A startup Korl lança ferramenta multimodal e multiagente para comunicação personalizada entre sistemas distintos.

É um dilema: As equipes de atendimento ao cliente possuem mais dados do que podem utilizar — desde anotações do Salesforce, tickets do Jira, painéis de projeto e Google Docs — mas têm dificuldade em combiná-los ao elaborar mensagens que realmente ressoem com os clientes.

Ferramentas existentes frequentemente dependem de modelos genéricos ou slides e falham em fornecer uma visão completa das jornadas do cliente, roteiros, metas de projeto e objetivos de negócios.

Korl, uma startup lançada hoje, busca superar esses desafios com uma nova plataforma que opera em múltiplos sistemas para ajudar a criar comunicações altamente personalizadas. A ferramenta multimodal e multiagente utiliza uma combinação de modelos da OpenAI, Gemini e Anthropic para coletar e contextualizar dados.

“Os engenheiros têm ferramentas de IA poderosas, mas as equipes de atendimento ao cliente estão presas a soluções rasas e desconectadas,” disse Berit Hoffmann, CEO e cofundadora da Korl, em uma entrevista exclusiva ao VentureBeat. “A inovação central da Korl é baseada em nossos avançados pipelines de múltiplos agentes, projetados para construir o contexto do cliente e do produto que as ferramentas genéricas de apresentação carecem.”

Criando materiais personalizados para clientes por meio de uma visão multicanal

Os agentes de IA da Korl agregam informações de diferentes sistemas — como documentação técnica do Jira, esboços do Google Docs, designs do Figma e dados de projetos do Salesforce — para construir uma visão multi-fonte.

Por exemplo, uma vez que um cliente conecta a Korl ao Jira, seu agente estuda as capacidades de produto existentes e planejadas para descobrir como mapear dados e importar novas capacidades de produto, explicou Hoffmann. A plataforma combina dados de produto com informações do cliente — como histórico de uso, prioridades de negócios e estágio de ciclo de vida — preenchendo lacunas com IA.

“Os agentes de dados da Korl coletam, enriquecem e estruturam automaticamente conjuntos de dados diversos de fontes internas e dados públicos externos,” disse Hoffmann.

A plataforma então gera automaticamente revisões trimestrais de negócios personalizadas (QBRs), propostas de renovação, apresentações personalizadas e outros materiais para uso em momentos importantes com os clientes.

Hoffmann disse que o principal diferencial da empresa é sua capacidade de entregar “materiais polidos e prontos para o cliente”, como slides, narrativas e e-mails, “em vez de meramente análises ou insights brutos.”

“Acreditamos que isso oferece um nível de valor operacional que as equipes de atendimento ao cliente necessitam hoje, dadas as pressões para fazer mais com menos,” disse ela.

Alternando entre OpenAI, Gemini, Anthropic, com base no desempenho

A Korl orquestra um “conjunto de modelos” entre OpenAI, Gemini e Anthropic, selecionando o melhor modelo para a tarefa em função da velocidade, precisão e custo, explicou Hoffmann. A Korl precisa realizar tarefas complexas e diversas — narrativas sutis, computação de dados, visuais — assim, cada caso de uso é combinado com o modelo mais performático. A empresa implementou “mecanismos de fallback sofisticados” para mitigar falhas; nos primeiros dias, observaram altas taxas de falhas ao depender de um único fornecedor, relatou Hoffmann.

A startup desenvolveu um mapeador automático proprietário ajustado para lidar com diversos esquemas de dados empresariais entre Jira, Salesforce e outros sistemas. A plataforma mapeia automaticamente para campos relevantes na Korl.

“Em vez de apenas correspondência semântica ou de nomes de campos, nossa abordagem avalia fatores adicionais como a escassez de dados para pontuar e prever correspondências de campos,” disse Hoffmann.

Para acelerar o processo, a Korl combina modelos de baixa latência e alta taxa de transferência (como o GPT-4o para respostas rápidas e contextuadas) com modelos analíticos mais profundos (Claude 3.7 para comunicações mais complexas e voltadas ao cliente).

“Isso garante que otimizemos a melhor experiência para o usuário final, fazendo concessões orientadas ao contexto entre imediata e precisão,” explicou Hoffmann.

Uma vez que “a segurança é primordial”, a Korl busca garantias de privacidade de nível empresarial de fornecedores para garantir que os dados dos clientes sejam excluídos dos conjuntos de dados de treinamento. Hoffmann destacou que sua orquestração multi-fornecedor e prompts contextuais limitam ainda mais a exposição inadvertida e vazamentos de dados.

Lidando com dados que são ‘muito bagunçados’ ou ‘incompletos’

Hoffmann observou que, no início, a Korl ouviu de clientes que se preocupavam com o fato de seus dados estarem “muito bagunçados” ou “incompletos” para serem utilizados adequadamente. Em resposta, a empresa construiu pipelines para entender os relacionamentos dos objetos de negócios e preencher lacunas — como posicionar recursos externamente ou alinhar valores em torno de resultados desejados.

“Nosso agente de apresentação é o responsável por aproveitar esses dados para gerar slides para clientes e guiar conversas [com potenciais clientes ou leads] dinamicamente quando necessário,” disse Hoffmann.

Ela também afirmou que a Korl apresenta “verdadeira multimodalidade.” A plataforma não apenas coleta dados de várias fontes; ela interpreta diferentes tipos de informações, como texto, dados estruturados, gráficos ou diagramas.

“O passo crítico é ir além dos dados brutos para responder: Que história este gráfico conta? Quais são as implicações mais profundas aqui, e elas realmente ressoarão com este cliente específico?” disse ela. “Construímos nosso processo para realizar essa due diligence crucial, garantindo que a saída não seja apenas dados agregados, mas conteúdo genuinamente rico entregue com um contexto significativo.”

Dois dos concorrentes mais próximos da Korl incluem Gainsight e Clari; no entanto, Hoffmann disse que a Korl se diferencia ao incorporar um contexto profundo de produto e roteiro. Estratégias eficazes de renovação e expansão de clientes exigem uma compreensão profunda do que um produto faz, e isso deve ser combinado com uma análise dos dados e comportamentos dos clientes.

Além disso, Hoffmann afirmou que a Korl aborda duas “deficiências fundamentais” das plataformas existentes: contexto de negócios profundo e precisão da marca. Os agentes da Korl coletam contexto de negócios de vários sistemas. “Sem essa inteligência abrangente de dados, decks automatizados carecem de valor estratégico para os negócios,” disse ela.

Quando se trata de branding, a tecnologia proprietária da Korl extrai e reproduz diretrizes de materiais existentes.

Reduzindo o tempo de preparação de materiais de ‘múltiplas horas para minutos’

As primeiras indicações sugerem que a Korl pode desbloquear ao menos uma melhoria de 1 ponto na retenção líquida de receita (NRR) para empresas de software de médio porte, disse Hoffmann. Isso se deve ao fato de que a plataforma descobre valores de produto não realizados previamente e facilita a comunicação disso aos clientes antes que eles cancelem ou tomem decisões de renovação ou expansão.

A plataforma também melhora a eficiência, reduzindo o tempo de preparação de apresentação para cada ligação com o cliente de “múltiplas horas para minutos”, segundo Hoffmann.

Os primeiros clientes incluem a plataforma de desenvolvimento de habilidades Datacamp e a empresa de envio de presentes e correspondência direta Sendoso.

“Eles lidam com um desafio crítico e muitas vezes negligenciado: Muitas vezes, recursos de produtos são lançados enquanto as equipes de go-to-market (GTM) não estão preparadas para vender, apoiar ou comunicar efetivamente,” disse Amir Younes, diretor de atendimento ao cliente da Sendoso. “Com a IA da Korl, [habilitação de go-to-market] a criação de ativos pode estar a um clique de distância — sem adicionar sobrecarga para as equipes de P&D.”

A Korl entrou no mercado hoje com $5 milhões em investimentos iniciais em uma rodada co-liderada pela MaC Venture Capital e Underscore VC, com participação da Perceptive Ventures e Diane Greene (fundadora da VMware e ex-CEO do Google Cloud).