OpenAI-তে প্রতিটি ইন্টারঅ্যাকশনের মাধ্যমে সমর্থন উন্নত করা হচ্ছে
এটি আমাদের সিরিজের অংশ যেখানে OpenAI কিভাবে আমাদের প্রযুক্তির উপর ভিত্তি করে নিজের সমাধান তৈরি করছে তা দেখানো হয়েছে.
ঐতিহ্যগতভাবে সমর্থন বলতে বোঝায় কিউ, টিকিট এবং throughput. কিন্তু OpenAI-তে, এটি যথেষ্ট ছিল না. আমরা কোটি কোটি ব্যবহারকারীর সেবা দিই, প্রতি বছর মিলিয়ন মিলিয়ন অনুরোধ পরিচালনা করি, এবং দেখি যে সেই পরিমাণ বার্ষিকভাবে গুণিত হয়.
অনেক প্রতিষ্ঠান স্কেলের সঙ্গে কাজ করে. কম সংখ্যক প্রতিষ্ঠান স্কেল এবং অতিবৃদ্ধি মোকাবেলা করে. প্রায় কেউই দুই-ই মুখোমুখি হয় না — সেইসাথে এমন প্রযুক্তি তৈরি করছে যা সমীকরণ পরিবর্তন করতে পারে. সেই সংমিশ্রণ আমাদেরকে মডেল পুনঃপর্যালোচনার জন্য অনন্যভাবে অবস্থান দিয়েছে.
“সাপোর্ট কেবল টিকিটের উত্তর দেওয়ার জন্য কখনোই নয়. এটি হলো মানুষ কি তাদের প্রয়োজনীয় জিনিস পায়, এটি তাদের কি ভালোভাবে সেবা দেয়.”
সমর্থন কেবল পরিমাণের সমস্যা নয়. এটি একটি ইঞ্জিনিয়ারিং এবং অপারেশনাল ডিজাইন চ্যালেঞ্জ. তাই আমরা ভিন্ন কিছু তৈরি করেছি: একটি অপারেটিং মডেল যেখানে প্রতিটি ইন্টারঅ্যাকশন পরবর্তী ইন্টারঅ্যাকশনকে উন্নত করে.
অপস টিম চেয়েছিল কেবল চ্যাটবট ব্যবহার করে সমর্থন প্রশ্ন দূরে সরানোর চেয়ে অনেক বেশি কাজ করা. টিমের একটি ভিশন রয়েছে: সমর্থনকে একটি AI অপারেটিং মডেল হিসেবে পুনঃকল্পনা করা যা ক্রমাগত শিখে এবং উন্নত হয়.
কেন্দ্রে তিনটি নির্মাণ ব্লক রয়েছে:
- সারফেসেস. যেখানে সমর্থন সিস্টেমের সঙ্গে ইন্টারঅ্যাকশন হয়. চ্যাট, ইমেইল, এবং ফোন, কিন্তু ক্রমবর্ধমানভাবে, সাহায্য সরাসরি পণ্যের মধ্যে এমবেড করা.
- জ্ঞান. কেবল স্থির ডকুমেন্ট নয়, বাস্তব কথোপকথন, নীতি এবং প্রসঙ্গ থেকে প্রাপ্ত জীবন্ত এবং ক্রমাগত উন্নত হওয়া নির্দেশিকা.
- এভালস এবং ক্লাসিফায়ার. সফটওয়্যার এবং মানুষের একত্রিত প্রচেষ্টায় তৈরি মানের সংজ্ঞা এবং পরিমাপ, উন্নতি এবং প্রতিক্রিয়া হাইলাইট করার জন্য টুল.
এই অংশগুলি আলাদা আলাদা নয়. এগুলি একটি লুপ তৈরি করে. একটি এন্টারপ্রাইজ কথোপকথনে দেখা প্যাটার্ন একটি ডেভেলপার FAQ-কে তথ্য দিতে পারে. একটি এভাল যা একটি কেসের জন্য লেখা হয়েছে তা মডেলকে হাজার হাজারের জন্য শক্তিশালী করে. এবং যেহেতু একই প্রিমিটিভ প্রতিটি সারফেস - চ্যাট, ইমেইল, ভয়েসকে শক্তি দেয়, উন্নতি স্বয়ংক্রিয়ভাবে সব চ্যানেলে প্রসারিত হয়.
সাপোর্ট রিপের ভূমিকা পরিবর্তিত হচ্ছে. আমাদের লক্ষ্য হলো মডেলকে প্রধানত লেনদেন প্রক্রিয়াকরণে ফোকাস করা থেকে পুরো নির্মাণের অংশ হতে স্থানান্তর করা. তারা আর্কিটেকচারে অবদান রাখতে সক্ষম, সরাসরি পরিবর্তনের বটম-আপ শিপিং এবং পরোক্ষভাবে তাদের দৈনন্দিন কাজের প্রাকৃতিক গতির মাধ্যমে.
রিপস সেই ইন্টারঅ্যাকশনগুলো চিহ্নিত করে যা টেস্ট কেসে পরিণত হওয়া উচিত, নতুন প্যাটার্ন দেখলে ক্লাসিফায়ার প্রস্তাব এবং শিপ করে, এবং কয়েক দিনের মধ্যে ওয়ার্কফ্লো ফাঁক বন্ধ করতে লাইটওয়েট অটোমেশন প্রোটোটাইপ করে. প্রশিক্ষণও পরিবর্তিত হয়, এটি কেবল নীতিমালা সম্পর্কে নয়, বরং ইন্টারঅ্যাকশন মূল্যায়ন, কাঠামোগত ফাঁক চিহ্নিত করা এবং উন্নতি পুনঃপ্রদান সম্পর্কে.
নতুন পদ্ধতি নিশ্চিত করতে চেষ্টা করে যে সাপোর্ট রিপস প্রতিক্রিয়াশীলের পাশাপাশি নির্মাতাও.
“এজেন্টরা কেবল টিকিটের উত্তর দেয় না. তারা আমাদের জ্ঞানভিত্তি এবং নীতিমালা সম্পর্কে তথ্য দেয়. তাদের এমন একটি দৃষ্টি আছে যা আমাদের নেই.”
ফলাফল হলো একটি সাপোর্ট সংস্থা যা প্রায়ই throughput দ্বারা নয় বরং বিকাশের ক্ষমতা দ্বারা সংজ্ঞায়িত. প্রতিটি ব্যক্তি কেবল ব্যবহারকারীদের সেবা করছে না বরং সক্রিয়ভাবে সেই যন্ত্রপাতি উন্নত করছে যা সকল ব্যবহারকারীদের সেবা দেয়.
এইভাবে সাপোর্ট তৈরি করা সম্ভব কেবল কারণ আমরা OpenAI-এর স্ট্যাকের উপর নির্মিত.
- এজেন্টস SDK ডিফল্টরূপে আমাদের স্টেপ-লেভেল ট্রেস এবং পর্যবেক্ষণযোগ্যতা প্রদান করে. আমরা রানগুলি পুনরায় চালাতে পারি, টুল কলগুলি পরিদর্শন করতে পারি এবং মূল কারণগুলি সঙ্গে সঙ্গেই ডিবাগ করতে পারি.
- রেসপন্সেস API টোন, সঠিকতা এবং নীতি অনুসরণের জন্য ক্লাসিফায়ারকে শক্তি প্রদান করে.
- রিয়েলটাইম API ভয়েস সাপোর্ট সম্ভব করে.
- OpenAI-এর এভালস ড্যাশবোর্ড মানকে পরিমাপযোগ্য করে তোলে এবং সময়ের সঙ্গে সহজে দৃশ্যমান করে.
যেহেতু প্ল্যাটফর্ম প্রিমিটিভগুলো প্রস্তুত অবস্থায় আসে, আমরা সিস্টেমগুলো একত্র করতে কম সময় ব্যয় করি এবং গুরুত্বপূর্ণ কাজের উপর বেশি মনোযোগ দিই: ভালো কী দেখায় তা সংজ্ঞায়িত করা, তা পরিমাপ করা এবং উন্নত করা.
আমরা একটি সাধারণ Q&A উত্তরকারী দিয়ে শুরু করেছি যা ভালোভাবে কাজ করেছিল. এজেন্টস SDK-এর সঙ্গে, আমরা দ্রুত রিফান্ড, ইনভয়েস, ইনসিডেন্ট লুকআপের মতো ডাইনামিক অ্যাকশনে সম্প্রসারিত হয়েছি. যখন মডেলগুলি বড় কনটেক্সট উইন্ডো, ডিপ রিসার্চ এবং শক্তিশালী এজেন্টিক ক্ষমতার সঙ্গে উন্নতি চালিয়ে যায়, আমরা সেই অগ্রগতি সঙ্গে সঙ্গে গ্রহণ করতে পারি.
এভালস প্রতিদিনের কথোপকথনকে প্রোডাকশন টেস্টে রূপান্তরিত করে. তারা সংজ্ঞায়িত করে “গ্রেট” মানে কী—কেবল সমস্যা সমাধান নয়, এটি বিনীতভাবে, স্পষ্টভাবে এবং নিয়মিতভাবে করা. রিপস এখানে সরাসরি ভূমিকা পালন করে, শক্তিশালী এবং দুর্বল উদাহরণ চিহ্নিত করে যা এভালস হয়, এবং সেই এভালস প্রোডাকশনে ক্রমাগত চলে মডেল আচরণ পরিচালনা করতে.
“সাধারণত যখন আপনার সমস্যা হয়, আপনি যত দ্রুত সম্ভব সাহায্য চাইবেন. আমাদের AI টুল ব্যবহার করে, আমরা সেই উত্তরগুলি অনেক দ্রুত পেতে পারি—এবং সবচেয়ে গুরুত্বপূর্ণ, আমরা জানি কখন মডেল উত্তর দেওয়া উচিত নয়,” বলেন জে প্যাটেল, সফটওয়্যার ইঞ্জিনিয়ার, সাপোর্ট অটোমেশন.
শেখা সমস্যার সমাধানেই শেষ হয় না. প্যাটার্নগুলো জ্ঞান, অটোমেশন এবং প্রোডাক্ট ডিজাইনে ফিরে আসে. সিস্টেমটি যৌগিক হয়: ব্যবহারকারীদের জন্য দ্রুত উত্তর, নির্মাতাদের জন্য আরও শক্ত ফিডব্যাক লুপ এবং প্রতিটি সারফেসে ধারাবাহিকভাবে উচ্চতর মান.
এবং কেবল AI-ই নয় যা শেখে. সংস্থাও এর সঙ্গে শেখে. বিশেষজ্ঞরা দেখে মডেল কোথায় ব্যর্থ হচ্ছে, নতুন ক্লাসিফায়ার তৈরি করে এবং ফাইন-টিউনিং-এর জন্য ডেটাসেট দেয়. অবজার্ভেবলিটি ড্যাশবোর্ড মান পরিমাপযোগ্য করে তোলে, দেখায় কিভাবে সময়ের সঙ্গে পারফরম্যান্স উন্নতি পায়.
সবচেয়ে গুরুত্বপূর্ণ পরিবর্তন টুলিং নয়, এটি মানুষ এবং সংস্থা কীভাবে সাফল্য পরিমাপ করে. সাপোর্ট বিশেষজ্ঞরা কেবল সমস্যা সমাধানের জন্য নয়, জ্ঞান পরিশোধন, মডেল উন্নত করা এবং সিস্টেমকে প্রসারিত করার জন্য স্বীকৃত হন. নেতা নতুন ধরনের সহকর্মী খুঁজে পান: যিনি ফ্রন্টলাইন সহানুভূতি এবং ডিজাইন অনুভূতিকে মেলান, সমর্থন দক্ষতা এবং কৌতূহল মিলিয়ে সিস্টেম উন্নত করেন.
“আমরা এখন গভীর ক্রাফট দক্ষতা এবং গভীর ইঞ্জিনিয়ারিং দক্ষতার মিল দেখতে শুরু করেছি. এটিই ভবিষ্যৎ যেখানে বিভাগগুলি পরিচালিত হয়.”
এবং আমাদের দৃষ্টিভঙ্গি হলো সাপোর্ট আর এমন একটি গন্তব্য নয় যেখানে আপনি যান. এটি একটি কাজ হয়ে যায়, প্রতিটি পণ্য সারফেসে জড়ানো. ব্যবহারকারীরা “টিকিট খুলে” না. তারা শুধু যা প্রয়োজন, তা পায়, যেখানে তারা আছে.
যা স্কেলের প্রতিক্রিয়ারূপে শুরু হয়েছিল তা মানুষের এবং AI-এর একসাথে কাজ করার জন্য একটি ব্লূপ্রিন্টে পরিণত হয়েছে: সহযোগিতামূলক, অভিযোজনযোগ্য এবং ক্রমাগত উন্নতি.
