Haastattelut
Zack Peng, Seelin perustaja ja toimitusjohtaja – haastattelusarja

Keskeiset kohdatSeel ratkaisee yli 99 % tukitapauksista antamalla tekoälyn viimeistellä ratkaisut sen…
Näytä lisää
- Seel ratkaisee yli 99 % tukitapauksista antamalla tekoälyn viimeistellä ratkaisut sen sijaan, että se ohjaisi tikettejä muualle.
- Luottamus tekoälytukeen riippuu näkyvästä mahdollisuudesta siirtyä ihmiselle eikä botin tarkkuudesta.
- Kauppiaiden tulisi vaatia todisteita päästä päähän -ratkaisuasteista ja vastuusta sen sijaan, että tyytyisivät hiottuihin demoihin.
Zack Peng on Seelin perustaja ja toimitusjohtaja. Hän keskittyy ongelmiin, joita ostajat ja kauppiaat kohtaavat ostoksen jälkeen. Hänen työnsä alkoi palautusten ja hyvitysten ennustamisesta, ja sittemmin se on laajentunut tekoälyjärjestelmiin, jotka ratkaisevat asiakkaiden pyyntöjä verkkokaupan eri prosesseissa. Hän kannattaa toimintaa suorittavien agenttien yhdistämistä selkeisiin toimintarajoihin, mahdollisuuteen siirtää asia ihmisen käsiteltäväksi ja vastuuseen asiakkaalle toimitetusta lopputuloksesta.
Seel tarjoaa verkko-ostosten jälkeisiä palveluja ja tekoälyagenttien kokonaisuuksia, kuten osto- ja toimitusturvaa, asiakastukea ja jälleenmyyntiä. Sen alusta yhdistää kauppiaiden järjestelmät, tilaustiedot ja palveluprosessit ostajien ongelmien ratkaisemiseksi. LLM Gateway puolestaan mahdollistaa pääsyn malleihin ja tehtäväpohjaisen reitityksen. Tässä haastattelussa Peng kertoo siirtymästä kysymyksiin vastaamisesta lopputuloksista vastaamiseen, hallintakeinoista, joita tarvitaan agenttien toimintaan eri järjestelmissä, sekä siitä, miten kauppiaat voivat arvioida tekoälypalvelujen luotettavuutta.
Mikä sai sinut perustamaan Seelin, ja miten ostajien ostoksen jälkeen kohtaamien ongelmien ratkaiseminen johti sinut kehittämään verkkokaupan tekoälytyövoimaa?
Kaikki alkoi yhdestä kauppapaikasta. Tapasimme kauppapaikkaa pyörittävän perustajan ja näimme, kuinka paljon alalla panostettiin takaisinveloitusten ennustamiseen, vaikka niiden osuus oli noin 0,5 % GMV:stä. Palautusten ja hyvitysten osuus oli 10–20 %, eikä kukaan ennustanut niitä. Rakensimme siis mallin, joka pystyi siihen, ja otimme sen avulla käyttöön palvelun, jossa ostajat saattoivat maksaa pienen maksun saadakseen loppuunmyyntituotteet palautuskelpoisiksi. Odotin, että 3–5 % käyttäisi palvelua. Osuus olikin 10–20 %. Se osoitti, että ostajat maksavat mielenrauhasta ostoksen jälkeen – samasta syystä ihmiset ostavat AppleCaren tai autonvuokrauksen omavastuun poiston.
Tekoälytyövoima sai alkunsa omasta asiakastukemme saapuneiden viestien kansiosta. Yli 70 % tukipyynnöistämme ei liittynyt mitenkään palautuksiin. Ostajat halusivat tietää, missä heidän tilauksensa oli tai voisivatko he vaihtaa tuotteen. Sen sijaan, että olisimme ohjanneet heidät takaisin kauppiaan puoleen, aloimme ratkaista tukipyyntöjä itse. Opimme, ettei tekoälyn todellinen arvo verkkokaupassa ole säästöjen tuottaminen, vaan asioiden tekeminen välittömästi ja laajassa mittakaavassa myös ruuhkahuippujen aikana. Tähän kuuluu tekoälyjärjestelmiä, jotka voivat arvioida ja hyväksyä ehdot täyttävät hyvitykset ennen palautuslähetysten saapumista, sekä ympärivuorokautisia tekoälyagentteja, jotka voivat ryhtyä toimiin asiakkaiden pyyntöjen ratkaisemiseksi.
Kuvailet etenemistä kysymyksiin vastaavista chatbotteista toimintaa suorittaviin agentteihin ja edelleen tekoälyagenttien kokonaisuuksiin, jotka vastaavat kokonaisesta lopputuloksesta. Mitä näissä vaiheissa muuttuu teknisesti ja toiminnallisesti, ja voisitko havainnollistaa tätä todellisella asiakasongelmalla?
Ero on siinä, kuka vastaa lopputuloksesta. Chatbot vastaa kysymykseen ”missä tilaukseni on?”. Agentti hoitaa yksittäisen tehtävän, kuten korvausvaatimuksen tekemisen. Tekoälyagenttien kokonaisuus vastaa lopputuloksesta: siitä, että asiakas saa sen, mistä hän maksoi.
Teknisesti tekoälyagenttien kokonaisuus toimii useissa järjestelmissä, kuten kauppiaan verkkokaupassa, kuljetusyhtiön järjestelmässä ja maksujärjestelmissä, eikä vain yhdessä niistä. Se seuraa tapausta päivien ajan yhden keskustelun sijaan, ja sen on tiedettävä, milloin asia on todella ratkaistu. Toiminnallisesti tämä tarkoittaa, että henkilöstöä ei enää mitoita tukipyyntöjen määrän vaan poikkeustilanteiden perusteella.
Kuvitellaan, että paketin seurantatiedoissa lukee ”toimitettu”, vaikka paketti ei koskaan saapunut. Chatbot käskee ostajaa odottamaan. Agentti tekee korvausvaatimuksen. Seel Agencies tarkistaa kuljetusyhtiön skannaustiedot ja tilaushistorian, ratkaisee, täyttyvätkö ehdot, maksaa korvauksen tai lähettää korvaavan tuotteen, päivittää kauppiaan tiedot ja ilmoittaa ostajalle, että asia on hoidettu. Kumppanina, joka ottaa hoitaakseen kauppiaiden ostoksen jälkeiset tukipyynnöt alusta loppuun, testasimme tätä tekoälyinfrastruktuuria ensin omissa tukipyynnöissämme. Tämä ratkaisuun keskittyvä toimintatapa auttoi meitä saavuttamaan yli 90 prosentin ratkaisuprosentin ja samalla tunnistamaan ehdot täyttävät pyynnöt sekä hyvittämään ne välittömästi.
Kuvitellaan, että ostoksia tekevä agentti ostaa jonkun puolesta väärän koon. Mitä agentin, kauppiaan ja Seelin välillä pitäisi tapahtua virheen korjaamiseksi, ja kenen pitäisi vastata lopputuloksesta?
Ostajan ei pitäisi joutua sovittelemaan asiaa. Riippumatta siitä, kuka teki virheen, ratkaisu on sama: nopea vaihto tai hyvitys.
Tähän tarvitaan kolme asiaa. Tilauksesta on käytävä ilmi, kuka sen teki ja millä ohjeella, jotta agentin päätös voidaan jäljittää. Toiseksi kauppiaan palautuskäytännön on oltava koneellisesti luettavassa muodossa, jotta agentti voi toimia sen mukaisesti. Kolmanneksi jonkun on vastattava lopputuloksesta jo ennen kuin virheen aiheuttaja on selvitetty.
Tässä Seel tulee mukaan. Kannamme taloudellisen vastuun. Jos tilaus oli suojattu, ostaja saa ensin täyden korvauksen, ja vasta sen jälkeen selvitetään, kuka oli vastuussa. Jos ostoksia tekevä tekoälyagentti tilaa jonkun puolesta väärän koon, ostajalla pitäisi olla sama mahdollisuus saada asia ratkaistua kuin silloin, jos hän olisi tehnyt tilauksen itse – kunhan oikea turva lisättiin kassalla ja ongelma kuuluu sen piiriin. Kannamme taloudellisen vastuun kattamistamme lopputuloksista. Ostajan ei pitäisi joutua sovittelemaan sitä, tekikö virheen hän itse vai hänen agenttinsa.
Tiimisi mukaan tekoäly nopeuttaa 80 %:a Seelin tukipyyntöjen käsittelystä. Mitä ”nopeuttaminen” käytännössä tarkoittaa, kuinka suuri osa pyynnöistä ratkaistaan ilman ihmisen apua ja millä mittareilla voidaan osoittaa, että asiakkaat todella saavat parempaa palvelua?
Tekoäly hoitaa työn, joka aiemmin hidasti ihmistä: se lukee tapauksen, hakee tilaus- ja kuljetusyhtiötiedot, tarkistaa myyjän käytännöt ja useimmiten myös ratkaisee asian. Tekoäly käsittelee 80 % tukipyyntöjen kokonaismäärästä. Kaikkiaan ratkaisemme yli 99 % tukipyynnöistä, kun alalla puhutaan yleensä 60–70 prosentista.
Pelkkä ratkaisuaste voi kuitenkin peittää alleen huonon palvelun, sillä asiakkaat torjuva botti näyttää mittaristossa hyvältä. Siksi seuraamme esimerkiksi sitä, kuinka usein tukipyyntö avataan uudelleen, kuinka usein asia siirretään ihmisen käsiteltäväksi ja miten tyytyväisiä asiakkaat ovat. Nopeudella on merkitystä tilanteissa, jotka turhauttavat asiakkaita. Toimitusosoitteen muuttaminen tarkoittaa yleensä sähköpostiketjua erillisten tilaus- ja toimitusjärjestelmien välillä. Asiakaspalvelijamme hoitavat sen muutamassa minuutissa.
Minulle tärkein mittari on se, ostaako asiakas uudelleen. Verkostossamme 69 % kanta-asiakkaista suojasi ensimmäisen tilauksensa.
Olet kuvaillut itseäsi tekoälyagenttien kannattajaksi, mutta et autopilotin. Mitkä päätökset jätätte tarkoituksella ihmisille, ja miten järjestelmänne tunnistaa, milloin näennäisen rutiininomainen tapaus vaatii ihmisen harkintaa?
Autopilotti tarkoittaa, ettei kukaan valvo toimintaa. Haluamme, että agentit tekevät suurimman osan työstä ja ihmiset tekevät päätökset silloin, kun tarvitaan harkintaa.
Jätämme ihmisille kolmenlaiset päätökset: kaikki käytäntöjä määrittävät päätökset, tapaukset, joissa väärän päätöksen korjaaminen tulee kalliiksi, sekä niin poikkeukselliset tapaukset, ettei säännön mukainen ratkaisu välttämättä ole oikeudenmukainen. Tekoäly käsittelee rutiinitapaukset näiden rajojen puitteissa, eikä se voi laajentaa omaa toimivaltaansa. Jos toimenpidettä ei ole hyväksytty tai tapaus edellyttää lisähyväksyntää tai erityiskäsittelyä, se siirretään suoraan ihmiselle.
Järjestelmä huomioi pyynnön tyypin lisäksi siihen liittyvän tilanteen: riskin, kiireellisyyden, asiakkaan turhautumisen ja sen, kuinka herkkä asia on käytäntöjen kannalta. Suuren riskin tapaukset ohjataan ihmisille, kun taas käytäntöjen kannalta herkissä tapauksissa voidaan vaatia lisävarmistus ennen toimenpiteitä. Kynnysarvot määritetään myyjän ja työnkulun mukaan sen sijaan, että ne perustuisivat yhteen kaikille sopivaan rahamäärään tai luottamusarvoon. Esimerkiksi pyyntö nopeuttaa käsittelyä tai saada tavallista suurempi korvaus voi ylittää tekoälyn itsenäisen toimivallan.
Asiakastutkimuksenne mukaan monet Z-sukupolven kuluttajat haluavat yhä, että ihminen osallistuu heidän ongelmiensa ratkaisemiseen. Mitä olette oppineet sellaisen tekoälypohjaisen asiakastuen suunnittelusta, joka herättää luottamusta erityisesti silloin, kun asiakkaat haluavat kyseenalaistaa päätöksen tai tavoittaa ihmisen?
Z-sukupolvi suhtautuu tekoälyyn sukupolvista luontevimmin, mutta huomaa myös nopeimmin, jos yritys käyttää sitä välttääkseen asiakkaan kohtaamisen. Vuoden 2026 Z-sukupolven ostosraportissamme 49 % Z-sukupolven edustajista sanoi ratkaisevansa ongelman mieluummin ihmisen kanssa. He haluavat kuitenkin hoitaa asian nopeasti: 87 % asiakkaista odottaa, että ongelma ratkaistaan kahdessa tai kolmessa päivässä.
Olemme oppineet, että luottamus syntyy mahdollisuudesta siirtyä ihmisen puheille, ei botista. Kun asiakkaat tietävät voivansa tavoittaa ihmisen, he antavat tekoälyn hoitaa asioita mielellään. Jos tekoälystä tulee este, luottamus romahtaa, vaikka vastaus olisi oikea.
Suunnittelussa keskitymme siis kolmeen asiaan:
- Nopeuteen, jotta ongelmat ratkaistaan ennen kuin asiakkaat turhautuvat
- Selkeään ja ymmärrettävään perusteluun aina, kun tekoäly vastaa kieltävästi
- Yhden vaiheen siirtoon ihmiselle, joka näkee heti koko tapahtumahistorian, jotta asiakkaan ei tarvitse kertoa asiaansa uudelleen.
Kun agentit voivat myöntää hyvityksiä, muuttaa tilauksia tai tehdä toimia useissa myyjän järjestelmissä, virheillä on taloudellisia seurauksia. Miten valvotte käyttöoikeuksia, estätte päällekkäiset tai luvattomat toimet ja selvitätte jälkikäteen, mitä tapahtui, jos jokin menee pieleen?
Jokainen agentti saa vain työssään tarvitsemansa käyttöoikeudet. Rajamme oikeudet niihin työnkulkuihin, joista myyjä on sopinut. Käytämme työntekijöiden tunnuksista erillisiä omia tilejä tai API-tunnisteita, jotta myyjä voi muuttaa, keskeyttää tai peruuttaa käyttöoikeudet milloin tahansa.
Suuremman riskin toimiin, kuten suuriin hyvityksiin, voimme määrittää myyjän vaatimusten mukaisen ihmisen tekemän tarkistuksen tai rahamäärään ja sääntöihin perustuvat kynnysarvot. Se, että agentille annetaan pääsy järjestelmään, ei tarkoita, että sille annetaan rajaton toimivalta.
Jokaisesta järjestelmässä tehdystä toimesta kirjataan, milloin se tapahtui, mitä tehtiin ja mikä sen käynnisti. Jos jokin menee pieleen, lokitiedot antavat meille aineiston, jonka avulla voimme selvittää tapahtunutta myyjän kanssa, auttaa peruuttamaan toimenpiteen ja tiukentaa sääntöjä jälkikäteen.
1-Click Resale -palvelussa agentit luovat myynti-ilmoituksia, määrittävät hinnat ja koordinoivat myyntiä useilla kauppapaikoilla. Miten tarkistatte tuotekuvaukset ja hinnat sekä estätte saman tuotteen myymisen kahdesti, jos kauppapaikkojen päivitykset viivästyvät?
Jälleenmyyntipalvelumme hoitaa työn, jota myyjä yleensä haluaa välttää. Se tarkistaa asiakkaan lähettämästä kuvasta tuotteen kunnon, määrittää hinnan markkinatilanteen perusteella, luo myynti-ilmoituksen ja poistaa sen, kun tuote on myyty.
Tuotekuvaukset laaditaan jo käytettävissä olevien tietojen pohjalta. Koska tuote on peräisin myyjän tilauksesta, palvelu käyttää alkuperäisiä tuotetietoja. Hinnan määrittelyssä lähtökohtana ovat vastaavista tuotteista toteutuneet myyntihinnat, joita mukautetaan tuotteen kunnon mukaan. Asiakas vahvistaa tarjouksen ennen kuin etenemme, ja tiimimme hoitaa myynti-ilmoituksen laatimisen sekä mahdollisten puuttuvien tietojen täydentämisen.
Tavoitteena on helpottaa jälleenmyyntiä, jotta asiakkaat voivat saada takaisin osan sellaisten tuotteiden arvosta, joita he eivät enää halua, myös palautusajan päätyttyä.
Mitkä operatiiviset haasteet saivat teidät avaamaan Seelin LLM Gatewayn, ja miten valitsette eri tehtäviin sopivat mallit luotettavuuden, viiveen ja kustannusten perusteella? Arvioitteko taloudellista kannattavuutta mallikohtaisesti eli jokaista mallikutsua kohti vai asiakaskohtaisesti eli jokaisen onnistuneesti toteutetun lopputuloksen perusteella?
Rakensimme sen ensin omaan käyttöömme. Seel Agenciesin kehittäminen omien työnkulkujemme hallintaan opetti meille, että tekoälyn laajamittainen käyttö edellyttää järjestelmällisyyttä mallien hankinnassa. Tarvitsimme skaalautuvuutta ja luotettavuutta, pääsyn parhaisiin malleihin sekä ennustettavan yksikkötalouden, joten rakensimme tarvittavan infrastruktuurin. Kauppiaat kohtasivat saman kustannusten nousun malli mallilta ja pyyntö pyynnöltä, joten avasimme infrastruktuurin myös heidän käyttöönsä.
Reititämme tehtävän perusteella. Tilausnumeron poimiminen sähköpostista ei vaadi samaa mallia kuin monimutkaisen, monivaiheisen ongelman ratkaiseminen. LLM Router arvioi pyynnön monimutkaisuuden ja valitsee asiakkaan sallimien mallien joukosta sopivan mallin. Asiakkaat voivat valita suorituskyvyn, kustannussäästöt tai näiden tasapainon. Näin he voivat päättää, kuinka paljon yksinkertaisissa tehtävissä pyritään säästämään.
Luotettavuuden ja viiveen on silti oltava riittävällä tasolla todellisessa käytössä. Suosittelemme testaamaan laatua, vastausaikaa ja kustannuksia ennen kuin reititystä muutetaan aggressiivisemmaksi. Monimutkaisissa työnkuluissa tai tehtävissä, jotka vaativat ehdotonta johdonmukaisuutta, asiakkaat voivat käyttää tiettyä mallia automaattisen reitityksen sijaan.
LLM Router veloittaa mallien käytöstä, ei jokaisesta onnistuneesti toteutetusta asiakastuloksesta. Älykkäässä reitityksessä laskutus määräytyy käytetyn mallin hinnan mukaan. Seel vastaa reitityspäätöstä varten tehtävän pyynnön monimutkaisuuden arvioinnin kustannuksista.
Mitä tekoälyyrityksiä rakentaville perustajille Seel on opettanut erosta vaikuttavan demon ja palvelun välillä, johon asiakkaat voivat luottaa? Millaisia todisteita kauppiaan pitäisi vaatia ennen kuin hän antaa kokonaisen liiketoimintonsa osa-alueen tekoälyagentuurin hoidettavaksi?
Demossa järjestelmän näytetään toimivan kerran. Palvelu osoittaa sen toimivan vielä kymmenestuhannellakin kerralla aamukahdelta, kun kuljetusyhtiön rajapinta ei toimi ja asiakas on vihainen. Vaikeinta ei koskaan ollut itse malli. Haasteita aiheuttavat huono data, keskenään ristiriitaiset järjestelmät ja sen tunnistaminen, milloin tekoälyn ei pidä toimia.
Kauppiaiden kannattaa pyytää todisteita, ei demoja. Kuinka suuren osan tapauksista agentuuri ratkaisee alusta loppuun? Miten pitkiä sen ratkaisuajat ovat, ja millaiset ovat uusintaostoprosentit, kun asiakastukipyyntöjen vähenemistä ei lasketa mukaan? Jos jokin menee pieleen, kuka maksaa ja kuinka nopeasti, ja pystyttekö näkemään tarkalleen, mitä agentuuri teki? Entä kuinka monta ihmistä sen pyörittämiseen tarvitaan?
Kiitos hienosta haastattelusta. Lukijat, jotka haluavat oppia lisää tekoälyagentuureista, oston jälkeisistä palveluista ja verkkokaupan automaatiosta, voivat tutustua Seeliin.












