כך סוכני AI קיצרו מחזורי מכירות ב-35% ושינו בינה עסקית בארגונים
חברת OPLOG, חברת פולפילמנט מבוססת רובוטיקה ו-AI, הציגה מערכת בינה עסקית אוטונומית על בסיס Amazon Bedrock AgentCore. לפי AWS, שלושה סוכני AI מטפלים באיכות נתוני CRM, אימון מכירות ומחקר לידים, עם קיצור של 35% במחזורי מכירה והפחתה של 98% בזמן מחקר ידני.
חברת OPLOG בנתה מערכת בינה עסקית אוטונומית המבוססת על סוכני AI ב-Amazon Bedrock AgentCore, והציגה נתונים חריגים ביעילות תפעולית: קיצור של 35% במחזורי המכירות, שיפור של 91% בשלמות נתוני CRM והפחתה של 98% בזמן מחקר לידים ידני.
סוכני AI נכנסים לליבת הבינה העסקית
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
OPLOG פועלת בתחום הפולפילמנט למסחר אלקטרוני ומפעילה מחסנים משותפים, עובדים ורובוטים אוטונומיים עבור מותגים ושווקים גלובליים בטורקיה, בריטניה וגרמניה. כמו ארגוני B2B רבים, החברה התמודדה עם פיצול נתונים בין מערכות שונות: HubSpot לניהול מכירות, Microsoft Teams לתקשורת, מערכות שיחה עם לקוחות ומחסני נתונים ב-Databricks.
הבעיה המרכזית לא הייתה מחסור בנתונים, אלא חוסר יכולת להפיק מהם תובנות בזמן. דוחות שבועיים הגיעו מאוחר מדי, חלק מההזדמנויות העסקיות כבר התקדמו או נתקעו, ונציגי המכירות נדרשו להזין מידע ידנית באופן שפגע באיכות ה-CRM. במקום מערכת BI פסיבית שמציגה דוחות לאחר מעשה, OPLOG בחרה במודל סוכני AI שמנתחים אירועים עסקיים ומגיבים אליהם בזמן אמת.
שלושה סוכנים, שלושה תהליכים עסקיים
המערכת כוללת שלושה סוכני AI עצמאיים. הראשון, סוכן מנתח עסקאות (Deal Analyzer Agent), מנתח עסקאות פעילות ב-HubSpot לפי לוח זמנים קבוע, בודק התאמה למתודולוגיית המכירות של OPLOG ומעביר למנהלים דוחות מובנים ב-Microsoft Teams. הסוכן מזהה שדות חסרים, מדרג עדיפויות ומתרגם בדיקות טכניות להמלצות פעולה.
הסוכן השני, סוכן מאמן מכירות (Sales Coach Agent), פועל בזמן אמת כאשר עסקה משנה שלב ב-HubSpot. הוא בודק אם כל המידע הדרוש מולא, בהתאם למודל העסקי של הלקוח, למשל B2C, B2B או שילוב ביניהם, ויוצר משימות לנציגים כאשר חסרים פרטים. במקום לגלות בעיות איכות נתונים בסוף השבוע, המערכת מונעת התקדמות של עסקאות עם מידע חלקי כבר ברגע השינוי.
הסוכן השלישי, סוכנות תובנות לידים (Lead Insight Agent), מבצע מחקר אוטומטי על לידים חדשים. הוא מנתח נוכחות דיגיטלית ברשתות כמו LinkedIn, Instagram, Facebook, YouTube, Twitter ו-TikTok, ומעריך התאמה לפרופיל הלקוח האידיאלי של OPLOG. התוצאה היא דוח מחקר שמגיע לצוות המכירות בתוך דקות ומסייע לתעדף פניות עם סבירות גבוהה יותר להמרה.
הארכיטקטורה: Bedrock, RAG ושרתיות ללא ניהול תשתית
מבחינה טכנולוגית, הסוכנים נבנו באמצעות Strands Agents SDK ונפרסו על Amazon Bedrock AgentCore. מודל Claude Sonnet של Anthropic, הזמין דרך Amazon Bedrock, משמש להסקה, ניתוח כללים עסקיים והפקת תובנות בשפה טבעית. שכבת הידע מבוססת Amazon Bedrock Knowledge Bases ומיישמת RAG, כלומר שליפה מוגברת אחזור, כדי לאפשר לסוכנים להשתמש במסמכי מתודולוגיה, קטלוגי מוצרים וספרי מכירות השמורים ב-Amazon S3.
החיבורים למערכות חיצוניות נעשים באמצעות AWS Lambda, בעוד Amazon EventBridge מפעיל תהליכים מתוזמנים ו-webhooks מ-HubSpot מפעילים אירועים בזמן אמת. AgentCore Observability ו-Amazon CloudWatch מספקים ניטור של ביצועים, זמני תגובה ועלויות. המודל הכלכלי הוא תשלום לפי הרצה, ללא ניהול שרתים, עם יכולת סקיילינג מאפס לאלפי סשנים.
למה זה חשוב לשוק הארגוני
הדוגמה של OPLOG ממחישה שינוי רחב יותר בשוק ה-AI הארגוני. במקום צ'אטבוטים כלליים שמספקים תשובות, ארגונים מאמצים סוכנים ממוקדי תהליך שמחוברים לנתונים, למדיניות עסקית ולמערכות תפעוליות. היתרון אינו רק אוטומציה, אלא יכולת לשלב הסקה, הקשר ופעולה בתוך מחזור העבודה עצמו.
לפי AWS, OPLOG מדווחת גם על עלייה של 28% בהמרת לידים, ירידה של 92% בזמן הכנת דוחות יומיים וזמינות מערכת של 99.9%. אם התוצאות יישמרו בהיקף רחב, המקרה הזה עשוי להפוך לדוגמה בולטת לאופן שבו Agentic AI עובר משלב ההדגמות לשלב של תפעול עסקי מדיד.