Sciene AI Companion : créer une plateforme de Customer Success autonome sur Databricks

Sciene développe des produits AI qui standardisent et mettent à l'échelle des flux de travail d'entreprise à fort volume et axés sur les relations. Lorsque Quartile, la plus grande plateforme d'optimisation des médias de vente au détail au monde, qui gère le marketing de performance pour plus de 1 000 marques, a commencé à utiliser la plateforme de Sciene pour mettre à l'échelle ses opérations de Customer Success, cela a transformé sa façon de travailler à travers les zones géographiques et les fuseaux horaires.

Dans la publicité numérique, les Customer Success Managers (CSM) font le pont entre une agence et ses clients, analysant les performances des campagnes, préparant les présentations stratégiques, signalant de manière proactive les problèmes et maintenant la relation continue qui assure la santé et la croissance des comptes. Ce rôle exige à la fois une grande rigueur analytique et une touche personnelle. À grande échelle, cependant, cette combinaison s'effondre.

Les CSM passent des heures chaque semaine à assembler des présentations à partir de zéro, à reconstituer le contexte des comptes et à trier ces derniers sans lecture systématique de l'ensemble de leur portefeuille clients. Sans les outils et la technologie appropriés, ils ne peuvent pas suivre le rythme.

C'est une application parfaite pour l'AI générative. Sciene, allant au-delà de Quartile, tente de résoudre la question de savoir comment introduire l'efficacité de l'AI dans les processus métier axés sur les relations, tout en maintenant une personnalisation vitale pour un contact humain essentiel.

Obstacles à l'AI appliquée dans le Customer Success

La plateforme de Sciene devait résoudre trois problèmes simultanément :

1. Personnalisation à l'échelle - qu'il s'agisse d'un projet d'e-mail, d'une présentation de réunion ou d'un diagnostic de compte, chaque contenu généré par AI doit avoir un contexte métier : les performances et les métriques du compte, le style personnel du CSM individuel et ses normes de communication.
   Bien que s'attaquer à cela une seule fois soit simple, le faire pour plus de 350 CSM aux styles de communication distincts à travers le monde, et pour de multiples interactions hebdomadaires de 1 000 comptes ayant chacun leur propre historique, est un véritable défi.
2. Génération de contenu à fort volume - produire 1 600 présentations standardisées de 80 diapositives chaque semaine, rédiger des projets de réponses par e-mail pour chaque client — avec une qualité constante et sans aucun goulot d'étranglement dans le traitement.
3. Diagnostic de cause profonde, et pas seulement détection - Les clients ont besoin de plus que de simples alertes de changement de compte ; ils ont besoin d'explications sur les raisons de ces changements et de conseils sur la marche à suivre. La solution doit connecter les données de publicité, de campagne, d'inventaire, de facturation et de CRM pour diagnostiquer les anomalies, qui peuvent provenir de variations saisonnières, d'actions de la concurrence ou de changements sur le marché mondial.

De la disponibilité des données à la présentation par le CSM, Sciene dispose d'une fenêtre de traitement très étroite. La plateforme doit ingérer, modéliser, exécuter l'inférence AI et fournir les résultats en temps réel. Tous les pipelines, les charges de travail AI et la couche opérationnelle doivent utiliser la même source de vérité gouvernée — faisant de Databricks la solution architecturale.

Databricks pour le Customer Success : au cœur de l'AI Companion de Sciene

Pour répondre à toutes ces exigences, Sciene a conçu une plateforme AI Companion, structurant trois modules pour éliminer des goulots d'étranglement distincts dans la manière dont les utilisateurs sont servis :

• Email Hub - rédaction de réponses par e-mail avec une conscience totale du contexte. Génère des réponses rapides, réfléchies et basées sur les données, rédigées avec la voix du CSM et respectant les principes de l'entreprise. Cela préserve les relations clients et permet de gagner un temps précieux. Une enquête interne a montré que le temps de réponse est passé de 15-30 minutes à environ 3 minutes avec AI Companion, soit une vitesse 8 fois supérieure.
• Meeting Hub - génération de présentations standardisées à l'échelle. Il centralise les points de discussion et les résumés des réunions précédentes pour générer une présentation de plus de 80 diapositives, garantissant ainsi aux clients une expérience cohérente et à jour. Ce temps de préparation est réduit de plus de 2 heures à environ 10 minutes — soit 12 fois plus rapide — ce qui permet aux CSM d'être prêts rapidement.
• Account Flagging System - détection automatique des fluctuations d'activité. Au-delà d'un tableau de bord d'alertes, le système identifie ce qui a changé et diagnostique la cause profonde, éliminant ainsi des heures de recherche manuelle. Les CSM reçoivent un briefing pré-diagnostiqué au lieu de se lancer dans une chasse aux informations dans des feuilles de calcul, ce qui permet une intervention plus rapide auprès des clients. Une enquête auprès des CSM a montré que le diagnostic d'un compte signalé est passé de plus de 30 minutes à environ 5 minutes — soit 6 fois plus rapide.

Rien de tout cela ne remplace le jugement du CSM — cela élimine simplement le travail qui l'entravait. Le CSM reste propriétaire du compte, de la relation et de la décision sur la marche à suivre ; AI Companion s'assure simplement qu'il aborde chaque conversation client avec tout le contexte déjà en main.

L'AI pour enrichir les flux de travail humains stratégiques

Sciene AI Companion est déployé dans l'ensemble de l'organisation CS de Quartile, qui gère plus de 1 000 marques. Une fois l'assemblage des données et la rédaction pris en charge, les CSM consacrent une plus grande partie de leur semaine à ce qui a toujours été le cœur de leur rôle : une stratégie de compte plus approfondie, des conversations clients plus percutantes et les prises de décision les plus cruciales. L'impact se fait sentir en aval : les clients bénéficient d'un service plus rapide et mieux éclairé par les données, et l'entreprise gère une organisation CS qui se développe efficacement.

Pourquoi Databricks : la gouvernance et le contexte au cœur du système

L'architecture d'AI Companion a été construite sur un principe unique : tous les consommateurs (pipelines de données, modèles AI, tableaux de bord) doivent lire à partir des mêmes tables gouvernées, sans dérive de synchronisation.

Sciene a estimé que l'alternative consistant à utiliser une pile composite de bases de données, de calcul et d'infrastructures de service AI distinctes créerait une surcharge de maintenance massive en raison des multiples copies de données, d'une réconciliation complexe et d'une dérive inévitable des données. Databricks élimine complètement cela en utilisant :

• Delta Sharing apporte les données de Quartile dans l'environnement de Sciene sans aucune copie, aucun export et aucune dérive — les mêmes tables gouvernées sur lesquelles Quartile gère ses activités sont immédiatement disponibles pour l'ingestion et la modélisation. Sans Delta Sharing, Sciene devrait créer et maintenir des pipelines ETL personnalisés pour chaque source de données, ce qui introduirait de la latence et des risques de réconciliation à chaque étape. Cela permet également à l'écosystème de Sciene de s'étendre vers de nouveaux espaces tout en maintenant les données décentralisées.
• Lakebase, le Postgres managé de Databricks, contient l'état opérationnel, les configurations et l'historique des alertes, les métadonnées des réunions, les actions des utilisateurs, le contenu généré par AI — avec une réactivité transactionnelle et une gouvernance lakehouse. Il comble le fossé entre les charges de travail analytiques et opérationnelles sans obliger Sciene à exécuter une base de données distincte en dehors de l'écosystème Databricks.
• Databricks SQL Warehouses gèrent les charges de travail analytiques, l'inférence AI et les lectures opérationnelles à partir des mêmes tables gouvernées sur des points de terminaison serverless — pas de gestion de cluster, pas de coût de mise en route. Chaque consommateur voit les mêmes chiffres car chaque consommateur interroge la même couche.

Résultat : l'ingénierie des données n'envoie jamais d'exports personnalisés, l'application ne recalcule jamais la logique analytique, les charges de travail AI ne maintiennent jamais leur propre stockage de données. Une seule fondation, aucune dérive.

Comment la fondation Databricks alimente chaque module

La même architecture prend en charge les trois modules d'AI Companion de manières légèrement différentes :

• Email Hub combine des données de compte récentes avec le style de communication du CSM et les principes de l'entreprise, le tout basé sur des requêtes AI Platform dans Databricks. Cela élimine l'obsolescence des données liée à la récupération de copies. Les clients reçoivent des réponses rapides et très bien informées parce que la couche de données évolue, et non parce que chaque réponse conserve son propre contexte.
• Meeting Hub crée chaque présentation avec l'état le plus récent du compte, en tirant le contenu des diapositives des mêmes tables gouvernées qui alimentent les rapports ailleurs dans l'entreprise. Une source unique de vérité signifie que les clients voient des chiffres qui correspondent toujours — les présentations ne sont jamais en contradiction avec les tableaux de bord.
• Account Flagging effectue une évaluation quotidienne des performances publicitaires, du statut des campagnes, des stocks, de la facturation et des données CRM. Écrit des alertes classées par gravité dans Lakebase, où l'application les récupère immédiatement. Le CSM peut intervenir avant même que le client ne remarque un problème. L'ajustement des seuils et les nouvelles définitions d'alertes sont des modifications de configuration, pas des déploiements de code.

La fondation pour l'expansion de l'AI sur Databricks

L'architecture unifiée de la Databricks Data Intelligence Platform permet de nouvelles capacités. Sciene explore une intégration plus approfondie avec la plateforme AI de Databricks, notamment Databricks Apps pour une inférence AI évolutive, MLflow pour le suivi des expériences à travers les multiples tâches de génération d'AI Companion, et Unity Catalog Lakeflow Connect pour étendre la gouvernance et l'ingestion de données à l'ensemble croissant d'actifs générés par AI que la plateforme produit.

À mesure que Databricks publie de nouvelles fonctionnalités, la plateforme de Sciene les intègre, rendant AI Companion plus rapide et plus performant sans nécessiter de modifications architecturales.

Pour en savoir plus sur la façon dont Sciene s'associe à Databricks pour développer des produits natifs des données et de l'IA pour les flux de travail d'entreprise, visitez sciene.com ou contactez votre interlocuteur Sciene ou Databricks.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original