ElevenLabs отдала рутину внутренним агентам и экономит 1200 часов в месяц

ElevenLabs опубликовала разбор того, как собственные агенты на платформе ElevenAgents работают внутри компании. Цифры такие: более 1 200 сэкономленных часов в месяц, свыше 5 000 ответов на вопросы сотрудников, десятки кастомных демо для клиентов и более 150 тикетов, заведённых агентами за последний месяц. 1 200 часов — это примерно семь-восемь полных ставок. Автор материала, руководитель продукта и роста ElevenAgents Джейк Теннант (раньше четыре года был PM в Coinbase), честно описывает и результаты, и инженерные приёмы, которые к ним привели.

Начиналось всё скромно. Агенты в Slack помогали быстрее достать внутреннюю информацию: данные по удержанию пользователей, нужную документацию, историю аккаунта. Потом они научились действовать. Сотрудник задаёт вопрос, сообщает о баге или просит демо, и агент либо отвечает, либо выполняет запрос.

Кто и что делает в Slack

Агенты закреплены за конкретными командами:

• GTM bot (продажи) отвечает на вопросы о клиентах. Пример запроса: «Кто наши топовые клиенты с правами на логотип в Великобритании, Франции и Германии?» или «Какие у нас главные сценарии использования API?»
• FDE bot (Forward Deployed Engineer, продажи и пресейл) отвечает на продуктовые вопросы, например какие интеграции нужны клиенту, который хочет outbound AI SDR для записи встреч за аккаунт-менеджеров. Он же по сообщению собирает работающего агента под сценарий конкретного prospect'а.
• Triage bot (поддержка и инженерия) превращает фидбек и баг-репорты в тикеты. За месяц он создал 150 тикетов, раньше это была ручная работа двух команд.
• Агенты для продукта и продуктового маркетинга отвечают на вопросы по данным в тематических каналах. Пример: как за шесть месяцев изменилась конверсия из бесплатного тарифа в платный у self-serve подписчиков ElevenCreative в США и что на неё влияет. Анализ приходит в тред, там же можно задавать уточнения.

Тикет, который не стыдно открыть

У triage-бота отдельные Procedures для feature request'ов и для багов. Перед созданием тикета он ищет контекст в Slack, сверяется с уже существующими тикетами, чтобы не плодить дубли, и проверяет, хватает ли деталей для диагностики. Только потом открывает тикет в Linear с нужным приоритетом. Команду-владельца бот определяет по документу о зонах ответственности, загруженному в базу знаний агента.

После создания тикета включается ещё один шаг: агент проверяет, правильно ли заполнены поля и ушёл ли тикет в нужную команду. По словам автора, это сократило случаи галлюцинаций и неверного выбора команды.

Схему урезать, а не промпт полировать

Главная инженерная часть материала — четыре приёма, которые команда вынесла из эксплуатации:

• Курирование схемы важнее prompt engineering. Наибольший рост качества у retrieval-агентов дало удаление полей, а не настройка системного промпта. Каждая лишняя колонка или поле объекта — ещё одна точка, где модель может угадать неверно. Сокращение схемы до ограниченного набора критичных полей улучшило точность сильнее любой правки промпта. Побочный эффект очевиден: короче схема — меньше контекста на каждый запрос.
• Типизация picklist. Поля Salesforce вроде стадии сделки или типа аккаунта имеют фиксированный набор значений. Без ограничений модель может выдать правдоподобное, но несуществующее значение. Теперь допустимые значения подтягиваются при старте и подставляются в определения типов MCP-инструмента, так что модель выбирает только из реальных опций.
• Прунинг процедур. По мере роста числа Procedures у агента они начинают пересекаться. Инструмент Architect в ElevenAgents может перестроить их так, чтобы условия запуска были однозначными, а логика не конфликтовала.
• Верификация задач. Проверка полей и команды после создания тикета в Linear, описанная выше.

Отдельное наблюдение про адаптацию: во внутренних агентах точность нужна с первого дня, иначе команда перестаёт им доверять и пользоваться. В общем канале ошибки заметнее, но заметнее и успехи, что, по словам автора, помогло внедрению.

Что взять в работу

Если вы строите внутренних агентов поверх CRM, трекера и корпоративного чата, порядок действий из этого кейса такой. Сначала сократите схему данных до минимума полей, без которых ответ невозможен. Потом ограничьте типы значений реальными перечислениями из источника, например через определения инструментов MCP. Затем разведите процедуры по типам задач и периодически чистите их от пересечений. Наконец, добавьте шаг самопроверки после каждого записывающего действия. Запускать агентов лучше в общих каналах: ошибки там видны сразу, а полезность агента заметна всем.

Этот материал вышел через две недели после разбора ElevenLabs, где компания рассказывала, как решает 22 000 обращений в поддержку в месяц с помощью ElevenAgents. Теперь тот же продукт показан в роли внутреннего инструмента компании.