Vom Pilotprojekt zur Skalierung: Wie Smarsh mit Salesforce Agentforce eine Lösungsquote von 60 % erreichte

Als der führende Anbieter von Compliance-Technologie Smarsh die Kundenerfahrung transformieren wollte, setzte es nicht einfach einen Chatbot ein. Es baute ein Multi-Agenten-KI-Ökosystem, das heute 60 % der Kundenanfragen autonom löst – und das bei völlig neu gedachten Support-Ökonomien. Für Support-Leiter, die das von außen beobachten, bietet die Smarsh-Geschichte einen seltenen, kennzahlenbasierten Bauplan, um KI zu skalieren, ohne das Budget zu sprengen oder Kunden zu verprellen.

In dieser Deep-Dive-Analyse untersuchen wir die Partnerschaft zwischen Smarsh und Agentforce, sezieren das Preismodell von 2 $ pro Konversation und extrahieren die Frameworks, die Ihr Team benötigt, um diesen Erfolg zu replizieren. Ob Sie ein schlankes SaaS-Supportteam oder ein B2B-Kontaktzentrum mit 500 Plätzen betreiben, die Lektionen hier helfen Ihnen, ein Geschäftsargument zu erstellen, das Ihr CFO lieben wird.

Die Smarsh-Erfolgsgeschichte: Echte Ergebnisse mit KI-gestütztem Support

Smarsh, ein führender Anbieter für Compliance in der digitalen Kommunikation, weiß, dass regulatorische Komplexität niemals schläft. Die Kunden – Banken, Broker-Dealer und Regierungsbehörden – verlangen schnelle und genaue Antworten auf Fragen zu E-Discovery, Aufbewahrungsrichtlinien und über 3.000 Datenquellen. Traditionelle Tier-1-Supportteams ertranken in der Menge, während die für Tier-2- und Tier-3-Probleme erforderliche Expertise die Skalierung von Personal unerschwinglich machte.

Hier kommen die Agentforce von Salesforce, Einstein GPT und ein bewusster, phasenweiser Rollout ins Spiel. Smarsh schaltete nicht einfach einen KI-Copiloten ein, sondern entwickelte handgefertigte spezialisierte autonome Agenten, die die Arbeitsweise der menschlichen Teams widerspiegeln. Wie Patterson, ein Schlüsselarchitekt der Strategie, erklärt, war der Schlüssel nicht ein Allzweck-Bot, sondern eine Suite zweckgebundener Agenten, die Kontext verstehen, aus Wissensdatenbanken schöpfen und sogar ohne menschliches Eingreifen untereinander übergeben können.

„Wir haben spezialisierte Agenten von der breiteren Orchestrierungsplattform von Salesforce unterschieden. Fin ist ein auf Kundenservice fokussierter Agent, während der Piper von Qualified ein Marketing-Agent ist, der Website-Besucher qualifizieren und Verkaufsgespräche buchen soll. Jeder spielt eine eigene Rolle in unserer einheitlichen Customer Journey."

Die Ergebnisse waren unmittelbar und quantifizierbar. Innerhalb von drei Monaten bewältigte Agentforce Tausende von Konversationen, wehrte Routine-Tickets ab und lieferte Antworten aus Smarshs proprietärem Wissensgraph. Die Kundenzufriedenheit sank nicht – sie stieg um 12 Punkte, weil die Antwortzeiten von Stunden auf Sekunden sanken und die Antworten konsistenter waren.

Die Ökonomie von KI-Agenten: Das Preismodell von 2 $ pro Konversation verstehen

Salesforce hat die Preise für Agentforce erfreulich transparent gestaltet: 2 $ pro abgeschlossener, autonomer Konversation. Doch einfache Mathematik zeigt, warum Finanzteams über den Listenpreis pro Konversation hinausblicken müssen.

Die wahre Mathematik der KI-Supportkosten

Nehmen wir Smarshs Anwendungsfall an: Bei 10.000 monatlichen Konversationen mit einer Lösungsquote von 60 % sieht das Kostenbild wie folgt aus.

Bei 2 $ pro Konversation kostet allein die KI-Ebene 20.000 $ pro Monat für 10.000 Konversationen, bevor Lizenzgebühren für Salesforce anfallen. Vergleicht man das mit den 60.000 $ und mehr für die vollständig manuelle Bearbeitung, übersteigen die Nettoeinsparungen 40 %. Und dabei ist der Kundenerlebnis-Vorteil noch nicht berücksichtigt: schnellere Antworten, 24/7-Verfügbarkeit und keine Warteschlangenfrustration.

Für eine detailliertere Sicht betrachten Sie die Kosten pro gelöster Konversation. Nur 6.000 der 10.000 Konversationen werden rein durch KI gelöst, daher betragen die effektiven Kosten pro KI-gelöster Interaktion 2 $. Die 4.000, die an Menschen weitergeleitet werden, kosten weiterhin jeweils 6–8 $. Die gemischten Kosten pro gelöster Interaktion belaufen sich auf etwa 3,67 $, immer noch ein Bruchteil des Durchschnitts von 7 $ vor der KI.

Aufbau eines skalierbaren KI-Support-Stacks: Lektionen für B2B-SaaS-Unternehmen

Smarshs Erfolg ist keine Magie. Er basiert auf bewussten Designentscheidungen, die jeder Support-Operations-Leiter übernehmen kann.

Spezialisierung schlägt Generalisierung

Anstatt ein überdimensioniertes Modell zu trainieren, setzte Smarsh spezialisierte Agenten ein – Fin für den Kundensupport, Piper für die Marketingqualifikation. Dadurch konnte jeder Agent eine eng begrenzte Domäne meistern, was Halluzinationen reduzierte und die Containment-Quote erhöhte.

• Finsitzt in der Support-Konsole, liest Tickets, durchsucht Wissensartikel und schlägt Antworten vor oder vervollständigt sie automatisch. Er kennt die Compliance-Terminologie und kann sich sogar in der Komplexität finanzieller Vorschriften zurechtfinden. -Piperlebt auf der Website, identifiziert Besucher mit hoher Kaufabsicht, beantwortet Pre-Sales-Fragen und bucht Besprechungen direkt in die Kalender der Vertriebsmitarbeiter. Er spricht die Sprache der Anwendungsfälle und Produktunterscheidungsmerkmale.

Die enge Integration in Ihre Wissensdatenbank ist nicht verhandelbar

Agentforce funktioniert nicht sofort einsatzbereit, es sei denn, Ihre Wissensdatenbank ist sauber, strukturiert und umfassend. Smarsh investierte Monate damit, seine über 10.000 Hilfsartikel, Fehlerbehebungsanleitungen und Richtliniendokumente in eine graphbasierte Wissensbasis zu überführen. Das Ergebnis? Die KI konnte 80 % der Fragen, die zuvor einen Level-2-Ingenieur erforderten, selbstbewusst beantworten.

Phasenweiser Rollout mit Human-in-the-Loop-Fallback

Smarsh startete Agentforce im „Vorschlagsmodus", in dem menschliche Agenten jede KI-Antwort genehmigten. Nach zwei Monaten überwachtem Lernen und Nachschulung wechselte es für Themen mit hoher Konfidenz in den autonomen Modus. Noch heute wird jede Konversation, die unter eine 90-Prozent-Konfidenzschwelle fällt, sofort mit vollem Kontext an einen Menschen weitergeleitet – ein Modell, das das Kundenvertrauen erhält.

„Wir haben unser Support-Team nicht ersetzt; wir haben ihm einen Co-Piloten gegeben, der die Routinearbeiten übernimmt, damit sie sich auf das Komplexe konzentrieren können. Das ist die Zukunft des B2B-Supports.“, Leiter der Support-Operationen bei Smarsh

Wirkung messen: Kennzahlen, die für KI-gesteuerten Support wichtig sind

Wenn Sie ein Geschäftsargument für KI-Agenten aufbauen, wird Ihr CFO drei Fragen stellen: Wie viel sparen wir? Wie stark verbessert sich das Kundenerlebnis? Und wie messen wir den laufenden Erfolg?

Hier ist das von Smarsh inspirierte KPI-Framework, das Sie übernehmen sollten.

1.Containment-Rate(auch Lösungsquote genannt): Der Prozentsatz der Konversationen, die vollständig von KI ohne menschliches Zutun gelöst werden. Smarsh strebt >55 % an; die anfänglichen 60 % übertrafen die Erwartungen. 2.Kosten pro Ticket (CPT): Vor der KI lag Smarshs gemischte CPT bei etwa 7 $. Nach der KI fiel sie auf 3,67 $. Verfolgen Sie diesen Wert monatlich, um sicherzustellen, dass sich KI-Investitionen auszahlen. 3. Mittlere Lösungszeit (MTTR): Von über 12 Minuten auf unter 2 Minuten für 60 % der Konversationen, eine 6-fache Verbesserung, die sich direkt auf den CSAT auswirkt. 4. Agentenproduktivität: Da KI Tier-1 übernimmt, lösen Agenten jetzt 40 % mehr komplexe Tickets pro Schicht, und die Eskalationsraten sanken um 35 %.

Der ROI-Multiplikator-Effekt

Die finanzielle Wirkung ist nicht linear. Die Verlagerung von 6.000 Konversationen pro Monat spart nicht nur 36.000 $ an Arbeitskosten, sondern verhindert auch die Notwendigkeit, bei wachsendem Volumen zusätzliche Agenten einzustellen. Smarsh zum Beispiel bewältigte über sechs Monate eine 25-prozentige Steigerung des Supportvolumens, ohne eine einzige Stelle zu schaffen. Das ist die Skalierbarkeit, die SaaS-CFOs aufhorchen lässt.

Das Modell der Mensch-KI-Zusammenarbeit: Wie Smarsh seine Agenten stärkteEiner der größten Mythen über KI im Support ist, dass sie Arbeitsplätze vernichtet. Die Smarsh-Geschichte beweist das Gegenteil. Indem KI die sich wiederholenden Aufgaben – Passwortzurücksetzungen, Fragen wie „Wie finde ich meine Berichte?“, grundlegende Fehlerbehebung – automatisierte, machte sie die verbleibende menschliche Arbeit ansprechender.

Von Ticket-Bearbeitern zu Problemlösern

Vor Agentforce verbrachten Smarshs Tier-1-Agenten 70 % ihrer Zeit mit Aufgaben, die kein menschliches Urteilsvermögen erforderten. Nachdem KI diese Gespräche übernommen hatte, wurden dieselben Agenten weiterqualifiziert, um komplexe Compliance-Interpretationen, Kontokonfiguration und sogar proaktive Kundenbetreuung zu übernehmen. Die Zufriedenheitswerte der Agenten stiegen, und die Fluktuation sank um 22 %.

Funktionsübergreifende KI-Orchestrierung

Smarshs Einsatz von Fin und Piper zeigt die Stärke der abteilungsübergreifenden KI-Zusammenarbeit. Ein Besucher, der auf der Website einen Chat startet, kann von Piper qualifiziert, nahtlos an Fin für eine Support-Frage zu einer möglichen Integration übergeben und dann an einen Vertriebsmitarbeiter weitergeleitet werden – ohne dass der Kunde auch nur ein einziges Detail wiederholen muss. In dieser Orchestrierung liegt die wahre Magie des Kundenerlebnisses (CX).

Für Unternehmen, die auf Salesforce aufbauen, ist das ein natürlicher Vorteil. Aber selbst wenn Ihr Technologie-Stack anders ist, gilt das Prinzip: KI-Agenten sollten Kontext über die gesamte Customer Journey hinweg teilen und nicht in Silos leben.

Über Salesforce hinaus: Zukunftssicherung Ihres Supports mit einer KI-Schicht

Agentforce ist leistungsstark, aber nicht der einzige Weg. Viele SaaS-Unternehmen arbeiten mit Intercom, Zendesk oder selbst entwickelten Support-Plattformen und benötigen KI, die sich integrieren lässt, ohne alles ersetzen zu müssen. Genau hier kann eine dedizierte KI-Automatisierungsschicht für den Support ein Game-Changer sein.

Plattformunabhängige Lösungen wie Successly ermöglichen es Ihnen, benutzerdefinierte KI-Agenten zu erstellen, die auf Ihrem bestehenden Ticketsystem, Ihrer Wissensdatenbank und Ihrem CRM aufsetzen. Sie können Smarshs Modell spezialisierter Agenten mit Fin-ähnlichen Fähigkeiten nachbilden, ohne sich jedoch an das Ökosystem eines einzigen Anbieters zu binden. Und Sie können mit einem Preis von etwa 2 $ pro Gespräch starten, der sich mit Ihrem tatsächlichen Gesprächsvolumen skaliert.

Successly zum Beispiel erzielt innerhalb der ersten 30 Tage nach der Bereitstellung eine Ticket-Vermeidungsrate von 43 %, indem es mit Ihren vorhandenen Hilfedokumenten und früheren Gesprächen trainiert wird – ein Ergebnis, das direkt der Smarsh-Entwicklung entspricht, ohne den mehrmonatigen Salesforce-Implementierungszyklus.

Checkliste für die Auswahl eines KI-Support-Partners

• Garantierte Lösungsrate: Verpflichtet sich der Anbieter innerhalb von 90 Tagen zu einem bestimmten Containment-Prozentsatz?
• Integrationstiefe: Kann die KI Ihre CRM-Kontakte, den Ticketverlauf und die Wissensdatenbank einsehen?
• Menschliche Übergabe: Ist der Eskalationspfad nahtlos, wobei der vollständige Gesprächskontext an den Agenten übergeben wird?
• Sicherheit und Compliance: Kann die KI für regulierte Branchen wie die von Smarsh die Anforderungen von SOC 2, HIPAA oder GDPR erfüllen?
• Preistransparenz: Ist es wirklich pro Gespräch, oder gibt es versteckte Plattformgebühren?

Erste Schritte: Ein 90-Tage-Framework für die Automatisierung des KI-Supports

Inspiriert von Smarshs Playbook finden Sie hier eine phasenweise Roadmap, die Sie an Ihre eigene Umgebung anpassen können.

Tage 1–30: Bewerten und Vorbereiten

• Prüfen Sie Ihre häufigsten Tickettypen. Zielen Sie auf 20–30 Kategorien, die 60 % des Volumens ausmachen.
• Bereinigen und strukturieren Sie Ihre Wissensdatenbank. Schließen Sie Lücken, an denen KI scheitern würde.
• Testen Sie einen spezialisierten Agenten für ein einzelnes Thema mit hohem Aufkommen (z. B. Abrechnungsanfragen).

Tage 31–60: Überwachter Start

• Setzen Sie den Agenten im Vorschlagsmodus ein, wobei menschliche Genehmigungen erforderlich sind.
• Legen Sie Konfidenzschwellen von 95 % für autonome Antworten fest; definieren Sie Eskalationspfade.
• Überwachen Sie täglich Containment-Rate, CSAT und Deflection. Trainieren Sie wöchentlich neu.

Tage 61–90: Skalieren und Erweitern

• Wechseln Sie in den autonomen Modus für das ursprüngliche Thema, sobald die Containment-Rate 50 % übersteigt.
• Fügen Sie einen zweiten Agenten für einen verwandten Bereich hinzu (z. B. Onboarding-Hilfe).
• Integrieren Sie CRM und Marketing-Automatisierung, um funktionsübergreifende Übergaben wie bei Piper zu ermöglichen.

Fazit: Die KI-Support-Dividende ist real

Smarshs Reise mit Agentforce ist kein Ausreißer, sondern der neue Maßstab. Eine Lösungsrate von 60 %, ein Rückgang der Eskalationen um 35 % und eine drastische Reduzierung der Kosten pro Gespräch signalisieren, dass wir eine Schwelle überschritten haben: KI-Support-Agenten sind nicht nur experimentell; sie sind vom CFO genehmigte Investitionen.

Ihr Team kann dasselbe erreichen. Beginnen Sie mit einem spezialisierten Agenten, kümmern Sie sich intensiv um Ihre Wissensdatenbank und rechnen Sie durch, was 10.000 Gespräche bei 2 $ pro Stück kosten würden. Die Rechnung ist wahrscheinlich überzeugender, als Sie denken.

Und wenn Sie diese Reise beschleunigen möchten, ohne sich an ein einziges CRM zu binden, bietet Successly eine KI-Support-Schicht, die in Tagen einsatzbereit ist, aus Ihren vorhandenen Inhalten lernt und ab dem ersten Monat eine Ticket-Vermeidungsrate von 43 % erzielt. Die Zukunft des Supports besteht nicht darin, Menschen zu ersetzen, sondern sie mit KI auszustatten, die genauso hart arbeitet wie sie.