Як Cars24 автоматизує customer journey за допомогою OpenAI-агентів

Marketplace уживаних авто має незручну для простої автоматизації властивість: транзакція розтягнута в часі й постійно виходить за межі застосунку. Покупець порівнює варіанти, телефонує, бронює огляд, збирає документи, вирішує питання фінансування і може кілька разів змінити намір. Продавець проходить оцінку автомобіля, переносить зустрічі та паралельно порівнює пропозиції інших майданчиків.

У customer story OpenAI Cars24 описує voice і chat agents для buying, selling, financing, follow-up та support. Отже пошуковий намір цієї сторінки відрізняється від кейсу inbound sales OpenAI: тут предметом є не перша відповідь ліду, а оркестрація багатокрокового customer journey з переходами між діалогом, каталогом, календарем, фінансуванням і післяпродажним сервісом.

Коли покупець звертається до Cars24, агент уточнює бюджет, склад сім’ї, тип щоденних поїздок і бажаний клас автомобіля. Далі він може рекомендувати позиції з каталогу, забронювати test drive та допомогти дослідити фінансування. Перед зустріччю workflow підтверджує візит, пропонує альтернативи, якщо вподобання змінилися, і збирає додаткові дані, потрібні для financing.

Після test drive діалог не зникає у CRM-архіві. Агент уточнює, чи готовий клієнт рухатися далі, хоче інший візит або іншу модель. Після покупки той самий клас систем підтримує feedback, warranty questions, returns та after-sales service. Інформаційний виграш тут у continuity: кожна наступна дія повинна спиратися на підтверджений стан journey, а не починати знайомство заново.

• discovery потреб і допустимого бюджету;
• grounded recommendation лише з актуального каталогу;
• booking і підтвердження test drive;
• збір даних для financing без самовільного кредитного рішення;
• post-visit follow-up із збереженим контекстом;
• after-sales support після завершення покупки.

Для продавця агент збирає відомості про автомобіль, планує inspection, надсилає нагадування, допомагає перенести пропущену зустріч і може зафіксувати competitive insight, якщо автомобіль уже продано деінде. Це важливо: negative outcome не обов’язково є порожнім рядком. Причина втрати може покращити pricing, coverage або наступний сценарій контакту.

OpenAI повідомляє, що Cars24 повторно залучає leads, які раніше випадали після десяти днів, перевіряє відновлений intent і повертає їх у funnel, коли платформа може відповідати бажаній ціні. Reported result — 12% раніше втрачених seller leads recovered through AI-powered re-engagement. Це не універсальний benchmark: показник належить конкретному customer story і залежить від визначення lost lead, каналу та denominator Cars24.

Відтворювана production-модель потребує явного journey state. Для buyer це можуть бути discovery, shortlist, visit_booked, visit_completed, financing_review і after_sales. Для seller — vehicle_intake, inspection_booked, offer_ready, dormant і reactivated. Модель пропонує наступний крок, але application layer перевіряє, чи перехід дозволений і чи не застаріли каталог, слот або customer consent.

Це редакційна декомпозиція AI-Magister, а не опис приватного коду Cars24. Вона випливає з публічно названих етапів і показує, що саме треба будувати: channel adapter для voice/chat, identity resolution, state store, retrieval із систем запису, policy engine, вузькі tool contracts, human queue та event log. Без цього навіть сильна модель плутатиме намір із дозволом діяти.

• Channel → voice або chat із єдиним conversation ID;
• Identity → підтверджений buyer, seller, vehicle і consent;
• State → поточний етап journey та дозволені переходи;
• Context → каталог, календар, financing policy, warranty records;
• Decision → наступне повідомлення, tool call або escalation;
• Execution → bounded API з validation та idempotency;
• Evidence → trace, outcome, джерела фактів і human override.

Автомобільний journey містить дії з різною ціною помилки. Запропонувати слот або нагадати про зустріч — low-risk. Підтвердити financing, змінити ціну, схвалити purchase request чи обіцяти warranty coverage — інший клас повноважень. Тому tool availability має залежати від identity, state, суми, політики та ризику, а не лише від того, наскільки переконливо модель пояснила свій намір.

Корисний шаблон — розділити propose, validate та commit. Агент формує структуровану пропозицію; policy service перевіряє факти й межі; commit виконує детермінований сервіс або людина. Cars24 окремо описує внутрішній workflow, що перевіряє purchase requests і purchase orders вище threshold, виявляє аномалії та auto-approves запити без проблем. Джерело не розкриває threshold чи модель контролю, тому їх не слід вигадувати.

OpenAI наводить чотири headline results: понад мільйон conversation minutes на місяць, 50% increase у support resolution rate, 80% reduction turnaround time у ключових service workflows і 12% recovery втрачених seller leads. Ці цифри корисні як evidence масштабу й напрямку результату, але customer story не публікує повну методологію, baseline window, sample sizes або незалежний аудит.

Тому для власного pilot не треба переносити відсотки у business case. Треба зафіксувати локальні numerator і denominator: частка journey steps, завершених без помилкової дії; qualified reactivation rate; booking show rate; resolution rate; escalation rate; policy violation rate; cost per completed outcome. Conversation minutes є scale signal, але не доводять, що customer outcome став кращим.

• позначайте всі зовнішні цифри як provider/customer reported;
• не змішуйте support resolution із lead conversion;
• вимірюйте завершений outcome, а не кількість реплік;
• розділяйте automation rate і частку правильних автономних дій;
• публікуйте період, cohort і правила виключення для власних метрик.

Цей кейс складніший за окремого sales assistant або FAQ support agent, бо зв’язує багато каналів, ролей і систем запису протягом довгого journey. Voice додає transcription, latency і recovery після перерваного дзвінка. Marketplace додає рухомий inventory. Financing, purchase orders, warranty та returns додають policy і compliance boundaries.

A4 доречний для bounded steps, які агент може завершити через інструменти без синхронної участі людини: scheduling, reminders, catalog-backed recommendation або контрольований follow-up. A5 не випливає з джерела й не потрібен для цінності. Складні переговори, фінансові винятки, конфліктні дані та high-impact approvals повинні переходити людині з повним контекстом і trace.

Найкращий старт — bounded loop із чітким outcome, наприклад test-drive booking і recovery пропущеної зустрічі. У нього є зрозумілий state, доступні календарні tools, низька порівняно з financing ціна помилки й вимірюваний результат. Agent уточнює намір, знаходить доступний слот, отримує підтвердження, створює booking і за потреби пропонує reschedule.

Після стабільного pilot можна додати catalog recommendation, post-visit follow-up або dormant-lead reactivation. Кожне розширення повинно мати окремий eval set і authority review. Саме послідовність робить customer-journey automation стійкою: спершу один надійний перехід стану, потім граф, а не одразу голосовий генеральний директор funnel із доступом до всього.