了客户的信任度。

此外，在客服范围，自动化软件的效劳时时是可量化的，客户会用一些明确的筹划来评估 Agent 的阐明，比如 AI Agent 与东说念主工比拟的效劳、简略的资本，以及客户体验的质料擢升等等。这种可量化的性格使得客户可以先在小范围内试用 Decagon 的 AI Agent ，然后再逐步扩大应用限制。

尽管客户职业范围的竞争畸形强烈，客户时时会同期试用多家不同的 AI Agent 家具进行比较，并基于具体的数据（举例筹划的优劣、代理的效劳等）进行最终评估。现时，Decagon 凭借其高透明度和效劳的可不雅测性，在客户的评估中阐明出色。举例，多邻国在 2024 年 8 月对 Decagon 进行了一个月的测试后就决定负责采纳其 AI Agent，并速即完了了 80% 的对话不休率。

Decagon 与 Built Rewards 进行了一项大型案例谋划。Built Rewards 领有庞杂的用户群体，用户可以通过其平台赚取积分或进行支付。由于用户基数增长速即，客服需求呈指数级增长。在使用 Decagon 之前，Built Rewards 的客服团队面对巨大的责任量。采纳 Decagon 后的一个月内，AI Agent 吸收了大部分自动化责任。不到一年时辰，Built Rewards 简略了约 65 个东说念主工客服的资本。

Decagon的本领架构：

息争层与定制化模子

Decagon 将我方定位为一家软件公司，尽管常常调用 GPT-4、Claude 等 AI 基础模子，但这些模子仅仅用具。Decagon 的独到价值在于基础模子之上的内容，包括息争层（orchestration layer）和围绕中枢 AI Agent 诱导的其他功能。息争层决定了 AI Agent 怎样羼杂使用不同的 AI 模子，并围绕客户的业务逻辑进行责任。此外，Decagon 还诱导了透明度用具和分析功能，匡助客户了解 Agent 使用的数据和执行的阵势，并自动分析海量客服对话。

关于不同的 AI Agent，息争层可能分离很大，客服 Agent 与 Coding Agent 的息争逻辑就尽头不同。但归根结底，多样息争层齐是在 LLM 之上构建的一种结构化系统。Decagon 尽头肃肃息争层，因为它决定了 AI Agent 将怎样羼杂使用不同的 AI 模子。Decagon 设立了评价机制来掂量每个模子在特定客服任务中的阐明，以此决定怎样将这些模子整合起来，使其概况围绕客户的业务逻辑进行责任。

Modern AI Stack

除了息争层，Decagon 还围绕 AI Agent 构建了一些其他的客服软件功能。举例，Decagon 诱导了一个透明度用具，能让客户了解 Agent 所使用的数据和执行的阵势，这也保证了 AI Agent 不再仅仅一个只会修起问题的“黑箱”。此外，迎面对海量的客服对话时，手动检验统统内容是难以完了的。因此，Decagon 还假想了一个分析功能，可以让 AI Agent 概况自动分析对话，并生成需要温雅的客服问题类别和趋势讲明。

Decagon AI Agent Engine

首创东说念主 Jesse 的"数学基因"与社区文化

如今，AI 范围有许多公司是由具稀奇学竞赛配景的东说念主创立的，比如 Braintrust、Pika AI 和 Cognition 的首创团队。主要原因有二：起先，昔时几年内，广大贤慧且才华横溢的东说念主涌入创业商场，创业对他们来说比传统学术或量化往复更具招引力；其次，数学竞赛历史悠久，造成了一个能让贤慧孩子相互厚实并诱导关系的社区文化。Jesse 在高中时期就参加过多项数学竞赛和学术表情，包括好意思国数学奥林匹克表情（MOP）、Intel STS 决赛 SPARC 以及好意思国规划机奥林匹克竞赛（USACO）。

在创业过程中，这些配景相似的东说念主们会相互支撑。Jesse 个东说念主也投资了许多 AI 初创公司的首创东说念主，而他们中的许多东说念主亦然 Decagon 的天神投资东说念主。这种支撑大多厉害负责的，更像是一又友间的相互匡助。此外，创建企业需要商量招聘、销售、家具构建和薪酬结构等诸多问题，因此他东说念主训导作为参考尽头有匡助。

这种数学竞赛配景也影响了 Decagon 的东说念主才画像。Decagon 的团队中也有许多东说念主稀奇学竞赛或编程竞赛的配景。Decagon 会不按期举办数学竞赛或类似行为，并将这些行为作为招引东说念主才的裂缝阶梯。

02.

AI Agent 怎样走向确切的智能化？

Klarna（一家瑞典先付后买公司）的 CEO Sebastian Siemiatkowski 在 X 平台上共享了他们使用AI Agent的权贵顺利：短短四周内，AI Agent 处理了 230 万次客户对话，客户惬意度与东说念主工客服不相凹凸。更裂缝的是，AI Agent将类似性问题减少了 25%，平均问题不休时辰从 11 分钟大幅指责至 2 分钟。此外，AI Agent 还能提供 24/7 全天候职业，遮盖 23 个商场和 35 种话语，极地面擢升了运营效劳。通过部署 AI Agent，Clara 得以将 700 名全职客服东说念主员再行分派到其他更具价值的责任岗亭。

Clara 的出色案例为统统这个词客服行业使用 AI Agent 带来了很大的推能源。关于 Decagon 的客户来说，他们时时最温雅以下两点：

1）责任量的减少：AI Agent 概况完成些许对话和任务，从而为客户简略了些许时辰和资源。

2）客户惬意度的擢升：主要通过客户惬意度得分（CSAT）和净推选值（NPS）来掂量。天然，也会有一些客户尽头可爱 AI Agent 修起的准确性，尤其是受监管行业内的客户。

Voice Agent 的延伸问题

语音支撑是客户职业中至关裂缝的一环。东说念主们对 AI 模子的主流商讨依旧围绕 text，text-to-speech、瓦解语音和通过音频进行反应的能力似乎被低估了。像 11 Labs、OpenAI、Google 等公司动手提供这类职业和 API。Decagon 相同推出了语音支撑功能，现存客户也在试用他们的 Voice Agent。Jesse 以为，对客户而言，疏通渠说念的采用因东说念主而异：有些东说念主喜欢语音通话，有些东说念主则更喜欢聊天、邮件或短信。因此，遮盖统统渠说念至关裂缝。

Decagon 当先采用从文本 Agent 动手，因为文本渠说念相对简便，也更容易进行效劳评估。然而，现时行业正插足一个新的阶段，有一些大公司对 Voice Agent 尽头感兴趣，他们以为“既然 Text Agent 效劳很好，那么生谚语音并用于电话支撑应该也能达到相同的效劳”。本年许多模子公司在语音本领方面取得了巨猛进展，尤其是语音的确切感上。Decagon 正与 11 Labs、OpenAI 和Google 等公司缜密合作，探索怎样大限制构建这些语音系统。

延伸也厉害常要津的一个筹划，特别是在电话交谈时，用户会期待尽头招引的对话体验，不成有彰着的延伸。现时，语音模子在处理历程中——从拿获用户语音、将其调治为文本、输入话语模子处理，再到生谚语音输出——不可幸免地会产生一定的延伸，导致用户感到停顿或恭候。许多公司正在极力不休这个问题，举例通过流式处理（streaming）本领来指责延伸。

Decagon 正在尝试使用 voice-to-voice 模子。OpenAI在这方面进行了广大谋划。这类模子的延伸阐明时时较好，但在某些情况下，举例需要得回外部数据或进行屡次模子调用时，模子“念念考”的时辰会更长。此外，voice-to-voice模子可能并不适用于统统场景。

除了 voice-to-voice 模子外，也可以先将语音转录为文本（speech-to-text），在文本层面完成统统规划后，再生谚语音（text-to-speech），但这种方法时时会引入额外的延伸。许多公司一经找到了一些方法来缓解延伸问题，举例在后台提前生成部天职容。在 Decagon 的应用中，客户可以通过添加语音指示（举例“请稍等，正在查询您的数据”）来减少延伸对用户体验的负面影响。

AI Agent 的发展测度

Jesse 以为异日东说念主类与 AI Agent 的合营模式将发生巨大变化。可能会有更多东说念主从事监督和裁剪 AI Agent 的责任。与东说念主工客服比拟，AI Agent 的性格全齐不同。举例，AI Agent 可以无穷膨胀，可以通过 hard coding 来完了特定任务。因此，怎样有用地不休 AI Agent 将是一个裂缝的谋划见解。Decagon 也一直尽头温雅怎样让客户的东说念主工客服团队更好地监控和调节 AI Agent，但愿为他们提供更多的可见性和法子权。

Jesse 以为，现时 AI 行业仍旧处于确切“Agent 化”发展的早期阶段，包括将复杂任务纪律列化（sequence）并伙同某些形式的 reasoning 能力。固然一经有一些先进模子（举例“o1”或 Sonnet）在尝试不休这一问题，但主要伙同在量化推默默能，如在 coding 和 math 范围阐明更好，而客服范围最垂青的是 Agent 的指示盲从能力（instruction following）。客服责任中有好多明确的操作指示（举例 SOP 或责任流），AI Agent 需要作念到严格且准确地执行这些指示。

值得期待的 AI 本领

异日 1-2 年，Jesse 尽头期待的 AI 本领主要有多模态、用户 Context Window 以及异日 Computer Use。模子的多模态能力（尤其是语音）发展可以进一步完善 Decagon 的家具 Roadmap，而 AI Agent 的 context window 的进一步膨胀和更天然的交互方式则可以优化用户的使用体验，致使更进一步，AI Agent 可以匡助客户径直完成任务。此外，基础模子能力的改良相同值得温雅，比如 Anthropic 的 Computer Use，固然现时还没准备好插足分娩环境，但跟着本领的擢升，将带来许多令东说念主期待的应用可能性。

排版：Doro

拾象 2025 AI Best Ideas：20简短津测度

Agent 最全 Playbook：场景、操心和交互翻新

LLM 竞赛 2025: 高出 Google 之路

Metronome：OpenAI、Anthropic背后的计费平台，会是AI时期的Stripe吗？

估值13亿好意思金澳门六合彩论坛高手平台，Clay 用 AI Agent 帮企业找客户

• AI
• 自如
• Decagon
• Agent