Fluxo de trabalho no exterior

Estudo de caso: uso de Repair AI sustentado em um piloto de pós-venda no Kuwait

No Kuwait piloto de pós-venda registrou uso sustentado entre dispositivos e verificação repetida em documentos de serviço originais.

Primeiro a conclusão

Em um piloto de pós-venda no Oriente Médio no Kuwait, um técnico gerou 73 visitas à página durante uma janela de observação de 21 dias, com atividades registradas em 7 dias ativos.

Ao solucionar uma falha persistente de comunicação de transmissão, o técnico consultou P176300 14 vezes em vários dias úteis. O fluxo de trabalho passou repetidamente da pesquisa assistida por IA para a documentação de serviço original, incluindo uma página em PDF de origem que foi lida por 23,4 minutos.

Este caso demonstra o uso sustentado em um fluxo de trabalho de reparo real.

O cenário de serviços no exterior

A Repair AI estava sendo testada em um ambiente pós-venda no Oriente Médio para fornecer diagnóstico assistido por IA e suporte de reparo em vários idiomas para técnicos da linha de frente.

O técnico observado usou o produto em PCs e dispositivos móveis durante o horário de trabalho. O principal padrão de comportamento incluía:

• inserir códigos de falha ou perguntas de reparo;
• revisar informações de diagnóstico geradas por IA;
• abrir detalhes da fonte e documentação original em PDF;
• retornar à mesma falha em vários dias úteis;
• usar o acesso móvel como parte do fluxo de trabalho da área de reparo.

21 dias de uso real

A janela de observação registrou:

O número 73 refere-se a visitas/acessos a páginas, não 73 reparos, 73 sessões de diagnóstico ou 73 diagnósticos concluídos.

Uma falha persistente: P176300

A falha investigada mais repetidamente foi P176300, relacionada à perda de comunicação entre a unidade de controle de transmissão e o atuador eletrônico de mudança.

O técnico retornou a essa falha 14 vezes por meio de diferentes caminhos de consulta. O registro de comportamento detalhado mostra o uso repetido de DTC, entradas de consulta geral e de consulta de sintomas, seguido pela leitura do documento de origem.

AI como ponto de partida, documentos originais como Verificação

Um dos padrões mais claros nos dados de uso foi a movimentação dos resultados da consulta assistida por IA para a documentação de reparo original.

O técnico repetidamente:

pesquisou → revisou o resultado de IA → abriu o PDF de origem → continuou lendo as páginas relacionadas

Uma página do PDF de origem foi lida por 23,4 minutos, mostrando que a documentação técnica original permaneceu uma parte importante do fluxo de trabalho de reparo.

Essa é uma evidência útil para um design de produto humano: a IA pode ajudar os técnicos a encontrar uma direção, enquanto os documentos de origem permanecem disponíveis para verificação técnica detalhada.

PC para trabalho profundo, celular para a área de reparos

A maior parte da atividade veio do PC:

• 89% PC
• 11% móvel

A atividade móvel foi concentrada em uma curta sessão na área de reparo, onde o técnico usou um telefone para continue verificando o processo de diagnóstico fora do desktop.

Os dados, portanto, suportam um padrão prático de uso entre dispositivos, em vez de um fluxo de trabalho de pesquisa puramente baseado em mesa.

O que este caso demonstra

Os dados disponíveis apoiam quatro conclusões:

1. A Repair AI foi usada repetidamente em um ambiente real de pós-venda no exterior.
2. Um técnico retornou à mesma falha complexa várias vezes, em vez de usar o produto apenas uma vez.
3. Resultados de IA e fonte original. a documentação foi usada em conjunto.
4. O acesso ao PC e ao dispositivo móvel apareceu no fluxo de trabalho de reparo.

Perguntas frequentes