Så byggde vi om elbils-supporten och butiken

En hög volym svåra frågor — där fel svar inte är ett alternativ.

Resolve EV:s supportteam hanterade en hög volym komplexa tekniska elbilsfrågor, den sortens frågor som kräver riktig expertis och riktig tid för att besvaras väl, och där ett felaktigt svar inte är ett alternativ.

En generisk chatbot skulle aldrig räcka till. Svaren kunderna behövde fanns i produktdokumentation och år av supportkonversationer — kunskap teamet hade, men som inget system kunde söka i.

En supporthjärna byggd på kunskapen de redan hade.

Vi kombinerade en LLM och en vektordatabas för att besvara mycket tekniska frågor. Dokumentation och år av mejlhistorik samlades i en datasjö, vektoriserades och blev sökbar kunskap — och när systemet inte är säkert på ett svar eskalerar det automatiskt till en mänsklig expert istället för att gissa.

Träffsäkerhet är lika viktigt som förmåga. Istället för att låta modellen gissa eskaleras allt som systemet är osäkert på automatiskt — kunderna får ett omedelbart svar när AI:n vet, och av en riktig människa när AI:n inte vet.

Ett AI-supportsystem som svarar som en expert och kan sina egna begränsningar.

• RAG-supportchatbotBesvarar mycket tekniska elbilsfrågor, grundat i dokumentation och år av supportmejl — inte i gissningar.
• Datasjö med vektorsökAtlas Vector Search över teknisk dokumentation och mejlhistorik gör teamets samlade expertis sökbar.
• Automatisk eskalering till människaOsäkra svar dirigeras till mänskliga experter istället för att serveras till kunderna.
• Produktionsklar AI-stackLLM för resonemang, vektordatabas för hämtning — beprövade, hanterade byggstenar.

Expertsvar på sekunder, människor där de behövs.

Chatboten hanterar nu tekniska frågor direkt ur kunskapen Resolve EV redan hade, medan mänskliga experter fokuserar på de ärenden som verkligen behöver dem — support som skalar utan att teamet skalar.