Cleo di CRED: un'unica interfaccia conversazionale, tre tipi di query e uno strato di routing sotto il cofano

Tre tipi di query, un solo passaggio di classificazione dell'intento

CRED descrive Cleo come un assistente conversazionale IA basato su modelli OpenAI — cita GPT-4.0, GPT-5 e o3 — che gestisce tre categorie di query definite esplicitamente: informative ("Cos'è CRED Cash?"), contestuali ("Ho diritto a CRED Cash?") e transazionali ("Posso ottenere un rimborso sul wallet o sul metodo di pagamento originale?").

Ciò che conta per chi progetta un'interfaccia IA rivolta ai clienti è la sequenza descritta da CRED. Cleo non risponde subito. Secondo Seetharaman, il sistema "diagnostica il problema, classifica l'intento, lo associa alla SOP corretta e costruisce una risposta contestuale e accurata". Il vincolo è l'associazione alla SOP: la risposta è ancorata a una procedura operativa standard esistente, non generata liberamente. È una decisione tanto di frontend quanto di backend, perché determina cosa il membro vede davvero e di cosa si fida.

La distinzione tra query contestuali e transazionali è significativa. Una domanda sull'eleggibilità e un'azione di rimborso richiedono guardrail diversi — una legge uno stato, l'altra lo modifica. Separarle a livello di classificazione permette alla stessa interfaccia di chat di comportarsi con prudenza dove si muove denaro.

Le metriche che CRED ha scelto di comunicare

CRED cita un miglioramento di 14 punti percentuali nel CSAT, un tasso di accuratezza nella risoluzione del 98% per Cleo nei tre mesi successivi al lancio, il 18% in più di conversazioni multi-intento risolte con successo e un calo del 31% negli abbandoni di sessione. Dichiara inoltre che i tempi medi di gestione sono diminuiti su tutti e tre gli strumenti.

Il dato sugli abbandoni di sessione merita attenzione dal punto di vista del frontend. Gli abbandoni misurano se un membro interrompe la conversazione a metà — un segnale diretto di attrito nell'interfaccia, non solo della qualità delle risposte. Una riduzione del 31% suggerisce che l'interfaccia conversazionale trattiene le persone fino alla risoluzione, invece di spingerle verso un operatore umano o verso l'abbandono.

Il dato sul multi-intento va nella stessa direzione. Le conversazioni di supporto reali raggruppano più richieste in un solo messaggio; risolvere il 18% in più di questi casi implica che il passaggio di classificazione di Cleo scomponga le query composite invece di aggrapparsi al primo intento rilevato. Sono risultati preliminari auto-dichiarati, e CRED li presenta come tali, ma indicano i comportamenti specifici su cui un designer lavorerebbe davvero.

Thea e Stark: le interfacce che i membri non vedono mai

CRED ha costruito due strumenti interni accanto a Cleo. Thea serve gli agenti di supporto, riassumendo conversazioni multi-formato — testo, voce e Hinglish — e suggerendo i passi successivi. Stark serve i team operativi, permettendo loro di creare o aggiornare SOP "in minuti invece che in giorni".

Il dettaglio sull'Hinglish è concreto e radicato nella realtà locale: gli agenti in India gestiscono conversazioni con codice misto, e uno strumento di riassunto capace di gestire questa mescolanza svolge un lavoro reale, non da demo. Stark è probabilmente la scelta più strutturale. Poiché Cleo risponde associando le query alle SOP, la qualità dell'esperienza per il membro è limitata da quanto siano aggiornate quelle SOP. Stark accorcia il ciclo per mantenerle aggiornate, il che significa che lo strumento interno di redazione e la porta d'ingresso verso il cliente sono collegati per design.

L'implicazione di design: chiudere il ciclo tra vicoli ciechi e documentazione

Il passo successivo dichiarato da CRED è costruire strumenti che rilevino i "vicoli ciechi dei dati" — query a cui Cleo non sa rispondere — e li reindirizzino nella base di conoscenza per migliorare le SOP in tempo reale. È il completamento logico dell'architettura già descritta.

La lezione specifica dall'impostazione di CRED è che un'interfaccia conversazionale ancorata alle SOP resta accurata solo se le query fallite diventano carburante per la documentazione che sta dietro. Il tasso di risoluzione del 98% di Cleo è una fotografia; il rilevatore di vicoli ciechi è il meccanismo pensato per difenderlo mentre cambiano i pattern delle query. Per i team che costruiscono interfacce di concierge simili, la lezione è che il passaggio di classificazione, lo strumento di redazione e il rilevatore di lacune non sono tre progetti separati — sono un unico ciclo, e la chat rivolta al cliente vale solo quanto velocemente gli altri due la alimentano.