تستخدم Zendesk ‏OpenAI لبناء وكلاء خدمة متكيفين يركزون على الحلول

ساعدت Zendesk الشركات على تقديم تجارب رائعة للعملاء لأكثر من عقد. وتدعم منصتها أكثر من 4.6 مليار عملية حل سنويًا.

في أوائل عام 2023، بدأت Zendesk العمل عن قرب مع OpenAI لاستكشاف كيف يمكن للذكاء الاصطناعي إعادة تشكيل الخدمة وتطوير المنتجات. واليوم، تجري تجربة لفئة جديدة من وكلاء الذكاء الاصطناعي⁠(يفتح في نافذة جديدة)، مدعومة بنماذج OpenAI، لا تكتفي بإدارة المحادثات كاملة، بل تخطط للاستجابات وتنفذها بشكل مستقل: 

• خفض وقت الإعداد من أيام إلى دقائق
• رفع معدلات الأتمتة إلى نحو 80%
• منح الفرق تحكمًا كاملًا في كيفية تصرف الذكاء الاصطناعي

حتى أكثر منصات الخدمة تطورًا تواجه قيودًا عندما يتعلق الأمر بالأتمتة التقليدية. فقد اعتمد النموذج القياسي على تصنيف النوايا: توقّع النية، ثم تشغيل حوار أو سير عمل محدد مسبقًا، مع الأمل في أن يتبع العميل النص المحدد.

نجح هذا الإعداد مع التفاعلات المنظمة، لكنه كان ينهار سريعًا أمام الدقة والسياق والأسئلة اللاحقة أو الحالات الطرفية.

يقول أدريان ماكديرموت، المدير التقني في Zendesk: «كان العالم القديم قائمًا على رسالة تدخل، واستجابة تخرج. العملاء الحقيقيون يغيّرون آراءهم، ويطرحون أسئلة توضيحية، ويتوقعون أن يواكبهم الذكاء الاصطناعي بشكل طبيعي. وفي الخدمة، النتيجة الوحيدة التي تهم هي الحل، وحتى الآن كانت الروبوتات محدودة إلى حد ما في قدرتها على تحقيقه».

بدأت Zendesk العمل مع OpenAI لاعتماد نهج توليدي باستخدام Retrieval-Augmented generation (RAG) لتفاعلات الأسئلة الشائعة الأساسية. واليوم، تحوّل تركيزها إلى الاستدلال التوليدي الذي يمكّن وكلاء الذكاء الاصطناعي من تخطيط المهام وتنفيذها بشكل مستقل.

الفئة الجديدة من وكلاء الذكاء الاصطناعي القائمين على الوكالة لدى Zendesk مصممة خصيصًا للخدمة. وبالاعتماد على نماذج OpenAI مثل GPT‑4o، لا يكتفي الوكلاء بالإجابة عن الأسئلة، بل يقودون المحادثات، ويستدلون ضمن السياق، ويدفعون نحو الحل.

تستفيد المنصة من بنية متعددة الوكلاء تضم وكلاء متخصصين مثل:

• وكيل تحديد المهام: بدلًا من الاعتماد على التدريب اليدوي، يجري وكيل الذكاء الاصطناعي هذا محادثة حقيقية لفهم ما يحتاجه المستخدم، فيطرح أسئلة توضيحية ويفصل بين المشكلات المتشابهة.
• وكيل RAG الحواري: يوسّع RAG التقليدي عبر الارتكاز إلى محادثة متعددة الأدوار. فعلى سبيل المثال، عندما يسأل المستخدم عن خيارات الدفع، يمكن للوكيل أن يطرح سؤال متابعة حول مكان وجود المستخدم قبل استرجاع السياسات الخاصة بالمنطقة.
• وكيل تجميع الإجراءات: لتحقيق التوازن بين الوكالة والتحكم، يحوّل وكيل الامتثال للإجراءات لدى Zendesk قواعد العمل من اللغة الطبيعية إلى تدفق منظم، بما يضمن أن يفهم الذكاء الاصطناعي كيفية تنفيذ إجراءات الشركة ويعكسها بصريًا.
• وكيل تنفيذ الإجراءات: ينفذ الإجراءات عبر استدعاء APIs، وتشغيل مسارات العمل، وتحديث الأنظمة، وكل ذلك ضمن المنطق الذي تحدده الشركة.

ومن خلال الجمع بين RAG والاستدلال، يمكن لوكلاء الذكاء الاصطناعي لدى Zendesk الآن الانخراط في محادثات متعددة الخطوات، وطرح أسئلة متابعة، وتكييف الاستجابات بناءً على مدخلات المستخدم. ويتيح ذلك للمنصة حل المشكلات المعقدة بشكل مستقل، من دون الاعتماد على تدفقات حوار جامدة.

يقول ماكديرموت: "لقد منحنا الروبوت مزيدًا من الوكالة في توجيه المحادثة مع العمل ضمن ضوابط Zendesk المتعلقة بالجودة والدقة. وبدأت العملية بفهم مشكلة العميل مع تركيز كبير على الدفع نحو الحل".

كان أحد أكبر التحولات في تطوير وكلاء الذكاء الاصطناعي لدى Zendesk هو تطورها إلى نموذج تطوير هجين، حيث يمكن للوكلاء الانتقال بسلاسة بين تدفقات الحوار والإجراءات التوليدية ضمن محادثة واحدة.

ومع أداة إنشاء وكلاء الذكاء الاصطناعي الجديدة، يمكن للشركات تحديد الإجراءات بلغة طبيعية. ثم يخطط وكيل الذكاء الاصطناعي لمسار العمل باستخدام الاستدلال التكيفي ويعرض معاينة للخطوات المقترحة قبل الإطلاق. 

توفر عناصر التحكم في استدلال الذكاء الاصطناعي رؤية فورية لكيفية تفكير وكلاء الذكاء الاصطناعي، ما يضمن أن تتمكن الفرق من تدقيق كل محادثة عبر مراجعة سلسلة التفكير (CoT) الخاصة بالوكيل لفهم كيفية اتخاذ القرارات.

يقلل هذا التحول وقت الإعداد من أيام إلى دقائق، ويجعل الأتمتة التوليدية متاحة لشريحة أوسع بكثير من عملاء Zendesk.

خلف الكواليس، تدير Zendesk برنامجًا داخليًا صارمًا للقياس المقارن لاختيار أفضل النماذج ونشرها وضبط المطالبات لكل حالة استخدام. ويراعي الفريق زمن الاستجابة والتكلفة والجودة، مع اختبار نماذج جديدة مثل o3‑mini من OpenAI عبر حالات استخدام تتراوح من RAG إلى مهام الاستدلال في الخلفية.

تتيح هذه العملية لـ Zendesk تقييم النماذج الجديدة واختبارها ونشرها في أقل من 24 ساعة.

تتبع Zendesk الأداء قبل النشر وبعده، باستخدام تقييمات غير متصلة ومقاييس مباشرة مثل معدل الحل، ومعدل التحرير، وزمن الاستجابة. ويجري توثيق كل قرار متعلق بالنموذج وإمكانية تدقيقه، بما يضمن الشفافية والموثوقية مع تطور النظام.

وتخطط Zendesk هذا العام للذهاب خطوة أبعد: طرح منصة قياس مقارن للخدمة الذاتية حتى يتمكن أي فريق هندسي في Zendesk من اختبار النماذج ونشرها دون الحاجة إلى دعم عملي من خبراء تعلّم الآلة.

تجري Zendesk حاليًا تجربة للمنصة الجديدة للذكاء الاصطناعي القائم على الوكالة مع العملاء الأوائل المتبنين لها. وقد صُممت المنصة لتتكامل بسهولة مع البيئات الحالية، ما يسرّع وصول العملاء إلى أتمتة بنسبة 80% من دون الحاجة إلى إعادة البناء من الصفر.

وبينما ستأتي المقاييس الأوسع لاحقًا في عام 2025، كانت الملاحظات المبكرة قوية: إعداد أسرع، واستجابات أدق، وتجارب مستخدم أكثر سلاسة عبر كل قناة.