Så använder Matic Retell AI för att automatisera kritiska arbetsflöden för försäkringssamtal
Brian Barker
Product Manager
COMPANY SIZE
201-500
INDUSTRY
Transforming customer service
LOCATION
Ohio, US
USE CASE
FEATURES
Matic är en nationellt erkänd, flerlinjig digital försäkringsagentur som samarbetar med många av de största bolåneförvaltarna och finansinstituten i USA. Genom djup integration vid viktiga ögonblick i låneprocessen ger Matic sömlös tillgång till hem-, bil- och livförsäkring.
Med 45+ A-rankade försäkringsgivare i sitt nätverk levererar Matic högkvalitativt skydd till låntagare över hela landet, vilket gör försäkringsshopping mer tillgänglig och mer i linje med de ekonomiska beslut husägare redan fattar.
Matics samtalsverksamhet var under press. Med 120 000 månatliga samtal skapade även små ineffektiviteter betydande operativ överbelastning. Teamet stod inför flera ihållande problem:
Allt detta hände samtidigt som försäkringskostnaderna steg över hela landet. Matic behövde ett sätt att arbeta mer effektivt—utan att offra servicekvaliteten som förväntas av deras partner eller deras kunder.
AI-röstagentplattformen de litade på för att göra det? Retell AI.
I korthet
Användningsfall 1: Täckning utanför kontorstid
Före Retell AI förlitade sig Matic på tredjeparts callcenterleverantörer för att hantera samtal utanför kontorstid. Prestandan var dålig och kundupplevelsen led av volymbegränsningar som ledde till missade samtal, inkonsekvent och ineffektivt budskap, och möjligheter med intresserade leads som föll mellan stolarna.
Med Retell AI lanserade Matic en AI-telefonagent för utanför kontorstid för att hantera all inkommande trafik efter kontorstid. Tillgänglig dygnet runt året om samlar AI-telefonagenten in grundläggande kontakt- och försäkringsinfo och schemalägger uppföljningssamtal. Detta säkerställer att kunder med hög avsikt aldrig går förlorade över natten och att Matics representanter har all nödvändig kontext innan de följer upp.
Dessutom säkerställde denna AI-telefonagent att det fanns en konsekvent, varumärkesanpassad första kontakt för varje uppringare oavsett tid, dag eller samtalsvolym.
Användningsfall 2: Mötesbekräftelse & ombokning
Schemaläggningsförseningar och missade samtal kostade Matic värdefulla möjligheter. Agenter kunde inte alltid ringa ut exakt vid den schemalagda tiden, och svarsgraderna sjönk när samtal kom sent.
Retell AI löste detta genom att hantera schemalagda samtalsuppföljningar automatiskt. AI-röstagenten ringer kunden exakt i tid, bekräftar att de fortfarande är tillgängliga, bokar om vid behov och kopplar samtalet till en licensierad mänsklig agent. Med denna kraftfulla automation har Matic sett
”Under Q1 hanterade vi ungefär 8 000 samtal med AI-operatörsboten. Vad vi fann, och vi körde detta som ett A/B-test, var att vi faktiskt såg en högre svarsgrad med boten. Vi tillskriver det mycket att boten kan ringa samtalet på exakt minuten då det mötet schemalades”
Användningsfall 3: Datainsamling & leadskvalificering
Offertintag var en av de mest repetitiva och tidskrävande delarna av Matics samtalsverksamhet. Agenter lade 7–9 minuter per samtal på att samla in detaljer innan de ens kom till den konsultativa delen av samtalet.
Med Retell AI är hela den processen nu automatiserad. AI-telefonagenten samlade in alla 20–30 obligatoriska datapunkter, flaggar eventuella diskvalificerande faktorer och lämnar endast över kvalificerade leads till licensierade agenter.
Detta arbetsflöde var ovärderligt för att spara tid och förbättra kvaliteten på de leads som nådde Matics team, så att de kan fokusera på att stänga, inte kvalificera.
Matics telefoniteam ledde integrationen av Retell AI. Den initiala byggnationen tog bara 1–2 månader, inklusive grundläggande integrationsarbete med Twilio, API-endpoints och interna prompthanteringssystem. När grunden var på plats rullades nya AI-användningsfall ut snabbt i 1–2 sprintcykler.
I början av 2025 var mer än 60 % av teamets utveckling av samtalsverksamheten fokuserad på AI.
Men att bygga var bara halva ekvationen. Matic prioriterade också kvalitetskontroll:
”Det fanns fem eller sex förbättringar vi gjorde bara förra veckan baserat på QA-insikter. Detta arbete är pågående och väsentligt.”
Detta proaktiva tillvägagångssätt säkerställer att AI-röstagenterna är konsekvent effektiva och levererar en kundupplevelse som är varumärkesanpassad, manustrogen och ständigt förbättras.
Matics användning av Retell AI-telefonagenter har producerat meningsfulla, mätbara resultat över hela linjen:
Samtal hanterade av AI under Q1 2025: 8 000+ över alla användningsfall
Framgångsgrad för överföring av schemalagda mötessamtal: 85–90 %
Högre svarsgrader för AI-samtal jämfört med mänskliga samtal (från A/B-testning)
Minskning av samtalshanteringstid i dataintagsflöden: ~3 minuter
Lågvärdiga uppgifter automatiserade och omfördelade: ~50 %
NPS bibehållen genom hela automationsutrullningen: 90
Kunder slutför AI-hanterade samtal utan att be om en människa: 80 %
Kostnad per försäkring och kostnad per överföring betydligt minskad (exakta mätvärden väntar)
För team som utforskar AI-röstautomation erbjuder Matics resa en tydlig spelbok:
1. Börja smått, men smart
Matic började med ett användningsfall med låg komplexitet och hög effekt: hantering av samtal utanför kontorstid. Arbetsflödet var enkelt och fördelarna omedelbara: samla in grundläggande info, schemalägg en återuppringning. Detta gav teamet tidiga segrar, mätbar ROI och internt självförtroende att bygga momentum.
2. Kompromissa aldrig med kundupplevelsen
Eftersom Matic verkar genom medvarumärkta partnerskap med bolånegivare är varje interaktion en spegling av ett annat företags varumärke. Det innebar att AI inte bara kunde vara funktionell, den måste kännas mänsklig. Från röstkvalitet till svarsnoggrannhet förblev kundförtroende icke förhandlingsbart.
3. Validera med data, inte magkänsla
Innan de skalade automation över hela linjen körde Matic kontrollerade A/B-tester för att jämföra AI-prestanda mot mänskliga agenter. När det gällde mötesbekräftelser överträffade AI-telefonagenten faktiskt människor i svarsgrad. Detta var en definitiv indikator på att automation inte bara var effektivare, den var mer ändamålsenlig.
4. Investera i förväg för att gå snabbare senare
Teamet lade de första 1–2 månaderna på att lägga en stark teknisk grund: integrera med Twilio, bygga en flexibel promptinfrastruktur och anpassa interna QA-processer. Denna tidiga investering möjliggjorde snabb iteration senare, med nya användningsfall som lanserades på bara 1–2 sprintcykler.
5. Omfördela, ersätt inte
Kanske viktigast av allt såg Matic inte AI som en strategi för att minska personalstyrkan. Istället fokuserade de på att omfördela mänskliga agenter till att hantera interaktioner med högre värde. Uppgifter med högre värde, som korsförsäljningsmöjligheter och djupare konsultativa samtal, trappades upp vilket lät Matic leverera djupare värde för kunder samtidigt som de maximerade ROI.
”Vi ersätter inte människor—vi ger dem bättre saker att göra.”
Genom sin fasade implementering av Retell AI:s plattform för röstautomation har Matic framgångsrikt transformerat sin kundverksamhet och minskat kostnader samtidigt som de bibehåller utmärkta mätvärden för kundupplevelse.
Genom att automatisera repetitiva uppgifter har de frigjort sina mänskliga agenter att fokusera på aktiviteter med högre värde som konsultativ försäljning och relationsbyggande.
För B2B-ledare som överväger liknande automationsinitiativ visar Matics erfarenhet att genomtänkt implementering av AI-röstagenter kan leverera mätbara operativa fördelar utan att offra kundnöjdhet. I takt med att AI-röstteknik fortsätter att utvecklas kan företag som omfamnar dessa verktyg strategiskt vinna betydande konkurrensfördelar inom effektivitet, skalbarhet och kundupplevelse.