Rox 수익 플랫폼 OpenAI 통합

Rox는 OpenAI의 API를 사용하여 파편화된 데이터를 통합하고 "에이전트 스웜"을 배포하여 판매 운영을 자동화하는 AI 기반 수익 관리 플랫폼을 개발했습니다. 이 통합을 통해 수익 팀은 관리 시간을 되찾고 베타 클라이언트에 대해 수락된 판매 파이프라인을 2배 증가시킬 수 있습니다.

3층 AI 아키텍처

Rox는 다양한 운영 요구 사항에 걸쳐 비용과 성능의 균형을 맞추기 위해 계층화된 모델 전략을 사용합니다:

데이터 레이어: GPT-4o mini와 같은 작은 모델을 사용하여 다양한 웨어하우스의 파편화된 데이터를 구조화되고 검색 가능한 형식으로 통합합니다.
지능 레이어: 중간 수준의 모델을 사용하여 복잡한 추론을 수행하고 행동을 우선순위에 따라 정렬하며, 영업 대표의 업무를 보강합니다.
상호작용 레이어: GPT-4o 및 OpenAI Realtime API와 같은 고급 모델을 사용하여 이메일을 생성하고 LinkedIn 홍보를 관리하며 음성 지원 회의 브리프를 만듭니다.

Rox 에이전트 스웜

플랫폼의 핵심은 특정 계정에 할당된 항상 켜져 있는 AI 에이전트의 집단인 "Rox 에이전트 스웜"입니다. 이러한 에이전트는 영업 대표가 오프라인 상태일 때 계정을 모니터링하고 근무 시간에 실행 가능한 통찰력을 제공합니다. 출처에 따르면, 이 시스템은 반복적인 작업을 자동화하여 대표의 생산성을 50% 향상시킵니다.

개발 및 반복 전략

Rox는 판매자가 특정 워크플로에 맞춘 독창적인 출력물을 요구한다는 사실을 알게 된 후, 개방형 채팅 인터페이스에서 구성 가능한 엔드투엔드 플랫폼으로 전환했습니다. 이 플랫폼은 시스템에 그들의 베스트 프랙티스를 통합하여 최고 성과를 내는 판매자의 전문성을 확장합니다.

OpenAI의 API를 사용하여 구축함으로써 2명의 소규모 팀이 전통적으로 여러 데이터 엔지니어가 필요한 작업을 수행할 수 있게 되었습니다. 팀은 일일 업데이트를 배포하면서 높은 개발 속도를 유지합니다.

측정 가능한 비즈니스 영향

베타 클라이언트와 기업 사용자는 다음과 같은 성능 향상을 보고했습니다:

파이프라인 성장: 수락된 판매 파이프라인이 2배 증가했습니다.
시간 절약: 영업 대표는 관리 업무에 주당 8시간 이상을 절약합니다.
참여도: 계정 변경에 대한 응답성이 향상되어 고객 참여도가 35% 증가했습니다.
도입: 플랫폼은 7개월 만에 0에서 25개의 기업 계정으로 성장했습니다.

기술 구현 교훈

Rox의 공동 창업자는 효과적인 적용 AI 솔루션을 구축하기 위한 세 가지 주요 요구 사항을 강조합니다:

강력한 데이터 레이어: 반구조화 및 비구조화 데이터의 컨텍스트 관리 및 색인 문제를 해결하는 것이 실행 가능한 통찰력에 필수적입니다.
적용 AI에 집중: 기본 모델을 연구하는 대신, Rox는 기존 프론티어 모델을 사용하여 애플리케이션을 제공하는 데 중점을 둡니다.
빠른 반복: 현대 AI 개발의 속도를 유지하기 위해 지속적인 일일 배포가 필요합니다.

미래 로드맵

Rox는 멀티모달 기능과 장기 과제 지원을 확장하고 있습니다. 여기에는 고객 회의를 준비하기 위해 상세하고 실시간 음성 지원 브리프를 제공하기 위해 OpenAI Realtime API의 추가 통합이 포함됩니다.}