สัมภาษณ์
Zack Peng ผู้ร่วมก่อตั้งและซีอีโอของ Seel – บทสัมภาษณ์ชุดพิเศษ

ประเด็นสำคัญSeel แก้ไขเคสสนับสนุนมากกว่า 99% โดยให้ AI…
ดูเพิ่มเติม
- Seel แก้ไขเคสสนับสนุนมากกว่า 99% โดยให้ AI ดำเนินการแก้ไขจนเสร็จแทนที่จะเพียงเบี่ยงเบนตั๋ว
- ความไว้วางใจในระบบสนับสนุนด้วย AI ขึ้นอยู่กับทางออกที่มองเห็นได้ไปสู่มนุษย์มากกว่าความแม่นยำของบอท
- ผู้ค้าควรเรียกร้องหลักฐานของอัตราการแก้ไขแบบครบวงจรและความรับผิดชอบแทนการสาธิตที่ดูดี
Zack Peng เป็นผู้ร่วมก่อตั้งและซีอีโอของ Seel โดยมุ่งแก้ปัญหาที่ผู้ซื้อและผู้ค้าต้องเผชิญหลังชำระเงิน งานของเขาเริ่มต้นจากการคาดการณ์การคืนสินค้าและการคืนเงิน ก่อนจะขยายไปสู่ระบบ AI ที่จัดการคำขอของลูกค้าในขั้นตอนต่าง ๆ ของการซื้อขาย เขาสนับสนุนการใช้เอเจนต์ที่ลงมือทำงานได้จริงควบคู่กับการกำหนดขอบเขตการทำงานที่ชัดเจน การส่งต่อให้มนุษย์ดูแลเมื่อจำเป็น และความรับผิดชอบต่อผลลัพธ์ที่ลูกค้าได้รับ
Seel ให้บริการหลังการซื้อและบริการเอเจนซี AI สำหรับอีคอมเมิร์ซ ซึ่งครอบคลุมการคุ้มครองการซื้อและการจัดส่ง การสนับสนุนลูกค้า และการขายต่อ แพลตฟอร์มของบริษัทเชื่อมต่อระบบของผู้ค้า ข้อมูลคำสั่งซื้อ และขั้นตอนการให้บริการ เพื่อช่วยจัดการปัญหาของผู้ซื้อ ขณะที่ LLM Gateway ช่วยให้เข้าถึงโมเดลต่าง ๆ และกำหนดเส้นทางการทำงานตามภารกิจได้ ในบทสัมภาษณ์นี้ Peng กล่าวถึงการเปลี่ยนจากการตอบคำถามไปสู่การรับผิดชอบผลลัพธ์ การควบคุมที่จำเป็นเพื่อให้เอเจนต์ทำงานข้ามระบบได้ และวิธีที่ผู้ค้าจะประเมินความน่าเชื่อถือของบริการ AI
อะไรเป็นแรงบันดาลใจให้คุณร่วมก่อตั้ง Seel และการแก้ปัญหาที่ผู้ซื้อพบหลังชำระเงินนำไปสู่การสร้างกำลังคน AI สำหรับอีคอมเมิร์ซได้อย่างไร
ทุกอย่างเริ่มต้นจากตลาดกลางแห่งหนึ่ง เราได้พบกับผู้ก่อตั้งที่ดูแลตลาดกลางแห่งหนึ่ง และเห็นว่าอุตสาหกรรมทุ่มเทความพยายามมากเพียงใดกับการคาดการณ์การเรียกคืนเงินจากรายการชำระเงิน ซึ่งมีต้นทุนประมาณ 0.5% ของ GMV ขณะที่การคืนสินค้าและการคืนเงินมีสัดส่วนอยู่ที่ 10 ถึง 20% แต่กลับไม่มีใครคาดการณ์เรื่องเหล่านี้ เราจึงสร้างโมเดลที่ทำได้ และนำมาใช้เปิดทางให้ผู้ซื้อจ่ายค่าธรรมเนียมเล็กน้อยเพื่อขอคืนเงินสำหรับสินค้าที่ขายขาด ฉันคาดว่าจะมีผู้เลือกใช้ 3 ถึง 5% แต่ตัวเลขจริงอยู่ที่ 10 ถึง 20% นั่นทำให้เรารู้ว่าผู้ซื้อยินดีจ่ายเพื่อความมั่นใจหลังชำระเงิน ด้วยเหตุผลเดียวกับที่ผู้คนซื้อ AppleCare หรือประกันความเสียหายจากการเช่ารถ
กำลังคน AI เกิดขึ้นจากกล่องข้อความฝ่ายสนับสนุนของเราเอง ตั๋วขอความช่วยเหลือมากกว่า 70% ไม่เกี่ยวข้องกับการคืนสินค้า ผู้ซื้ออยากรู้ว่าคำสั่งซื้อของตนอยู่ที่ไหน หรือสามารถเปลี่ยนสินค้าได้หรือไม่ แทนที่จะส่งพวกเขากลับไปหาผู้ค้า เราเริ่มจัดการตั๋วเหล่านั้นด้วยตัวเอง เราได้เรียนรู้ว่าคุณค่าที่แท้จริงของ AI ในการค้าขายไม่ใช่การประหยัดเงิน แต่อยู่ที่การทำสิ่งต่าง ๆ ได้ทันทีในวงกว้าง แม้ในช่วงที่มีปริมาณงานสูงสุด ซึ่งรวมถึงการมีระบบ AI ที่ประเมินและอนุมัติการคืนเงินที่เข้าเกณฑ์ได้ก่อนจะได้รับสินค้าที่ส่งคืน ตลอดจนเอเจนต์ AI ที่พร้อมทำงานตลอด 24 ชั่วโมงทุกวันและลงมือจัดการคำขอของลูกค้าได้
คุณอธิบายพัฒนาการจากแชตบอตที่ตอบคำถาม ไปสู่เอเจนต์ที่ลงมือทำ และต่อไปยังเอเจนซี AI ที่รับผิดชอบผลลัพธ์ทั้งหมด ในแต่ละขั้นมีอะไรเปลี่ยนแปลงบ้างทั้งด้านเทคนิคและการดำเนินงาน และช่วยยกตัวอย่างปัญหาจริงของลูกค้าประกอบได้ไหม
ความแตกต่างอยู่ที่ว่าใครเป็นผู้รับผิดชอบผลลัพธ์ แชตบอตตอบคำถามว่า “คำสั่งซื้อของฉันอยู่ที่ไหน” ส่วนเอเจนต์ทำงานเฉพาะอย่างให้เสร็จ เช่น ยื่นเรื่องเคลม ขณะที่เอเจนซีรับผิดชอบผลลัพธ์ที่ได้ นั่นคือการทำให้ลูกค้าได้รับสิ่งที่จ่ายเงินซื้อ
ในทางเทคนิค เอเจนซีทำงานข้ามระบบต่าง ๆ ทั้งร้านค้าของผู้ค้า บริษัทขนส่ง และระบบชำระเงิน แทนที่จะทำงานอยู่ในระบบเดียว เอเจนซีติดตามกรณีต่าง ๆ ต่อเนื่องหลายวัน ไม่ใช่แค่การสนทนาครั้งเดียว และต้องรู้ด้วยว่าเมื่อใดจึงจะถือว่าจัดการจนเสร็จสิ้นจริง ในด้านการดำเนินงาน คุณจะเลิกจัดกำลังคนตามปริมาณตั๋ว แล้วหันมาจัดกำลังคนเพื่อรับมือกับกรณียกเว้นแทน
ลองนึกถึงพัสดุที่ขึ้นสถานะว่าจัดส่งแล้ว แต่กลับไปไม่ถึงผู้รับ แชตบอตจะบอกให้ผู้ซื้อรอ ส่วนเอเจนต์จะเปิดเรื่องเคลม ขณะที่ Seel Agencies ตรวจสอบข้อมูลการสแกนของบริษัทขนส่งและประวัติคำสั่งซื้อ ตัดสินว่าผู้ซื้อเข้าเกณฑ์หรือไม่ จ่ายเงินชดเชยหรือจัดส่งสินค้าใหม่ ปรับปรุงบันทึกของผู้ค้า และแจ้งผู้ซื้อว่าดำเนินการเสร็จแล้ว ในฐานะพันธมิตรที่รับผิดชอบจัดการตั๋วหลังการซื้อให้ผู้ค้าตั้งแต่ต้นจนจบ เราทดลองใช้โครงสร้างพื้นฐาน AI นี้กับตั๋วของเราเองก่อน แนวทางที่มุ่งเน้นการแก้ปัญหานี้ช่วยให้เรามีอัตราการแก้ไขปัญหาสูงกว่า 90% พร้อมทั้งสามารถแจ้งเตือนและคืนเงินสำหรับคำขอที่เข้าเกณฑ์ได้ทันที
ลองพิจารณากรณีที่เอเจนต์ชอปปิงสั่งซื้อสินค้าผิดขนาดแทนใครสักคน จะต้องทำอย่างไรระหว่างเอเจนต์นั้น ผู้ค้า และ Seel เพื่อแก้ไขข้อผิดพลาด และใครควรรับผิดชอบผลลัพธ์
ผู้ซื้อไม่ควรต้องมาคอยไกล่เกลี่ย ไม่ว่าใครจะเป็นฝ่ายทำพลาด วิธีแก้ก็เหมือนเดิม นั่นคือเปลี่ยนสินค้าหรือคืนเงินให้โดยเร็ว
มีสามสิ่งที่ทำให้เรื่องนี้เป็นไปได้ ประการแรก คำสั่งซื้อต้องมีบันทึกว่าใครเป็นผู้สั่งและสั่งตามคำแนะนำใด เพื่อให้ตรวจสอบย้อนหลังถึงการตัดสินใจของเอเจนต์ได้ ประการที่สอง นโยบายการคืนสินค้าของผู้ค้าต้องอยู่ในรูปแบบที่ระบบอ่านได้ เพื่อให้เอเจนต์ดำเนินการตามนโยบายได้ ประการที่สาม ต้องมีใครสักคนรับผิดชอบผลลัพธ์ก่อนที่จะระบุได้ว่าใครเป็นฝ่ายผิด
นี่คือบทบาทของ Seel เรารับผิดชอบภาระหนี้สิน หากคำสั่งซื้อได้รับความคุ้มครอง ผู้ซื้อจะได้รับการชดเชยให้ครบถ้วนก่อน แล้วจึงค่อยระบุว่าใครเป็นฝ่ายรับผิด หากเอเจนต์ AI สำหรับการชอปปิงสั่งสินค้าผิดขนาดแทนใครสักคน ผู้ซื้อควรได้รับการแก้ไขปัญหาในแนวทางเดียวกับกรณีที่สั่งซื้อด้วยตนเอง ตราบใดที่เพิ่มความคุ้มครองที่ถูกต้องไว้ตอนชำระเงิน และปัญหานั้นอยู่ในขอบเขตความคุ้มครอง เรารับผิดชอบทางการเงินต่อผลลัพธ์ที่เราให้ความคุ้มครอง ผู้ซื้อไม่ควรต้องมาคอยไกล่เกลี่ยว่าตนเองหรือเอเจนต์เป็นฝ่ายสั่งผิด
ทีมของคุณระบุว่า AI ช่วยเร่งการจัดการตั๋วขอความช่วยเหลือของ Seel ได้ 80% ในทางปฏิบัติ “เร่ง” หมายถึงอะไร มีสัดส่วนเท่าใดที่จัดการได้โดยไม่ต้องให้มนุษย์เข้ามาแทรกแซง และตัวชี้วัดใดบ้างที่บอกได้ว่าลูกค้าได้รับบริการที่ดีขึ้นจริง
หมายความว่า AI ทำงานที่เคยทำให้คนต้องเสียเวลา ไม่ว่าจะเป็นการอ่านเคส ดึงข้อมูลคำสั่งซื้อและผู้ขนส่ง ตรวจสอบนโยบายของร้านค้า และในกรณีส่วนใหญ่ก็จัดการเรื่องนั้นให้เสร็จ AI ทำงานเหล่านี้กับปริมาณเคสที่เราได้รับ 80% โดยรวมแล้ว เราจัดการเคสบริการลูกค้าได้มากกว่า 99% ขณะที่ตัวเลขที่มักพูดถึงกันในอุตสาหกรรมอยู่ที่ 60–70%
แต่ดูแค่อัตราการปิดเคสอาจทำให้มองไม่เห็นว่าบริการแย่ เพราะบอตที่คอยเบี่ยงเบนลูกค้าอาจดูดีมากบนแดชบอร์ด เราจึงติดตามตัวชี้วัดต่าง ๆ เช่น อัตราการเปิดเคสซ้ำ อัตราการส่งต่อเคสให้เจ้าหน้าที่ และความพึงพอใจของลูกค้า ความรวดเร็วสำคัญในช่วงเวลาที่ทำให้ลูกค้าหงุดหงิด โดยปกติการเปลี่ยนที่อยู่จัดส่งต้องติดต่อกันทางอีเมลหลายรอบระหว่างระบบคำสั่งซื้อกับระบบจัดการคำสั่งซื้อแยกกัน แต่เจ้าหน้าที่ของเราทำได้ภายในไม่กี่นาที
สิ่งที่ผมให้ความสำคัญมากที่สุดคือ ลูกค้ากลับมาซื้ออีกหรือไม่ ในเครือข่ายของเรา ผู้ซื้อซ้ำ 69% ปกป้องคำสั่งซื้อแรกของตน
คุณเคยอธิบายตัวเองว่า “สนับสนุนการใช้เอเจนต์ แต่ไม่สนับสนุนการปล่อยให้ทำงานอัตโนมัติโดยไร้คนกำกับ” มีการตัดสินใจเรื่องใดบ้างที่คุณตั้งใจให้คนเป็นผู้รับผิดชอบ และระบบของคุณรู้ได้อย่างไรว่าเคสที่ดูเหมือนเป็นเรื่องปกติต้องอาศัยวิจารณญาณของมนุษย์?
การปล่อยให้ทำงานอัตโนมัติโดยไร้คนกำกับหมายถึงไม่มีใครคอยดูแล เราต้องการให้เอเจนต์ทำงานส่วนใหญ่ และให้คนเป็นผู้ตัดสินใจในเรื่องที่ต้องใช้วิจารณญาณ
เราสงวนการตัดสินใจไว้ให้คนรับผิดชอบอยู่สามประเภท ได้แก่ เรื่องที่กำหนดนโยบาย เคสที่หากตัดสินใจผิดแล้วแก้ไขได้ยากและมีค่าใช้จ่ายสูง และเคสที่มีลักษณะผิดปกติมากจนคำตอบตามกฎอาจไม่ใช่คำตอบที่เป็นธรรม AI จัดการเคสทั่วไปภายในขอบเขตเหล่านี้ และไม่มีอำนาจขยายขอบเขตอำนาจของตัวเอง หากการดำเนินการใดยังไม่ได้รับอนุญาต หรือเคสต้องได้รับการอนุมัติเพิ่มเติมหรือการดูแลเป็นพิเศษ ระบบจะส่งต่อให้คนทันที
ระบบพิจารณาบริบทโดยรอบ ไม่ได้ดูแค่ประเภทของคำขอ แต่ยังพิจารณาความเสี่ยง ความเร่งด่วน ความไม่พอใจของลูกค้า และความอ่อนไหวด้านนโยบายด้วย เคสที่มีความเสี่ยงสูงจะถูกส่งต่อให้คน ส่วนเคสที่อ่อนไหวด้านนโยบายอาจต้องผ่านการตรวจสอบเพิ่มเติมก่อนดำเนินการ เกณฑ์เหล่านี้กำหนดให้เหมาะกับร้านค้าและขั้นตอนการทำงานแต่ละแห่ง แทนที่จะใช้จำนวนเงินหรือคะแนนความเชื่อมั่นค่าเดียวกับทุกกรณี ตัวอย่างเช่น คำขอให้ดำเนินการเร่งด่วนหรือจ่ายเงินชดเชยในวงเงินสูงอาจอยู่นอกขอบเขตอำนาจที่ AI ดำเนินการได้เอง
งานวิจัยเกี่ยวกับผู้ซื้อของคุณชี้ว่า ผู้บริโภค Gen Z จำนวนมากยังต้องการให้คนเข้ามามีส่วนร่วมในการแก้ไขปัญหา คุณได้เรียนรู้อะไรบ้างเกี่ยวกับการออกแบบบริการสนับสนุนด้วย AI ให้สร้างความไว้วางใจ โดยเฉพาะเมื่อผู้บริโภคต้องการโต้แย้งการตัดสินใจหรือติดต่อเจ้าหน้าที่?
Gen Z เป็นคนรุ่นที่คุ้นเคยกับ AI มากที่สุด และยังสังเกตได้ไวที่สุดเมื่อบริษัทใช้ AI เพื่อหลีกเลี่ยงการติดต่อกับพวกเขา ในรายงานพฤติกรรมการซื้อของ Gen Z ประจำปี 2026 ของเรา Gen Z 49% ระบุว่าอยากให้คนช่วยแก้ไขปัญหามากกว่า แต่พวกเขาก็ยังต้องการความรวดเร็ว โดยผู้ซื้อ 87% คาดหวังว่าปัญหาจะได้รับการแก้ไขภายในสองถึงสามวัน
สิ่งที่เราเรียนรู้คือ ความไว้วางใจเกิดจากการที่ลูกค้ายังมีทางเลือกที่จะออกจากการสนทนากับบอต ไม่ใช่เกิดจากตัวบอต เมื่อลูกค้ารู้ว่าสามารถติดต่อคนได้ พวกเขาก็ยินดีให้ AI จัดการเรื่องต่าง ๆ แต่เมื่อ AI กลายเป็นกำแพง ความไว้วางใจก็พังทลาย แม้คำตอบนั้นจะถูกต้องก็ตาม
เราจึงออกแบบโดยคำนึงถึงสามเรื่องนี้:
- ความรวดเร็ว เพื่อแก้ไขปัญหาก่อนที่ลูกค้าจะเริ่มหงุดหงิด
- การอธิบายเหตุผลอย่างชัดเจนด้วยภาษาที่เข้าใจง่ายทุกครั้งที่ AI ปฏิเสธคำขอ
- และการส่งต่อให้เจ้าหน้าที่ได้ในขั้นตอนเดียว โดยเจ้าหน้าที่เห็นประวัติทั้งหมดได้ทันที เพื่อให้ลูกค้าไม่ต้องเล่าเรื่องซ้ำ
เมื่อเอเจนต์สามารถคืนเงิน เปลี่ยนคำสั่งซื้อ หรือดำเนินการในระบบต่าง ๆ ของร้านค้าได้ ความผิดพลาดก็ส่งผลกระทบทางการเงิน คุณควบคุมสิทธิ์การเข้าถึง ป้องกันการดำเนินการซ้ำหรือไม่ได้รับอนุญาต และตรวจสอบย้อนหลังว่าเกิดอะไรขึ้นเมื่อมีปัญหาอย่างไร?
เอเจนต์แต่ละรายได้รับสิทธิ์เข้าถึงเท่าที่จำเป็นต่อหน้าที่ของตนเท่านั้น เราจำกัดสิทธิ์ดังกล่าวไว้เฉพาะขั้นตอนการทำงานที่ร้านค้าตกลงไว้ เราใช้บัญชีเฉพาะหรือโทเคน API ซึ่งแยกจากบัญชีของพนักงาน เพื่อให้ร้านค้าปรับเปลี่ยน ระงับ หรือเพิกถอนสิทธิ์ได้ทุกเมื่อ
สำหรับการดำเนินการที่มีความเสี่ยงสูงกว่า เช่น การคืนเงินจำนวนมาก เราสามารถกำหนดให้มีการตรวจสอบโดยคน หรือตั้งเกณฑ์ตามจำนวนเงินและกฎต่าง ๆ ให้สอดคล้องกับข้อกำหนดของร้านค้า การให้เอเจนต์เข้าถึงระบบไม่ควรหมายถึงการให้อำนาจโดยไม่มีขอบเขต
ระบบจะบันทึกการดำเนินการทุกครั้ง พร้อมระบุว่าเกิดขึ้นเมื่อใด ทำอะไรไป และอะไรเป็นเหตุให้ดำเนินการ หากเกิดปัญหา บันทึกนี้จะช่วยให้เราตรวจสอบร่วมกับร้านค้า สนับสนุนการย้อนคืนการเปลี่ยนแปลง และปรับปรุงกฎให้รัดกุมขึ้นในภายหลัง
ด้วย 1-Click Resale เอเจนต์จะสร้างประกาศขาย กำหนดราคา และประสานงานการขายผ่านมาร์เก็ตเพลซหลายแห่ง คุณตรวจสอบคำบรรยายสินค้าและราคาอย่างไร และป้องกันไม่ให้สินค้าชิ้นเดียวกันขายซ้ำเมื่อการอัปเดตจากมาร์เก็ตเพลซล่าช้าได้อย่างไร?
เอเจนซี Resale ของเราจัดการงานที่ผู้ขายส่วนใหญ่มักไม่อยากทำ โดยตรวจสอบรูปถ่ายที่ลูกค้าส่งมาเพื่อประเมินสภาพสินค้า ตั้งราคาตามตลาด สร้างประกาศขาย และนำประกาศออกเมื่อขายได้แล้ว
เราเริ่มเขียนคำบรรยายจากข้อมูลที่มีอยู่แล้ว เนื่องจากสินค้ามาจากคำสั่งซื้อของร้านค้า เอเจนซีจึงใช้ข้อมูลสินค้าในรายการต้นฉบับเป็นหลัก การตั้งราคาเริ่มจากราคาที่สินค้าคล้ายกันขายได้จริง แล้วปรับตามสภาพสินค้า ลูกค้ายืนยันราคาที่เสนอให้ก่อนที่เราจะดำเนินการต่อ จากนั้นทีมของเราจะจัดการประกาศขายและเติมรายละเอียดที่ขาดหายไป
เป้าหมายคือทำให้การขายต่อเป็นเรื่องง่ายขึ้น เพื่อให้ลูกค้าได้รับเงินคืนจากสินค้าที่ไม่ต้องการแล้ว แม้พ้นกำหนดเวลาคืนสินค้าไปแล้ว
อะไรคือความท้าทายด้านการดำเนินงานที่ทำให้คุณเปิด LLM Gateway ของ Seel และคุณเลือกโมเดลสำหรับงานต่าง ๆ โดยพิจารณาจากความน่าเชื่อถือ เวลาแฝง และต้นทุนอย่างไร คุณประเมินความคุ้มค่าทางเศรษฐกิจต่อการเรียกใช้โมเดลแต่ละครั้ง หรือต่อผลลัพธ์ที่ลูกค้าทำได้สำเร็จแต่ละครั้ง
เราเริ่มสร้างสิ่งนี้เพื่อใช้เองก่อน การพัฒนา Seel Agencies เพื่อให้จัดการเวิร์กโฟลว์ของเราเองสอนให้เรารู้ว่า การใช้ AI ในวงกว้างทำให้ต้องมีกระบวนการที่รัดกุมในการจัดหาโมเดล เราต้องการขยายการใช้งานได้ในวงกว้าง มีความน่าเชื่อถือ เข้าถึงโมเดลที่ดีที่สุด และมีต้นทุนต่อหน่วยที่คาดการณ์ได้ เราจึงสร้างโครงสร้างพื้นฐานขึ้นมาเพื่อรองรับสิ่งเหล่านี้ ร้านค้าต่าง ๆ ก็เผชิญกับต้นทุนที่เพิ่มขึ้นเช่นเดียวกัน ทั้งจากโมเดลหนึ่งไปสู่อีกโมเดลหนึ่ง และจากคำขอหนึ่งไปสู่อีกคำขอหนึ่ง เราจึงเปิดให้ผู้อื่นใช้งานด้วย
เราเลือกเส้นทางตามลักษณะงาน การดึงหมายเลขคำสั่งซื้อจากอีเมลไม่จำเป็นต้องใช้โมเดลเดียวกับการจัดการปัญหาซับซ้อนที่มีหลายขั้นตอน LLM Router จะประเมินความซับซ้อนของคำขอ แล้วเลือกใช้โมเดลที่ลูกค้าอนุญาตไว้ ลูกค้าสามารถเลือกประสิทธิภาพ การประหยัดค่าใช้จ่าย หรือความสมดุลระหว่างสองอย่างนี้ได้ จึงตัดสินใจได้ว่าจะลดค่าใช้จ่ายกับงานง่าย ๆ มากน้อยเพียงใด
ระบบยังต้องมีความน่าเชื่อถือและเวลาแฝงที่เหมาะสมเมื่อใช้งานกับภาระงานจริง เราแนะนำให้ทดสอบคุณภาพ เวลาตอบสนอง และต้นทุน ก่อนปรับการเลือกเส้นทางให้เน้นการประหยัดมากขึ้น สำหรับเวิร์กโฟลว์ที่ซับซ้อนหรืองานที่ต้องการความสม่ำเสมออย่างเคร่งครัด ลูกค้าสามารถเลือกใช้โมเดลเฉพาะแทนการเลือกเส้นทางอัตโนมัติได้
LLM Router คิดค่าบริการตามการใช้งานโมเดล ไม่ใช่ตามผลลัพธ์ที่ลูกค้าทำได้สำเร็จแต่ละครั้ง เมื่อใช้การเลือกเส้นทางอัจฉริยะ คุณจะถูกเรียกเก็บค่าบริการตามอัตราของโมเดลที่ทำงานจริง ส่วน Seel รับผิดชอบค่าใช้จ่ายในการประเมินความซับซ้อนของคำขอเพื่อใช้ตัดสินใจเลือกเส้นทาง
สำหรับผู้ก่อตั้งที่กำลังสร้างธุรกิจ AI Seel ทำให้คุณเห็นอะไรเกี่ยวกับความแตกต่างระหว่างการสาธิตที่น่าประทับใจกับบริการที่ลูกค้าไว้วางใจได้บ้าง ก่อนมอบหมายหน้าที่ทางธุรกิจทั้งหมดให้เอเจนซี AI ร้านค้าควรเรียกร้องหลักฐานอะไร
การสาธิตแสดงให้เห็นว่าระบบทำงานได้หนึ่งครั้ง ส่วนบริการต้องพิสูจน์ว่าระบบยังทำงานได้เมื่อถึงเคสที่หนึ่งหมื่น ตอนตี 2 ในเวลาที่ API ของผู้ให้บริการขนส่งล่มและลูกค้ากำลังไม่พอใจ ความท้าทายที่แท้จริงไม่เคยอยู่ที่โมเดล แต่อยู่ที่ข้อมูลที่ไม่ดี ระบบที่ให้ข้อมูลไม่ตรงกัน และการรู้ว่าเมื่อใด AI ไม่ควรลงมือ
ร้านค้าควรขอหลักฐาน ไม่ใช่การสาธิต เอเจนซีจัดการเคสตั้งแต่ต้นจนจบได้กี่เปอร์เซ็นต์ ใช้เวลาแก้ไขนานเท่าใด และมีอัตราการซื้อซ้ำเท่าใด โดยพิจารณานอกเหนือจากการลดจำนวนคำร้องเรียนที่ต้องให้เจ้าหน้าที่จัดการ หากเอเจนซีทำผิด ใครเป็นผู้รับผิดชอบค่าเสียหาย ใช้เวลานานเท่าใดกว่าจะจัดการ และคุณตรวจสอบได้หรือไม่ว่าระบบทำอะไรไปบ้าง อีกทั้งต้องใช้คนกี่คนในการดูแล
ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมเกี่ยวกับเอเจนซี AI บริการหลังการซื้อ และระบบอัตโนมัติสำหรับอีคอมเมิร์ซ สามารถเยี่ยมชม Seel ได้












