Product
AI interview expertise: Why Elly and not Copilot?
A chatbot built with Copilot in a few hours works while people answer as expected. Elly is built for every way people go off script, so she does not fall into predictable patterns.
ExampleCopilot chatbot, a few hours
Elly
- 1Suddenly a new topicNot testedFollows it, then asks deeper
- 2Wants to stop halfwayNot testedOffers a pause, to go on later
- 3Shares how they feelNot testedTakes it seriously, then thinks along
- 4Makes a jokeNot testedGently back to the question
- 5Suddenly asks for adviceNot testedGives it, then steers back
Product
AI-interviewexpertise: Waarom Elly en niet Copilot?
Een chatbot die je in een paar uur met Copilot bouwt, werkt zolang mensen antwoorden zoals verwacht. Elly is gebouwd voor elke manier waarop mensen van het script afwijken, en valt dus niet in voorspelbare patronen.
VoorbeeldCopilot-chatbot, een paar uurElly
- 1Ineens een nieuw onderwerpNiet getestVolgt het, en vraagt dieper door
- 2Wil halverwege stoppenNiet getestBiedt een pauze aan, om later verder te gaan
- 3Vertelt hoe ze zich voelenNiet getestNeemt het serieus, en denkt mee
- 4Maakt een grapNiet getestRustig terug naar de vraag
- 5Vraagt ineens om adviesNiet getestGeeft het, en stuurt dan terug
Analysis
Clustering: What did each team say?
Our analysis groups what participants say into named causes and shows what share of them raised each one. Then it splits every cause by team, so you see who carries what.
Named causes, by share of participants
- 1Workload leaves no time to improve39%
- 2Priorities change every week33%
- 3Handovers between teams go wrong29%
- 4Too little room to grow27%
By team, share of each team that raised it
Each team's own top cause
- Sales Too little room to grow
- Operations Workload leaves no time to improve
- IT Priorities change every week
- HR Handovers between teams go wrong
Workload leaves no time to improve, so Sales sees too little room to grow.
Analyse
Clusteren: Wat zei elk team?
Onze analyse groepeert wat deelnemers zeggen in benoemde oorzaken en laat zien welk deel van hen elke oorzaak noemde. Daarna splitst ze elke oorzaak per team, zodat je ziet wie wat draagt.
Benoemde oorzaken, naar aandeel deelnemers
- 1Werkdruk laat geen tijd om te verbeteren39%
- 2Prioriteiten veranderen elke week33%
- 3Overdrachten tussen teams gaan mis29%
- 4Te weinig ruimte om te groeien27%
Per team, deel van elk team dat het noemde
De grootste oorzaak per team
- Verkoop Te weinig ruimte om te groeien
- Operations Werkdruk laat geen tijd om te verbeteren
- IT Prioriteiten veranderen elke week
- HR Overdrachten tussen teams gaan mis
Werkdruk laat geen tijd om te verbeteren, dus ziet Verkoop te weinig ruimte om te groeien.
Analysis
Cross-sections by team: Pick a team, see which causes it carries.
Every named cause shows the share of participants behind it, split by team. Pick a team and the rest steps back.
Unclear customer specifications at the start, and too many scope changes during the project
43% of participants
Management and the parent company push for more projects and revenue
21% of participants
No lead engineers who take ownership of setting and guarding standards across teams
21% of participants
Participants from Controls & Automation named two of the three causes.
Participants from Procurement named all three causes.
Participants from Engineering named two of the three causes.
Participants from Production named two of the three causes.
Participants from Customer Support named two of the three causes.
Analyse
Doorsnedes per team: Kies een team, zie welke oorzaken het draagt.
Elke benoemde oorzaak toont het deel van de deelnemers erachter, gesplitst per team. Kies een team en de rest stapt terug.
Onduidelijke klant specificaties in het begin en teveel scope veranderingen tijdens het project
43% deelnemers
Het management en moederbedrijf duwen voor meer projecten en omzet
21% deelnemers
Geen lead engineers die eigenaarschap nemen om standaarden opzetten en bewaken over teams heen
21% deelnemers
Deelnemers uit Controls & Automation noemden twee van de drie oorzaken.
Deelnemers uit Procurement noemden alle drie de oorzaken.
Deelnemers uit Engineering noemden twee van de drie oorzaken.
Deelnemers uit Production noemden twee van de drie oorzaken.
Deelnemers uit Customer Support noemden twee van de drie oorzaken.
Analysis
AI can hallucinate. We check every quote, word for word.
Our analysis does the heavy lifting. Our deterministic check layer then matches every quote against the transcripts, reliably and consistently.
An example. From 750 conversations, the analysis concludes that entrepreneurs are stuck in today's work, not building tomorrow's growth. It found 1,000 quotes for it. Our deterministic check layer matched every one word for word against the transcripts, for reliable and consistent results, every time. Nearly all were found. A few were not said by anyone, such as “we will go bankrupt within a year”: those are hallucinations, and they were removed.
Analyse
AI kan hallucineren. Wij controleren elk citaat, woord voor woord.
Onze analyse doet het zware werk. Onze deterministische controlelaag legt daarna elk citaat naast de transcripten, betrouwbaar en consistent.
Een voorbeeld. Uit 750 gesprekken concludeert de analyse dat ondernemers vastzitten in het werk van vandaag, niet bezig met de groei van morgen. Ze vond er 1.000 citaten voor. Onze deterministische controlelaag legde ze allemaal woord voor woord naast de transcripten, voor betrouwbare en consistente resultaten, elke keer. Bijna alle citaten werden gevonden. Een paar zijn door niemand gezegd, zoals “we gaan binnen een jaar failliet”: dat zijn hallucinaties, en die zijn verwijderd.
What is the elephant in your room?
Want to know how we can help you activate your target audience?
Chun Hou WongCEO and co-founder15 min, online
Wat is de olifant in jouw kamer?
Wil je weten hoe wij je kunnen helpen je doelgroep te activeren?
Chun Hou WongCEO en medeoprichter15 min, online