KeyFrame內部研究專用

How Forward Deployed Engineering is done at Decagon — Sunny Rekhi

AI Engineer18 min英文
觀看原始影片

三句話摘要

DecaGon 部署工程團隊如何在超高速成長中保持客戶價值交付,並建立產品與前線工作的反饋迴圈。 前沿部署工程的核心能力不在快速執行,而在於既當顧問又當執行者,始終思考如何將一次性解決方案轉化為可擴展的平台能力,讓組織與客戶一起成長。 前沿部署工程與產品工程的融合界線模糊:客戶痛點直接轉化為產品開發優先項,同一支團隊同時負責配置現有功能與反饋新需求,使得部署人員與產品人員的角色實質重合。

重點整理

  1. 前沿部署工程與產品工程的融合界線模糊:客戶痛點直接轉化為產品開發優先項,同一支團隊同時負責配置現有功能與反饋新需求,使得部署人員與產品人員的角色實質重合。

  2. 從代理配置到創收挖掘的雙重職責:不只替客戶解決現有入站支援問題,更要與客戶一起研究如何透過已有系統整合創造新收入流(如主動聯繫客戶續租),即主動發現與客戶溝通的其他管道機會。

  3. 克制與擴展的工程倫理:面對 AI 編碼工具強大,稀缺技能轉變為「克制」——不做純粹快速修補,而是在解決單個客戶問題時就思考如何讓未來 5 個客戶同時受惠,避免產品變成脆弱的黑箱。

  4. 專業分工應對規模化:早期由代理軟體工程師全責包辦,擴展後拆分為代理構建者(深化模型直覺、優化 UI 配置)與代理軟體工程師(客戶第一線、產品需求代言),各司其職但目標一致。

實用技巧與重點

  • 公司規模變化:50 人 → 500 人(一年)
  • 主要客戶行業:金融機構、科技品牌、跨產業合作
  • 真實案例:赫茲(Hertz)客戶,從處理複雜入站支援擴展到主動聯繫客戶續租業務,DecaGon 內部完成操作
  • 關鍵轉折點數據:第 25 個自訂 CRM 整合後,決定改為自助方式讓客戶與代理構建團隊自行完成
  • 前沿部署的兩種工程:
  • 智慧代理系統配置(指令、語氣、使用者意圖分流、後端整合)
  • 客戶需求轉產品功能的需求蒐集與反饋
  • 成功定義框架:指標目標、支援管道選擇(電話/郵件/簡訊/WhatsApp)、痛點範圍、理想結果
  • 組織策略:配備行業專家團隊處理同類交易(金融 A、B、C,新客戶 D 時由既有團隊主責)
  • 決策點:講者郵件 sunny@decagon.ai

結論

前沿部署工程的核心能力不在快速執行,而在於既當顧問又當執行者,始終思考如何將一次性解決方案轉化為可擴展的平台能力,讓組織與客戶一起成長。

完整解析

DecaGon 是一家 24/7 AI 客戶服務代理公司,在短短一年內從 50 人成長到 500 人,這種指數級擴張對部署工程團隊帶來根本性的組織重構挑戰。講者 Sunny 作為部署工程技術長,分享了這段成長期間如何重新設計工作流程與團隊結構。

在早期階段,所有配置與部署工作由代理軟體工程師單獨負責,他們需要深入客戶業務理解支援流程需求,配置代理的語氣、行為模式與後端系統整合(如身份驗證、密碼重設等),同時也負責蒐集客戶需求並將其回饋至產品團隊。隨著客戶數量與複雜度增加,這種一人多工模式開始顯現瓶頸。

於是 Decagon 做出關鍵決策,將代理軟體工程師角色拆分成兩個專業分工:代理構建者(Agent Builders)精通各種模型與 UI 配置,能快速在現有工具內調整代理行為;代理軟體工程師(Agent Software Engineers)則聚焦客戶第一線,既是執行者也是顧問,負責蒐集需求、判斷優先級,並決定哪些工作應該回饋至產品平台。這個拆分背後有個哲學轉變:人工智慧編碼工具(如 Codex)雖然降低了純編碼工作的門檻,但真正稀缺的能力變成了「克制」——不為了單一客戶而快速打造一次性方案,反而要思考這個解決方案如何讓未來其他客戶也能受惠。

具體案例是 Decagon 在處理第 25 個 CRM 系統整合需求時的轉機。早期每次都由工程師編寫自訂程式碼,到了第 25 個,團隊決定停止這種模式,改為建構自助化工具,讓客戶或代理構建團隊自行完成整合。這轉變反映了整個部署思維的進化:從解決當下問題轉向系統化解決未來類似問題。

與客戶合作時,Sunny 強調前期需求蒐集的重要性,包括明確定義成功指標、選定支援管道(電話、郵件、簡訊、WhatsApp 等)、聚焦核心痛點。有時客戶會帶著預設解決方案來,部署工程師的顧問角色是根據過往支援數據提出最優投資報酬率的建議,這樣的信任關係往往能解鎖更多創收機會。例如赫茲案例,初期只是處理入站支援,後來發現可以主動聯繫客戶推動續租業務,大幅提升客戶價值。

組織成熟後,Decagon 也學會配備行業專家團隊(如金融服務團隊同時服務多家金融客戶),利用行業知識累積與客戶語言的共同性,加速每筆新交易的進度。最終目標是每次部署都比上次更快、前線工作的知識都能回饋到產品、非工程部門也能透過自然語言配置代理,形成一個從客戶需求到產品迭代的完整正向迴圈。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。