Hvordan Matic bruger Retell AI til at automatisere kritiske forsikringsopkaldsworkflows

Om

Matic er et nationalt anerkendt, multi-line digitalt forsikringsbureau, der samarbejder med mange af de største realkreditadministratorer og finansielle institutioner i USA. Gennem dyb integration på nøgleøjeblikke i udlånslivscyklussen leverer Matic problemfri adgang til bolig-, bil- og livsforsikring.

Med 45+ A-ratede forsikringsselskaber i sit netværk leverer Matic dækning af høj kvalitet til låntagere i hele landet, hvilket gør forsikringskøb mere tilgængeligt og mere afstemt med de finansielle beslutninger, boligejere allerede træffer.

Matics opkaldsdrift var under pres. Med 120.000 månedlige opkald skabte selv små ineffektiviteter betydelig driftsmæssig overhead. Teamet stod over for flere vedvarende problemer:

• ‍Upålidelig dækning uden for åbningstid: På grund af mismatchede incitamenter gik outsourcede callcentre glip af muligheder og leverede inkonsekvente oplevelser uden for åbningstid, hvilket bragte Matics kundetilfredshed i fare.‍
• Uproduktive opkald: Matics agenter brugte hele deres tid på at lytte til telefonen ringe, tid suget op på at ringe ind til ubesvarede opkald og telefonsvarere.‍
• Tidskrævende opgaver: Essentielle opgaver som dataindsamling fik Matics agenter til at bruge 7–9 minutter pr. opkald på at indsamle data, før de overhovedet startede tilbudsprocessen.

Alt dette skete, mens forsikringsomkostningerne steg på landsplan. Matic havde brug for en måde at operere mere effektivt på—uden at gå på kompromis med den servicekvalitet, som deres partnere eller kunder forventede.

AI-stemmeagentplatformen, de stolede på til at gøre det? Retell AI.

Et hurtigt overblik

• Indgik partnerskab med Retell AI for at automatisere support uden for åbningstid, aftalebekræftelse og dataindsamling.
• Implementerede AI-stemmeagenter på under 2 måneder med høje succesrater.
• Fastholdt en NPS-score på 90, mens de automatiserede 50 % af gentagne workflows.
• Så højere svarrater, reduceret opkaldstid og betydelige omkostningsbesparelser.

Use case 1: Dækning uden for åbningstid

Før Retell AI støttede Matic sig til tredjeparts-callcenterleverandører til at håndtere opkald uden for åbningstid. Performancen var dårlig, og kundeoplevelsen led under volumenbegrænsninger, der førte til mistede opkald, inkonsekvent og ineffektivt budskab og muligheder med interesserede leads, der gled mellem stolene.

Med Retell AI lancerede Matic en AI-telefonagent uden for åbningstid til at håndtere al indgående trafik uden for åbningstid. Tilgængelig 24/7 hele året indsamler AI-telefonagenten basale kontakt- og forsikringsoplysninger og booker opfølgningsopkald. Dette sikrer, at kunder med høj intention aldrig mistes natten over, og at Matics repræsentanter har al nødvendig kontekst, før de følger op.

Derudover sikrede denne AI-telefonagent, at der var en konsekvent, branded første berøring for hver opkaldende uanset tidspunkt, dag eller opkaldsvolumen.

Use case 2: Aftalebekræftelse & ombooking

Bookingforsinkelser og mistede opkald kostede Matic værdifulde muligheder. Agenter kunne ikke altid ringe ud præcis på det planlagte tidspunkt, og svarrater faldt, når opkald kom sent.

Retell AI løste dette ved at håndtere planlagte opkaldsopfølgninger automatisk. AI-stemmeagenten ringer til kunden præcis til tiden, bekræfter, at de stadig er tilgængelige, ombooker om nødvendigt og viderestiller opkaldet til en licenseret menneskelig agent. Med denne kraftfulde automatisering har Matic set

• 3.000–4.500 planlagte opkald håndteret hver måned, hvilket frigør medarbejdere til at fokusere på arbejde af højere værdi.
• 85–90 % succesrate i at viderestille opkald til licenserede agenter.
• Gennem A/B-test konsekvent højere svarrater end menneskeledede opkald—i høj grad på grund af bottens evne til at ringe på det præcise planlagte minut.

“I Q1 håndterede vi knap 8.000 opkald med AI-operatørbotten. Det, vi fandt, og vi kørte dette som en A/B-test, var, at vi faktisk så en højere svarrate ved brug af botten. Vi tilskriver det i høj grad det faktum, at botten kan foretage opkaldet på det præcise minut, hvor den aftale er planlagt”

Use case 3: Dataindsamling & leadkvalificering

Tilbudsindtag var en af de mest gentagne og tidskrævende dele af Matics opkaldsdrift. Agenter brugte 7–9 minutter pr. opkald på at indsamle detaljer, før de overhovedet kom til den rådgivende del af samtalen.

Med Retell AI er hele den proces nu automatiseret. AI-telefonagenten indsamlede alle 20–30 påkrævede datapunkter, flagger eventuelle diskvalificerende faktorer og overdrager kun kvalificerede leads til licenserede agenter.

• Gennemsnitlig tid til at indsamle data faldt fra 9 minutter til ~6 minutter.
• Agenter sparer tid ved at undgå opkald med ikke-kvalificerede eller uegnede leads.
• Systemet kan let opdateres, efterhånden som produkt- eller egnethedsregler udvikler sig.

Dette workflow var uvurderligt i at spare tid og forbedre kvaliteten af de leads, der nåede Matics team, så de kan fokusere på at lukke, ikke kvalificere.

‍

Implementering & QA

Matics telefoniteam ledte integrationen af Retell AI. Den indledende opbygning tog blot 1–2 måneder, herunder grundlæggende integrationsarbejde med Twilio, API-endpoints og interne prompt-håndteringssystemer. Da grundlaget var på plads, blev nye AI-use cases rullet ud hurtigt i 1–2 sprintcyklusser.

I starten af 2025 var mere end 60 % af teamets udvikling af opkaldsdrift fokuseret på AI.

Men opbygning var kun halvdelen af ligningen. Matic prioriterede også kvalitetskontrol:

• ‍Ugentlig QA-stikprøve: Et dedikeret teammedlem gennemgår 150+ opkald om ugen.‍
• Automatiserede opkaldsgennemgange: En intern prompt tjekker udskrifter for overholdelse af flow.‍
• Løbende iteration: Engineering, QA og ops mødes regelmæssigt for at finjustere flows baseret på live-feedback.

“Der var fem eller seks forbedringer, vi lavede bare i sidste uge baseret på QA-indsigt. Dette arbejde er løbende og essentielt.”

Denne proaktive tilgang sikrer, at AI-stemmeagenterne konsekvent er effektive og leverer en kundeoplevelse, der er on-brand, on-script og konstant forbedres.

‍

Retells effekt

Matics brug af Retell AI-telefonagenter har produceret meningsfulde, målbare resultater på tværs af linjen:

Opkald håndteret af AI i Q1 2025: 8.000+ på tværs af alle use cases

Viderestillingssuccesrate for planlagte aftaleopkald: 85–90 %

Højere svarrater for AI-opkald vs. menneskelige opkald (fra A/B-test)‍

Reduktion af opkaldshåndteringstid i dataindtagsflows: ~3 minutter

Lavværdiopgaver automatiseret og omfordelt: ~50 %

NPS fastholdt gennem hele automatiseringsudrulningen: 90

Kunder gennemfører AI-håndterede opkald uden at bede om et menneske: 80 %

Omkostning pr. police og omkostning pr. viderestilling betydeligt reduceret (præcise metrikker afventes)

‍

Det vigtigste at tage med

For teams, der udforsker AI-stemmeautomatisering, tilbyder Matics rejse en klar drejebog:

1. Start småt, men smart

Matic begyndte med en use case med lav kompleksitet og høj effekt: håndtering af opkald uden for åbningstid. Workflowet var enkelt, og fordelene var øjeblikkelige: indsaml basal info, book et tilbagekald. Dette gav teamet tidlige sejre, målbar ROI og intern tillid til at opbygge momentum.

2. Gå aldrig på kompromis med kundeoplevelsen

Fordi Matic opererer gennem co-branded partnerskaber med realkreditlångivere, er hver interaktion en afspejling af en anden virksomheds brand. Det betød, at AI ikke bare kunne være funktionel, den skulle føles menneskelig. Fra stemmekvalitet til svarnøjagtighed forblev kundetillid ikke til forhandling.

3. Valider med data, ikke mavefornemmelse

Før de skalerede automatisering på tværs af linjen, kørte Matic kontrollerede A/B-test for at sammenligne AI-performance med menneskelige agenter. I tilfældet med aftalebekræftelser overgik AI-telefonagenten faktisk mennesker på svarrate. Dette var en definitiv indikator for, at automatisering ikke bare var mere effektiv, den var mere virkningsfuld.

4. Invester på forhånd for at bevæge dig hurtigere senere

Teamet brugte de første 1–2 måneder på at lægge et stærkt teknisk fundament: integration med Twilio, opbygning af en fleksibel prompt-infrastruktur og afstemning af interne QA-processer. Denne tidlige investering muliggjorde hurtig iteration senere, med nye use cases, der lancerede på blot 1–2 sprintcyklusser.

5. Genanvend, erstat ikke

Måske vigtigst af alt nærmede Matic sig ikke AI som en strategi til at reducere medarbejderstaben. I stedet fokuserede de på at genanvende menneskelige agenter til at håndtere interaktioner af højere værdi. Opgaver af højere værdi, som krydssalgsmuligheder og dybere rådgivende samtaler, øgedes, hvilket gjorde Matic i stand til at levere dybere værdi for kunder og samtidig maksimere ROI.

“Vi erstatter ikke mennesker—vi giver dem bedre ting at lave.”

Gennem deres faseopdelte implementering af Retell AI's stemmeautomatiseringsplatform har Matic med succes transformeret deres kundedrift og reduceret omkostninger, samtidig med at de fastholdt fremragende kundeoplevelsesmetrikker.

Ved at automatisere gentagne opgaver har de frigjort deres menneskelige agenter til at fokusere på aktiviteter af højere værdi som rådgivende salg og relationsopbygning.

For B2B-ledere, der overvejer lignende automatiseringsinitiativer, demonstrerer Matics erfaring, at gennemtænkt implementering af AI-stemmeagenter kan levere målbare driftsmæssige fordele uden at gå på kompromis med kundetilfredsheden. Efterhånden som AI-stemmeteknologi fortsætter med at avancere, kan virksomheder, der omfavner disse værktøjer strategisk, opnå betydelige konkurrencefordele inden for effektivitet, skalerbarhed og kundeoplevelse.

‍