Hur en effektiv försäljningsagent är uppbyggd och var den ger bäst avkastning
En genomgång av arkitekturen för kommersiella AI-agenter från Anthropic och vår erfarenhet: vad agenten faktiskt kan göra och i vilka nischer implementeringen ger bäst resultat.
Anthropic har publicerat en analys av hur kommersiella agenter som fungerar i produktion är uppbyggda: The anatomy of effective commerce agents. Den är värd att läsa i sin helhet, men här är vad det innebär för butiksägaren som bara vill att kunden ska få svar klockan elva på kvällen.
Vi har byggt Commerce Agents enligt ungefär samma principer, och det är en trevlig slump: det betyder att vägen redan är upptrampad.
En agent, inte en flock botar#
Den första slutsatsen i artikeln är oväntad för den som följer trenden med multiagentsystem. Ett köpsamtal är inte en uppsättning isolerade uppgifter som kan fördelas mellan olika botar. En person frågar om storlek, sedan om leverans, återgår sedan till storleken och säger “jag tar två”. Allt detta är ett enda flöde, där varje replik bygger på den föregående.
Därför är den effektiva modellen en enda agent som håller kontexten, plus anslutningsbara färdigheter för specifika uppgifter. Uppdelningen är enkel: det som behövs i nästan varje konversation finns i huvudinstruktionen; det sällsynta laddas vid behov. Anthropic anger tröskeln ungefär så här: om en färdighet behövs i mer än en tredjedel av konversationerna, hör den hemma i den permanenta instruktionen.
I vår permanenta del ingår katalogsökning, butiksvillkor och företagsprofil. Vid behov laddas produktjämförelse, orderhantering, arbete med kundvagnen och analys av bilagor som kunden har skickat.
Verktyg – det är era system, inte kopior av dem#
Den andra principen: agenten ska inte återuppfinna butikens logik. Sökning, lagersaldo, orderhantering fungerar redan någonstans – agentens uppgift är att nå dem, inte att bygga sin egen version av sanningen bredvid.
I vårt fall är “era system” katalogen, sammanställd från inlägg och webbplatsen, villkorstexten, kundvagnen och betalningsleverantören. Agenten hittar inte på leveranstider: den hämtar dem från er text. Den hittar inte på priset: den hämtar det från produktkortet. Om data saknas säger den ärligt att den ska ta reda på det och ber om kontakt – detta är också en del av arkitekturen, inte en ursäkt.
En separat tanke från artikeln: produktkort, knappar och formulär är också verktyg, med typer och valideringar. Det är därför agenten visar produktkortet istället för att återberätta det i text: kunden ser foto, pris och knapp, och ni får ett förutsägbart gränssnitt istället för modellens improvisation.
Hastighet och pengar#
Här har artikeln en nykter ton, vilket är sällsynt i texter om AI. Att jaga tiondelar av en sekund är meningslöst om svaret är dåligt: kvaliteten påverkar returer och genomsnittligt ordervärde, inte millisekunder. Men det är inte heller nödvändigt att betala för mycket – kontextcache med en träffsäkerhet på 90–99 % hjälper, liksom att välja modell för uppgiften, verifierat genom mätningar, inte magkänsla.
Vi har delat upp modellerna exakt enligt denna logik: en snabbare modell kommunicerar med kunden, en mer eftertänksam hanterar rapporter och katalogjusteringar. Butiksägaren ser detta i “Inställningar” som två separata fält, och rör dem vanligtvis inte – standardvärdena har valts utifrån mätningar.
Säkerhet utan paranoia#
Tre regler från artikeln som vi följer bokstavligen:
- Farliga ändringar tillämpas inte tyst. Katalogjusteringar från agenten hamnar i kö och väntar på er knapp “Tillämpa”.
- Påhittade identifierare avvisas. Om en vara inte finns, kommer agenten inte att hänvisa till ett obefintligt artikelnummer.
- Minnet lever i databasen, inte i prompten. Kundens preferenser skrivs separat och hämtas vid nästa konversation, istället för att blåsa upp varje förfrågan.
Var avkastningen på implementeringen är störst#
Detta är den viktigaste praktiska frågan, och svaret är inte “lika överallt”. Variationen är märkbar bland våra butiker.
Tjänster och bokning. Högst avkastning. Nagelteknolog, tandläkare, teknikreparation, utbildning, uthyrning – där en person ställer fem till tio frågor före köpet och nästan alltid utanför arbetstid. Varje obesvarad fråga på kvällen är en bokning som gick till den som svarade snabbare. Agenten täcker hela gapet: den känner till priser, varaktighet, vad man ska ta med sig och när det finns lediga tider.
Varor med parametrar. Kläder, möbler, teknik, kosmetika – allt där man frågar om storlek, sammansättning, kompatibilitet och leveranstider. Ett sådant samtal tar tio minuter för en säljare, men sekunder för agenten, och den tröttnar inte på att förklara samma sak för hundrade gången.
Försäljning utan webbplats. Instagram, TikTok, YouTube och Telegram, där katalogen endast existerar i form av inlägg. Här erbjuder agenten något som tidigare inte fanns alls: en butiksfront, kundvagn och betalning via länk i profilen, utan att behöva utveckla en webbplats.
Natt, helger och andra tidszoner. Hälften av förfrågningarna kommer när ingen svarar. Detta är den billigaste intäkten att återfå: den finns redan, det finns bara ingen som kan hantera den.
Kunder på olika språk. En butik i Warszawa får frågor på polska, ukrainska, engelska och ryska. Agenten svarar på kundens språk utan att ha en översättare anställd.
Var avkastningen är blygsammare: varor med en enda egenskap och ett uppenbart pris, försäljning via en marknadsplats där korrespondensen sker inom plattformen, och grossistaffärer som ändå avslutas med förhandlingar. Agenten tar bort rutinen även där, men skapar ingen revolution.
Vad man ska göra med detta#
- Sammanställ en katalog från det som redan finns: inlägg, videor eller en webbplats.
- Beskriv villkoren ärligt och detaljerat – detta är den enda källan från vilken agenten svarar om leverans och returer.
- Placera en länk i profilen och titta på de första tjugo dialogerna. De visar vad era kunder faktiskt frågar om, bättre än någon analys.
Hur man gör detta steg för steg beskrivs i artikeln Första lanseringen. En analys av arkitekturen från Anthropic finns via länken.