Zapier با مرور بازخوردهای دوره آزمایشی داخلی Sidekick و تجربه مشتریانش، پنج نمونه از کارهای انجامشده با این ابزار را شرح داده است. این روایتها تجربههای مشخص کاربران هستند؛ در بیشتر آنها نیز سازنده automation مهندس نبوده است.
نمونه اول به تحلیل قراردادهای Enterprise مربوط میشود. تیم بازاریابی محصول قبلاً گزارش برد و باخت قراردادها را بهصورت دستی و هفتگی تهیه میکرد. حالا یک Next Gen Zap پس از بستهشدن قرارداد، اطلاعات را جمع میکند، تحلیل را انجام میدهد و گزارش را در صفحهای در Sidekick ذخیره میکند. هزینه هر گزارش حدود ۵۵ سنت اعلام شده و هنگام اشتراکگذاری این تجربه، صفحه شامل ۵۸ گزارش قابل جستوجو و فیلتر بوده است.
در نمونه دوم، یک کارشناس توسعه کسبوکار طی حدود یک هفته، pipeline پردازش پاسخهای «خارج از دفتر» ایمیل را با Next Gen Zaps و Tables ساخت. این فرایند پیامهای برگشتی را از پاسخهای انسانی جدا میکند و با AI نام، سمت و اطلاعات تماس را استخراج میکند. نتیجه در پنج جدول متصل ذخیره میشود و جمعبندی هفتگی و ماهانه دارد. این نسخه هنوز اولیه است و مرحله بعد به بررسی نحوه استفاده از دادهها نیاز دارد.
نمونه سوم، هماهنگی نزدیک به ۲۰۰ دعوت جلسه برای گفتوگوهای ۱۰ دقیقهای مدیرعامل و مدیر فناوری با بخش بزرگی از مجموعه Build بود. یک برنامه Sidekick در Slack بیشتر جلسهها را تنظیم کرد و منطقه زمانی، ساعت کاری و غیبت افراد را در نظر گرفت.
تیم observability نیز پس از انتقال کار روی قابلیت AI خود به Sidekick، طی حدود دو هفته پوشش موارد استفاده هدف را از حدود ۲۵ درصد به ۷۵ درصد رساند. منظور، پوشش موارد استفاده است، نه پوشش تست. این تیم به code execution، مدیریت فایل و اصلاحات قبلی در تصمیمگیری agent اشاره کرده و از چارچوبهای ارزیابی و اشتراک دانش مشترک نیز گفته است.
در تجربه مشتریان بیرونی، یک کاربر بیش از ۸۰۰ کانال غیرفعال Slack را بایگانی کرد؛ کاری که ماهها برای انجامش از طریق Slack API تلاش کرده بود. کاربر دیگری هم از صرفهجویی در زمان کار با spreadsheet و script گفته است.
الگوی مشترک این روایتها شروع با شرح ساده یک کار تکراری است. بعضی فرایندها سپس با schedule یا trigger اجرا شدهاند. توصیه پایانی منبع نیز رساندن نتیجه در زمان مشخص به جایی مانند Slack است تا دریافت آن به یادآوری و درخواست دوباره وابسته نباشد.


