Millorant el suport amb cada interacció a OpenAI

Això forma part de la nostra sèrie en què compartim exemples interns de com OpenAI utilitza la seva pròpia tecnologia i les seves API. Aquestes eines s’utilitzen internament, només a OpenAI, i es comparteixen aquí com a exemples il·lustratius de com la IA d'avantguarda dona suport a casos d’ús dels nostres equips. També compartim els noms de les eines internes per oferir una visió més clara de com la IA d'avantguarda ajuda els nostres equips a fer la feina.

Històricament, el suport ha significat cues, tiquets i rendiment. Però a OpenAI, això no era suficient. Donem servei a centenars de milions d’usuaris, gestionem milions de sol·licituds cada any i veiem que aquest volum creix múltiples vegades anualment.

Moltes organitzacions han de fer front a l’escala. Menys han de gestionar l’escala i l’hipercresixement. Gairebé cap no afronta totes dues coses alhora, mentre també construeix la mateixa tecnologia que podria canviar les regles del joc. Aquesta combinació ens va situar en una posició única per replantejar el suport des de zero.

El suport no és un repte de volum. És un repte de disseny operatiu i d’enginyeria. Per això vam construir una cosa diferent: un model operatiu en què cada interacció millora la següent.

L’equip d’Ops volia anar molt més enllà d’utilitzar un chatbot per desviar preguntes de suport. L’equip té una visió: reimaginar el suport com un model operatiu d’IA que aprèn i millora contínuament.

Al centre hi ha tres blocs fonamentals:

• Superfícies. On s’interactua amb els sistemes de suport. Xat, correu electrònic i telèfon, però cada vegada més, ajuda integrada directament dins del producte.
• Coneixement. No només documentació estàtica, sinó orientació viva i en millora contínua extreta de converses reals, polítiques i context.
• Avaluacions i classificadors. Definicions compartides de qualitat creades per programari i persones alhora, a més d’eines per mesurar, millorar i destacar el feedback.

Aquestes peces no estan aïllades. Formen un bucle. Un patró detectat en una conversa d’empresa pot informar una PMF per a desenvolupadors. Una avaluació escrita per a un cas reforça el model per a milers més. I, com que les mateixes primitives impulsen cada superfície —xat, correu electrònic i veu—, les millores s’escalen automàticament a tots els canals.

El paper dels representants de suport està canviant. El nostre objectiu és passar d’un model centrat principalment en processar feina transaccional a un en què formen part de la construcció general. Tenen capacitat per contribuir a la mateixa arquitectura, tant directament mitjançant el desplegament ascendent de canvis com indirectament a través dels moviments naturals de la seva feina quotidiana.

Els representants marquen interaccions que haurien de convertir-se en casos de prova, proposen i llancen classificadors quan detecten patrons nous, i fins i tot prototipen automatitzacions lleugeres per tancar buits de flux de treball en qüestió de dies. La formació també canvia: no es tracta només de polítiques, sinó d’avaluar interaccions, identificar buits estructurals i reincorporar-hi millores.

El nou enfocament vol garantir que els representants de suport siguin tant constructors com responents.

El resultat és una organització de suport definida menys pel rendiment i més per la seva capacitat d’evolucionar. Cada persona no només atén usuaris, sinó que també millora activament la maquinària que atén tots els usuaris.

Construir el suport d’aquesta manera només és possible perquè estem construïts sobre l’stack d’OpenAI.

• Agents SDK ens proporciona traces a nivell de pas i observabilitat per defecte. Podem reproduir execucions, inspeccionar crides d’eines i depurar causes arrel a l’instant.
• Responses API impulsa classificadors de to, correcció i compliment de polítiques.
• Realtime API fa possible el suport per veu.
• El tauler d’Evals d’OpenAI fa que la qualitat sigui mesurable i fàcil de visualitzar al llarg del temps.

Com que les primitives de la plataforma ja venen preparades, dediquem menys temps a unir sistemes i més a centrar-nos en la feina que importa: definir com és una bona resposta, mesurar-la i millorar-la.

Vam començar amb un sistema senzill de preguntes i respostes que funcionava bé. Amb Agents SDK, ens vam expandir ràpidament cap a accions dinàmiques per a coses com reembossaments, factures i consultes d’incidències. A mesura que els models continuen millorant amb finestres de context més grans, recerca profunda i capacitats d’agent més sòlides, podem adoptar aquests avenços immediatament.

Les avaluacions converteixen les converses quotidianes en proves de producció. Codifiquen què vol dir «excel·lent»: no només resoldre el problema, sinó fer-ho amb educació, claredat i coherència. Els representants hi tenen un paper directe, marcant exemples bons i dolents que es converteixen en avaluacions, i aquestes avaluacions s’executen contínuament en producció per orientar el comportament del model.

«Normalment, quan tens un problema, només vols ajuda tan ràpid com sigui possible. Mitjançant les nostres eines d’IA, podem obtenir aquestes respostes molt més ràpidament i, igual d’important, sabem quan el model no hauria de respondre», diu Jay Patel, enginyer de programari, automatització del suport.

L’aprenentatge no s’atura amb la resolució. Els patrons retroalimenten el coneixement, l’automatització i el disseny del producte. El sistema es multiplica: respostes més ràpides per als usuaris, bucles de feedback més estrets per als creadors i un nivell de qualitat constantment més alt a totes les superfícies.

I no és només la IA qui aprèn. L’organització aprèn al seu costat. Els especialistes veuen on fallen els models, defineixen nous classificadors i aporten conjunts de dades per a l’ajust fi. Els taulers d’observabilitat fan que la qualitat sigui mesurable i mostren com el rendiment millora amb el temps.

El canvi més profund no són les eines, sinó les persones i com l’organització mesura l’èxit. Els especialistes de suport són reconeguts no només per resoldre problemes, sinó per refinar el coneixement, millorar els models i ampliar el mateix sistema. Els líders busquen un nou tipus de company d’equip: algú que combini l’empatia de primera línia amb l’instint de disseny, unint l’ofici del suport amb la curiositat per millorar el sistema.

I la nostra visió és que el suport deixi de ser un lloc on vas. Es converteixi en una acció, integrada a cada superfície del producte. Els usuaris no «obren un tiquet». Simplement obtenen el que necessiten, allà on són.

Allò que va començar com una resposta a l’escala s’ha convertit en un model de com les persones i la IA poden treballar juntes: de manera col·laborativa, adaptativa i en millora contínua.