Sytuacja
Na Voice Agents Sprint od Datapizza i ElevenLabs zbudowaliśmy Nàvia, agenta głosowego dla osób, które same zapisują się na grupowy wyjazd. Stanęliśmy na podium. Na AI Hackathon w Paryżu, wiosną 2026, zacząłem z Raffaele budować narzędzie do pracy nad kampaniami reklamowymi. Później stało się motive, moim produktem. Mierzy, czy i jak marka pojawia się w odpowiedziach asystentów AI.
Co zrobiłem
Przy Nàvia zaczęliśmy od konkretnego problemu biur organizujących wyjazdy grupowe, jeszcze zanim pomyśleliśmy o głosie. Przy motive trudna część przyszła po hackathonie. W lipcu przeniosłem demo do prawdziwego produktu. Miałem spisaną listę tego, co wchodzi, a co zostaje poza nim. W październiku zbudowałem metodę pomiaru od nowa. Usunąłem części demo, które obiecywały więcej, niż produkt potrafił zmierzyć.
Co się zmieniło
Nàvia pozostała nagrodzonym prototypem. motive obserwuje dziś odpowiedzi, których asystenci AI faktycznie udzielają, z całą ich zmiennością, zamiast pytać model, co by powiedział. Części, która robiła największe wrażenie w Paryżu, już nie ma.
Czego się nauczyłem
Biura wyjazdów grupowych tracą wiele osób przez rezygnacje w ostatniej chwili. Na Voice Agents Sprint zaczęliśmy od tego: ktoś zapisuje się sam, rezerwuje, a potem w tygodniach przed wyjazdem czuje się obco. Agent głosowy do podróży kojarzy się z trasami i rezerwacjami, czyli z chwilą przed zakupem. Problem był później. Nàvia przedstawiała ci grupę, opowiadała o miejscu jak ktoś stamtąd, przygotowywała podcast o podróży i, tak, śpiewała ci też piosenkę. Od tamtej pory, kiedy szukam problemu, najpierw patrzę na odcinek między zakupem a użyciem.
Pierwsza wersja motive pytała model, jakie marki by wymienił. Raz, bez języka i kraju, na pytania wymyślone przez inny model. Powstawała wiarygodna lista, która wyglądała jak prawdziwy pomiar. Dlatego nie było widać błędu. Nie mierzyła niczego, co widzi człowiek zadający pytanie asystentowi. W październiku zbudowałem metodę od nowa. Dziś motive zbiera odpowiedzi, które zobaczyłaby prawdziwa osoba. Każde pytanie wskazuje swoje źródło: podpowiedzi wyszukiwarki, stronę marki albo użytkownika.
To samo pytanie do tego samego asystenta, zadane dwa razy, może dać dwie różne odpowiedzi. Marka pojawia się w pierwszej i znika z drugiej. Jednorazowa kontrola zamienia tę zmienność w werdykt: jest albo jej nie ma. Dlatego motive zadaje każde pytanie kilka razy. Pokazuje, jak często pojawia się marka, razem z marginesem błędu. Dawnych obserwacji nie ruszam. Jeśli zmieniam metodę, widać to na wykresie. Dziś sygnalizuję zmianę dopiero wtedy, gdy wykracza poza szum.
W lipcu agent zbudował MVP motive podczas mojej nieobecności. Sam wybrał cenę i kanały startu, oznaczając je jako wybory do review. Produkt działał, łącznie z checkoutem. Działający checkout sprawia, że tymczasowa cena wygląda na ostateczną. Tak samo działało pozorowane uruchomienie kampanii, czyli część, która robiła największe wrażenie w Paryżu. Wszędzie była oznaczona jako symulacja, a mimo to nadal nadawała produktowi postrzeganą wartość. W październiku usunąłem symulację i zmieniłem propozycję wartości. Dziś wybory agenta pozostają oddzielone od zatwierdzonej strategii, dopóki sam nie zrobię ich review.
Our sole focus should be delivering more value with every iteration of the product.
// Nàvia była prototypem: podium, mnóstwo naklejek, zero metryk retencji.