Zendesk използва OpenAI, за да създава адаптивни агенти за обслужване, фокусирани върху разрешаването на казуси

Zendesk помага на бизнесите да предоставят отлични клиентски изживявания вече повече от десетилетие. Платформата му осигурява над 4,6 милиарда разрешени казуса всяка година.

В началото на 2023 г. Zendesk започва тясно сътрудничество с OpenAI, за да проучи как AI може да преобрази обслужването и разработката на продукти. Днес Zendesk пилотира нов клас AI агенти⁠(отваря се в нов прозорец), задвижвани от модели на OpenAI, които не само управляват цели разговори, но и планират и изпълняват отговори автономно: 

• Намаляване на времето за настройка от дни до минути
• Повишаване на нивата на автоматизация към 80%
• Даване на екипите на пълен контрол върху това как се държи AI

Дори и най-усъвършенстваните платформи за обслужване имат ограничения, когато става дума за традиционна автоматизация. Стандартният модел разчиташе на класификация на намеренията: предвиждаш намерение, задействаш предварително дефиниран диалог или работен поток и се надяваш клиентът да следва сценария.

Тази настройка работеше за структурирани взаимодействия, но бързо се проваляше при нюанси, последващи въпроси или крайни случаи.

„Старият свят беше съобщение навътре, отговор навън“, казва Adrian McDermott, CTO в Zendesk. „Реалните клиенти променят мнението си, задават уточняващи въпроси и очакват AI естествено да ги следва. В обслужването единственият резултат, който има значение, е разрешаването, а досега ботовете бяха донякъде ограничени в способността си да го постигат.“

Zendesk започва работа с OpenAI, за да възприеме генеративен подход, използващ Retrieval-Augmented generation (RAG) за базови FAQ взаимодействия. Днес фокусът им се е изместил към генеративно структурирано анализиране, което позволява на AI агентите да планират и изпълняват задачи самостоятелно.

Новият клас агентни AI агенти на Zendesk е създаден специално за обслужване. Задвижвани от модели на OpenAI като GPT‑4o, агентите не просто отговарят на въпроси — те водят разговори, анализират контекста и насочват към разрешаване на казуса.

Платформата използва многоагентна архитектура, съставена от специализирани агенти като:

• Агент за идентифициране на задачи: Вместо да разчита на ръчно обучение, този AI агент води истински разговор, за да разбере от какво има нужда потребителят, задавайки уточняващи въпроси и разграничавайки сходни проблеми.
• Разговорен RAG Агент: Разширява традиционния RAG, като се основава на многоходов разговор. Например, когато потребител попита за опциите за плащане, агентът може да зададе последващ въпрос къде се намира потребителят, преди да извлече специфичните за региона политики.
• Агент за компилиране на процедури: Балансирайки самостоятелността с контрола, агентът на Zendesk за съответствие на процедурите преобразува бизнес правила от естествен език в структурирана последователност, като гарантира, че AI разбира и визуално отразява как да изпълнява процедурите на компанията.
• Агент за изпълнение на процедури: Извършва действия чрез извикване на API, задействане на работни потоци и актуализиране на системи, всичко в рамките на логиката, дефинирана от бизнеса.

Като комбинират RAG със структурирано анализиране, AI агентите на Zendesk вече могат да участват в многоетапни разговори, да задават последващи въпроси и да адаптират отговорите според входните данни от потребителя. Това позволява на платформата автономно да решава сложни проблеми, без да разчита на твърди диалогови потоци.

„Дадохме на бота повече самостоятелност да насочва разговора, като същевременно работи в рамките на защитните механизми на Zendesk за качество и точност“, казва McDermott. „Процесът започна с разбиране на проблема на клиента с много силен фокус върху придвижването към разрешаване.“

Една от най-големите промени в разработката на AI агенти в Zendesk е еволюцията към хибриден модел на разработка, при който агентите могат безпроблемно да преминават между диалогови потоци и генеративни процедури в рамките на един разговор.

С новия инструмент за създаване на AI агенти бизнесите могат да дефинират процедури на естествен език. След това AI агентът планира курс на действие чрез адаптивно структурирано анализиране и представя предварителен преглед на предложените от него стъпки, преди да бъде пуснат в действие. 

Контролите за AI структурирано анализиране осигуряват видимост в реално време за това как мислят AI агентите, като гарантират, че екипите могат да одитират всеки разговор, преглеждайки веригата на мислене (CoT) на агента, за да разберат как са били взети решенията.

Тази промяна намалява времето за настройка от дни до минути и прави генеративната автоматизация достъпна за много по-широк кръг клиенти на Zendesk.

Зад кулисите Zendesk изпълнява строг вътрешен бенчмаркинг процес, за да избира и внедрява най-добрите модели и да настройва подкани за всеки случай на употреба. Екипът отчита латентност, разходи и качество, като тества нови модели като o3‑mini на OpenAI в случаи на употреба от RAG до фонови задачи за структурирано анализиране.

Този процес позволява на Zendesk да оценява, тества и внедрява нови модели за по-малко от 24 часа.

Zendesk проследява производителността както преди, така и след внедряването, като използва офлайн оценки и метрики в реално време като процент на разрешаване, процент на редакции и латентност. Всяко решение за модел е документирано и подлежи на одит, което гарантира прозрачност и надеждност, докато системата се развива.

Тази година Zendesk планира да отиде една стъпка по-далеч: да внедри платформа за самообслужващ се бенчмаркинг, така че всеки инженерен екип в Zendesk да може да тества и внедрява модели без да има нужда от практическа подкрепа от експерти по машинно обучение.

В момента Zendesk пилотира новата платформа за агентен AI с клиенти сред ранните ѝ ползватели. Платформата е проектирана да се интегрира лесно със съществуващи конфигурации, като ускорява пътя на клиентите към 80% автоматизация, без да изисква те да изграждат всичко наново.

Макар по-широки метрики да се очакват по-късно през 2025 г., ранната обратна връзка е силна: по-бързо настройване, по-точни отговори и по-плавно потребителско изживяване във всеки канал.