VolgendeVolgende gids
AI-klantenservice-burn-out en het welzijn van agenten
Samenleving
Bedrijven GIDS
Sierra is een bedrijf uit San Francisco, opgericht door voormalig co-CEO van Salesforce Bret Taylor en voormalig Google-directeur Clay Bavor, dat AI-agenten bouwt die bedrijven gebruiken om klantgesprekken af te handelen via chat, spraak, e-mail en messaging.
Luister naar deze gidsAI-verteld · ~8 min
De agenten kunnen rekeningen opzoeken en acties ondernemen, zoals het verwerken van retouren, en het factureert voornamelijk op basis van de uitkomst in plaats van per stoel. Het is een prominent voorbeeld van hoe grote taalmodellen worden ingezet in de klantenservice.
Sierra makes conversational AI agents for companies' customer-facing work. An agent here means software built on large language models that can hold a conversation and also take actions in business systems, such as checking an order, changing a plan, or issuing a refund, while following the company's policies. According to TechCrunch, Bret Taylor and Clay Bavor decided to start the company over lunch after Taylor left Salesforce in 2023. Taylor had been Salesforce co-CEO and co-created Google Maps; Bavor spent 18 years at Google leading products including Gmail and Google Drive. Sierra describes itself as a conversational AI platform for businesses and emphasizes customer lifetime value and revenue rather than only cost savings.
A Sierra deployment works roughly in this order. The company first gives the agent its knowledge and rules: help-center content, standard operating procedures, policies and examples of past conversations. Sierra's Ghostwriter tool, introduced in 2026, can draft an agent from uploaded procedures, call transcripts or a plain-English goal. Teams then define journeys, which Sierra's November 2025 Agent OS 2.0 announcement describes as natural-language definitions of goals and guardrails that non-engineers can edit, with a software development kit available for engineering teams. Integrations connect the agent to systems such as billing, order management and customer records. The same agent can then be published to chat, voice, email, SMS, WhatsApp and ChatGPT.
During a live conversation, the agent reads the customer's message, uses a language model to work out what the person needs, retrieves relevant policy and account information, and decides whether to answer, ask a clarifying question, call a tool such as a refund function, or hand off to a person. The Agent Data Platform, announced alongside Agent OS 2.0, merges past calls, chats and emails with structured business data so the agent can remember earlier interactions. Escalations go to human representatives, and a Live Assist feature helps those humans with suggested answers and next steps. After conversations, Sierra's Insights tools analyze large volumes of transcripts to find recurring problems, and Experiments let teams test changes before rolling them out widely.
The company grew quickly. TechCrunch reported in November 2025 that Sierra, then 21 months old, had reached $100 million in annual recurring revenue, and had been valued at $10 billion after a $350 million round led by Greenoaks Capital in September 2025, with Sequoia, Benchmark, ICONIQ and Thrive Capital also investors. Sierra's own review of its second year, published in February 2026, reported more than $150 million in annual recurring revenue, an investment from SoftBank Vision Fund 2, and expansion to France and a new Tokyo office. Named customers across these sources include ADT, Cigna, DIRECTV, Deliveroo, Discord, Gap, Ramp, Rivian, SiriusXM, SoFi and Sutter Health.
Sierra competes with several alternatives. Older phone menus and rule-based chatbots follow fixed scripts, so they are predictable but break on anything unexpected. Human contact centers handle complex and emotional cases well but cost more per contact; a Chime case study published by Sierra cites an average cost of $5 to $20 for a phone call to a consumer brand. Companies can also build their own agents directly on model providers' APIs, which gives full control but requires engineering for integrations, testing, monitoring and compliance. Established contact-center and customer relationship software vendors have added AI agents to their products as well. Sierra's pitch is a managed platform with built-in guardrails, analytics and outcome-based pricing, rather than raw model access.
The main limitation is reliability. Language-model agents can misread a request, invent a policy, or take the wrong action, and small error rates matter at the scale of millions of conversations. Sierra's own researchers made this point in June 2024 with tau-bench, a benchmark in which an agent talks to a simulated customer and must use tools while following policy. Even strong function-calling agents such as GPT-4o succeeded on fewer than half of tasks, and their consistency across eight repeated attempts in the retail domain fell below 25%. A June 2025 follow-up, tau-squared-bench, found performance drops sharply when the customer must also take actions, as in technical support. Customer metrics published by Sierra are self-reported case studies, not independent audits. Agents also process personal and sometimes financial or health data, so security and compliance reviews are part of every deployment; Sierra's site displays SOC 2, ISO 27001, ISO 42001, HIPAA and PCI DSS badges without detailing their scope.
On cost, Sierra's December 2024 post on outcome-based pricing explains that it is paid when the agent completes an agreed outcome, such as a resolved conversation, a saved cancellation or an upsell, with criteria set in advance; unresolved or escalated conversations usually carry no charge, and simple routing interactions may be priced per conversation instead. That model aligns the vendor's revenue with results, but buyers still need to define outcomes carefully, verify how they are counted, and budget for integration work and ongoing review of conversations. Sierra's annual review reports that one large healthcare company went live seven weeks after project kickoff, and a Singtel case study lists less than ten weeks to launch, which gives a sense of typical setup timelines.
04Uitgewerkt voorbeeld
Schrijf het beleid in duidelijke taal: retourzendingen binnen 30 dagen, ontvangstbewijs of bestelnummer vereist, terugbetalingen via de oorspronkelijke betaalmethode en escalatie voor beschadigde artikelen.
Maak een lijst van de tools die de agent kan aanroepen, zoals look_up_order, check_return_window, create_return_label en issue_refund, met de invoer die elk vereist.
Definieer de uitkomst die als succes telt, bijvoorbeeld een retourlabel aangemaakt en de bestelstatus ingesteld op retour in behandeling, en wat telt als een escalatie.
Schrijf tien gesimuleerde klantscenario's, waaronder een verlopen periode, een ontbrekend bestelnummer en een boze klant met een beschadigd artikel.
Voer elk scenario verschillende keren uit en vergelijk de databasestatus van de uiteindelijke bestelling met de verwachte status, in plaats van de formulering van de antwoorden te beoordelen.
Bereken het succespercentage van één run en het aandeel scenario's dat bij elke run slaagde, en corrigeer beleid of tools waar deze afwijken.
Wat het laat zien
De leerling krijgt uiteindelijk een schriftelijk beleid, een lijst met hulpmiddelen, een duidelijke definitie van de uitkomsten en een kleine betrouwbaarheidsscore in de stijl van de pass^k van tau-bench. De controle is dat elk scenario bij alle uitvoeringen de verwachte databasestatus bereikt of correct escaleert, wat de standaard is waarvan zowel een productieagent als een resultaatgebaseerd contract afhankelijk zijn.
Fintech-ondersteuning: Chime gebruikt Sierra-agenten voor routinematige vragen van leden, zoals de status van directe stortingen en het opnieuw instellen van wachtwoorden, en rapporteert dat het oplossingspercentage stijgt van 50% naar meer dan 70%, waarbij complexe problemen worden overgedragen aan menselijk personeel.
Hypotheken en onroerend goed: Sierra's jaaroverzicht van februari 2026 vermeldt dat Rocket Mortgage een agent gebruikt voor het verstrekken van hypotheken en Redfin die er een gebruikt voor het zoeken naar een huis op gesprek.
Abonnementenbeheer: SiriusXM, genoemd als klant door TechCrunch en in Sierra's eigen recensie, gebruikt een Sierra-agent voor abonnementsbeheer; Sierra's klantverhaal erover vermeldt 34 miljoen abonnees.
Resultaatfacturering: volgens het prijsmodel dat Sierra in december 2024 heeft beschreven, betaalt een bedrijf wanneer de agent een overeengekomen taak voltooit, zoals het oplossen van een ondersteuningsaanvraag of het opslaan van een annulering, en betaalt het doorgaans niets wanneer een aanvraag wordt geëscaleerd.
Testen van agenten: Sierra-onderzoekers publiceerden in juni 2024 de tau-bench-benchmark, die agenten beoordeelt of gesimuleerde klantgesprekken een bedrijfsdatabase in de juiste eindtoestand verlaten.
De aankondigingen van Sierra uit 2026 wijzen erop waar het bedrijf het product naartoe brengt. Ghostwriter, geïntroduceerd in maart 2026, heeft tot doel agenten te genereren op basis van procedures en opnames in plaats van met de hand gebouwde configuratie. Berichten uit oktober 2026 introduceren een concept van het Personal Agent Protocol, werken samen met Stripe aan het aannemen van betalingen binnen gesprekken en doen onderzoek naar nummerherkenning voor stemagenten. Het onderzoeksteam heeft de tau-serie voortgezet, met berichten uit oktober 2026 over het evalueren van de nauwkeurigheid van stemagenten met details zoals namen en nummers en over de prestaties in verschillende talen. De openstaande problemen worden gedeeld door de hele sector. De betrouwbaarheid bij herhaalde pogingen, gemeten als pass^k in tau-bench, blijft ruim onder wat klanten bij veel taken van menselijk personeel verwachten. Onafhankelijk bewijsmateriaal over oplossingspercentages en klanttevredenheid is schaars vergeleken met casestudies van leveranciers. Stemagenten roepen vragen op over openbaarmaking, nabootsing van identiteit en fraude. Op resultaten gebaseerde prijzen zullen worden getest terwijl kopers en verkopers onderhandelen over wat als een opgeloste zaak geldt. Of AI-agenten vooral het personeelsbestand van contactcentra verminderen of vooral de service-uren en kwaliteit uitbreiden, zal afhangen van de manier waarop bedrijven deze inzetten, en het bewijsmateriaal daarover stapelt zich nog steeds op.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Sierra is een bedrijf uit San Francisco, opgericht door voormalig co-CEO van Salesforce Bret Taylor en voormalig Google-directeur Clay Bavor, dat AI-agenten bouwt die bedrijven gebruiken om klantgesprekken af te handelen via chat, spraak, e-mail en messaging. De agenten kunnen rekeningen opzoeken en acties ondernemen, zoals het verwerken van retouren, en het factureert voornamelijk op basis van de uitkomst in plaats van per stoel. Het is een prominent voorbeeld van hoe grote taalmodellen worden ingezet in de klantenservice.
Sierra is mede opgericht door Bret Taylor, voormalig co-CEO van Salesforce en OpenAI bestuursvoorzitter, en Clay Bavor, al jarenlang een Google leidinggevende.
Sierra introduceerde resultaatgebaseerde prijzen, waarbij de prikkels werden afgestemd op het succesvol oplossen van klantproblemen in plaats van op het gespreksvolume.
Sierra-agenten vertegenwoordigen de stem en het beleid van het merk en ondernemen concrete acties, zoals het verwerken van terugbetalingen en het bijwerken van accounts.
Sierra beschrijft Horizon-agenten als het orkestreren van inkomende en uitgaande interacties gedurende dagen of weken; dit is een productbeschrijving en geen garantie voor een bepaald resultaat.
Sierra's Agent OS 2.0-aankondiging omvatte het Agent Data Platform, dat wordt beschreven als het bieden van geheugen, context en intelligentie voor agenten.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
AI-klantenservice-burn-out en het welzijn van agenten
Samenleving