ElevenLabs delega tarefas rotineiras a agentes internos e economiza 1.200 horas por mês

A ElevenLabs publicou uma análise de como seus próprios agentes, criados na plataforma ElevenAgents, funcionam dentro da empresa. Os números: mais de 1 200 horas economizadas por mês, mais de 5 000 respostas a perguntas de funcionários, dezenas de demos personalizadas para clientes e mais de 150 tickets abertos pelos agentes no último mês. As 1 200 horas equivalem a cerca de sete ou oito funcionários em tempo integral. O autor do texto, Jake Tennant, líder de produto e crescimento do ElevenAgents (que passou quatro anos como PM na Coinbase), descreve com franqueza tanto os resultados quanto as técnicas de engenharia que levaram a eles.

Tudo começou de forma modesta. Os agentes no Slack ajudavam a encontrar informações internas mais rápido: dados de retenção de usuários, documentação necessária, histórico de contas. Depois, passaram a agir. O funcionário faz uma pergunta, relata um bug ou pede uma demo, e o agente responde ou executa a solicitação.

Quem faz o quê no Slack

Os agentes são atribuídos a equipes específicas:

• GTM bot (vendas) responde a perguntas sobre clientes. Exemplos de consulta: "Quais são nossos principais clientes com direito de uso do logotipo no Reino Unido, na França e na Alemanha?" ou "Quais são os principais casos de uso da nossa API?"
• FDE bot (Forward Deployed Engineer, vendas e pré-venda) responde a perguntas sobre o produto, por exemplo quais integrações são necessárias para um cliente que quer um AI SDR outbound para agendar reuniões no lugar dos gerentes de conta. Ele também monta, a partir de uma mensagem, um agente funcional para o cenário de um prospect específico.
• Triage bot (suporte e engenharia) transforma feedbacks e relatórios de bugs em tickets. Em um mês, criou 150 tickets, trabalho que antes era manual e envolvia duas equipes.
• Agentes de produto e de marketing de produto respondem a perguntas sobre dados em canais temáticos. Um exemplo: como mudou, ao longo de seis meses, a conversão do plano gratuito para o pago entre assinantes self-serve do ElevenCreative nos EUA e o que influencia esse índice. A análise chega em uma thread, onde também é possível fazer perguntas de acompanhamento.

Um ticket que não dá vergonha abrir

O triage bot tem Procedures separadas para feature requests e para bugs. Antes de criar um ticket, ele busca contexto no Slack, confere os tickets já existentes para não gerar duplicatas e verifica se há detalhes suficientes para o diagnóstico. Só depois abre o ticket no Linear, com a prioridade adequada. O bot identifica a equipe responsável com base em um documento sobre áreas de responsabilidade, carregado na base de conhecimento do agente.

Depois que o ticket é criado, entra mais uma etapa: o agente verifica se os campos foram preenchidos corretamente e se o ticket foi para a equipe certa. Segundo o autor, isso reduziu os casos de alucinação e de escolha errada de equipe.

Enxugar o schema, em vez de polir o prompt

A parte de engenharia mais importante do texto reúne quatro técnicas que a equipe tirou da operação:

• Curadoria do schema vale mais que prompt engineering. O maior ganho de qualidade nos agentes de retrieval veio da remoção de campos, não do ajuste do prompt de sistema. Cada coluna ou campo de objeto a mais é mais um ponto em que o modelo pode chutar errado. Reduzir o schema a um conjunto limitado de campos críticos melhorou a precisão mais do que qualquer ajuste de prompt. O efeito colateral é evidente: schema mais curto, menos contexto a cada requisição.
• Tipagem de picklists. Campos do Salesforce, como estágio da negociação ou tipo de conta, têm um conjunto fixo de valores. Sem restrições, o modelo pode gerar um valor plausível, mas inexistente. Agora, os valores permitidos são carregados na inicialização e inseridos nas definições de tipos da ferramenta MCP, de modo que o modelo escolhe apenas entre opções reais.
• Poda de procedures. À medida que o número de Procedures de um agente cresce, elas começam a se sobrepor. A ferramenta Architect, do ElevenAgents, pode reestruturá-las para que as condições de acionamento sejam inequívocas e a lógica não entre em conflito.
• Verificação de tarefas. A checagem dos campos e da equipe após a criação do ticket no Linear, descrita acima.

Há ainda uma observação sobre adoção: em agentes internos, a precisão é necessária desde o primeiro dia, ou a equipe deixa de confiar neles e de usá-los. Em um canal compartilhado, os erros ficam mais visíveis, mas os acertos também, o que, segundo o autor, ajudou na adoção.

O que aplicar na prática

Se você está construindo agentes internos sobre CRM, tracker e chat corporativo, a ordem de ação deste caso é a seguinte. Primeiro, reduza o schema de dados ao mínimo de campos sem os quais a resposta é impossível. Depois, limite os tipos de valor às enumerações reais da fonte, por exemplo por meio de definições de ferramentas MCP. Em seguida, separe as procedures por tipo de tarefa e limpe periodicamente as sobreposições. Por fim, adicione uma etapa de autoverificação após cada ação de escrita. O ideal é lançar os agentes em canais compartilhados: os erros aparecem de imediato, e a utilidade do agente fica evidente para todos.

Este material saiu duas semanas depois de outra análise da ElevenLabs, na qual a empresa contou como resolve 22 000 chamados de suporte por mês com o ElevenAgents. Agora, o mesmo produto aparece no papel de ferramenta interna da companhia.