DataGen #264 - Gorgias : Déployer un agent IA au coeur du produit (15 ML Engineers & ML Analysts)
49 snips
Apr 6, 2026 Ils racontent la transformation produit autour des IA génératives et la mise en place d’agents conversationnels pour le support et la vente. Ils décrivent la refonte d’architecture LLM et le passage à un modèle d’agents avec outils. On découvre l’organisation ML, le nouveau rôle de Machine Learning Analyst et la stack technique. Ils expliquent aussi leurs défis sur la qualité et les boucles de feedback.
AI Snips
Chapters
Transcript
Episode notes
Validez Le POC LLM Avec Un Petit Panel Payant
- Validez un POC LLM en beta avant de l'exposer à tous les clients pour mesurer product‑market fit et willingness to pay.
- Chez Gorgias, un POC interne puis ~50–200 bêta‑testeurs ont confirmé utilité et disposition à payer avant industrialisation.
Support Et Sales Nécessitent Deux Pipelines Distinctes
- Support et sales demandent des comportements opposés: le support vise la fermeture rapide, le sales vise l'ouverture proactive.
- Gorgias a séparé pipelines (closer vs. engager) puis fusionne conclusions via une étape finale arbitre pour décider de la réponse.
Le Grapevine Effect Dégrade Les Conclusions Multi Agents
- Le grapevine effect survient quand plusieurs agents parallèles transforment les conclusions via ré‑interprétation successives.
- La refonte V2 empile tout le contexte dans la prompt principale pour que le modèle final génère la réponse sans perte liée aux workflows intercalaires.